# 2026-09-02 大气科学 AI 研究日报
核验截止：**2026-09-02 13:02:18 +08:00**。主窗口为 9 月 1 日 13:02:18—9 月 2 日 13:02:18；缓冲窗口为 8 月 31 日 13:02:18—9 月 1 日 13:02:18。上一期截止为 9 月 1 日 13:03:50，主窗口与上一期有 92 秒重叠，按论文版本、DOI 和制品去重。下文时间均为北京时间；只有日期的出版记录不推定具体时刻。窗口指事件发生时间，检索与图件核验在截止后完成。
## 一、总体判断与信号地图
本期最值得读的是缓冲窗口补获的 **GenONet 雷达临近预报**和**印度降水 diffusion / flow matching 对照基准**。前者把连续时空查询与对抗细化结合，但物理损失的主要证据来自另一套 30 min 采样实验；后者比较精细结构、极值和集合质量，却使用由高分辨率参照场人为粗化的输入。两篇都提供可借鉴的方法，尚不能把图像细节或采样速度直接等同于真实业务可预报性。
主窗口发现沙特 1 h AQI 论文的新增索引、SAPAD 卫星降水伪影检测预印本和两篇正式 QPE 论文。**SimCast-S2S 是既有论文的跨平台记录与代码可访问性升级**，本期没有新的第 3—4 周技能结果，也没有新的直接 0—72 h 高分辨率预报结果。
| 研究线 / 层次 | 本期信号 | 应关注的证据边界 |
|---|---|---|
| core-nowcasting | GenONet，缓冲窗口补获 | 5 min 主实验与 30 min 物理实验分开；MC dropout 集合仍缺完整校准证据 |
| core-short-range | 未发现新的可核验直接预报结果 | 两篇 QPE 属于观测估计；微波论文的回顾性起雨识别尚无业务时效合同 |
| core-s2s | SimCast-S2S 代码由此前 404 变为可访问 | 开放时点不明；现有默认成员配置与论文不同，权重、许可和冻结评估仍待补齐 |
| core-air-quality | 沙特 8 城市 AQI，1 h 点预报 | Weatherbit 模式—观测融合值是参照；并非独立站点 PM₂.₅ 真值或未来气象驱动实验 |
| adjacent-method | 印度日降水 DDPM / FM 基准，缓冲 | 理想粗化条件下恢复结构；快速集合与高成本极值实验不是同一采样配置 |
| infrastructure | SAPAD、双偏振时序 QPE、微波辐射计—MRR、能耗核算清单 | 上游数据质量、估计目标与计算成本分别评估，不能替代预报技能 |
| institution-signal / metadata-only | AI Weather Quest 年度活动；3 项迟到索引；UODE v2 | 活动预告、索引和排版改版不计作科学突破 |
本期合法镜像 **2 张 Figure 1**：印度降尺度框架与沙特 AQI 工作流，均核实具体版本的 CC BY 4.0、完整图注及无另行第三方署名。未公开镜像论文 PDF。
## 二、新增与状态变化条目
### 2.1 主窗口事件与本轮状态核验
| 标题 / 对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源 / 正式状态 | 链接 | 代码、数据与制品状态 |
|---|---|---|---|---|---|---|
| Explainable One-Hour-Ahead Air Quality Index Forecasting Across Saudi Cities Using Pollutant and Meteorological Data | 9/1 18:32 DOI 新增索引；正式发表日为 8/31 | 空气质量 1 h | core-air-quality | Atmosphere 17(9), 858，正式论文 | [正式文章](https://www.mdpi.com/2073-4433/17/9/858) | 代码需索取；Weatherbit 订阅数据；无公开权重；文章 CC BY 4.0 |
| A Sensor-Adaptive Incremental Learning Framework for Artifact Detection in Satellite Precipitation Data / SAPAD | 9/2 00:43 arXiv v1 提交 | 降水观测质量 | infrastructure | arXiv 预印本，暂无期刊信息 | [arXiv](https://arxiv.org/abs/2609.01514v1) | MIT 代码、6 个检查点与 Zenodo 标签可核；均早于本窗口 |
| Machine-Learning-Based Radar Quantitative Precipitation Estimation Using Intra-Hour Temporal Features from Dual-Polarization Observations | 9/1 正式发表；19:33 新增索引 | 雷达 QPE | infrastructure | Remote Sensing 18, 2937，正式论文 | [DOI](https://doi.org/10.3390/rs18172937) | 雷达、雨量计数据受限，需授权索取；未核到配套代码和权重 |
| Deep Learning-Based Quantitative Precipitation Estimation Using Ground-Based Microwave Radiometer and Micro-Rain Radar Observations | 9/1 正式发表；20:41 新增索引 | 多源反演 / 起雨指示 | infrastructure | Remote Sensing 18, 2941，正式论文 | [DOI](https://doi.org/10.3390/rs18172941) | 数据需学校和通讯作者批准；未核到公开代码、权重 |
| SimCast-S2S | 9/1 13:23 Research Square DOI 注册；本轮代码可访问性复核 | 第 15—28 天降水 | core-s2s，状态变化 | 既有 arXiv v1；Research Square 预印本，未核实正式录用 | [arXiv](https://arxiv.org/abs/2608.26594v1) / [RS](https://doi.org/10.21203/rs.3.rs-10872625/v1) | [代码](https://github.com/hiepdang-ml/SimCast-S2S)现可访问；最新提交仍为 6/17，非今日新提交；无标准许可证和公开权重 |
| A Checklist to assess the energy and carbon impacts of ML/AI applications in Earth System Modeling | 9/1 15:44 arXiv v1 提交 | 跨时效计算评估 | infrastructure | arXiv 预印本，暂无期刊信息 | [arXiv](https://arxiv.org/abs/2609.00847v1) | CC BY 4.0 方法清单；无新模型、训练集或技能基准 |
| AI Weather Quest Annual Highlights and Awards Webinar | 9/1 17:27 官方论坛发布 | 次季节竞赛 | institution-signal | ECMWF 官方活动预告 | [官方通知](https://forum.ecmwf.int/t/register-for-the-ai-weather-quest-annual-highlights-and-awards-webinar/15292) | 活动在 9/24；当前通知未发布新榜单、权重或评估结果 |
### 2.2 24—48 小时缓冲窗口：此前未收录的论文
| 标题 | 日期与事件 | 研究主线 | 相关性分类 | 来源 / 正式状态 | 链接 | 代码、数据与制品状态 |
|---|---|---|---|---|---|---|
| GenONet: A Generative operator Network for High-Resolution Precipitation Nowcasting | 9/1 09:30 arXiv v1 提交；9/2 列表检出 | 雷达 0—3 h | core-nowcasting | arXiv 预印本，暂无期刊信息 | [arXiv](https://arxiv.org/abs/2609.00544v1) | 使用 KNMI、ERA5；未找到论文匹配的代码、权重或处理清单；arXiv 非独占许可 |
| Diffusion and flow matching for precipitation downscaling over India: a benchmark against statistical and deterministic methods | 8/31 发布；19:47 DOI 注册 | 降水细尺度恢复 | adjacent-method | Research Square v1；页面显示 npj Climate and Atmospheric Science 在审，非录用 | [预印本](https://www.researchsquare.com/article/rs-10772032/v1) | [MIT 代码](https://github.com/G-Jha-G/generative-precipitation-downscaling)；[Zenodo 权重/输出](https://zenodo.org/records/21903246) CC BY 4.0，8/12 已发布 |
沙特文章归入本轮主窗口的是 **DOI 索引事件**，其 8/31 出版记录只有日期；不声称文章首次公开发生在主窗口。三个仅元数据候选、UODE v2 和窗口外近邻单独列于第五节。
## 三、四条核心研究线
### 3.1 core-nowcasting：GenONet 的连续查询与物理约束要分开评价
**来源与大致内容。** Mohammad Kian Golkar、Luciano Alves de Oliveira、Mohammad Khanjani 的 [GenONet v1](https://arxiv.org/abs/2609.00544v1) 面向荷兰 KNMI 雷达降水，试图兼顾长时效形态、局地细节和可查询的时空输出。数据覆盖 2008—2018 年，空间网格为 1 km、256×256；2008—2014 训练、2015—2016 验证、2017—2018 测试。主任务用 15 帧、5 min 间隔历史输入，输出 36 帧，最长 +180 min；目标为由反射率转换的降水率，单位 mm h⁻¹。
**模型与训练。** U-DeepONet 用 3D CNN 与 U-Net 分支编码历史雷达，trunk 网络编码坐标和时间，结合时空判别器、加权 L1 与多尺度 SSIM。论文给出 A100、50 epochs、batch 8 和 AdamW 设置，并与 U-Net、SmaAt-UNet、GAN-UNet、RainNet、扩展到 180 min 的 DGMR 比较。论文先介绍按未来降水筛选序列的方案，随后明确称报告实验使用未筛选的完整序列分布；需要样本清单消除叙述歧义，目前不能据此断言实际发生筛选泄漏。
**物理证据的适用范围。** 简化水分守恒残差引入 ERA5 温度、风、露点和净太阳辐射；原始小时、0.25° 环境场通过时间插值及空间插值匹配细网格。主要物理消融使用 **3 帧历史、6 帧未来、30 min 间隔** 的次级设置，不能与 5 min 主任务合并。作者表 II 报告，在 0.1、0.5、2 mm h⁻¹ 阈值下，CSI 从 0.4817/0.3540/0.1606 变为 0.4944/0.3599/0.1666；2 mm h⁻¹ 的 FAR 从 0.6227 降至 0.5570。适中损失权重能改善残差，更大权重会损害预报。5 min 设置的物理增益较小，插值得到的 1 km 环境场也不等于真实 1 km 环境信息。
**集合与技术判断。** 作者用 MC dropout 生成 10 成员，与同样 10 成员 DGMR 在共同子集比较，报告平均 CRPS 约 0.0677 对 0.221 mm h⁻¹。DGMR 在较长时效趋近弱雨/无雨，因而随时效下降的 CRPS 本身不能证明可靠度提高。当前缺少充分的 rank histogram、条件可靠度和高阈值尾部分析；2 mm h⁻¹ 也不足以支撑强对流极值结论。值得借鉴的是“时空连续表示＋细节恢复”的组合，下一步应在共同起报和事件留出下，分开比较确定性骨干、随机成员、物理约束各自贡献。
**可复现性。** KNMI 与 ERA5 是可识别数据源，但未核到论文匹配代码、冻结权重及雷达处理清单；本期未独立复现。**图件未镜像：复用许可未核实。** 可查看[原论文](https://arxiv.org/abs/2609.00544v1)，其 arXiv 永久非独占许可不足以授权本站转载图件。
### 3.2 core-short-range：本期没有新的直接技能结果
分源检索未发现可升级为新的 0—72 h 区域预报、真实 NWP 后处理或雷达—模式融合技能结果。第四节两篇 QPE 论文分别利用截至有效时刻的雷达观测和微波—MRR 观测估计降水；后者还探索回顾性起雨指示，但没有固定起报时刻、可用输入延迟与独立事件的业务评估。它们可改善初始信息或参照数据，应先检验 QPE 改善能否传递至后续预报。
印度 DDPM / FM 论文属于条件降尺度方法；它未使用真实 NWP 预报输入，也不能据此填补本期短期预报结果的空缺。
### 3.3 core-s2s：SimCast-S2S 从代码不可访问升级为可检查
**本轮变化。** [SimCast-S2S](https://arxiv.org/abs/2608.26594v1) 已于 8 月 28 日收录。本轮发现相同标题与作者的 [Research Square v1](https://doi.org/10.21203/rs.3.rs-10872625/v1) DOI 记录；此前返回 404 的[论文代码仓](https://github.com/hiepdang-ml/SimCast-S2S)目前公开可读。仓库创建于 2025 年，最新提交 `23c5f041a21f` 的时间为 2026-06-17 11:42；**公开切换时刻未核实，不能称为 9 月 2 日发布的新代码**。
**科学任务与既有证据。** Hiep V. Dang、Antonios Mamalakis 用 CESM2 大集合预训练，经 ERA5 迁移学习预测起报后第 15—28 天的 14 日降水异常，条件输入为此前 28 天。论文的 CESM2 训练/验证/测试为 1950—2000/2001—2010/2011—2014，ERA5 对应 1940—2010/2011—2020/2021—2025；五组物理变量分别编码，降水保留更细潜空间，LoRA 微调降水编码与去噪器。此前已记录作者的误差与热带概率技能结果，本轮不重新统计为新增技能；SimCast 与 ECMWF 均欠离散，公平比较仍要核对共同起报、再预报、异常气候态、成员数和后处理。
**代码带来的新判断。** 当前树包含 CESM2/ERA5 数据接口、VAE/DDPM、LoRA、训练预测、评估及分位数映射模块，可检查实现。公开配置默认启用 14 个 CESM2 BHISTcmip6 成员，另 14 个 BHISTsmbb 成员被注释，而论文描述 28 成员；这说明当前默认文件不能直接视为论文冻结配置。存在分位数映射实现，也不能证明论文某张图启用了它，必须把配置、校准拟合年份和评估输出对应起来。没有核到 README、标准 LICENSE、release、公开检查点或完整生成成员档案。
**可借鉴点。** 对第 3—4 周局地降水结构恢复，应先固定训练气候样本、异常定义和动力基线，再比较预训练迁移与生成器的收益。当前进展是实现可检查程度提高，尚未达到可完整复现或可直接复用的状态。图件本期不复制；既有 arXiv 版本复用许可未核实，跨平台预印本不自动改变已用版本的图件权利。
### 3.4 core-air-quality：沙特 AQI 的参照数据决定解释范围
**来源、任务与数据。** Hadeel Alraddadi、Laila Nassef、Nahed Alowidi 的 [Atmosphere 正式论文](https://www.mdpi.com/2073-4433/17/9/858) 使用 2022-02-01—2024-12-31 的 8 个沙特城市小时数据，分别建立 24 h 历史到 +1 h AQI 的模型。输入为污染物、历史气象和时间特征；目标是 EPA 0—500 标度的 AQI，**无量纲，不能当作 PM₂.₅ 浓度误差**。每座城市取一个地理位置的 Weatherbit 产品，空气质量来自 CAMS/SILAM 与观测融合，气象结合站点、再分析和 NWP。它不是八个独立实测空气质量站的原始验证集。
**训练、效果与限度。** 比较 BiGRU/BiLSTM 与加性或多头注意力、含/不含气象特征；2022—2023 训练，2024 全年留出，每城 8,784 个测试时刻、6 个种子，插补和缩放拟合于训练集。作者报告 R² 约 0.90，MAE 相对持续性约改善 20%，但 RMSE、R² 与持续性接近；1 h 平滑融合序列的惯性很强。历史气象的平均增益较小且依城市和架构变化，这不支持“未来气象驱动对污染预报不重要”的外推。
阈值分析针对 **一个参考模型、单一种子**，AQI 100/150/200 的 POD 约 0.84—0.91，并排除事件数不足 30 的组合。它是点预报报警分析，没有给出集合 CRPS 或概率可靠度；也没有把气象驱动替换成真实归档预报来测误差传播。SHAP/LIME 是输入归因，不能将其当作污染过程的因果分解。
**复现与研究连接。** 代码按合理请求提供，Weatherbit 数据依赖订阅，未核到公开权重或可重建的冻结测试包。最可借鉴的是整年时间留出、持续性对照和城市差异分析。对 PM₂.₅/沙尘研究，更关键的是补上独立站点真值、真实预报气象、高污染过程、FAR 与可靠度，而非仅移植注意力结构。
论文 Figure 1｜24 h 历史到 1 h AQI 的评估流程。原始图注：Overall workflow of the proposed one-hour-ahead AQI forecasting framework. 来源：Hadeel Alraddadi、Laila Nassef、Nahed Alowidi，Explainable One-Hour-Ahead Air Quality Index Forecasting Across Saudi Cities Using Pollutant and Meteorological Data，Atmosphere 17(9), 858。许可：CC BY 4.0。本站提取完整原图并从 4959×3365 等比例缩放至 1600×1086，未裁剪、改色或添加标注；使用日期 2026-09-02。
## 四、相关方法与基础设施
### 4.1 印度 DDPM / flow matching：同骨干比较有价值，但输入仍是理想粗化场
**来源与实验设计。** Shailesh Kumar Jha 等的 [Research Square v1](https://www.researchsquare.com/article/rs-10772032/v1) 以 MSWX 日降水为参照，覆盖 5°—40°N、65°—100°E 的 350×350 网格，原分辨率 0.1°。训练 1979—2005、验证 2006—2010、测试 2011—2014，共 1,461 个测试日。低分辨率输入由同一高分辨率目标平均池化 10 倍得到，再插值回细网格作为条件。因此任务是 **同一天 1°→0.1° 的理想降尺度**，没有未来有效时刻，也没有真实粗分辨率模式偏差。
DDPM 与 flow matching 使用相同约 7,000 万参数的四层 U-Net；128×128 patches、64 像元步长，按粗网格平均雨量筛选湿样本，log1p 变换和相同优化条件。比较对象包括 constructed analogues、weather typing 与 SRCNN。DDPM 默认 DDIM 50 步；FM 比较 Euler、Heun 和 midpoint，并评估气候统计、频谱、季风位相、极值和集合质量。这样的共同骨干设计有助于定位生成求解器差异，但湿样本训练选择及全域拼接仍应冻结。
**必须拆开的采样设置。** 单成员气候分布与极值主实验使用 FM Heun 50 步，即 100 次网络调用；集合验证则使用 Euler 16 步，在每 10 天抽取的 147 个测试日生成 20 成员。前者的高质量极值结果不能直接贴到后者的速度上。作者另外报告 midpoint 4 步、8 次网络调用的速度—质量折中，相对 DDIM 50 约快 4.2 倍；该结果仍取决于同一硬件、批量和场景，不能推成完整业务链的加速倍数。
**作者报告结果。** 20 成员 fair CRPS 为 FM 0.490、DDPM 0.488 mm day⁻¹，均优于 SRCNN 的 0.660；FM 与 DDPM 的 spread/RMSE 约 0.574/0.620，rank histogram 呈 U 形，二者仍欠离散。FM 更好保留小尺度谱，但最细尺度可出现能量过强；山地仍有干偏差。空间汇聚年最大值的 GEV 拟合给出参照 10 年重现水平 126.7 mm day⁻¹、FM 127.3、DDPM 125.8，但测试只有四年且空间样本相关，这不是十年独立观测极值的直接验证。
**代码、数据和技术判断。** [GitHub](https://github.com/G-Jha-G/generative-precipitation-downscaling) 有 MIT 许可和训练、采样、集合验证脚本，最近推送为 8 月 10 日；[Zenodo 21903246](https://zenodo.org/records/21903246) 于 8 月 12 日发布，CC BY 4.0，API 可核到约 2.04 GB 权重包和 2.63 GB 生成输出包。本轮未下载或运行这两个大包，因此是制品存在性核验，非独立复现。新事件是预印本，不能把旧制品日期记成今日开放。
对短期与 S2S 研究，可沿用共同骨干、相同条件、谱—极值—可靠度联合评价；随后必须把输入换成真实 NWP/集合预报，独立评估大尺度偏差、异常可预报性及细化误差。若仅在理想粗化场上成功，仍无法回答真实动力模式误差是否被生成器保留或放大。
论文 Figure 1｜输入由参照场平均池化，明确限定了理想降尺度任务。原始图注：Schematic of the perfect-model framework, full-field average pooling of the high-resolution reference to form the low-resolution input, the shared four-level U-Net used by both generative models, the three classical baselines, and the evaluation axes. 来源：Shailesh Kumar Jha、Priyank J. Sharma、Anurag Mishra、Saksham Joshi、Vivek Gupta，Diffusion and flow matching for precipitation downscaling over India: a benchmark against statistical and deterministic methods，Research Square v1。许可：CC BY 4.0。本站保留 1034×466 原始 PNG，网页文件与原图字节相同，无裁剪、缩放或信息修改；使用日期 2026-09-02。
### 4.2 SAPAD：少量伪影标签下的传感器适配
**任务和数据。** Andres F. Monsalve、Hernan A. Moreno、Christian D. Kummerow 的 [SAPAD 预印本](https://arxiv.org/abs/2609.01514v1) 检测 GPROF v7 卫星降水产品中的线条、斑点、条带、陆地掩膜、平滑及拼接伪影。数据来自 SSMI F8（1987—1991）及 SSMIS F16/F17/F18（2006—2024）；SSMI 有 167 条正常、20 条伪影轨道，SSMIS 有 193 条正常、19 条伪影轨道。任务是观测产品质控，既不是 satellite-to-radar，也不预测未来降水。
**训练与结果。** 70×70 patches 输入 ImageNet 预训练 MobileNetV3-Large；每轮增加一条人工标注伪影轨道，比较单传感器基线、warm-start 和联合训练。调参采用训练内部交叉验证，另有完整留出轨道；不能把交叉验证 patch 分数与轨道级泛化混为一谈。作者报告联合训练在初始少样本阶段使 PR-AUC 从 SSMI 0.333 提高至 0.674、SSMIS 0.283 至 0.927。后期联合训练并非始终优于单传感器，说明迁移收益与标签量、传感器差异有关。留出异常轨道少，曲线会波动；分类概率也未被证明经过校准。
**实际制品。** [代码仓](https://github.com/afmonsalves/SAPAD) 采用 MIT；[v1.0.0-models release](https://github.com/afmonsalves/SAPAD/releases/tag/v1.0.0-models) 于 8 月 6 日已有 6 个检查点，API 可核到真实附件；[Zenodo 21793955](https://zenodo.org/records/21793955) 同日发布四个标签 CSV 与 README，CC BY 4.0。它们不是本轮新权重/新数据事件。代码仍含开发环境路径和依赖流程，未独立端到端复现。可借鉴“少量新异常—增量适配—留出整轨验证”，随后要评估误删真实极端降水、QPE 改变及下游预报影响，不能仅凭伪影 PR-AUC 宣称降水预报改善。
### 4.3 双偏振小时 QPE：完整小时内部信息能否提高参照质量
Te Li 等的 [Remote Sensing 18, 2937](https://doi.org/10.3390/rs18172937) 使用中国东部 13 部 S 波段双偏振雷达、5,489 个雨量计，2021—2022 年 6—8 月资料训练与内部测试，2024 年 6 月独立时间验证。雷达在 3 km 定高层、110 km 范围内匹配站点；每个终止于 t 的小时累计量与 t−54、t−48……t 的 10 次 6 min 雷达观测对应。从 ZH、ZDR、KDP 各提取均值、和、标准差、趋势、最大值、偏度，共 18 个特征，比较 Ridge、KNN、MLP、RF 与多种提升树。
主比较按雨强分层随机 70/30 切分，不能单凭该测试声称跨事件泛化；文章另给出完全排除于调参、特征排序和系数拟合之外的 2024 年 6 月验证。该独立月份领先 ML 模型的 RMSE 为 3.62—3.66 mm h⁻¹、MAE 2.01—2.05，传统雷达关系的 RMSE 为 4.51—4.63。摘要另报 3.96，而正文常规留出最优为 4.11；本期采用实验边界明确的独立月份结果，避免把不同样本或配置的数值拼成同一比较。
技术贡献是保留小时内部演变及分雨强使用极化信息；平均/累积量和峰值通常贡献较大，强雨样本平衡方式明显影响偏差。目标是截至 t 已结束的小时降水，不是 t 后的预报；还需跨年、跨雷达和独立强降水过程验证。数据受提供方限制、需授权索取，未核到公开模型和权重；论文 CC BY 4.0 不等于原始雷达数据可再分发。
### 4.4 微波辐射计—MRR：水凝物反演与回顾性起雨指示
Jingyang Li、Jieying He 的 [Remote Sensing 18, 2941](https://doi.org/10.3390/rs18172941) 在珠海单站结合多频双偏振微波辐射计、微雨雷达和雨滴谱仪。2021 年 12 月至 2022 年 4 月有 17,280 个匹配样本；ECMWF 再分析水凝物场、ARTS 辐射传输和观测参与建库。CNN/深度模型反演云水、雨水、冰水廓线及雨强，3—4 月用于训练测试、此前 12—2 月留作独立验证。因此是跨季节回推检验，不是按真实业务时间向未来部署。
作者报告冰、云水、雨水与雨强相关系数约 0.6、0.7、0.84、0.84；水凝物参照主要来自模式再分析，不能全称为独立实测廓线。进一步用云水、雨水路径的峰谷时间和变化构造两组全连接指示模型，报告降水发生准确率 97%、起雨时间 MAE 60 min、相关 0.90。**60 min 是起雨时间估计误差，不是有效预报提前量。** 峰谷特征在实时何时可判定、事件间如何切分、FAR 与漏报尚需独立验证；作者也将显式提前量和事件留出列为后续工作。
它提示环境和水凝物演变可为临近预报补充条件，但当前主证据是单站层状云降水反演/回顾性诊断，不能外推到强对流、台风或冰雹业务。数据需中山大学与通讯作者批准，未核到公开代码、权重；文章 CC BY 4.0。本期作为多源观测基础设施保留。
### 4.5 地球系统 AI 的能耗与碳影响清单
Filippo Dainelli 等的 [arXiv 2609.00847v1](https://arxiv.org/abs/2609.00847v1) 整理模型开发各阶段的能耗与碳影响问题，覆盖数据处理、模型选择、试验、训练、推理和生命周期核算，提供文献支持的核算指标与实践建议。它是评估方法清单，没有新的气象训练测试集、权重或预报效果；文中引述已有模型能耗不能算本论文重新测量。文稿为 CC BY 4.0，会议关联备注不提升为正式录用记录。
对本期 FM/DDPM 比较，实用之处在于同时记录 NFE、硬件、成员数、输出分辨率、批量、训练与采样总成本；减少采样步数是否节能，应由相同质量要求下的完整工作负载回答。类别为 infrastructure，不占核心预测新增名额。
## 五、机构信号、仅元数据、窗口外与排除项
### 5.1 institution-signal：AI Weather Quest 预告
[ECMWF 官方论坛](https://forum.ecmwf.int/t/register-for-the-ai-weather-quest-annual-highlights-and-awards-webinar/15292) 于 9 月 1 日发布年度亮点与颁奖 webinar 通知，活动时间为 **9 月 24 日 21:00—22:00 北京时间**。通知列出 CMA and FDU、MicroEnsemble、CLINT 等分享团队，主题连接次季节概率预测与竞赛经验。当前没有新数据划分、官方结果表、模型权重或可复现实验；先记活动触发器，待官方公布赛季样本、评分、提交截止与方法后再判断。
### 5.2 metadata-only：论文题名不能替代科学合同
| 对象 | 本轮日期证据与状态 | 当前可判断内容 / 剩余缺口 |
|---|---|---|
| [A multiscale dynamic network-based method for radar precipitation nowcasting: A case study in the Yiluo River Basin](https://doi.org/10.1016/j.ejrh.2026.103914) | 9/1 14:52 Crossref 创建；Journal of Hydrology: Regional Studies 正式元数据，期号标为 2026/10 | 雷达降水与伊洛河流域主题相关；官方全文访问受限，摘要、输入时效、网络类型、划分和结果未核实；不能仅凭 network 推断为深度学习。许可起始日期也不等同于首发时刻 |
| [High-Resolution Precipitation Nowcasting based on Frequential-Spatiotemporal Attention](https://doi.org/10.1109/iscid68789.2025.00028) | 9/1 03:12 新增 DOI 索引，处于缓冲；会议为 2025 年 ISCID | 历史会议记录迟到索引，非今日新论文；数据、模型细节、训练测试、指标、代码、权重及许可未核实，保持 metadata-only |
| [DP-STNet: A Dual-Polarization Spatiotemporal Network for Heavy Precipitation Nowcasting](https://doi.org/10.1145/3817124.3817354) | 8/31 13:20 新增索引，处于缓冲；会议日期为 2026/3 | 题名指向双偏振强雨临近预报；ACM 正文访问受限，未取得足够摘要、时效和实验资料，不能升级 core-nowcasting |
**UODE v2。** [暖雨过程 UODE](https://arxiv.org/abs/2608.30610v2) 于 9 月 1 日 23:58 提交 v2。对可访问 HTML 的归一化正文逐段比较，差异仅涉及四处引文呈现/标点，未发现新增实验、结果或科学表述。按 metadata-only 版本事件记录；tracker 保留论文原有 adjacent-method 类别并更新版本，旧 Zenodo 数据不重复算新增。更改来源文件不等于模型技能改变。
### 5.3 window-out：延迟索引的下游洪水研究
[Geul River QPF—ML 洪水预测会议条目](https://doi.org/10.64697/iahr.proc.hic2026.258) 的 DOI 于 9 月 2 日 02:53 注册，但属于既有 HIC 2026 会议资料。IAHR 官方摘要研究荷兰 344 km² 流域，比较“截至 t 的观测降水”与“再加上 t+T 的完美未来降水”，用于界定延长径流预报的理论空间。可访问摘要未给出架构、冻结划分、量化效果、代码或许可证。它没有验证真实雷达 QPF 的下游收益，保留为 window-out 的索引延迟近邻，不计本窗口科学新增；只有完整结果和真实预报输入出现后才升级。
### 5.4 low-value-exclusion 与未变化制品
- [WeatherGPT bias-correction 模型卡](https://huggingface.co/Nj-1111/weathergpt-m2-bias-correction) 有新建记录，但 API 仅显示属性文件与极短 README，没有权重、训练代码或验证结果；不因名称包含 bias correction 就记为模型发布。
- 新索引的哥伦比亚 WRF—ML 风资源评估主要服务风能选址；月度卫星臭氧到地面浓度映射、梅雨气候归因、材料“precipitation”和金融“nowcasting”等不提供本期目标中的直接预测证据，未用于填充核心线。
- Fed-Cast 仓库在增量查询中没有新提交；其他日常模型卡、榜单汇总和 UI 刷新没有核到科学内容变化，未重写其 tracker 记录。
### 5.5 检索覆盖与访问限制
本期分源检查 arXiv 官方新稿/替换列表与 API、Crossref 分主题注册记录、OpenAlex、Semantic Scholar；结合 OpenReview、AMS/IEEE/AGU/RMetS/EGU/Elsevier/Springer Nature 官方入口定向检索，并检查 GitHub、Hugging Face、Zenodo、项目页及 ECMWF、NOAA、Met Office、CMA、WMO、CAMS、Google DeepMind 等官方信号。聚合器只用于发现，保留条目尽量回到论文全文、正式元数据或制品 API。
arXiv 部分 API、Crossref 一项查询触发 429；若干 OpenAlex 查询出现 TLS 连接失败，Semantic Scholar 重试成功；IEEE/ACM/Elsevier 候选全文和部分 NOAA/CMA 页面存在访问限制。OpenReview 与 Papers with Code 定向检索没有获得可升级的新证据。上述限制不能解释为这些来源没有研究发布，尤其仅元数据的三项仍待正文核验。
## 六、对当前研究的具体启发
1. **把可预报信息、细节和随机性拆成三个问题。** GenONet 的时空表示、印度 FM 的细尺度恢复、SimCast 的气候预训练分别改变不同环节。共同起报和参照样本固定后，分别做骨干、细化器和随机成员消融，才知道收益来自哪里。
2. **先做理想粗化，再做真实模式驱动。** 印度基准可以检验生成器恢复结构的能力；真实 NWP/集合输入应另设实验，明确起报、有效日、累积区间、空间尺度和异常气候态。两阶段结果不能合并成一个“降尺度提高预报”结论。
3. **速度、极值和可靠度必须对应同一配置。** 同时记录求解器、NFE、成员数、共同日期及计算成本。只有固定该配置后，CRPS、谱、极值和运行时间才可联合比较；还应报告 spread/RMSE、条件可靠度与强雨尾部。
4. **反演和质控的收益要沿预报链传递验证。** SAPAD 和两篇 QPE 可先比较观测质量与真实强降水误删，再在冻结预报器上比较起报信息变化带来的收益。上游分数提高未必改善 +60 min 或 +24 h 的预报。
5. **空气质量先分清产品参照与独立观测。** Weatherbit/CAMS/SILAM 融合产品与站点浓度不是同一证据层。应把污染初值误差、气象驱动误差和模型结构误差分别评估，并在真实预报气象下检查高污染与沙尘阈值。
6. **S2S 复现应冻结配置和校准链。** SimCast 当前默认 14 成员与论文 28 成员的差异是具体触发器。训练样本、异常定义、校准年份和 ECMWF 对照合同未锁定前，不宜用现有脚本直接认定论文已经复现。
## 七、后续跟进触发器
| 对象 | 下一次值得更新的具体事件 |
|---|---|
| GenONet | 论文匹配代码/权重与样本清单；5 min 主实验的物理消融；更强雨阈值、可靠度及多雷达共同样本结果 |
| 印度 DDPM / FM | 版本冻结与可运行权重；同一采样配置下速度—极值—可靠度；真实 NWP/集合驱动和更长独立极值验证 |
| SimCast-S2S | LICENSE、README、检查点与 release；28 成员冻结配置；校准拟合年份、ECMWF 共同起报/后处理/成员合同 |
| 沙特 AQI | 代码及可重建数据；独立站点真值；真实归档预报气象；跨城/跨年、高污染 FAR 和概率校准 |
| SAPAD | 更多独立异常轨道、新传感器；真实极端误删；产品 QPE 和下游预报传播；端到端可执行包 |
| 双偏振时序 QPE | 数据访问/代码；跨雷达与更多年份；不同指标所用配置澄清；强雨偏差与预报收益 |
| 微波—MRR | 事件级独立留出；实时可获得峰谷特征；明确起报与 lead time；FAR、强对流和多站验证 |
| 3 项 metadata-only | 官方摘要/全文、数据与时效、冻结划分、数值结果、代码和许可证 |
| AI Weather Quest | 9/24 官方录播、结果表、赛季样本与评分协议及团队方法/制品；仅有活动日程不升级 |
| UODE / Geul | 前者有实质模型/实验变化；后者有完整结果或真实 QPF 驱动评估时再更新 |
## 八、简短结论
本期有新的直接雷达临近预报与 1 h AQI 证据，另有条件降尺度和观测基础设施进展。最应保留的判断是：**局地细节恢复、物理残差下降、快速采样和产品拟合都需要各自的证据，不能自动推出可靠的未来预测。** SimCast-S2S 的可检查代码为下一步复现提供了入口；本轮仍无独立复现结果，也没有新的直接短期或 S2S 技能结论。