2026-08-28 大气科学 AI 研究日报#

核验窗口：连续主窗口为 2026-08-27 13:02:18 至 2026-08-28 13:03:12（UTC+8）；24—48 小时缓冲窗口为 2026-08-26 13:02:18 至 2026-08-27 13:02:18（UTC+8）。以工作区既有日报、历史雷达日报、tracked_items.md 和自动化记忆去重。日期按一手来源的提交、正式上线或实质代码变更时间记录；索引创建时间只作为元数据事件，不能替代论文正式发布日期。

一、总体判断与信号地图#

本期最重要的直接进展是 Nested-EAGLE。它把 0.25° 全球 GFS 状态与 6 km CONUS HRRR 状态放入同一嵌套网格，在一次自回归系统中连接短期区域精细预报和 15 d 全球预报。近地面温度、湿度和风的优势能在 6—30 h 内从训练目标重新建立，说明“保留高分辨率信息”不仅取决于起报场，还取决于模型训练时把哪套状态定义为应当回归的吸引子。与此同时，降水结果揭示明显边界：按每个系统自身百分位计算的位置型 FSS 较好，并不等于绝对雨强正确；MSE 训练仍会模糊和低估强降水。

缓冲窗口的 SimCast-S2S 则把问题推进到第 3—4 周。它先在 28 个 CESM2 大集合成员上预训练，再用 ERA5 和 LoRA 迁移，生成 lead days 15—28 的 100 成员全球降水异常集合。作者报告集合均值 MAE 与 ECMWF-S2S 相近，并在热带概率技巧和部分空间结构上占优；但两套系统都欠离散，且原始 SimCast 与可能包含再预报订正链路的 ECMWF 产品之间尚未形成完全透明的公平比较。

本期没有发现新的、可完整核验的 0—3 h AI 雷达未来外推论文，也没有新的 CAMS/MLWP 驱动空气质量核心结果。新上线的极化雷达 LETKF 论文和 AD4DVAR-radar 代码变更值得保留，但前者是雷达资料同化、后者是观测删失与敏感度契约基础设施，均不能冒充 AI 临近预报技能。

二、新增条目表#

2.1 主窗口与连续增量#

2.2 24—48 小时缓冲窗口#

SimCast-S2S 比上次截止时间早 41 分 23 秒，因此严格列入缓冲窗口，不回填到主窗口。其余缓冲候选均已被既有日报覆盖或与四条研究线无直接关系。

三、四条核心研究线#

3.1 core-nowcasting：本期没有直接未来外推新增#

本期未发现新的、能够同时核验未来有效时刻、0—3 h 时效、雷达/降水参照、共同样本和独立测试的 AI 临近预报论文。极化雷达 LETKF 的输出是模式分析与短期模式预报，AD4DVAR-radar 是变分临近预报研究代码；它们都与雷达链路高度相关，但不能代替直接 AI 回波外推或概率集合技能。

GitHub 复核还发现 MennoJ97/buitjes 在 2026-08-27 22:14 +08 修复共享底图样式切换，改动只涉及前端地图呈现，没有代码、权重、数据、结果、许可证或科学解释变化，故不计新研究事件。Hugging Face 主窗口内的天气数据集更新主要是文档分块、日常日本天气表格和城市演示，未见可用于雷达临近预报或四条核心线的模型/数据版本变化。

3.2 core-short-range：Nested-EAGLE 连接区域细节与中期大尺度#

任务和数据。 Smith 等把全球 0.25° GFS 与 CONUS 内 3 km HRRR 保守重网格后的 6 km 状态拼接为一个嵌套状态空间。模型输入时刻 t 与 t−6 h，预测 t+6 h 并自回归积分至 15 d。训练期为 2015 年 2 月至 2023 年 1 月，验证期为 2023 年 2 月至 2024 年 1 月，测试期为 2024 年 2 月至 2025 年 1 月，共 11,616 个训练样本。状态包括 12 个气压层上的大气变量和地面变量；6 h 累积降水是诊断输出，不作为输入。

模型构建和训练。 架构由图 Transformer 编码器/解码器与滑动窗口 Transformer 处理器组成，潜在网格在 CONUS 保留更密节点。训练分三阶段，分别做 1 步、2 步和 2—4 步 rollout，共 71,520 次迭代，使用 AdamW、加权 MSE 和 16 的 batch；CONUS 区域在全球损失中的权重提升到 10%。作者报告训练约需 16 个节点、每节点 4 张 A100 40 GB，共约 45 h。

近地面和大尺度效果。 预报变量验证使用 293 个起报，每 30 h 一个起报，覆盖完整测试年，并以 NNJA 原位分析为参照。作者把 Nested-EAGLE 与 GFS、仅用 GFS 训练的 ML-GFS 比较：在 +24 h，Nested-EAGLE 相对 GFS 的近地面技巧差距约为 10 m 风和 2 m 温度 78 h、2 m 比湿 60 h；2 m 温度优势相对 GFS 可持续到约 7.5 d，相对 ML-GFS 到约 6.5 d。CONUS 外和高空变量在约第 4 天后大多回到与 GFS 相近的水平，说明区域训练目标主要改善局地近地面状态，而不是普遍提高全球大尺度可预报性。

初值互换试验尤其重要。把更好的区域初值用于未接受 HRRR 目标训练的模型，并不能稳定保留优势；反之，Nested-EAGLE 即使从较粗初值开始，也会在 6—30 h 内重新接近其高分辨率训练目标。对用户当前研究，这意味着动力锚定只解决“从哪里起报”，训练目标和回归动力决定“信息会被保留到哪个模型流形”。

降水评估与限制。 降水使用 1,426 个每 6 h 起报的试验，以 AORC v1.1 约 800 m 分析重网格到 6 km 为参照，并采用 25 km 邻域半径的 FSS。按绝对雨强阈值，HRRR 除 1—2 mm/6 h 外均明显最好，Nested-EAGLE 只在 +6 h 对 GFS 有边际优势，强和极端降水被 MSE 训练模糊并低估。按各系统自身百分位阈值时，Nested-EAGLE 在 +6 h 与 HRRR 最强，之后位置技巧排名最高；这只说明相对湿区位置更好，不能改写绝对雨强不足。论文没有集合、CRPS/可靠度、物理收支或独立业务复现，因此应把它理解为跨尺度嵌套架构证据，而不是完成了强降水和不确定性问题。

代码、权重和许可。 NOAA-PSL/nested-eagle 为 Apache-2.0，公开推理/评估配置和 v1.0.0 检查点；最新仓库提交停留在 2026-03-20，本期新事件是论文而非代码。作者说论文再预报档案“即将发布”，当前未形成冻结共同样本。论文为 CC BY 4.0，因此只镜像了无第三方材料标注的 Figure 1，并保存完整图号、原始图注、来源、许可、尺寸、哈希和修改说明。

3.3 core-s2s：SimCast-S2S 把气候模拟预训练转化为第 3—4 周集合#

预测合同。 Dang 与 Mamalakis 预测全球 lead days 15—28 的 14 d 平均/累积降水标准化异常，条件是起报前 28 d 的多变量历史。网格为 192×288。输入分成风、质量、热力、水汽和降水组，包含 200、500、850 hPa 与地面变量；目标和输入异常均按训练期气候态和趋势标准化，验证/测试沿用训练期估计以避免时间泄漏。

预训练与迁移。 第一阶段用 CESM2 Large Ensemble 的 28 个成员，1950—2000 年训练、2001—2010 年验证、2011—2014 年测试。第二阶段用 ERA5，1940—2010 年训练、2011—2020 年验证、2021—2025 年测试。各物理变量组先由 VAE 编码，潜在扩散模型通过交叉注意力接收 28 个条件 token 并生成 14 个目标 token；从 CESM2 迁移到 ERA5 时，LoRA 只适配降水编解码器和去噪器，其他物理组 VAE 保持冻结。这是用长气候模拟学习生成先验，再用有限真实再分析修正分布的清晰实现。

作者结果。 100 成员集合均值的标准化异常 MAE 乘 10⁻² 后为 1.30±0.06，ECMWF-S2S 为 1.32±0.06；只在 ERA5 上训练的对应模型约 1.37—1.38，说明预训练而非单纯网络容量贡献明显。作者报告 SimCast-S2S 的 RPSS/CRPSS 在全球和多数季节高于 ECMWF，优势集中在热带；短空间滞后的纬向/对角自相关恢复也较好。生成效率约 12.3 s/成员/A100，100 成员在单张 A100 约 20.5 min、4 张 A100 约 5.7 min，8 张 H200 少于 2 min。

不确定性和公平性边界。 两套系统 PIT 都呈 U 形，集合离散度小于误差，表明欠离散。ECMWF 在热带外的 PIT/χ² 更好，SimCast 在热带的 spread-error 接近程度较好。论文把原始 SimCast 与 ECMWF-S2S 输出比较，但 ECMWF 产品可能涉及再预报和后处理链路；尚未给出完全一致的初始化、成员数、再预报年份、去偏方式和共同样本清单。降水异常的空间自相关也不能替代谱、FSS、对象、极端尾部和水量/能量收支检验。

代码和状态。 论文是 arXiv 预印本；“submitted to Nature Communications”只能作为作者备注。论文给出的 hiepdang-ml/SimCast-S2S 仓库在核验时返回 404，未发现代码、权重、冻结 ERA5/CESM2 清单或软件许可。arXiv 非独占分发许可不足以授权本站复制图件，因此写明“图件未镜像：复用许可未核实”并只链接论文。

3.4 core-air-quality：直接新增为空#

本期未发现新的全球或区域 PM2.5/大气成分预报、CAMS/MLWP 气象驱动比较、分析场与真实预报驱动差距、气象误差传播或沙尘阈值敏感试验。检索到的环境或氮管理论文缺少未来预报合同，已排除。无新增本身是结果，不用旧论文或宽泛环境 AI 补位。

四、相关方法与基础设施#

4.1 误差能量的 Logistic 外观不等于统一增长机制#

Peña 从双轨迹误差能量预算出发，说明只有不同尺度共享相同形状和同一增长时钟时，总误差才会严格服从 Logistic 形式；若误差以自相似前沿向大尺度传播，增长律取决于能谱斜率和前沿速度。论文给出的理想极限中，正压涡度模型对应指数增长，表面准地转模型可呈线性增长。

在稳态强迫 SQG 的 16 条轨迹上，作者把不同响应时钟的轨迹聚类后，聚合平均仍能以 0.080 和 0.093 的 RMS 偏差拟合 Logistic 曲线。这说明平均曲线可能通过异质误差的抵消呈现漂亮的 S 形，但不支持单一物理机制。对 AI 天气/S2S 集合，应同时检验谱形、尺度传播时钟、预算残差和逐成员增长，而不能只用 Logistic 拟合优度判断可预报性。该研究是机制方法，不是新的天气预报系统；代码地址当前返回 404，图件复用许可未核实。

4.2 极化雷达 LETKF：提高分析一致性，短期预报证据仍是单案例#

Kong 等在 JEDI 中实现参数化极化雷达观测算子 P-PRO，可模拟水平反射率 ZH、比差分相位 KDP 和差分反射率 ZDR，并与既有径向速度算子联合。试验采用 MPAS-JEDI LETKF，对台湾一次午后雷暴逐步同化 ZH、径向速度、KDP 和 ZDR。

官方摘要表明，各变量首先改善对应的分析变量；径向速度和 KDP 相对只同化反射率产生更连贯、更有组织的对流结构，KDP/ZDR 还改善分析时极化特征和风暴结构。短期预报误差下降主要出现在最初数小时及直接同化变量。作者明确指出，KDP/ZDR 的预报增益在一个案例和有限循环下不能稳健分离。该工作与雷达—模式融合、对流尺度起报信息保留直接相关，但没有 AI 模型、概率集合临近预报或多案例业务证据；故列 infrastructure。

4.3 AD4DVAR-radar：把低于检测限从任意 dBZ 数值改为区间事件#

PR #145 修改 nowcast、sensitivity、ledger、promotion 和成套测试，闭合检测下限的区间语义与定向边界。低于检测限的观测不再被任意存储值直接解释：默认可规范化为 clear-sky floor，也可显式采用 detection-limit 或外部背景策略；敏感度接口把已探测 dBZ、删失阈值和观测权重分为独立通道，并在分类、活动集或 FFT/重映射分支变化时 fail-close。

这项变化的价值在于避免把“未探测事件”误当成确定的弱回波数值，也让删失阈值如何影响误差指标具备可审计路径。它仍是研究软件契约，而不是新算法技能：仓库没有标准许可证、release、真实雷达冻结数据、权重或多事件结果，当前不能把大量测试和严格 provenance 等同于业务可用性。

4.4 澳大利亚 1 km 日降水参照：适合作为评估底座，不是预报模型#

Bari 等构建 1880 年以来、0.01° 约 1 km 的 Australian Gridded Climate Data 日降水产品，采用 1981—2010 气候态、统计插值和伪观测。评估覆盖 1990—2022 年，包含 11 个指标，并检查逐日总量、极端、强度以及周—月—季—年累积；作者报告相对 5 km AWAP 的初步比较更准确、可靠。

这项数据方法对高分辨率降水订正和极端评估有价值，尤其适合审计细结构是否来自真实观测约束。不过论文讨论的是历史分析数据，不是初始化预报；记录说业务化每日 1 km 交付仍是计划。论文采用 CC BY-NC-ND 4.0，未复制图件，也未把“论文上线”误写成“数据集已当天开放发布”。

五、机构信号、仅元数据、窗口外与排除项#

机构信号。 对 ECMWF、NOAA、Met Office、CMA、WMO、Copernicus/CAMS 和 Google DeepMind 的日期限定检索未发现新的、具有方法、数据、权重、评估或业务状态变化的一手发布。ECMWF AI Weather Quest 的第 3—4 周数据与 2026 年 9 月 14 日发布计划属于既有信息，本期没有新阶段开放，不重复登记。

仅元数据。

• Solo River 文章已核验正式期刊、作者、日期、DOI 和 CC BY 4.0，但官方可访问记录没有摘要。无法确认 AI 降水系统与数值系统是否使用共同起报、预报时效和降水参照，也无法确认洪水模型、流域样本、训练测试或技能；保留 metadata-only，不凭题名升级为核心。
• Córdova 等的降水迁移学习文章和 Kang 等的 PREMISE v2.1 都在主窗口出现 Crossref 记录，但只提供 2026 年 8 月而非精确上线日，且无摘要。Elsevier TDM 条款不是开放转载许可；模型/框架、数据、训练测试、作者效果和代码均待正式页面或全文核实。

窗口外。 arXiv 检索到的 ENSO 强迫变化研究主要是气候尺度响应，超出 1—65 d 目标；不作为 S2S 条目。没有把旧论文、目录刷新或已有模型介绍包装成当天新增。

低价值排除。

• MennoJ97/buitjes 的底图切换修复是产品界面维护，没有科学状态变化。
• Hugging Face 的 nuuuwan 文档/分块数据、Japan weather table 日常更新和 Hyderabad 城市演示缺少新模型、正式评估与四条研究线联系，只保留重新审查触发器，不进入新增表。
• 氮管理建议、一般环境 AI、长期 ENSO/气候响应及普通天气新闻没有符合的初始化—有效时刻预测合同。
• OpenAlex 和 Semantic Scholar 官方 API 本次均返回 429；这是来源限制，不是“无记录”证据。OpenReview 日期限定检索未出现能由一手材料确认的新增。主要结论由 arXiv、Crossref、AMS、GitHub、Hugging Face 和官方机构页交叉支撑。

六、对当前研究的具体启发#

1. 动力锚定必须与训练目标绑定。 Nested-EAGLE 表明，只有改善起报场而不改变模型训练分布，精细状态可能快速丢失；反过来，模型会把状态拉回高分辨率目标流形。FGOALS、ECMWF、NCEP、CMA、UKMO 和 AI 模型比较时，应分别做“同一初值、不同模型”和“同一模型、不同初值”试验，量化信息在 6 h、1 d、3 d、7 d 和 S2S 周尺度上的保留。

2. 位置技巧与幅度技巧必须拆开。 Nested-EAGLE 的绝对阈值 FSS 与系统内百分位 FSS 给出不同排序。当前精细结构恢复试验至少应并列报告绝对场 RMSE/偏差、异常相关、固定物理阈值 FSS、分位阈值位置 FSS、谱、对象位置/尺度和极端尾部，避免把“雨带放对”写成“雨强也对”。

3. 气候模拟预训练可成为 S2S 生成先验，但验证必须是真预报合同。 SimCast-S2S 证明 CESM2 大集合能改善 ERA5 训练下的第 3—4 周异常生成。下一步需要把真实起报分析、动力模式集合和 AI 模型放在同一初始化日期、共同成员/样本、统一去偏与统一参照下比较，并分别报告绝对场、异常、CRPSS、RPSS、可靠度和 spread-error。

4. 恢复结构不能牺牲概率真实性。 SimCast-S2S 的空间自相关优势与 U 形 PIT 同时出现；这提醒 flow matching、diffusion 或统计降尺度不能只看“更锐利”。需要用多成员 rank/PIT、覆盖率、条件可靠度、极端事件概率和能谱共同约束，并检查水量、质量与动力平衡。

5. 删失与缺测语义是雷达评估的一部分。 AD4DVAR-radar 把低于检测限定义为区间事件，而不是任意 dBZ 点值。当前雷达质控、satellite-to-radar 和临近预报评估应显式区分 clear、below-detection、missing 和 outside-coverage，冻结阈值与 mask，再比较 CSI/FSS/CRPS，避免低回波区域的伪技能。

七、后续跟进触发器#

八、简短结论#

本期形成两条可直接进入研究设计的证据。Nested-EAGLE 说明区域精细信息的持续性由起报状态与训练目标共同决定，并暴露了位置恢复与幅度低估之间的差异；SimCast-S2S 说明气候模拟预训练可以把第 3—4 周的弱信号转化为可生成的集合异常，但欠离散和公平比较尚未解决。雷达资料同化、删失观测契约和高分辨率降水参照提供了必要底座，但没有新的直接 AI 雷达临近预报或空气质量核心结果。