# 2026-08-11 大气科学 AI 研究日报

> 科学核验截止：2026-08-11 13:23（Asia/Shanghai）  
> 严格连续主窗口：2026-08-10 13:22—2026-08-11 13:23  
> 24–48 h 缓冲：2026-08-09 13:22—2026-08-10 13:22  
> 去重基线：2026-08-10 与 2026-08-09 大气科学 AI 日报、最近历史雷达日报、`tracked_items.md` 和自动化 memory；题名、DOI、仓库、提交哈希和正式状态均参与去重。  
> 日期原则：正式在线日期优先于题录创建时间；仅给到日期、不提供时刻的正式记录不伪造小时级发布时间。Crossref 创建时间只用于说明本次发现边界，不代替论文发表时间。

## 一、总体判断与信号地图

本期出现了一个与“保留可预报信息—恢复精细结构”直接相关的临近预报方法事件、两个空气质量短时预测事件，以及两个可复现实验基础设施更新；没有核实到新的 0–72 h 区域天气预报或 1–65 d S2S 模型系统级结果。

最强科学信号是 IEEE 托管的 PstpNet 接收稿。该模型把未来降水场拆成可微平流和局地强度残差两部分，并在 KNMI-NL50 与 SEVIR 上检验 1 h 预测。它提供了比“给网络加物理约束”更具体的结构：位移负责搬运已有回波，残差负责增长、衰减和新生。但作者用光流而非大气风场作运动代理，且无守恒闭合、统计显著性或独立复现；因此应称为**输送启发的结构先验与功能诊断**，不能直接写成物理一致性已被证明。

空气质量方面，AirFlow 用污染物自适应归一化、上下文状态流和快速变化流预测多城市 PM2.5、PM10、NO2 与 AQI；另一篇 *Journal of Supercomputing* 论文用气象与污染数据做 24 h PM2.5 预测。二者都属于直接空气质量预测，但都没有把真实 CAMS/MLWP/NWP 预报误差带入评估，也没有阈值可靠性或概率校准，因此尚未触及用户最关心的“气象误差怎样传播到污染预报”。

基础设施方面，pySTEPS 1.21.4 修复了线性雷达—NWP 融合对多帧自回归输入和时效长度不匹配的处理；ERAD 2026 课程仓库从只有 README/许可证升级为可运行 notebooks，覆盖确定性、20 成员概率集合、可靠性检验和雷达—NWP 融合。前者是实质代码修复，后者是可复现实验教学材料，不是新模型技能。

| 信号 | 本期判断 |
|---|---|
| `core-nowcasting` | 1 篇 IEEE 接收稿：双分支平流—残差 1 h 预报；另有 1 篇城市水文雷达/临近预报博士论文作为影响评估基础设施 |
| `core-short-range` | 无新的 0–72 h 高分辨率 NWP 后处理、极端降水订正、雷达—模式业务检验；pySTEPS 融合修复归入基础设施，不算新技能结果 |
| `core-s2s` | 无新的 1–65 d AI/S2S 方法、正式状态、权重或独立业务验证 |
| `core-air-quality` | 1 篇 arXiv 多城市短时预印本、1 篇正式 24 h PM2.5 文章；均未比较分析场与真实预报气象驱动 |
| `adjacent-method` | 本期无需要单独升级的 flow matching、diffusion、通用降尺度或集合校准论文 |
| `infrastructure` | pySTEPS 1.21.4 线性融合修复；ERAD 课程 notebooks/练习实质开放；博士论文连接雷达 QPE、临近预报不确定性与城市径流 |
| 论文代表图 | 镜像 1 张：PstpNet Figure 2，IEEE 托管接收稿明确 CC BY 4.0，完整图和原始图注均保留；其余图件因许可不满足或未核实而不镜像 |

## 二、新增条目表

| 标题 | 日期（北京） | 研究主线 | 相关性分类 | 来源/平台 | 正式状态 | 链接 | 代码/数据状态 |
|---|---:|---|---|---|---|---|---|
| *PstpNet: Dual-Branch Physics-Guided U-Net With Multiscale Spatio-Temporal Disentanglement for Precipitation Nowcasting* | 2026-08-11 03:12（DOI 题录创建；论文仅给 2026） | `core-nowcasting` | 直接结果 | IEEE JSTARS | IEEE 托管文件写明“已接收、最终出版前内容可能变化”的作者版本；DOI `10.1109/JSTARS.2026.3722192`；CC BY 4.0，不写成最终排版 VOR | [正式 DOI](https://doi.org/10.1109/JSTARS.2026.3722192) · [IEEE 文档页](https://ieeexplore.ieee.org/document/11646902) | SEVIR 可由 AWS Registry 获取；处理后 KNMI-NL50 需向原数据处理作者请求；PstpNet 代码仅承诺“出版后公开”，本次未发现仓库、权重或 release |
| *AirFlow: Context Preserving and Multi-Rate State Modeling for Air Quality Forecasting* | 2026-08-11 00:02（arXiv v1 提交） | `core-air-quality` | 直接结果 | arXiv | arXiv `2608.09775v1` 预印本，暂无期刊信息；arXiv 非独占分发许可，不是可自动转载图件的 CC 许可 | [arXiv 摘要](https://arxiv.org/abs/2608.09775) · [PDF](https://arxiv.org/pdf/2608.09775) | 上游北京/天津/杭州逐小时空气质量数据公开；未发现论文代码、权重、固定预处理包或软件许可证 |
| *A deep combination model for multivariate forecasting of air pollution based on meteorology data* | 2026-08-10（官方在线日期；题录 19:01 创建） | `core-air-quality` | 直接结果 / 日期边界 | *The Journal of Supercomputing* / Springer Nature | 正式在线文章，DOI `10.1007/s11227-026-08711-2`；页面未给开放复用许可 | [正式 DOI](https://doi.org/10.1007/s11227-026-08711-2) | 北京 PM2.5 与 KDD Cup 2018 数据公开；代码仅可向通讯作者请求；无公开权重、固定运行清单或软件许可 |
| *Weather Radar Observations and Nowcasting for Urban Hydrological Applications* | 2026-08-10（机构库 online date，仅日期） | `core-nowcasting` | `infrastructure` | Aalborg University Open Publishing | 正式博士论文，DOI `10.54337/aau848809508`；机构库提供最终发表版 PDF，但页面保留权利，未核实图件开放复用许可 | [机构论文页](https://doi.org/10.54337/aau848809508) | 摘要说明融合雷达、机会传感器和城市径流，并评估深度学习流场估计；未发现论文配套代码、可复用数据包或独立模型 artifact |
| `pySTEPS/pysteps` 1.21.4 | 2026-08-10 22:19（PyPI 上传） | `core-nowcasting` / `core-short-range` | `infrastructure` | GitHub / PyPI | 正式 PyPI 源码包 1.21.4；BSD-3-Clause | [修复提交](https://github.com/pySTEPS/pysteps/commit/278826359209df3d9b6c4a86ddeb9862d955cad7) · [版本提交](https://github.com/pySTEPS/pysteps/commit/2ee86060e4aedd6c2e843401482e1372c87a05be) · [PyPI](https://pypi.org/project/pysteps/1.21.4/) | 修复 `linear_blending` 的多帧输入与时效长度问题，并增加回归测试；这是软件修复，不是新数据或预报技能实验 |
| `ERAD-nowcasting-course-2026` 可运行练习与 notebooks | 2026-08-10 15:09—23:44（连续提交） | `core-nowcasting` / `core-short-range` | `infrastructure` | pySTEPS GitHub | ERAD26 Academy 课程材料；BSD-3-Clause；非论文、非模型 release | [课程仓库](https://github.com/pySTEPS/ERAD-nowcasting-course-2026) | 新增 7 份练习说明和 10 个 notebook/helper 文件，覆盖光流、确定性/概率预报、集合检验与 NWP 融合；使用 pySTEPS 示例数据和 RMI 案例，README 的先决条件仍标为 `TO DO` |

## 三、四条核心研究线

### 3.1 `core-nowcasting`：把输送与局地强度变化分开，但不要把潜变量等同于真实风场

#### PstpNet：双分支平流—残差分解的 1 h 雷达/VIL 预报

**来源、状态与任务。** Kai Xie、Bo Yin、Yue-Ting Sun、Zhaoyan Zhu 和 Yiyun Guo 的论文获得 IEEE JSTARS DOI。IEEE 托管 PDF 的页眉明确说明文章已接收、当前是尚未完成最终编辑的作者版本，内容可能在最终出版前改变。Crossref 把它登记为 journal article，但没有给出精确 online date；因此本期以 DOI 题录在 2026-08-11 03:12 +08 进入监测为新事件，不把它写成已完成最终排版的 VOR。

**数据、起报和有效时刻。** KNMI-NL50 雷达序列以 5 min 为间隔，训练、验证和测试分别有 4,000、1,734 和 1,557 个序列；每段原始序列 24 帧、288×288 像素、覆盖 288×288 km²，实验裁剪为 144×144。前 12 帧作为起报前 60 min 输入，后 12 帧作为 +5 至 +60 min 目标。SEVIR VIL 事件经中心裁剪并缩放到 128×128，训练/验证/测试为 1,165/155/220 个样本，同样使用 12 帧输入和 12 帧输出。论文没有给出置信区间、多随机种子、跨区域迁移或业务滚动起报检验。

**模型构建。** Spatial Multi-Scale Module 用共享 U-Net 编码器和并行 ConvNeXt 多尺度路径保留局地边界与更大尺度组织，解码端分为运动分支和强度残差分支。运动分支输出二维潜在回波位移，用可微 warping 搬运已有结构；残差分支输出局地增长、衰减、聚合、消散和新生的加性订正。Temporal Module 用 ConvLSTM 表示短期非线性变化，再用扩张因果卷积表示较长依赖；PGGF 根据运动幅度调制并门控融合时空特征。残差输出的尺度参数从零初始化，使网络先依赖输送路径，再逐步引入非保守订正。

**作者报告效果。** KNMI-NL50 上，作者报告 PstpNet 在 1/2/5/10 mm h⁻¹ 阈值的 CSI 为 0.6780/0.5220/0.4971/0.3329，整体 Recall 0.7261、F1 0.6915、FAR 0.1817；它并非所有指标最优，例如 SimVP 的 F1 为 0.7050。SEVIR 上，VIL 74/133/160/181 阈值 CSI 为 0.6637/0.4242/0.3341/0.2576，在该表四个阈值均最高，但 FAR 0.2819 并非最低。消融中去掉残差分支会使当前实现的阈值分数归零，说明输出重建强依赖该路径；这不能推广为“纯平流理论上无法预测”。

**物理诊断与边界。** 雷达/VIL 数据没有真实风场，作者用连续观测估计的光流作为图像空间位移代理。在 100 个测试样本上，潜在运动与光流代理的平均方向余弦为 KNMI 0.433、SEVIR 0.293，方向为正的局地 token 比例为 77.48% 和 69.71%，中位角误差仍有 51.11° 和 64.84°。这支持“潜变量与回波位移有关且对输出有功能作用”，但不支持将其解释为大气风、动力守恒或微物理闭合。对当前研究最可借鉴的是：把**可输送结构**与**非保守局地变化**分成可独立扰动、可独立消融的路径，再用光流、对象轨迹、散度和增长/衰减区域作诊断。

**代码、数据与代表图。** SEVIR 有公共数据入口；处理后 KNMI-NL50 由 SmaAt-UNet 作者提供，需请求；论文只承诺代码在出版后公开，本次未发现实际仓库或权重。IEEE 托管接收稿每页明确标注 CC BY 4.0，Figure 2 是本文原创方法结构图，图注没有第三方材料说明，故本期按政策镜像完整图和原始图注；只渲染为 PNG 并裁去页眉、页码、无关正文和空白，没有裁掉任何图内容。

![PstpNet Figure 2：Spatial Multi-Scale Module](/assets/paper-figures/2026-08-11/pstpnet/figure-2.png)

> **Figure 2 原始图注：** Architecture of the Spatial Multi-Scale Module (SMSM). It employs a dual-branch U-Net backbone integrated with parallel ConvNeXt blocks to capture hierarchical spatial features. The decoder is explicitly decoupled into an Intensity Branch for residual generation and a Motion Branch for latent echo-advection field estimation, thereby introducing a transport-inspired architectural prior consistent with the continuity-equation formulation.  
> **来源与许可：** Kai Xie et al., [IEEE DOI](https://doi.org/10.1109/JSTARS.2026.3722192)，IEEE 托管接收稿；[CC BY 4.0](https://creativecommons.org/licenses/by/4.0/)；完整来源、许可、版本与变换说明已随图保存为 `metadata.json`。

#### 城市水文博士论文：评估尺度决定临近预报价值是否成立

**来源与大致内容。** Janni Mosekær Nielsen 的 Aalborg University 博士论文于机构库标记 2026-08-10 online。正式摘要把研究分为三段：用机会降雨传感器和城市径流观测改进雷达雨量估计；评估雷达雨量和临近预报不确定性怎样传播到城市径流；评估一个用于雷达临近预报流场估计的深度学习模型。它直接连接雷达观测、未来降水和下游城市排水，但机构页没有提供可核验的逐实验样本、时效、绝对分数或代码链接。

**技术判断。** 本期将它归为 `infrastructure`，而不是新的模型排行榜结果。它提醒当前研究：像素级 CSI/FSS、集水区累计量、径流峰值、峰现时间和预警损失的空间支持不同，模型排序可能随评估尺度和下游非线性改变。后续若取得可检索全文，应冻结同一事件、起报、有效时刻和集水区边界，分别检查 QPE、nowcast 与 runoff 三层误差，不应由机构摘要推断深度学习模型已独立优于基线。

**代码、数据与图件。** 未发现论文配套代码、权重、固定数据包或标准软件许可。机构页虽提供最终论文 PDF，但页面没有核实到允许本站复制具体图件的 CC 许可，因此图件未镜像，只链接正式机构记录，不公开镜像论文 PDF。

### 3.2 `core-short-range`：没有新的技能论文，只有融合软件修复

本期没有核实到新的 0–72 h 高分辨率 NWP 后处理、区域降水/强对流订正、极端降水共同样本或雷达—模式业务评估。pySTEPS 1.21.4 与 ERAD 融合练习直接服务雷达—NWP 过渡，但它们没有提交新的冻结案例技能表，故保留在基础设施部分。新建的天气仓库、可视化页面和“AI operational”标题仓库没有固定数据、模型 artifact、许可证与共同样本评估，不用于填充本线。

### 3.3 `core-s2s`：本期无可升级事件

arXiv、Crossref、OpenAlex、GitHub、Hugging Face、官方机构与出版平台分源检查没有发现连续主窗口内新的 1–65 d AI/S2S 论文、正式状态变化、代码/权重、集合校准结果或业务共同样本。检索没有以 FGOALS 为边界，同时覆盖 ECMWF、NCEP/NOAA、CMA、UKMO、AI 天气模型、动力锚定、生成式降尺度、异常可预报性和公平多模式比较；无高价值新增时不重复旧论文。

### 3.4 `core-air-quality`：状态建模有进展，真实预报气象驱动仍缺位

#### AirFlow：污染物上下文、慢状态与快速变化双流

**来源与任务。** Fan Yang、Nan Chen、Yijie Dong、Yuchen Zhang 和 Wei Zhang 的 arXiv v1 于 2026-08-11 00:02 +08 提交，暂无期刊信息。论文使用北京、天津、杭州逐小时空气质量站点数据，基础覆盖 2023-01-01 至 2024-12-31；PM2.5 缺测低于 20% 后保留 35/21/12 个站。输入包含 PM2.5、PM10、SO2、NO2、CO 和 O3，目标为 PM2.5、PM10、NO2 与 AQI。

**模型与训练测试。** AirFlow 先依据污染物序列的 24 h 自相关和漂移特征选择归一化路径，再用 State Modeling Stream 表示较稳定上下文和多尺度状态、Trend Dynamics Stream 表示突变与快速变化，最后通过门控交叉注意融合。数据按时间 8:1:1 划分；主表使用过去 12 h 预测未来 6 h，附录还比较 24→6 h、12→12 h 和 24→12 h。论文称主结果为 3 次运行平均，但未给全套置信区间或独立城市前瞻试验。

**作者报告效果。** 北京 12→6 h PM2.5 的 RMSE/MAE/R² 为 14.42/7.47/0.8513；12→12 h 对应 21.84/11.47/0.6679，显示 lead 延长后的退化。作者称 36 组目标—城市—指标组合中 34 组最好，相对 Air-DualODE 的最大 RMSE 改善为 11.11%；北京四目标 RMSE 降幅为 5.26%/5.24%/1.48%/2.24%，杭州为 6.05%/11.11%/1.63%/7.71%。这些均为作者报告的站点时序结果，不是独立复现。

**技术判断。** 双流设计对“保留慢背景、单独恢复快速变化”有直接启发，类似在天气场中分开低频可预报成分与局地高频残差。但模型主要使用站点污染物历史，论文也承认缺少可靠风、排放、地形和边界层高度；没有把起报时可得的 CAMS/MLWP/NWP 未来风场输入模型。因此跨城迁移的改善不能证明模型学到了真实输送机制，更不能回答气象预报误差传播。下一步应固定起报时刻，引入真实预报风、PBLH、降水和排放情景，并按 lead、站点、季节和高污染阈值报告 Brier、可靠性、漏报/空报与误差分解。

**代码、数据与图件。** 上游空气质量数据入口公开，但未发现论文代码、权重、固定预处理包或软件许可证。arXiv 页面仅为非独占分发许可，不足以授权本站复制图件；图件未镜像。

#### Springer 24 h PM2.5 组合模型：正式发表，但可访问证据仍停留在摘要层

**来源与任务。** Padideh Ghorbani、Farsad Zamani Boroujeni 和 Mahdi Sajadieh 的论文于 *The Journal of Supercomputing* 标记 2026-08-10 online，使用北京气象—污染数据和 KDD Cup 2018 空气质量数据。作者构建一个由循环神经网络组成、具有三个隐藏单元的有向无环组合结构，并在 HPC 环境并行训练；北京任务明确为 24 h PM2.5 预测。

**作者报告效果。** 摘要报告北京数据上 LSTM 配置 RMSE 7.16、MAE 5.72；KDD Cup 2018 上 BiLSTM 配置 RMSE 0.420、MAE 0.283、MAPE 0.195。可访问页面没有说明这些 KDD 数值的归一化/物理单位、时间切分、站点隔离、基线共同样本或置信区间，故不把“持续优于现有方法”的作者结论升级为独立技能证据。

**驱动合同与可复现性。** 页面题名与摘要说明使用 meteorology data，但没有核实未来 24 h 的气象变量来自观测、再分析还是起报时可用的预报。Data Availability 列出 UCI Beijing PM2.5 和 Zenodo KDD Cup 2018，同时页面还出现一个与纽约交通/空气污染有关的链接，数据对应关系需要进一步澄清。代码只可向通讯作者请求，无公开权重、运行清单或软件许可。Springer 页面没有给出可用于图件镜像的开放复用许可，因此不镜像图件。

## 四、相关方法与基础设施

### 4.1 pySTEPS 1.21.4：修复会直接影响雷达—NWP 融合输入合同的两个问题

提交 `278826359209` 删除了 `linear_blending.forecast()` 对所有三维降水输入一律只取最后一帧的操作。此前这一行为会破坏 S-PROG 等需要多个历史帧的自回归 nowcast 方法；新测试验证三帧输入可以完整传递。第二项修复把内部 nowcast 长度限制为 `min(requested timesteps, end_blending/timestep)`，避免 nowcast 比 NWP/输出数组更长时在 `fill_nwp` 路径产生形状不匹配。新增回归测试覆盖多帧 S-PROG、时效长度不匹配和 NaN 填补。

随后提交把版本从 1.21.3 升为 1.21.4，PyPI 于 2026-08-10 22:19 +08 上传源码包。该更新应被视为**融合软件正确性和可复现性事件**，不是作者报告的预报技能提升。当前雷达—NWP 实验若使用旧版线性融合，应记录版本并检查多帧输入是否被静默截断，以及结束融合时刻是否超过请求时效。

### 4.2 ERAD 2026 课程材料：从机构信号升级为可运行基础设施

昨日 tracker 的触发器是“出现 hands-on notebooks、处理数据、安装说明、AI nowcasting 或 benchmark 材料”。本期仓库新增 7 份练习说明和 10 个 notebook/helper 文件，触发器已满足。练习包含：读取和预处理 FMI/MCH 雷达数据；Lucas–Kanade 光流与外推；确定性预报；20 成员、12 个 5 min 时效的 STEPS 集合；1 mm h⁻¹ 超阈值概率；CRPS、ROC、可靠性图和 rank histogram；RMI 2021-07-04 雷达与 NWP 的网格重投影、线性/显著性/STEPS 融合。课程计划另有 45 min “AI for nowcasting”讲座，但仓库中尚未看到对应模型 benchmark 或权重。

材料的价值在于把“概率集合不是只看集合均值”和“融合前先对齐网格、单位、时效与技能”落实为可运行步骤。限制也很明确：README 的 prerequisites 仍是 `TO DO`，若干练习文本仍指向 2022 仓库链接，RMI 数据依赖外部插件/数据入口，也没有冻结结果表。它可作为实验合同模板，不应写成 ERAD 2026 已提供新的模型结果。

### 4.3 仓库活动不等于新科学事件

- `andrewnakas/globalnowcast` 只向两个 verification archive 追加截至 8 月 10 日的 14 个计数记录，提交说明明确写着“counts only; refit separately”；没有新拟合指标、部署变化或许可证，故不升级 tracker。
- `gonos2k/AD4DVAR-radar` 继续增加可信执行、网格/事件/指标推断等合同提交，但仍没有标准 LICENSE、真实事件包、模型/概率 artifact 或独立验证；既有触发器未满足。
- 新建或更新的天气/雷达网页、助手、教学工程和无许可证仓库没有固定数据、权重、结果与科学说明，不作为本期进展。

## 五、机构信号、仅元数据、窗口外与排除项

### 5.1 `institution-signal`

DeepMind、ECMWF、NOAA、Met Office、中国气象局、WMO 与 Copernicus/CAMS 的定向检查没有核实到主窗口内新的四主线模型、权重、数据版本、正式业务验证或许可状态变化。宽泛新闻、活动预告和未提供科学 artifact 的机构页面不写入更新列表。

### 5.2 `metadata-only`

IEEE 会议论文 *Contrastive Representation Learning for Daily Air Quality Index Forecasting: A Case Study of Daqing, China* 的 Crossref 题录在本窗口创建，但正式会议月份是 2026-06，属于索引延迟，不是本期发表事件；可访问记录没有摘要、数据、时效、气象驱动或代码，故只作去重，不进入核心新增表。

### 5.3 24–48 h 缓冲与 `window-out`

缓冲窗口没有发现未被 8 月 10 日日报或 tracker 覆盖的高价值直接条目。Springer 空气质量论文和 Aalborg 博士论文的正式记录都只给到 8 月 10 日、没有时刻；二者的 Crossref/机构 online 记录在上次截止后可核验，因此纳入本次连续监测，同时明确日期精度，不用题录创建时间伪装正式发表时刻。

### 5.4 `low-value-exclusion`

- arXiv *Real-Time Climate Risk Assessment for Supply Chain Resilience* 使用 “nowcasting” 描述农业供应链气候风险评估，不是雷达、降水场、天气或空气质量的初始化预报，排除。
- Research Square 的 1895–2020 降雨档案质控与缺测重建没有未来有效时刻，属于历史数据重建；本期未发现足以升级为四主线数据基础设施的新版本或许可信息。
- `globalnowcast` 的 archive 计数追加没有重新拟合；仓库 `pushed_at` 变化本身不构成结果更新。
- Semantic Scholar 分源查询持续返回 429，不能据此声明“该源无结果”；本期结论由 arXiv、Crossref、OpenAlex、出版商、GitHub、Hugging Face 和机构一手页交叉支持。

## 六、对当前研究的具体启发

1. **把“平移已有结构”和“生成/消散局地结构”设为可诊断的两条路径。** PstpNet 的价值不在 U-Net 名称，而在运动场可扰动、残差可消融。当前模型也应分别验证对象位移、形态保持、增长/衰减区域和最终雨强，避免一个综合损失掩盖误差来源。
2. **运动代理只能回答它实际测量的问题。** 光流可以说明潜变量与图像位移有关，不能证明其等于风场或满足连续方程。若要主张物理一致性，需要加入雷达回波光流、NWP 风、对象轨迹、散度/源汇和守恒余项的多层闭合诊断。
3. **可预报低频状态与快速残差可跨任务复用，但必须防止同化未来信息。** AirFlow 的慢状态—快变化双流可迁移到天气/污染混合预测；所有归一化路由和状态统计都应只用起报前窗口，不能由完整测试期或未来有效时刻估计。
4. **空气质量必须把“污染物历史拟合”升级为“真实预报驱动”。** 同一模型应分别用分析/再分析气象和真实 CAMS/MLWP/NWP 预报气象运行，按 lead 分解风、PBLH、降水和温度误差对 PM2.5/O3 的贡献，才能量化部署落差。
5. **概率集合要验证分布而不只是集合均值。** ERAD 练习把 CRPS、ROC、可靠性图和 rank histogram 放入同一流程，可直接作为最低检验合同；对强降水或高污染阈值还需按 lead、天气型和空间尺度分层。
6. **融合代码版本是实验条件的一部分。** pySTEPS 1.21.4 修复会改变多帧自回归 nowcast 与 NWP 融合结果。论文或业务回放必须记录软件版本、输入维数、融合起止时刻、单位、网格与 NaN 填补路径。
7. **下游影响验证不能由像素分数代替。** 城市水文论文信号提示应在同一事件链上同时保留雷达场、集水区累计和径流峰值/峰现时间；尺度变化导致的模型排序反转本身就是需要报告的结果。

## 七、后续跟进触发器

- PstpNet：最终排版 VOR、正式 online date、作者代码/权重/release、处理后 KNMI-NL50 获取路径、冻结事件清单、统计显著性、跨区域测试或独立复现出现时升级；复核最终 Figure 2 和表格是否改变。
- PstpNet 物理诊断：补充真实/模式风场、对象轨迹、散度与源汇、守恒余项、尺度谱、FSS/对象指标和极端事件分层；不要把光流方向相关写成动力闭合。
- Aalborg 博士论文：取得可检索全文后补齐雷达/机会传感器/径流数据、流场模型、起报—有效时刻、事件与集水区样本、绝对分数和代码数据许可。
- AirFlow：论文代码/权重、站点清单和固定预处理包出现；改用起报时可得 CAMS/MLWP/NWP 风、PBLH、降水与排放，报告跨城/跨站、污染阈值与可靠性。
- Springer PM2.5 论文：获得全文或作者稿后核实气象变量是否为真实预报输入、KDD 指标单位、时间/站点切分、基线共同样本、数据链接对应关系和代码许可。
- pySTEPS：确认 1.21.4 文档/release notes、下游 NWP blending 回放和用户 bug 关闭；旧实验若依赖 `linear_blending`，对 1.21.3 与 1.21.4 做固定样本差异检查。
- ERAD 课程：先决条件完成、数据下载/许可证固定、2022 残留链接更新、AI nowcasting notebook/模型 benchmark 或课程后正式材料发布时再次升级。
- `core-short-range`：继续优先寻找真实 NWP 初始化的 0–72 h 降水/强对流订正和雷达—模式共同样本业务验证。
- `core-s2s`：继续覆盖 ECMWF、NCEP/NOAA、CMA、UKMO、纯 AI 与混合系统的动力锚定、异常可预报性、生成式降尺度、局地结构、物理一致性和公平多模式比较。
- `globalnowcast`、AD4DVAR、HARECast、Solafune、CAMS O3 与武汉 AQ 等既有触发器保持不变；只在结果、代码/权重、数据、许可证或部署解释实质改变时更新。

## 八、简短结论

本期最可用的新结论是：**精细结构恢复需要把可输送的已有结构与局地增长/衰减分开验证，不确定性表达需要把集合分布与真实预报驱动同时纳入。** PstpNet 给出了可操作的平流—残差结构，但现有光流诊断尚不能证明动力闭合；AirFlow 展示了慢状态与快速变化的双流建模，却未处理气象预报误差；pySTEPS 修复和 ERAD notebooks 则把多帧输入、融合时效、集合可靠性和网格对齐落实为可检查的软件合同。本期没有新的短期区域天气或 S2S 模型系统级证据，不用弱新闻和仓库活跃填充空白。