2026-08-13 大气科学 AI 研究进展日报#

核验截止：2026-08-13 16:37（Asia/Shanghai）
主窗口：2026-08-12 16:37—2026-08-13 16:37；24–48 h 缓冲窗口：2026-08-11 16:37—2026-08-12 16:37
上次连续核验截止：2026-08-12 21:27。主窗口前 4 h 50 min 与上一期重叠，仅用于去重；本期连续新增以 21:27 之后的新记录或状态变化为准。
检索范围：arXiv、Crossref、OpenAlex、Semantic Scholar、OpenReview、正式期刊/预印本页、GitHub、Hugging Face、机构页与数据平台。日期、状态和指标均以可访问的一手记录为主。

一、总体判断与信号地图#

本期不是“新大模型集中发布日”，但出现了一条较完整的跨时效证据链：初值和慢变下垫面决定可保留的信息，局地表示负责恢复粗网格遗漏的结构，概率输出则必须继续接受时空联合性和阈值事件检验。

按新版分类，本期主窗口保留 5 个事件：core-short-range 1 个、core-s2s 1 个、core-air-quality 1 个、infrastructure 2 个。缓冲窗口补录 4 个：core-air-quality 1 个、adjacent-method 1 个、infrastructure 2 个。另有 2 个 metadata-only 记录。本次保留/状态变化合计 11 个。没有发现达到保留门槛的新 core-nowcasting 论文结果；一项三维雷达代码仓库只够进入基础设施层。

二、新增条目表#

2.1 主窗口与连续新增#

2.2 24–48 h 缓冲窗口补录#

这些条目发布时间落在缓冲窗口，且早于上一期 21:27 截止；本期将其作为延迟索引补录，不计为连续新增。

三、四条核心研究线#

3.1 core-nowcasting：三维代码骨架出现，但没有新的可比较技巧#

本期没有发现满足日期、任务和证据门槛的新 0–3 h 雷达临近预报论文。3DSimVP 是值得保留的基础设施信号：加载器以三维反射率 NetCDF 为输入/目标，按输入质心裁成 128 × 128，裁剪至 0–60 dBZ 后归一化，并带有效性通道；配置为 13 个输入步、12 个输出步，训练目标仍是 masked MSE，评估只列 MAE/RMSE。文件名看起来对应 5 min 间隔，因此可能约为 60 min 输出，但仓库没有明确写出时间步，不能把该推断当成确定预报时效。

目前的缺口比网络结构更关键：仓库没有许可证、权重、冻结事件清单，也没有 CSI/FSS、对象位移/增长、垂直结构或闪电一致性检验。它暂时只能说明“三维体扫输入—输出管线已出现”，不能支持强对流临近预报技巧结论。

gonos2k/AD4DVAR-radar 在窗口内继续增加 MPS 认证、语义回放谱系和产品回放生成等审计合同，但没有新的真实雷达事件包、标准许可证、概率校准或独立结果，未升级为本期科学进展。enhansome/enhansome-precipitation-nowcasting 从 36 字节占位 README 变成对旧 nowcasting 清单的复制/增强镜像，仍没有模型、数据、结果和许可证，继续归入 low-value-exclusion。

3.2 core-short-range：静态地表嵌入补足粗网格的持续性偏差#

Sousa 等将卷积条件神经过程 ConvCNP 用作任意站点概率降尺度器：动态背景来自约 25 km 的 ERA5（部署实验换为 Aurora），局地描述则把 64 × 64 的 TESSERA v2 10 m 嵌入块经 VAE 压缩成 16 维。目标是瞬时 2 m 温度和 10 m 风速，而不是降水。

实验覆盖欧洲、美国、东亚、南部非洲和澳大利亚的 GHCN-hourly 站点。时间上用 2010–2020 训练、2021 验证、2022 测试；空间上另留出 15% 站点，所有得分因此同时针对“未见年份、未见站点”，并报告 3 个随机种子。作者报告整体 CRPS 相对无 TESSERA ConvCNP 改善 11.5%（温度）和 6.2%（风速），10 个区域×变量组合均改善。将粗场换为 Aurora +6、+24、+72 h 预测后，增益仍存在，边际 1σ 覆盖率接近名义值。

这个结果对“精细结构恢复”有两层启发。第一，温度残差更多由显式地形组织；风速则从 EO 嵌入获得更多超出地形的信息。第二，局地表示不必预测天气演变本身，也能作为慢变表面先验修正粗网格持续偏差。不过，Aurora 从 ERA5 初始化而非真实业务分析；论文没有降水、极端阈值、空间联合样本或跨站残差相关，且 2017 年固定嵌入被外推到其他年份。因而它证明的是边际站点降尺度增益，而不是完整高分辨率概率天气场。

图 6（原图）：TESSERA-ConvCNP 相对无 TESSERA ConvCNP（蓝）及对应粗场双线性插值（黑）的 RMSE 增益，按变量、区域和 0/+6/+24/+72 h 展示；误差棒为 3 个训练种子。来源：Sousa et al., arXiv:2608.12271v1, Figure 6。许可：CC BY 4.0。本站保留完整 SVG，仅复制文件用于网页展示，未裁剪、缩放、标注或改动内容；完整原始图注和来源记录见同目录 metadata.json。

3.3 core-s2s：初值可预报信息需要同时从大气和陆面进入#

Climate Dynamics 正式上线的 E3SM 研究比较资料同化大气初值与模式平衡态，并考察更现实的陆面状态/土壤湿度对 S2S 降水的影响。作者摘要与会议材料报告：针对 MJO 目标约提前 35 d、针对全球目标约提前 40 d 初始化时降水准确度最高；改善与 MJO 区域 OLR 和地表潜热通量有关，土壤湿度差异能够实质改变降水结果。

这不是 AI 模型，也不应写成 AI 技巧提升；它提供的是混合或纯 AI S2S 系统必须尊重的动力基准：如果训练或后处理只恢复输出纹理，却没有对初始大气异常、陆面记忆及其通量路径进行条件化，局地降水可能更清晰但可预报信息源仍不闭合。当前可访问证据不足以核实分辨率、全部初始化样本、逐提前期指标和显著性，论文专用代码与数据包也未找到，因此本期只保留作者报告的机制方向，不做跨系统数值比较。

3.4 core-air-quality：统计残差可降误差，但真实气象驱动仍是缺口#

Scientific Reports 的首尔研究把 Prophet 趋势/季节项作为半参数基线，再让 bagging、boosting、stacking、voting 等学习残差，并结合 Lasso、SHAP、RFE、SelectKBest 等特征筛选。目标是 107 号站逐日一步 PM2.5；原始小时数据聚合为日值，输入含 SO2、NO2、O3、PM10、邻站 PM2.5、PM10/PM2.5 比值及时间特征。滚动起源采用扩展训练窗，预处理、特征工程、缩放、筛选和训练均在各折内完成，这一点优于随机切分。

表 7 的最佳组合为 Prophet + Boosting + SelectKBest-F，RMSE 4.016、MAE 3.431、R² 0.705；Prophet 单独 RMSE 为 22.20。需要注意，摘要/正文对“最佳筛选器”的描述更偏向 Lasso/SHAP，与表 7 最低 RMSE 的 SelectKBest-F 不完全一致。本研究也没有未来 NWP/CAMS/MLWP 气象驱动、概率输出、极端阈值可靠性或多站独立验证，因此可借鉴的是泄漏受控的滚动残差学习，不是已经证明的业务空气质量预报链。论文许可为 CC BY-NC-ND 4.0，不在本站图件镜像白名单：图件未镜像，链接保留至正式论文页。

缓冲窗口的 Cairo 研究使用 OpenAQ 小时 PM2.5 转为美国 EPA AQI，在约 11,853 个观测（2023-09 至 2025-03，完整率 93.9%）上按时间切分，阈值设为 AQI ≥151。作者报告 6 h 部署模型对 211 个可评估起始事件命中 42 个（19.9%）、虚警率 9.2%；持续性命中率 18.4%、虚警率 24.7%。但摘要称“三年”与实际约 18 个月相矛盾，部署模型没有气象预报输入，代码只可索取，Zenodo 创作者元数据与 PDF 作者信息也需核对。它可作为“均值误差低不等于阈值事件有用”的例子，不能作为成熟预警系统证据。

四、相关方法与基础设施#

4.1 长窗 4DVar：延长观测约束有收益，也更容易暴露模型误差#

Hakim 等用 2.8° NeuralGCM 构建强约束 4DVar，不设背景项，直接同化陆地/船舶/浮标地面气压；窗口 2–7 d、每 3 h 使用观测、每 6 h 循环，共做 2015-01-01 至 04-01 的 360 个循环。作者报告 4 d 窗口在 +24 h 的 Z500 误差为 10.65 m，20CRv3 为 23.92 m；窗口末端为 14.7 m，较 20CRv3 低 38%。超过 4 d 后表现变差，指向可微模型误差和长窗过拟合。

这项工作与用户主线的连接是“保留信息”，不是直接预报：更长窗口能把更多观测信息反演进初态，但没有背景项、湿变量梯度为零，以及窗口末端缺少未来观测，都可能产生分析伪影。只有把同化得到的初值放进共同初始化、共同有效时刻的真实预测实验，才能判断信息是否真正转化为预报技巧。

4.2 SATADL：相邻站注意力适合缺测重建，不等于空气质量预报#

SATADL 用空间注意力、时间注意力和两层 LSTM，从同时在线的邻站模拟离线站 PM10。数据覆盖香港 16 站、德里 9 站、索非亚 5 站和北京 13 站；实验含 12 h 与 48 h 窗口，并与 LSTM、attention-LSTM、Transformer、LSTNet 和 CLR 比较。作者报告 SATADL 在四套数据总体最好，但德里 48 h 仅它保持正 R²，结果仍不理想。

该任务假定邻站在目标时刻仍在线，本质是 contemporaneous station simulation，而非用起报时刻以前的信息预测未来污染；香港和德里甚至没有气象输入。论文未清楚说明 8:1:1 是否按时间顺序切分，只用单随机种子。它与当前研究的可借鉴点是多站冗余和缺测重建，上线时必须与“未来预报”严格分开。

4.3 RAP-Chem：气象误差传播不仅是外部驱动，还包括双向反馈#

RAP-Chem 以 2020-08-01 至 09-30 北美野火为回顾实验，每天 00 UTC 用 GFSv16 气象场初始化，化学场在逐日运行间循环；验证使用 NOAA ISD、SURFRAD/SOLRAD、EPA AirNow、AERONET 和 AIRS。控制实验把化学示踪物直接混入 MYNN-EDMF 边界层方案，使边界层云进入光解，并让气溶胶作用于辐射、光解和部分微物理过程。作者摘要报告加入气溶胶直接反馈后，CONUS MDA8 O3 的 NMB 从 9.5% 降至 6.6%，日 PM2.5 NMB 从 -16.8% 变为 -15.8%；极端野火气溶胶仍低估，城市颗粒物又容易高估。

它不是 AI，但为 core-air-quality 提供关键实验设计：真实预报驱动误差不能只作为一个外部协变量看待，边界层混合、云—光解和气溶胶—辐射反馈会改变气象与化学两侧。AI 空气质量系统若只以分析场训练，应至少设置“分析驱动—真实预测驱动—耦合敏感性”的三级对照。

4.4 WeatherNext 2 权重：集合可运行性改善，科学状态没有改变#

Hugging Face 社区移植公开了 0.25° WeatherNext 2、旋风变体和 1° Mini 的 Transformers 权重卡。8 月 13 日更新把单成员逐个运行放在集合说明首位，并明确完整集合是“四个独立训练模型 × 每模型多个 32 维噪声抽样”；这解决了用户容易把噪声成员与独立训练成员混为一谈的问题。0.25° 单成员约需 50 GB，支持代码仍要求安装一个未合并的 Transformers 分支。

权重卡声明主模型含四个训练成员、从 HRES 分析初始化，权重 CC BY 4.0；旋风变体另有按训练截止年份组织的 revision。当前窗口内没有新权重、基准分数或独立复现，只有文档层面的可执行性改善。因此本期将其记为 infrastructure 状态变化，不改写 WeatherNext 2 原论文的科学结论。

五、机构信号、仅元数据、窗口外与排除项#

5.1 institution-signal#

对 Google DeepMind、ECMWF、NOAA、Met Office、WMO、CMA 与 Copernicus/CAMS 的窗口检索没有发现需要单独升级的 24 h 机构公告。ECMWF 检索结果主要回到 3–7 月的 AIFS、Anemoi、AI Weather Quest 和再分析基础设施旧消息，不作为本期新增填充。

5.2 metadata-only#

• KDAQnet: A knowledge distillation-based satellite-informed framework for multi-pollutant air quality estimation and forecasting，DOI 10.1016/j.rsase.2026.102203：Crossref 在窗口内新建元数据，但可访问记录未给出可靠的正式上线时刻、摘要、预测提前期和完整正文。暂存 metadata-only，等待正式页面/作者版核验任务、数据、基线和许可。
• Hybrid Deep Learning Models for Multivariate Time-Series Forecasting of Air Quality Index toward Urban Sustainability and Public Health，DOI 10.1016/j.aeaoa.2026.100501：Crossref 在窗口内更新，开放许可时间指向 8 月 10 日，可能是索引回填而非本期首发。暂不作为主窗口科学事件，等待正式全文、日期与预报合同。

5.3 window-out#

Subseasonal forecasting of Meiyu rainbelt based on the S2S models and bias correction（DOI 10.1007/s11430-026-1952-0）正式页面日期为 8 月 11 日，Crossref 在 8 月 13 日才建档。它是有用的 S2S 偏差订正基线，但首发日期在缓冲边界之外，也不是 AI 方法，本期只做窗口外去重，不写成新增。

5.4 low-value-exclusion#

• enhansome/enhansome-precipitation-nowcasting 已从占位页扩成对旧 nowcasting 论文清单的增强镜像，但没有新模型、数据、权重、实验或许可证，仍排除。
• sundaycoil/weather-analyzer 等 Hugging Face/GitHub 关键词命中没有论文匹配、气象数据合同和可验证结果，不进入研究进展。
• OpenReview 命中主要是数月前的 ICLR 投稿或旧概率降尺度论文，不在本期窗口。
• 未把一般中期 AI 天气模型误归为雷达临近预报；SATADL 明确标为站点重建；RAP-Chem 明确标为非 AI 物理化学基础设施。

六、对当前研究的具体启发#

1. 把“信息源—结构恢复—不确定性”拆成可审计三段。 初值/慢变量负责信息来源，降尺度器负责条件结构，生成或概率头负责分布。三段分别设对照，才能判断改善来自哪里。
2. S2S 混合预测要冻结初始化—有效时刻合同。 大气初值、土壤湿度和起报提前量同时变化会改变降水结论；比较 FGOALS、ECMWF、NCEP、CMA 或 AI 模型时必须使用共同初始化、共同有效时刻和共同样本。
3. 局地嵌入应与显式物理描述做消融。 TESSERA 对风的增益大于温度，说明“嵌入有效”并不意味着同一种机制适用于所有变量。建议固定地形、土地覆盖、嵌入和随机/打乱嵌入四组，检查谱、空间梯度与站点误差方向。
4. 边际概率不等于联合天气场。 ConvCNP 的 CRPS 与覆盖率是必要证据，但对区域降水、强对流和 AQI 阈值，还需站点/网格间相关、可靠性、Brier/ROC、对象和极端条件检验。
5. 空气质量必须显式区分分析场和真实预测场。 首尔与 Cairo 结果主要依赖历史污染/时间特征，无法回答气象预报误差传播。RAP-Chem 提醒还要加入 PBL、云、光解与气溶胶反馈的过程分解，而不只是把风温湿作为外生特征。
6. 集合定义要写进实验合同。 WeatherNext 2 同时有独立训练成员和噪声成员；后续比较 spread、CRPS 或极端概率时必须说明成员来源、数量、随机种子和是否跨权重混合。

七、后续跟进触发器#

• EO 概率降尺度：论文代码、权重、冻结站点/日期清单发布；加入降水、极端阈值、联合空间采样；用真实业务 Aurora/NWP 起报并按提前期独立验证。
• E3SM S2S 初值：获得全文实验表、初始化日期、分辨率和绝对指标；将大气/陆面初值消融映射到异常 ACC、降水可靠性和局地结构。
• 首尔/Cairo AQ：公开滚动折代码与数据映射；加入真实 CAMS/MLWP/NWP 未来驱动、阈值概率校准、沙尘/野火过程和跨站测试；澄清正文内部最优特征选择器及 Cairo 时间跨度/作者元数据。
• RAP-Chem：核验 Zenodo 数据与代码版本；固定同一起报和共同样本量化气象初值误差、化学循环及反馈项的独立贡献。
• WeatherNext 2 HF 移植：Transformers 支持合并并正式发布；提供转换校验、可复现环境和标准 WeatherBench/旋风基准，而非单案例 smoke test。
• 3DSimVP：出现许可证、论文匹配、数据/事件清单、明确时间步、权重，以及 CSI/FSS/对象/垂直/闪电指标后再升级。
• 版权触发器：Scientific Reports 与 Climate Dynamics 均为 CC BY-NC-ND 4.0，本期不镜像图件；只有获得额外明确授权或出现许可合规作者版本时再审。

八、简短结论#

今天最值得带回当前研究的不是单一排行榜，而是一个可验证的设计顺序：先确保大气与陆面初值保留可预报信息，再用慢变地表表示恢复粗网格下的局地偏差，最后用明确成员来源的概率集合表达剩余不确定性。 现有证据仍缺降水/强对流、联合空间概率和真实业务驱动；这些应作为下一轮实验的硬门槛，而不是由更清晰的纹理或更低的单点 RMSE 代替。