# 2026-09-06 大气科学 AI 研究日报
核验截止：**2026-09-06 13:04:31 +08:00**。主窗口为 9 月 5 日 13:04:31—9 月 6 日 13:04:31；24—48 h 缓冲窗口为 9 月 4 日 13:04:31—9 月 5 日 13:04:31。上一期实际截止为 9 月 5 日 13:03:24，两次截止之间相差 1 min 7 s，该小段由本期缓冲窗口覆盖。以下按事件发生时间归窗；检索、全文阅读、图件许可核验和发布在冻结截止后继续完成。
## 一、总体判断与信号地图
今天最重要的新增不在雷达回波临近预报，而在 S2S 的“可预报信息与校准层次”。一份 9 月 6 日新存档的北美天气型 AI handout 给出 1—42 d 日概率预报的完整预注册统计结果：模型在 10—20 d 相对气候态和季节 Markov 基线均有正 RPSS，但把 MJO、ENSO、平流层和 QBO 五个慢变通道加入天气型历史后，没有得到可检测的额外技巧。材料同时明确承认全部结果仍是跨年交叉验证、42 个时效是彼此独立的边缘分布、没有保留可做前瞻检验的检查点，原计划的条件降水生成属于下一阶段。它是直接的 **core-s2s** 结果，但正式状态只是 Zenodo supplementary handout，不是同行评议论文。
第二个 S2S 信号是两套公开制品。**TianXing-S2S** 在缓冲窗口形成 MIT v1.0 tag 和 Zenodo DOI，使已有 45 d 多圈层扩散模型从“浮动主分支”升级为可引用代码快照；但推理配置仍指向占位检查点，论文权重和完整测试集没有发布。另一套 vortex-day 包把 FuXi-S2S／CFSv2 的粗网格热带气旋活动检测、阈值校准和下游概率后处理拆开，公开代码、派生结果和复核规则；它的核心启示是，改进源端检测保真度不保证改进下游概率产品。
空气质量线出现 **NEXUS** 的 Urban Climate DOI 映射。论文使用 21 d 历史 CAMS／ERA5 序列预测下一 3 h 的 CO、NO 和 SO₂，测试按年份后段隔离，模型只有 18,748 个参数；不过目标是 CAMS 再分析在四个角点上的场值，不是真实站点，输入也没有未来预报气象。论文将其写成高分辨率实时空气质量预报并给出 0.91—0.95 的 R²，但公开 CSV 显示原始质量混合比为 10⁻⁶—10⁻⁸ 量级，文中 0.2—0.4“kg kg⁻¹”误差／浓度显然存在尺度或单位标注问题。作者仓库有 CSV 和图，却没有论文所称的完整可执行工作流、权重或许可证。
横向方法中，2 月预印本 **AI-Based Regional Emulation for Kilometer-Scale Dynamical Downscaling** 于 9 月 5 日正式发表于 JGR: Machine Learning and Computation。它以 3 h 大尺度边界强迫 4 km、小时级区域场，能稳定运行多年并保留 CESM 集合离散度；与此同时，10—100 km 能量系统性不足，暖季小型对流降水对象数量和高分位雨量被低估。这是与“保留大尺度状态、恢复小尺度结构”高度同构的正式证据，但任务是受边界强迫的区域／气候降尺度，不是 0—72 h 起报预报。
本期**没有新的可核验 direct core-nowcasting 论文、雷达权重或规范数据集，也没有新的完整 core-short-range 技巧结果**。AD4DVAR-radar 有大批正确性和审计边界修复，但仍无真实雷达前后技巧。FY-4A PWV 同化论文已由 Elsevier 标为 9 月 5 日上线，不过只能取得题名和书目信息，暂留 metadata-only。
| 研究线 / 层次 | 本期信号 | 最关键的边界 |
|---|---|---|
| core-nowcasting | 无新直接论文；AD4DVAR 审查修复 | 代码正确性不等于真实雷达技巧；5 月阵风锋论文只是迟到索引 |
| core-short-range | FY-4A PWV 同化题名级记录 | 无摘要、试验合同和共同样本，不能写成已量化的降水改进 |
| core-s2s | 北美天气型 AI handout；TianXing v1.0；vortex-day 校准包 | 交叉验证不等于前瞻预报；边缘分布不等于联合轨迹；代码快照不等于权重可用 |
| core-air-quality | NEXUS Urban Climate DOI 映射 | CAMS／ERA5 回顾场不是站点和真实预报驱动；单位、空间“高分辨率”和代码声明需纠正 |
| adjacent-method | AI-LAM 正式发表 | 多年稳定与集合 spread 保留成立，但细尺度谱和暖季对流对象仍不足 |
| infrastructure | vortex-day 结果包；AD4DVAR；TianXing release | 派生结果可复核与原始 forecast-to-result 全链复算分开 |
| institution-signal | WMO 页面出现 9/24 团队摘要 | 页面无精确更新时间，且演讲、榜单和制品尚未发布 |
本期镜像 **2 张完整代表图**：AI-LAM 的 Figure 1 和 NEXUS 的 Figure 1。两图均取自明确标注 CC BY 4.0 的具体 arXiv v2；图注没有第三方材料例外。AI-LAM 网页图从 2570×3136 等比例缩放为 1600×1952，NEXUS 原图 1332×1302 已低于宽度上限，source 与 web 文件字节一致。均未裁面板、添加箭头或改写图中信息。其余条目因无图件许可、无正式论文或不需要图解而不镜像。以下所有效果均为作者或制品报告，本轮没有训练模型或独立复算论文技巧。
## 二、新增与状态变化条目
### 2.1 主窗口
| 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、许可状态 |
|---|---|---|---|---|---|---|
| Sub-seasonal to seasonal forecast of North American weather regimes and associated precipitation extremes in the U.S. using artificial intelligence, Phase 1 | 9/6 00:38 +08 Zenodo 创建 | 1—42 d 北美天气型日概率 | core-s2s | supplementary handout；非同行评议论文 | [Zenodo](https://zenodo.org/records/22358588) | 仅 464,646-byte PDF；无代码、检查点、标签、bootstrap 流和许可；图件不镜像 |
| Detector-Threshold Calibration and Statistical Post-Processing of a Vortex-Day Predictor for Subseasonal Tropical Cyclone Activity | 9/5 19:53 +08 Zenodo v1.0 | 次季节热带气旋活动后处理 | infrastructure | 代码＋派生结果存档，不是论文发表 | [Zenodo](https://zenodo.org/records/22342203) | 4.51 MB；Python BSD-3-Clause，派生 JSON／NPZ／NC 为 CC BY 4.0；缺原始 forecast fields、标签和部分生成链 |
| NEXUS: A compact neural architecture for high-resolution spatiotemporal air quality forecasting in Delhi NCR | 9/5 20:14 +08 Crossref 创建 | 德里 CO／NO／SO₂ +3 h | core-air-quality | Urban Climate DOI 记录；Elsevier 只给 September 2026 cover date，精确 online day 未核 | [DOI](https://doi.org/10.1016/j.uclim.2026.103120)／[arXiv v2](https://arxiv.org/abs/2602.19654v2)／[仓库](https://github.com/msdsm03rampunitk-7606/NEXUS-Air-quality-forecasting-DELHI-NCR) | CSV、7.65 MB 数据包和图公开；无可执行模型代码、权重、环境或仓库许可；arXiv v2 CC BY 4.0，Figure 1 已镜像 |
| AI-Based Regional Emulation for Kilometer-Scale Dynamical Downscaling | 9/5 17:06 +08 Crossref 创建并正式上线 | 4 km 小时级区域动力降尺度 | adjacent-method | JGR: Machine Learning and Computation 正式 CC BY 论文 | [DOI](https://doi.org/10.1029/2026JH001313)／[arXiv v2](https://arxiv.org/abs/2602.18646v2)／[代码](https://github.com/yingkaisha/RAL-GWC-CONUS)／[权重](https://huggingface.co/yingkaisha/CONUS404-AI-LAM) | Apache-2.0 代码与 3.2 GB checkpoint 已存在；本窗口无新代码；Figure 1 已镜像 |
| AD4DVAR-radar full-review and subsecond-acceleration guards | 9/5 16:53—9/6 05:40 +08 多次提交并合并 PR 156/157 | 变分雷达临近预报基础设施 | infrastructure | GitHub 工程更新，无论文／真实技巧新状态 | [仓库](https://github.com/gonos2k/AD4DVAR-radar)／[最终合并](https://github.com/gonos2k/AD4DVAR-radar/commit/2398e5fd24a0027219c01d826bf41c80f1d9e894) | 新增 provenance／retry／dtype-device／promotion／subsecond acceleration 守卫和测试；作者 CPU 证据可核，本轮未执行外部代码 |
| First validation of FY-4A PWV assimilation in improving NWP model performance for heavy precipitation forecasting | Elsevier 标示 9/5 available online；Crossref 9/5 23:22 +08 创建 | 卫星水汽同化与强降水预报 | metadata-only | Atmospheric Research 正式订阅论文 | [DOI](https://doi.org/10.1016/j.atmosres.2026.109303) | 无可访问摘要、DA／NWP 配置、案例、时效、指标、代码、数据和图件许可 |
### 2.2 24—48 h 缓冲窗口补获
| 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、许可状态 |
|---|---|---|---|---|---|---|
| TianXing-S2S v1.0 archived code release | 9/4 19:06 +08 GitHub release 与 Zenodo 创建 | 45 d 全球多圈层概率集合 | infrastructure | 既有 arXiv 2512.12545 仍为预印本；本期是可引用代码快照 | [Zenodo](https://zenodo.org/records/22303529)／[GitHub v1.0](https://github.com/yuxuan-9909/TianXing-S2S/tree/v1.0)／[arXiv](https://arxiv.org/abs/2512.12545) | 21.63 MB MIT 代码快照；无模型权重，checkpoint 路径为占位；HF 仅月度样例子集 |
该 release 早于上一期 13:03:24 截止，但在当前 24—48 h 缓冲中，按列表／检索延迟补获；不把它伪装为上一截止后的首次代码公开。主分支代码实际在 1 月已存在，本次新增是 v1.0 tag 与 Zenodo DOI。
### 2.3 机构信号、窗口外与排除状态
| 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、许可状态 |
|---|---|---|---|---|---|---|
| WMO AI Weather Quest 第五场 webinar 团队摘要 | 页面原日期 6/22；9/6 取回时已有详细摘要，修改时刻不公开 | S2S 概率校准与混合集合 | institution-signal | WMO 官方活动页；9/24 才举办 | [WMO](https://wmo.int/media/news/wmo-ai-webinars)／[ECMWF 注册页](https://events.ecmwf.int/event/581/) | 无第五场 PDF、录屏、代码、权重、评分样本；只保留主办方摘要级主张 |
| Toward a Real-Time Gust Front Prediction for Wildfire Hazard Awareness Using Polarimetric Weather Radar | 正式发表 5/11；Crossref 9/5 03:03 +08 才创建 | 极化雷达阵风锋 +30 min 位置概率 | window-out | IEEE RadarConf 2026 正式会议论文 | [IEEE DOI](https://doi.org/10.1109/RADARCONF2663773.2026.11674988) | 摘要可核；手工标签、代码、数据、逐时效分数和复用许可未公开；图件不镜像 |
| 9/4—9/6 低价值 HF／Zenodo weather-radar-AQ 制品 | 主／缓冲窗口 | 多类噪声 | low-value-exclusion | 个人镜像、课程／一页报告、例行数据库和应用更新 | [个人雷达镜像](https://huggingface.co/datasets/ray3389/fr-radar-rainfall)／[Météo-France 原始数据](https://huggingface.co/datasets/meteofrance/fr-radar-rainfall)／[AQI 报告](https://zenodo.org/records/22303979) | 无新科学数据、模型或验证：雷达镜像复制既有 2025 官方数据卡和 2020—2024 tar；AQI 报告无地点／源／拆分／代码；其余为 DB backup、cloud audit 时间戳或天气应用 |
## 三、四条核心研究线
### 3.1 core-nowcasting：没有新场预报结果，阵风锋位置预报不能代替回波预报
主窗口内未发现新的雷达回波／降水场 0—3 h 论文、权重、数据或正式状态。AD4DVAR-radar 的改动量很大：从上一记录的 ca8f18c 到 2398e5f，公开 diff 涉及输入派生、ledger、promotion、数值边界、测试和审查制品，合计 67 个文件。新守卫覆盖输入 provenance 所有权、失败重试下的制品清理、cross-dtype／device remap、当前版 issuance、promotion 关联、受限不确定性和亚秒加速度判定；作者记录的 Python 3.10／3.12 CPU 回归可见。
这些更改提高了可审计性，但仓库 README 仍明确把系统限定为 offline scientific demonstration：三帧 10 min 雷达输入预测未来 180 min，状态只有全局平移、增长和局地守恒 remap，不能一般表示旋转、变形、多系统运动或新生对流；forecast_confidence 也不是校准概率。作者审查材料同样把真实雷达案例、CUDA 和完整 MPS 留为未完成项。因此本期只更新 infrastructure，不把大批测试或 review artifact 写成新技巧。本轮没有执行下载来的外部代码，作者自报的通过数不等于独立复现。
窗口外补获的 IEEE 阵风锋论文更接近对象位置 nowcasting。它把每个手工检测的极化雷达阵风锋拟合为曲线，再转成归一化锚点；相邻扫描配对后建立 point-wise 和 mean-motion 两个速度模型，并融合为位置概率预报。官方摘要称多个案例在约 30 min 内有显著技巧，且正与 Neuro-Fuzzy Gust Front Detection Algorithm 联接以实现自动化。它预测的是阵风锋位置及其不确定性，不是未来回波或降水场；没有案例数、逐时效位置误差、可靠度和代码时，不能当成已校准业务系统。
### 3.2 core-short-range：FY-4A PWV 是题名级上游信号
FY-4A PWV 同化论文的正式上线日期可由 Elsevier core metadata 核到 9 月 5 日，但自动访问只能取得题名、作者、PII 和订阅状态，没有摘要。题名支持“卫星可降水量同化改善强降水 NWP”的上游方向，却不能告诉我们使用何种模式和同化方法、多少次起报和降水案例、验证到几小时、参照是站点还是雷达、是否使用共同样本，也不能判断它与 AI 后处理是否有直接关系。
因此该条目留在 metadata-only。升级到 infrastructure 至少需要可访问摘要或全文、起报—有效—时效合同、控制／同化试验共同样本和逐阈值降水结果。今天没有新的 0—72 h AI 降水订正、雷达—模式融合或区域业务验证主结果。
### 3.3 core-s2s：天气型边界信息、生成集合和校准层次成为主信号
#### 北美天气型 AI Phase 1 handout
**任务与数据。** 新 handout 用 ERA5 1980-03-01—2022-11-30 的日尺度 500 hPa 位势高度异常构造六类北美天气型，其中四类全年有效、一类只在春夏有效，另保留 no-regime。43 个气象年形成 15,379 个初始化和 498,702 个“初始化—时效”评分对；每次预报一次输出未来 42 d 的六分类概率。
**模型与比较。** 22-channel TCN 使用 16 个 Z500 主成分和 6 个当前天气型概率；27-channel arm 再加入 RMM1、RMM2、滞后两个月的 ONI、60°N 10 hPa 纬向风和 QBO30。网络为五个残差 TCN block、dilation 1/2/4/8/16、hidden width 32，两个 arm 分别约 40.7k 和 41.3k 参数。评估按气象年 leave-one-out，另划四个内验证年，13 个随机种子，逐时效 temperature scaling 和 30 次 MC-dropout；参考包括季节气候态、六状态一阶 Markov 以及慢变强迫进入转移 logits 的 forced-Markov。
**作者报告效果。** 在 10—20 d，22／27-channel 相对气候态 RPSS 为 +0.03030／+0.03138，相对 Markov floor 为 +0.01765／+0.01874，20,000 次联合 year-and-seed bootstrap 后八个预注册 cell 均通过 Holm 校正。短时效结论相反：lead 1 相对 Markov 为 −0.04512／−0.06274，作者将其归因于非因果低通标签与起报时刻 0.9824 的 kernel overlap，而不是模型突然失去短期动力。最直接的边界消融 27ch−22ch 在 10—20 d 只有 +0.00109，95% CI [−0.00198, +0.00448]，正确解释是“未检测到额外慢变通道效果”。
**限制。** 所有结果是 cross-validation，不是独立前瞻期；项目没有保留检查点，无法对从未见过的年份再运行。42 个时效由一个 head 同时输出，但只是独立边缘分布，没有联合轨迹一致性。提交摘要原计划把天气型再用于条件降水生成，本次材料明确将其延期到 Phase 2，并且 21—42 d 不作技巧主张。Zenodo 没有声明许可证，故不镜像图件。
**对当前研究的价值。** 它给出一个很清楚的负结果：大尺度慢变指标具有物理可解释性，并不保证在已有天气型历史和季节 Markov 之上增加信息。自己的 S2S 设计应预注册“新增边界通道相对强 Markov／动力基线的增量”，并把标签构造的时间平滑、因果性和起报重叠单独审计。
#### TianXing-S2S v1.0
**论文背景。** 既有预印本用 ERA5 1979—2015 训练、2016—2017 验证、2018—2021 测试，81 个大气—海洋—陆面—通量变量统一到 1.5°、日平均。多圈层变量先经 sphere-specific VQVAE 压缩，扩散 denoiser 通过 optimal-transport block 交换大气和边界信息，再自回归产生 51 成员、1—45 d 集合；作者还展示 180 d 长积分。
**作者报告效果。** 在相同 ECMWF S2S 起报日和 1.5°网格上，作者将 51-member TianXing 与 11-member ECMWF CY48r1 reforecast、51-member FuXi-S2S 比较，报告 day >10 多变量 CRPS 相对 ECMWF 最高改善约 12%，T2M／Z500／OLR／TP 的 SSR 更接近 1，95／99 分位 T2M 与 TP 的 Brier skill 在较长时效更好。集合成员数不相同、所有模型参照 ERA5、FuXi 与 ECMWF 具有各自 reforecast climatology，这些合同必须保留，不能只引用最大 12%。
**本期新增和复现边界。** 9 月 4 日 v1.0 把 MIT 代码归档为 Zenodo DOI，含 VQVAE、diffusion-OTB、训练脚本和 45 d sampler；但 test config 仍写 checkpoints/xxx.ckpt，仓库与 21.63 MB 存档都没有训练权重。配套 HF 数据创建于 2025 年，只给 2018—2021 每月一个初始化样例的 21 个变量，且许可为 CC BY-NC 4.0，不是完整测试集。故本期是“可引用代码快照”，不是“论文结果可复现完成”。
### 3.4 core-air-quality：NEXUS 结构紧凑，但数据合同与宣传尺度不一致
**数据和时效。** NEXUS 覆盖 Delhi NCR 约 60×60 km，2018—2021 年。污染物 CO、NO、SO₂来自 CAMS 三小时资料的四个域角点；ERA5 提供降水、净太阳辐射、10 m 风和皮温，论文先提到十六个气象位置，最终经 IDW 对齐到四个污染物位置。每个输入含 168 个三小时步，即过去 21 d，只预测下一步 +3 h。训练为 2018—2020，验证为 2021-01—06，测试为 2021-07—12；没有真实预报气象、排放预测或站点观测。
**模型和效果。** Patch embedding、低秩投影、CompactKernel／MicroConv／FusionGate 三路 NanoBlock、可学习融合和空间加权池化组成 18,748 参数网络。作者在同一测试段报告 CO／NO／SO₂ 的 R² 0.9404／0.9140／0.9521，平均 R² 0.9355，高于同表 SCINet、Autoformer 和 FEDformer；推理约 0.8 ms／样本。测试只是一段六个月序列，未见跨城市、站点留出、多起报循环或不确定性评估。
**关键证据问题。** 文中把 CAMS 场称为 pollutant observations，却没有地面站独立验证；四个输出位置也不足以支撑“高分辨率邻里级”表述。更严重的是单位：公开 CSV 的 CO／NO／SO₂ 是约 10⁻⁶／10⁻⁸／10⁻⁸ kg kg⁻¹，论文却将 RMSE 0.27—0.36 和月均 0.35 标为 kg kg⁻¹，量级不可能来自反归一化物理值，必须等待勘误或明确“标准化空间指标”。仓库虽公开 NEXUS_Dataset.csv、7.65 MB 压缩数据和图片，却没有 README 所称的 interactive notebook、模型源码、权重或 LICENSE。
论文图 1｜NEXUS 的完整紧凑预测架构。
原始图注：NEXUS architecture showing the complete processing pipeline from raw spatiotemporal inputs through patch embedding, low-rank projection, stacked NanoBlocks with parallel pathways (CompactKernel, MicroConv, FusionGate), weighted spatial pooling, and prediction head. The compact design achieves superior forecasting performance through strategic exploitation of atmospheric data structure—local temporal coherence enables patch-based dimensionality reduction, dominant meteorological modes justify low-rank projections, and multi-scale parallel processing captures concurrent atmospheric processes across temporal scales.
来源：Rampunit Kumar、Aditya Maheshwari，NEXUS: A Compact Neural Architecture for High-Resolution Spatiotemporal Air Quality Forecasting in Delhi National Capital Region，arXiv:2602.19654v2，Figure 1。
许可：CC BY 4.0。
本站使用日期为 2026-09-06；从 arXiv v2 PDF 无裁剪提取完整 1332×1302 嵌入图像，source 与 web PNG 字节一致，未添加标记或改写科学信息。
## 四、相关方法与基础设施
### 4.1 AI-LAM：边界锚定能保持多年稳定，但不会自动补足对流尺度
**任务和数据。** 正式论文在美国南部大平原和东南部 28—40°N、87—103°W 建立 4 km、336×336、小时级区域 LAM。1980—2018 CONUS404 是高分辨率训练目标，0.25°、3 h ERA5 是边界强迫，2019 为验证。模型上一时刻的高分辨率状态、相邻两个大尺度边界时刻以及年月日／时刻编码共同输入 Swin-Transformer；总降水等诊断量由独立 U-Net 后处理。
**实验合同。** 2021—2024 water years 分别以 3 h ERA5、6 h ERA5 和 1°、6 h GDAS/FNL 驱动；另用 CESM-LENS2 做 1980—2010 与 2070—2100 两段 30 年模拟，并把 10 个 CESM member 的 2025—2027 下推成区域集合。所有试验从 CONUS404 2010—2019 气候态起步，约 96 h spin-up；因此这不是从每个业务分析起报的 0—72 h forecast。
**作者报告效果。** 3 h 边界更新相对 6 h ERA5／GDAS 使 2 m 温度 RMSE 约降 18%／24%，10 m 风约降 10%／12%；6 h ERA5 与 6 h GDAS 差异反而较小，说明边界时间频率比数据源差异更重要。10-member CESM 试验中，区域 member spread 与边界集合接近，且增加了中尺度谱能量。
**不足。** 相对 CONUS404，所有当前气候试验在 10—100 km 的能量谱均偏低，短波端最明显。降水后处理能复原冬季有组织系统和雨带，但暖季低估降水对象数量，高分位雨量也偏低；Hurricane Ida 登陆后衰减过快。下一步不能只加更强 decoder，而应在相同边界信息下检验生成式局地残差是否提高事件数量、强度、谱和概率可靠度，同时不破坏大尺度锚定。
**开放性。** 官方 GitHub 为 Apache-2.0，含训练、推理、评估、环境和配置；HF 有 3.2 GB checkpoint。代码最后实质提交为 8 月 13 日，权重约五个月前上传，本期没有新制品，只是论文从 2 月 arXiv 升级为正式期刊文章。
论文图 1｜4 km AI-LAM 的区域、网络与边界强迫工作流。
原始图注：(a) The 4-km grid spacing domain with shaded elevation. (b) Vegetation categories of the domain. (c) Architecture of the AI-based LAM. (d) Architecture of the U-Net-based post-processing model. (e) The dynamical downscaling workflow. (f) An example of time window matching between hourly dynamical downscaling and 6-hourly boundary forcings.
来源：Yingkai Sha、Tracy Hertneky、Ethan D. Gutmann、Seth McGinnis、Rachel McCrary、Lulin Xue、David John Gagne II、Kathryn Newman、Andrew Newman，AI-Based Regional Emulation for Kilometer-Scale Dynamical Downscaling，arXiv:2602.18646v2，Figure 1。
许可：CC BY 4.0。
本站使用日期为 2026-09-06；从 arXiv v2 PDF 无裁剪提取完整 2570×3136 嵌入图像，网页图等比例缩至 1600×1952 并转换为 RGB PNG，未添加标记或改写科学信息。
### 4.2 vortex-day：源端检测更真实，不代表下游概率更好
该 Zenodo 包面向 ATL、NWP、SWIO、SEIO 四个海盆，把 1.5° FuXi-S2S／CFSv2 场中的涡旋日检测，与 IBTrACS tropical-storm days、检测阈值校准、计数模型和概率后处理逐层拆开。当前 ten-member 诊断覆盖 104 个日期；发布说明报告，大尺度 index signal 的保留约 57%，直接 vortex-presence 只约 23%，提示粗网格系统可能保留环境信息而丢掉对象本身。
最值得借鉴的是 stage-aware calibration。包内 authority map 把“源端检测更忠实”“源端校准能否替代 downstream calibration”“两级校准是否相容”分成不同对比；18 个 within-downstream 配置中差异方向一致，15 个 target-week cluster-bootstrap 区间排除零，说明源端校准在下游链中可能反而降低分数。这个结果不能概括成“不要校准检测器”，而是要求阈值／对象检测和最终概率产品在同一目标、共同样本和完整链上联合验证。
开放性比普通 supplement 好：4.51 MB 存档含 BSD-3-Clause Python、CC BY 4.0 派生结果、十张可重建图、204 个表值的独立期望和 MANIFEST。它仍不是端到端重跑包：缺少 forecast fields、per-case predictors、AI Weather Quest labels、部分 FuXi 产物和一个 extended ERA5 generator；论文 Word 文件也未公开。发布内置 verifier 的存在是审计设计，不是本轮独立运行通过的证据。
## 五、机构信号、仅元数据、窗口外与排除项
**WMO／AI Weather Quest。** WMO 的固定日期页面现在给出 9 月 24 日第五场 webinar 的团队摘要，但不公开精确修改时间，故不强行归入 24 h。摘要称 Fengshun 是直接输出 T2m、降水、MSLP 周概率五分位的轻量模型；FengshunAdjust 融合 Transformer、diffusion 和 GroupVAE／Mamba，FengshunHybrid 再叠加动力 S2S，主办方称 Hybrid 赢得第三季、Adjust 当前领先第四季。MicroEnsemble 的 PBC 摘要称对 ECMWF 动力与 AI 系统做历史概率偏差订正后，AIFS 的 modest subseasonal skill 翻倍，并在 91%／92%／98% 的气压／温度／降水 targets 上优于 operationally debiased dynamical model。CLINT 摘要则强调 calibrated ECMWF ensemble 加 lagged forecasts 已能进入前五，后期 residual U-Net 只用于移动概率分布。三者共同提示“校准和动力锚定”可能比再造一个独立模型更有效，但没有榜单快照、样本定义、RPSS 数值、代码或演讲材料前，只能作 institution-signal。
**FY-4A PWV。** 仅题名、作者和正式日期可核；不从旧的 FY-4A PWV 研究推断本篇的同化方法和效果。图件未镜像：正式文章为订阅内容，具体图件许可未核。
**窗口外阵风锋。** IEEE 论文真实发表日为 5 月 11 日，9 月 5 日只是 Crossref 迟到创建。技术内容值得回补，但不进入今日新增技巧统计。
**低价值排除。** ray3389/fr-radar-rainfall 在主窗口创建，却复制了 Météo-France 官方 2025 数据卡、2020—2024 年 tar 结构和示例；没有新增年份、QC、哈希或授权链，不能计作新数据集。Zenodo 的一页 AQI 报告只写“五年数据”和 3 d lag，不给城市、数据源、拆分、RMSE 绝对值或代码，却声称可提前 3—7 d 预警，归 low-value-exclusion。HF 的 santiago-weather 只是每日 DB backup，weather-analyzer 是云资源审计时间戳；天气建议 bot、静态 radar board、常规预报文本／数据库更新、space weather 和无源 schema notes 均不进入研究更新。FOCI 区域化学—气候情景模拟和 CHM_Wind 历史均值数据是真实制品，但不是初始化预报、AI 结果或本研究四条线的当前评估合同，本期不借关键词填充。
**来源限制。** arXiv 官方 API 的最新相关记录仍停在 9 月 3 日，周末没有新相关提交；Semantic Scholar 四组查询全部 429。GitHub 匿名 API 达到 rate limit，重点仓库改用公开 Atom feed、fixed-commit raw 文件和 diff 核验。Hugging Face 搜索偶发 401／TLS EOF，后续单关键词查询成功并交叉核了候选。TianXing 21.63 MB Zenodo archive 下载两次均在 TLS／传输中断，文件树由部分下载、GitHub v1.0 固定 raw 文件和 Zenodo 元数据共同核实；未把下载不完整写成代码缺失。API 失败均记录为访问限制，不写成“来源零结果”。
## 六、对当前研究的具体启发
1. **新增物理边界必须对强条件基线测增量。** 北美天气型结果显示，MJO、ENSO、平流层和 QBO 有物理意义，却在已有状态历史＋季节 Markov 后没有可检测增益。FGOALS／多模式 S2S 实验应把“动力锚定后的新增信息”设为主 estimand，而不是只比较有无通道的端到端分数。
2. **标签构造可以制造虚假的短时技巧。** 天气型 handout 的 lead-1 kernel overlap 达 0.9824，非因果滤波使短时结果主要读取标签定义。异常、天气型和低频指数都应同时报告过滤相位、起报重叠和因果版本。
3. **校准是链式问题。** vortex-day 包说明源端 detector calibration、后续计数模型和最终概率校准不能各自单独最优。雷达 QC→QPE→nowcast、MLWP→降尺度→空气质量也应做同样的两级／三级消融。
4. **大尺度稳定与局地恢复应双合同验证。** AI-LAM 保持多年均值、边界响应和集合 spread，却丢失 10—100 km 能量与暖季对流对象。生成式 refinement 应在相同大尺度边界下同时检验谱、对象数、极值、可靠度和水分／质量收支。
5. **回顾性再分析输入不能代表真实预报。** NEXUS 的 +3 h 结果完全由过去 CAMS／ERA5 构成，没有未来 NWP、排放到报或站点真值。空气质量实验必须分开 analysis-driven、perfect-driver 和 true-forecast-driver 三种合同。
6. **代码、权重和测试资料仍需三向冻结。** TianXing 有论文和代码快照却无 checkpoint；NEXUS 有数据却无代码；S2S handout 有完整统计却无模型制品。真正可复现基线应同时冻结 DOI／commit、权重哈希、起报 manifest 和指标入口。
7. **集合公平性不能只看成员数。** TianXing 51 members 与 ECMWF 11 members、天气型 30 次 MC-dropout、单 head 的 42 个边缘分布代表不同不确定性结构。比较时应统一或显式校正成员预算，并分别报告边缘校准和时空联合一致性。
## 七、后续跟进触发器
| 对象 | 下一次应升级的触发条件 |
|---|---|
| 北美天气型 AI Phase 1 | 公开代码／claims ledger／bootstrap stream／checkpoint；独立前瞻年；官方会议记录；Phase 2 条件降水和联合轨迹验证 |
| TianXing-S2S | VQVAE／diffusion 权重与哈希；完整起报清单；锁定环境；51-member 复算与 equal-member ECMWF／FuXi 比较 |
| vortex-day release | 公开 manuscript／preprint；原始 FuXi／CFSv2 输入 manifest；缺失 extended ERA5 generator；独立从 forecast fields 重算 |
| NEXUS | 精确 VOR online date；单位勘误；真实站点和空间留出；未来 NWP／MLWP 气象；论文匹配代码、权重和许可证 |
| AI-LAM | 真实 forecast-cycle 起报；站点／雷达独立验证；生成式降水对象恢复；极值可靠度；跨 forcing 的独立复现 |
| AD4DVAR | 相同真实雷达事件的 before-after；完整独立 suite、CUDA／MPS；简化可审计科学接口和标准 release |
| FY-4A PWV assimilation | 可访问摘要／全文；NWP 与 DA 配置；案例、时效、共同样本和降水指标；代码／数据 |
| RadarConf 阵风锋 | 自动 NFGDA；手工标签和冻结事件；逐时效位置误差、可靠度与代码；与回波／风场预报的联合价值 |
| WMO AI Weather Quest 9/24 | 正式 JJA 2026 和总榜、演讲 PDF／录屏、共同样本／RPSS、Fengshun／PBC／CLINT 制品 |
## 八、简短结论
今天的核心进展是把“可预报信息、生成式集合和校准”拆得更清楚。北美天气型 handout 给出有价值的正、负结果：历史状态能在 10—20 d 超过气候态和 Markov，但新增慢变通道未显示增益，且现有结果还不能前瞻运行。TianXing-S2S 和 vortex-day 分别推进了生成集合代码归档与后处理审计，不过都未闭合原始输入—权重—结果全链。
AI-LAM 正式发表进一步说明，大尺度边界锚定可以带来多年稳定和集合 spread 保留，却不能自动恢复暖季对流对象；NEXUS 则反向提醒，漂亮的 R² 和极小模型不足以替代真实站点、未来预报驱动、空间留出和正确单位。雷达临近预报本身今天保持空缺，AD4DVAR 的更新只算正确性基础设施，窗口外阵风锋工作也只支持对象位置预测，不能替代未来回波场证据。