# 2026-09-09 大气科学 AI 研究日报

核验截止：**2026-09-09 13:10:00 +08:00**。主窗口为 9 月 8 日 13:10—9 月 9 日 13:10；24–48 h 缓冲为 9 月 7 日 13:10—9 月 8 日 13:10。上一期实际截止为 9 月 8 日 13:05:06，相差的 4 分 54 秒由缓冲覆盖。提交时间、公开列表批次、DOI 创建、正式出版与代码提交分别判断；全文、图件和发布核验在冻结截止后继续完成。

## 一、总体判断与信号地图

今天最完整的新证据来自 **Stochastically Perturbed Weights（SPW）**。它将四个已有确定性 AI 天气模型变成无需重新训练的集合，在共同 10 成员、112 个起报时刻上比较到 15 天。最重要的结果是扰动位置依赖架构，而且增加离散度可能带来整场偏移；空间平均量、格点概率和时空联合结构需要分别检验。它没有验证降水，因此不能用来支持雷达或极端降水技巧。

第二条直接信号是西非 **NetNCC + ASCAT 土壤湿度**。新预印本以 2007–2020 年六月训练、2021–2024 年六月测试，比较卫星红外与加入 0.1°/0.25°土壤湿度后的 4 h 对流核预报。细尺度陆面信息主要改善傍晚至夜间，上午反而可能退化，提示环境先验的价值取决于日变化和天气过程。其目标仍是红外识别的对流核，不能当作雷达雨量。

缓冲补获的东亚极端数据集与未观测站点后处理论文，分别提供周尺度标签框架与空间外推检验。Neptune 提供全球海洋—海冰 60 d 模拟，但持续使用给定大气驱动，属于 `adjacent-method`，没有证明完整大气—海洋真实预报技巧。两条雷达期刊记录尚缺可读摘要/全文，保留为元数据；空气质量核心线没有核实到可靠新增。

| 研究线 / 层次 | 本期信号 | 技术边界 |
|---|---|---|
| core-nowcasting | 新 GNSS-PWV/雷达期刊登记待核；无完整新核心实验 | 题名不能替代提前量、划分与指标 |
| core-short-range | NetNCC + ASCAT，重点为 4 h 对流核 | 卫星代理目标；只覆盖六月；增益有日变化 |
| core-s2s | SPW，1–15 d 全球天气集合 | 没有降水验证；112 起报仅八个周块；并非 15–65 d 结果 |
| core-air-quality | 无可靠核心新增 | 未把空气质量分类、空间估计或应用刷新算成真实预报 |
| adjacent-method | Neptune；缓冲中的站点空间插值/ALP | 给定驱动的海洋模拟、温风后处理都不能直接外推到降水 |
| infrastructure | 东亚极端标签；DMI；Fed-Cast | 数据与实验合同的进展，不是新的独立技巧排名 |
| metadata-only | GNSS-PWV/雷达；GSWarpNet；HF WN2 兼容性改写 | 登记、许可线索或参数键改名不等于新科学结果 |

本期镜像 **1 张代表图**，来自 Neptune 的 CC BY 4.0 arXiv v1，完整 Figure 1，仅等比例缩放，未裁剪或添加标注。没有公开镜像论文 PDF；所有论文分数和仓库测试均为作者报告，本轮未独立训练或复算模型。

## 二、新增条目表

### 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/平台与正式状态 | 链接 | 代码/数据状态 |
|---|---|---|---|---|---|---|
| Stochastically Perturbed Weights: Ensembles from Deterministic Machine-Learning Weather Models | 9/8 08:18:40 UTC，v1 提交 | 全球 1–15 d 概率天气 | core-s2s | arXiv 预印本，暂无期刊信息 | [v1](https://arxiv.org/abs/2609.08412v1) / [全文](https://arxiv.org/html/2609.08412v1) / [代码](https://github.com/MeteoSwiss/ai-models-ensembles) | BSD-3-Clause 主仓库，有推理/扰动/容器/评估脚本；论文声称 v1.0.0，本轮未独立确认该 release；不含全量预报场 |
| ESA CCI 0.1 degree soil moisture: evaluation and applications for precipitation verification and storm nowcasting | 9/8 discussion；14:11:31 UTC DOI 创建 | 4 h 卫星对流核与陆面先验 | core-short-range | EGUsphere 预印本，HESS under review，未录用 | [官方页](https://egusphere.copernicus.org/preprints/2026/egusphere-2026-4687/) | 公开土壤湿度/ROA 数据源；论文链接 NetNCC notebook，未核实本实验训练包、权重及代码许可 |
| Neptune: An AI model for Global Ocean Subseasonal Prediction | 9/8 11:42:25 UTC，v1 提交 | 海洋慢变信息与条件模拟 | adjacent-method | arXiv 预印本，暂无期刊信息 | [v1](https://arxiv.org/abs/2609.08606v1) / [全文](https://arxiv.org/html/2609.08606v1) | ORAS5/ERA5 来源明确；未核实专属公开代码、权重、冻结输入清单；Figure 1 已镜像 |
| DMI nowcast：光流停滞修复与分层概率验证 | 9/8 18:43–19:35 UTC 四次提交 | 雷达外推与概率评估 | infrastructure | GitHub 工程更新，无论文新状态 | [仓库](https://github.com/fink42/dmi-nowcast) / [最终提交](https://github.com/fink42/dmi-nowcast/commit/44cc07bba5c6a0868929eb611286f7765b807611) | 光流置信度补全、配对日块 bootstrap、雨量站验证与默认16成员；完整真实评估包未公开核实 |
| Fed-Cast：批处理站点与跨节点驻留约束 | 9/8 16:13–23:36 UTC | 联邦雷达训练复现 | infrastructure | 第三方 GitHub 复现流程，无独立结果新增 | [仓库](https://github.com/pegasus-isi/fedcast-workflow) / [主要改动](https://github.com/pegasus-isi/fedcast-workflow/commit/bebb1d92714099d75b327718ce566a1ef2ce0a56) | 新增 Slurm/HTCondor 站点目录映射及节点约束校验；仍无完整 E1 结果、权重和标准许可证新证据 |
| Spatiotemporal Fusion of DEM-Corrected GNSS-PWV and Radar Reflectivity for Extreme Precipitation Nowcasting in Complex Terrain | 9/8 19:03:22 UTC DOI 创建 | 雷达/水汽/地形融合 | metadata-only | IEEE TGRS 正式 journal-article 登记，页码暂为1–1，确切上线日未核 | [DOI](https://doi.org/10.1109/TGRS.2026.3731815) / [IEEE](https://ieeexplore.ieee.org/document/11683859/) | 无可核摘要、全文、代码、权重、数据与图件许可 |
| kashif WeatherNext 2/Cyclones/mini 参数键兼容更新 | 9/8 15:32–15:36 UTC | 全球天气制品兼容性 | metadata-only | HF 社区移植；Transformers PR 47874 仍开放 | [WN2](https://huggingface.co/kashif/weathernext2) / [Cyclones](https://huggingface.co/kashif/weathernext-cyclones) / [PR](https://github.com/huggingface/transformers/pull/47874) | 提交说明为 FiLM/edge-bias/MLP/head 键重命名；未验证完整转换等价性，不算新训练或 WN3 权重 |

### 2.2 24–48 h 缓冲补获

| 标题 / 对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源/平台与正式状态 | 链接 | 代码/数据状态 |
|---|---|---|---|---|---|---|
| EastAsiaClimateExtremes: An AI-Ready Dataset of Weekly Atmospheric and Oceanic Extremes over East Asia for Subseasonal Prediction Research | 9/8 04:36:38 UTC，v1 提交；早于上期截止 | S2S 周尺度极端标签 | infrastructure | arXiv 预印本，暂无期刊信息 | [v1](https://arxiv.org/abs/2609.08241v1) / [仓库](https://github.com/yyalexlee/EastAsiaClimateExtremes) / [论文所引归档](https://doi.org/10.5281/zenodo.22139821) | README 有四类数据下载入口及分析脚本目录；未验证全量文件、归档许可与完整性 |
| Statistical versus machine learning-based spatial interpolation of post-processed ensemble weather forecasts | 9/7 14:00:29 UTC，v1 提交 | +48 h 温风概率空间外推 | adjacent-method | arXiv 预印本，暂无期刊信息 | [v1](https://arxiv.org/abs/2609.07512v1) / [全文](https://arxiv.org/html/2609.07512v1) | TIGGE/DWD 数据来源明确，未核实论文专属代码、权重与站点划分制品 |
| GSWarpNet: Decoupled warp-and-refine radar echo nowcasting with physics-regularized flow supervision | 9/7 23:33:31 UTC DOI 创建 | 雷达位移与细节恢复 | metadata-only | Science of Remote Sensing 正式记录；封面2026年9月，许可起始8/29，具体上线日未核 | [DOI](https://doi.org/10.1016/j.srs.2026.100500) | 只有出版元数据；VOR 为 CC BY-NC-ND 4.0；无可核全文/代码/数据 |

缓冲条目是检索延迟补获，不称为上一截止后的首次公开。GSWarpNet 尤其可能是旧文迟到登记：许可起始日不是可独立替代的正式上线证据。

## 三、四条核心研究线

### 3.1 core-nowcasting：水汽—雷达融合出现新登记，证据暂不足

IEEE 记录确认 Jiale Wang、Yi You、Ming Xia、Chuang Shi 的 TGRS 论文题名与 DOI，内容方向为经 DEM 订正的 GNSS-PWV 与雷达反射率时空融合。其可借鉴点是，在复杂地形中把水汽环境信息与已有回波演变分开处理；但这只是由题名确定的研究方向。官方页面本轮返回空的 HTTP 202，未获得摘要或全文，因而**地区、数据年份、网格、模型结构、输入长度、预报提前量、训练测试、作者效果与代码许可均未核实**，不归入新的核心实验结果。

GSWarpNet 的题名指向位移与残差细化解耦、物理正则化流场监督，与“运动信息保留—局部结构恢复”的问题直接相连。但 Crossref 没有摘要，期刊页受到访问限制，不能据题名断言使用什么数据、哪种物理方程、概率采样或指标。先跟踪全文、真实上线日和代码，不能把 DOI 创建日写成算法发布日期。[IEEE 记录](https://doi.org/10.1109/TGRS.2026.3731815)、[GSWarpNet 记录](https://doi.org/10.1016/j.srs.2026.100500)。

两篇图件均未镜像：复用许可未核实或不满足本站自动复用白名单。GSWarpNet 的 CC BY-NC-ND 不属于本次可自动镜像许可。

### 3.2 core-short-range：ASCAT 土壤湿度改善的时段并不均匀

**来源与任务。** Ahmad 等的 EGUsphere/HESS 在审预印本首先评估非洲土壤湿度空间结构，再将最佳的 0.1° ASCAT 产品加入 NetNCC。后者用 MSG SEVIRI 10.8 μm 红外亮温预测未来对流核，基础架构为 U-Net，损失结合空间 FSS 思路。新实验重点为 **4 h**，因此归短时线；它不是雷达回波或定量降水预测。[全文与状态](https://egusphere.copernicus.org/preprints/2026/egusphere-2026-4687/)。

**数据与训练测试。** 输入是三个逐小时红外场，加入陆面时再提供土壤相对湿度和观测可用性 mask，共五通道。2007–2020 年六月训练，2021–2024 年六月测试；1024×1024、0.05°网格，所有输入最近邻重映射。0.1°土壤湿度映射到0.05°并不增加原始分辨率。作者按10/22 UTC更新 ASCAT，此后保持到下一次更新，体现了离散到报而非逐小时完美观测；真实产品延迟与跨经度过境差异仍需业务验证。参照为红外 wavelet 核标签，重点看5–15°N，局部最高发生频率也仅约3%。

**作者效果。** 加0.1°土壤湿度后 CSI 通常在17时以后至次日5时改善，9–13时红外基线反而更好；0.1°通常比0.25°更有利。PR 曲线整体相近，不能只凭真实事件上的预测概率提高就说校准改善。作者为各模型选择约0.25–0.30的最佳概率阈值，未充分明确该阈值优化是否完全与最终测试分离，因此固定阈值和独立校准需后续核对。没有从图中估读并宣称统一百分比增益。

**上游评价与开放性。** 论文用热红外地表温度空间异常检验土壤湿度结构，ASCAT 优于被动传感器主导的混合产品；再用土壤湿度评估约12 h降雨空间分布，Rain-over-Africa 表现较好，而 ERA5 较弱。这是独立物理代理检验，仍不能等同雨量站真值。文章列出 CEDA/TU Wien 土壤湿度、ROA、ERA5 等数据入口，以及 [NetNCC notebook](https://github.com/JawairiaAA/NetNCC/)，但本轮未核实这套新增土壤湿度实验的训练代码、权重和复现清单。

**可借鉴点与限制。** 环境条件可增加对流组织信息，但增量必须按昼夜、地表干湿和空间梯度分层；只看日平均会掩盖上午退化。六月限定和红外代理目标限制跨季节、跨区域及真实强降水解释。论文为 CC BY 4.0，本期没有提取其图件，不扩大为未经逐图核验的复制。

### 3.3 core-s2s：SPW 可回收已有模型的不确定性，但不能补回所有细节

**数据与模型。** SPW 对 Aurora、GraphCast、SFNO、AIFS 的公开确定性检查点施加乘性高斯权重扰动，不重新训练。三阶段分别扫描噪声幅度、网络张量组、粗尺度位置。最终选 Aurora encoder、GraphCast 全权重、SFNO 最低10个谱模态、AIFS decoder，说明不存在通用“最佳扰动层”。GraphCast 的粗尺度实验使用 activation hook，不能笼统称全部都是权重扰动。[arXiv v1 全文](https://arxiv.org/html/2609.08412v1)。

**训练/选择与测试。** 四个季节代表起报用于调参，随后在2023–2024年1/4/7/10月的2–8日、每日00/12 UTC，共112次起报上评估；10成员、最长360 h。参照为 ERA5/WeatherBench2，变量为2 m温度、海平面气压及500/850 hPa的位势、温度、风和比湿，没有降水。比较 AIFS-ENS、FCN3、Atlas 与抽取10成员的 IFS-ENS。调参和检验日期分开，但112个起报相互依赖，有效独立单元更接近八个周块。

**作者效果。** 240 h时，SPW-AIFS、GraphCast、Aurora、SFNO 的 CRPSS 分别落后最优 AIFS-ENS **0.036、0.089、0.122、0.131**；这都是分数差，不是百分比下降。到360 h差距缩小主要因为大家趋近气候态，Aurora 已略低于气候基线，不能解释为长时效追平。单成员通常比原确定性控制更差，但成员平均在较长时效改善 RMSE，部分来自平滑。比湿校准较弱，恰好提醒间歇性和非高斯变量不能只靠扰动条件均值恢复。

**概率与公平比较。** 固定权重噪声会让同一成员在整个积分中向同一方向偏移，导致区域/全球平均过度离散；周期刷新噪声与限制粗尺度各修复部分问题。外部 IFS 扰动分析场可补短时效离散度，但引入对另一个系统初值集合的依赖。IFS档案各变量有18–30%缺测，联合完整时次更少；作者在 IFS 有效共同样本上重算后，120/240 h排序不变，最大CRPSS位移0.0022，但ERA5原生AI对ERA5检验仍比IFS有参照一致性优势。八周块bootstrap也不能代表全年所有天气型。

**开放性与技术判断。** [MeteoSwiss 主仓库](https://github.com/MeteoSwiss/ai-models-ensembles) 已有 BSD-3-Clause、扰动推理代码、容器、Slurm调度、参数配置、图表脚本和缓存中间量，并连接 [SwissClim_Evaluations](https://github.com/swiss-ai/SwissClim_Evaluations)。论文声称v1.0.0固定版本，本轮release请求未完成核验；README论文链接仍为占位，不能写成完全冻结的一键复现。输入和基础检查点各有自己的获取及许可条件，完整预测场未随主仓库交付。它适合已有模型无法重训时的集合基线，仍需按模型重新调参；不能据此声称恢复了降水锐度或达到65天技巧。

**图件未镜像：复用许可未核实。** 当前 arXiv v1 为永久非独占许可；主仓库软件许可没有在本轮被核实为适用于具体论文图件的授权，故仅链接原文。

### 3.4 core-air-quality：没有可靠的真实预报驱动新增

本轮未核实到新的 CAMS/MLWP/NWP 驱动空气质量预报、气象误差传播或沙尘阈值可靠度结果。OpenAlex 返回空气质量特征优化和空间评估题名，但没有得到足以确认提前量、时间隔离和真实气象驱动的第一手实验信息，不升级核心线。GitHub/HF 查询中的常规应用与小时刷新也不计入科研进展。Semantic Scholar限流、部分Crossref查询失败，使本结论仅适用于本轮可访问证据，不代表全面证明没有论文。

## 四、相关方法与基础设施

### 4.1 Neptune：保留海洋记忆的条件模拟，尚非完整S2S预报

**科学任务与数据。** Neptune预测海洋温盐、洋流、海表高度、混合层深度、海冰厚度/浓度，输出逐日、最长60 d。ORAS5海洋与ERA5大气覆盖1993–2021，1993–2016训练、2017–2018验证、2019–2021逐日起报测试；温盐流有14个深度层。大气输入包含2 m温度/露点、10 m风及海平面气压。积分使用给定未来逐日大气场，并没有联合预报大气，因此归 `adjacent-method`。[v1全文](https://arxiv.org/html/2609.08606v1)。

**模型与训练。** 约13 M参数的卷积encoder-decoder结合SFNO全局谱模块，将过去两天海洋/大气映射为未来两天海洋残差；季节和高斯噪声进入conditional layer normalization。先1°训练150 epochs，再0.25°微调50 epochs，MAE目标。高分辨率版通过重采样保持1° latent计算尺度。1°版用8成员评估，0.25°版因成本仅做确定性评估，不能将低分辨率CRPS优势赋给高分辨率版本。

**作者结果与限制。** 多数变量相对训练期气候态的RMSE/CRPS在30天内较好，部分变量到60天仍保持优势；洋流在40–50天以后可能不及气候态，混合层、强边界流及涡动能细节退化。作者检验OHC、EKE、海冰及ENSO/IOD，但“积分稳定”不等于守恒成立；以海冰浓度直接作为发生概率计算Brier，也需要单独解释概率含义。没有共同真实未来大气预报驱动的业务比较，亦未核实专属代码、权重和冻结起报包。可借鉴残差推进、慢变量条件化和大尺度—局部双通道结构，但不能从给定驱动实验推断完整S2S系统技巧。

<figure class="paper-figure">
  <a href="https://arxiv.org/html/2609.08606v1#S2.F1" target="_blank" rel="noreferrer">
    <img src="/assets/paper-figures/2026-09-09/neptune/fig-1-web.png" alt="Neptune完整方法图：过去两天海洋及大气输入、卷积和SFNO模块、季节与噪声条件化及未来两天海洋残差输出" loading="lazy">
  </a>
  <figcaption>
    <strong>论文图1｜Neptune局地卷积与全局谱模块。</strong>
    原始图注：Neptune architecture is a Unet-shaped SFNO operating on dimensions H × W. Ocean data along with atmospheric forcing at time-steps t−1 and t are projected into a 256-dimensional latent space using convolutions. Encoder and decoder blocks capture local non-linear relationships within the latent data, whereas the SFNO blocks capture global relationships. Noise and day-of-year are injected into the conditional layer norms of the network to drive during the residual state forecasting. A convolution-based recovery restores the data into the original physical space, thus producing ocean forecasts at times t+1 and t+2.
    来源：Davide Donno、Italo Epicoco、Massimo Cafaro、Gabriele Accarino、Mohammad M. Amirian、Viviana Acquaviva、Paola Nassisi、Doroteaciro Iovino、Annalisa Bracco、Simona Masina、Pierre Gentine，Neptune: An AI model for Global Ocean Subseasonal Prediction，arXiv:2609.08606v1，Figure 1。
    许可：<a href="https://creativecommons.org/licenses/by/4.0/">CC BY 4.0</a>，版本许可见<a href="https://arxiv.org/abs/2609.08606v1">arXiv v1</a>。本站使用日期2026-09-09；原始1642×822 PNG完整保留，网页仅等比例缩放为1600×801 PNG，无裁剪、改色、标注或面板删除；图注数学符号转为Unicode。
  </figcaption>
</figure>

### 4.2 东亚极端标签：对齐有效周，并不自动得到独立技巧

**来源和内容。** EastAsiaClimateExtremes的v1位于缓冲窗口，构建21–48°N、114–141°E、1.5°网格上的高温、强降水、海洋热浪标签。ERA5为1940–2024，OISST为1982–2024；提供原场、气候态、P90/P95、极端天数、最大超阈强度、累积超阈值及事件起止/持续长度。它是数据和分析框架，没有新神经网络训练，也没有AI相对动力模式的技巧提升结果。[全文](https://arxiv.org/html/2609.08241v1)、[仓库](https://github.com/yyalexlee/EastAsiaClimateExtremes)。

**时空合同。** 温度/SST周平均、降水周累计；再分析参考期1991–2020。ECMWF V2016覆盖1996–2015、V2024覆盖2004–2023，示例取第3周，即预报第15–21天，与同一有效周ERA5匹配。各模式版本使用自己的气候阈值，两个年代的历史样本不同，因此不能把频率或趋势差直接归因模式升级。论文一处将ERA5降水重映射说明为面积守恒，而hindcast预处理写双线性；共同样本、累计单位和重映射方法需在正式对比前统一。

**作者发现与可借鉴点。** 两个hindcast版本都表现出高温极端频率增加，但空间分布相对ERA5存在位移，V2024尤明显；这属于统计结构诊断，没有证明事件级辨识或概率可靠度。事件标签与7天滑动窗非常适合多模式/S2S工作，但训练测试应按年份/事件隔离，并处理相邻滑动周重叠和阈值参考期泄漏。不能把1.5°标签当作公里级局地强降水真值。

**交付状态。** README可读，列出四类外部数据下载与CODES分析入口；正文提到Zenodo 22139821，本轮API返回504，未核查归档文件、全量数据和许可。仓库目录命名与正文存在daily/weekly表述差异，后续需以文件坐标核准。论文CC BY 4.0不自动授权原始ERA5/ECMWF或外部托管数据再分发。本期无模型权重，也未镜像该数据论文图件。

### 4.3 未观测站点后处理：海拔分组有用，复杂网络不保证外推

**数据与任务。** Lakatos 的缓冲预印本比较德国+48 h、每日00 UTC起报的50成员ECMWF温度/风速预报。TIGGE原网格0.5°，配DWD站点2007–2016。筛选后99个温度站、182个风站，其中69/129站用于训练，其余保留作空间外推。基础特征仅集合均值/标准差，扩展特征含其他气象量、地理位置、海拔/模式地形和季节编码，共41/46项。[全文](https://arxiv.org/html/2609.07512v1)。

**方法与测试。** 比较regional/local/cluster EMOS、boosted EMOS、DRN、50 km邻接GraphSAGE和Transformer。滚动历史窗口因方法而异；温度ML为3283天，温度最终验证为2016-03-02至12-31，随机模型重复10次。ALP按低于300 m、300–700 m和至少700 m分组，以前60天已观测站CRPS拟合混合权重，再迁移到未观测站；因此既有时间顺序，也有留站测试，但不等于跨气候区外推。

**作者效果与关键反例。** 扩展特征下，未观测站Transformer、DRN较强，地理GNN退化；海拔不进入邻接关系可能使高山站被附近低地过度平滑。未观测站温度CRPS中，Transformer单模型/普通混合/海拔混合为0.8689/0.8708/0.8613 °C；DRN则为0.8743/0.9051/0.8812 °C。ALP虽比普通混合显著改善，DRN组合仍差于DRN单模型，不能写成所有混合均优于所有单模型。风速未测试线性混合。

**开放性与迁移。** 未核实论文专属训练代码、权重和固定站点清单。可借鉴“相同输入信息量下比较统计/神经方法”和“按地形迁移分布参数”，但需同时报告未观测站coverage、sharpness和极端阈值表现，不能把温風结果直接视作降水改善。**图件未镜像：复用许可未核实**，arXiv v1为永久非独占许可。

### 4.4 DMI与Fed-Cast：验证和数据驻留必须在真实流程中成立

**DMI。** 已检查公开补丁。光流更新以Sobel纹理置信度识别大面积平坦回波中的近零运动，使用高纹理湿像素的稳健运动中位数补全低置信度区域，统一在线、corpus和replay入口。它是Farnebäck/STEPS修复，不是AI新架构。配套benchmark增加Brier分解、BSS、ROC/PR-AUC、CRPS、rank histogram、FSS及配对日块bootstrap；按留一年月重新拟合告警阈值，防止只重放已拟合阈值。最终默认16成员，并以“至少500个已知槽从未湿”的规则筛除疑似坏雨量站。该规则本身仍需仪器状态和干旱气候排查，不能把代码判定当作独立质控真值。[光流补丁](https://github.com/fink42/dmi-nowcast/commit/c64f8ebe734394672873bcd500f409e584c85521)、[评估补丁](https://github.com/fink42/dmi-nowcast/commit/44cc07bba5c6a0868929eb611286f7765b807611)。

提交说明中的个例停滞比例来自未随本期公开的案例材料，不用于本站定量结论。没有新的可复算共同样本技巧、完整corpus或独立结果包；主要代码沿用MIT与vendored STEPS的BSD许可。可借鉴输入纹理失效检测、生产/回算一致性和事件级bootstrap，仍需检验补全是否抹去局地切变或新生过程。

**Fed-Cast。** 公开补丁把硬编码HTCondor站点改为外部站点目录，声明CPU/GPU/内存/时限；Slurm与HTCondor各自解析跨silo节点约束。缺节点绑定会使名义联邦运行悄然变成模拟集中放置，现流程对此做预检；后续补丁解决延迟子流程检查点清理导致无法规划的问题。它服务七区域MRMS/DGMR复现，没有新训练测试或技巧。完整E1、权重、原论文一致性、数据许可及标准软件LICENSE仍待闭合。可借鉴将“数据在哪里”纳入可执行实验定义，而不是只写在方法段。[主要补丁](https://github.com/pegasus-isi/fedcast-workflow/commit/bebb1d92714099d75b327718ce566a1ef2ce0a56)。

## 五、机构信号、仅元数据、窗口外与排除项

- **institution-signal：** 本轮没有核实新的高价值机构交付。ECMWF Anemoi博客、EMS/WP-MIP和WeatherNext 3已有记录，没有确认新公开配置、权重或冻结评估，因此不刷新为今日成果。NOAA常规预报讨论中使用AI guidance也不是新模型验证。
- **metadata-only：** GNSS-PWV/TGRS及GSWarpNet保留上述出版核验边界。HF的WN2/Cyclones/mini在本窗口改写FiLM、edge-bias、MLP和head参数键，模型卡给出CC BY 4.0及原始来源，并指向尚未合并的Transformers移植PR。没有完整权重差分或端到端等价复算，不升级为新训练、独立复现或WeatherNext 3发布。其大致任务为0.25°、6 h步长全球场及热带气旋诊断；本期不是新的训练/测试研究，原论文效果不重复计入。
- **window-out：** 原WeatherNext 2模型、上期冰雹/NCAST、早先Anemoi原型不再展开。GSWarpNet存在8/29许可起始线索，正式上线日仍待核，不强行将其归为窗口内科学首发。
- **low-value-exclusion：** `enhansome-precipitation-nowcasting`本次补丁仅改README/JSON中的星标、issues和其他仓库提交时间，没有科学载荷；[补丁](https://github.com/enhansome/enhansome-precipitation-nowcasting/commit/3f2fea00d55257c561923f74d8a3744e82af22bb)可核。OneScience的[PrecipitationSRCNN](https://huggingface.co/OneScience-Group/PrecipitationSRCNN)位于缓冲，明确使用少量合成降水/地形样本测试216×488网格、mm/day的SRCNN流程，不代表官方ERA5/ERA5DD分布；许可为CC BY-NC-ND，未带来真实预报证据。学校/黑客松洪水界面、经济/疾病nowcasting、空间天气和监测类空气质量条目不纳入四条核心线。

**检索覆盖与限制。** 完整读取范围、图件政策、最近两期大气日报、最近两期历史雷达日报、tracker和自动化记忆，按ID/题名/URL去重。arXiv API覆盖更新时间窗口，直接nowcasting查询0项，weather宽查询16项、AQ宽查询2项，经任务筛选保留四篇上述新稿；网页recent/new快照仍停在9/7，因此没有只凭列表判断无新增。Crossref初次时间排序噪声大，补做相关性排序，成功核出雷达与土壤湿度记录；其他补查询出现429/TLS失败。OpenAlex五组返回0/1/2/2/0条；Semantic Scholar四组均429。GitHub/HF按平台检索并读取重点仓库，GitHub后续限流后改用固定提交公开patch和raw文件；未执行外部代码。OpenReview检索只获得旧会议材料。AMS、AGU、Copernicus、IEEE、Elsevier、Springer及主要机构分源查询未产生其他已核实核心增量。网络限制和索引迟延仍可能造成漏检，失败接口不是无新增的证据。

## 六、对当前研究的具体启发

1. **把不确定性拆成来源和尺度。** 权重、初值、细尺度噪声分别贡献什么，需要同时看格点分布、区域平均和时空轨迹；格点CRPS好不保证整场没有共同偏移。
2. **环境先验应按过程检验增量。** 土壤湿度、水汽和地形可改善部分时段，也可能让其他时段退化。雷达输入扩展应预设日变化、湿度梯度和新生/平流过程分层。
3. **真实驱动与给定驱动分开。** Neptune使用给定未来大气场，对空气质量驱动和S2S降尺度都是提醒：高分辨率输出和长积分不自动等于真实预报技能。
4. **空间外推必须保留反例。** ALP改善普通混合却不总胜单模型；按站点、海拔和气候区分别留出，比全站平均更能检验局地信息是否真正保留。
5. **共同标签需要冻结构造过程。** 东亚周极端任务应固定起报、有效周、重叠窗、版本气候态、降水累积单位与重映射；跨ECMWF/CMA/NCEP/其他模式不能只统一数组形状。

## 七、后续跟进触发器

| 对象 | 下次升级条件 |
|---|---|
| SPW | v1.0.0/tag确证；完整起报及共同缺测mask；全年/更多独立周块；降水和物理收支；多成员与外部初值可获取性 |
| NetNCC+SM | 新增实验代码/权重；阈值训练测试隔离；概率校准；其他月份与真实雷达/雨量参照；实际ASCAT到报 |
| Neptune | 专属代码/权重；真实预报大气驱动；高分辨率集合；与动力/AI海洋模式共同样本；OHC/EKE/海冰概率定义 |
| EastAsiaClimateExtremes | Zenodo及文件许可可核；有效周坐标与完整性；不同版本共同年代/样本；训练外阈值和事件去重 |
| 空间插值/ALP | 代码、站点划分及调参清单；跨区域留出；降水或联合变量扩展；与单模型逐项比较 |
| DMI/Fed-Cast | 冻结真实corpus或完整E1结果；生产回算等价；质控规则独立核验；联邦节点驻留和论文一致性 |
| GNSS-PWV、GSWarpNet | 全文/摘要、确切上线日期、时效/数据/划分/效果与代码许可 |
| HF WN2移植 | PR合并/正式版本、转换参数完整映射、与原实现逐步和rollout等价；兼容更改不再单独触发科研升级 |

## 八、简短结论

今天的增量支持一个具体方向：在保留现有大尺度动力信息的同时，按架构、尺度与天气过程增加条件信息和随机性，再用独立空间/时间样本检验。SPW给出可用的免重训集合路线，NetNCC说明陆面信息存在时段依赖，ALP则说明局地校准需要地形与留站验证。Neptune与东亚标签框架具有方法和数据价值，但还不能替代真实预报驱动、共同样本和极端概率校准。