# 2026-09-11 大气科学 AI 研究日报

核验截止：**2026-09-11 13:10:00 +08:00**。主窗口为9月10日13:10—9月11日13:10；24–48 h缓冲为9月9日13:10—9月10日13:10。上一期截止为9月10日13:10。提交、DOI登记、正式上线和代码提交分别记载；全文与发布检查在冻结截止后继续完成。

## 一、总体判断与信号地图

本期最值得读的是**瑞士极端降水的WRF—扩散次季节降尺度比较**。它确实使用提前1–3周的ECMWF预报，但只检验两次事件。扩散改善谱、分布与邻域结构时，逐点CRPS往往只是保留原始集合技巧，不能将细节恢复等同新增可预报性。WRF的三个成员经干湿排序选取，成员数校正也不能消除选样差异。

**ProNet**在National Science Review上线接受稿，将神经订正嵌入化学输送方程，是空气质量核心线的重要信号；目前只能核实官方摘要，完整时效、驱动和复现包仍待补齐。**KiloDA**取得完整预印本，提供真实留站的同期风场重建证据，但其19%改善来自按ERA5误差选定的困难区域，不是无条件全域提升。

| 研究线或层次 | 本期信号 | 主要边界 |
|---|---|---|
| core-nowcasting | 韩国雷达到站点RN60代码与汇总结果；DMI、德国代码变化 | 新事件归infrastructure；未核实新的核心论文发表 |
| core-short-range | 没有核实到新的直接降水/NWP融合核心结果 | 不把同期估计、月尺度建模或云端界面算作未来预报 |
| core-s2s | 瑞士两事件、1–3周、WRF与无配对训练扩散比较 | 两事件、训练含事件之后年份、成员与输入预算不同 |
| core-air-quality | ProNet接受稿上线 | 官方摘要级；未知提前量与真实气象驱动合同 |
| adjacent-method | KiloDA；缓冲CasCorrDiff | 同期观测重建与气候降尺度，均非雷达临近预测 |
| infrastructure | R2P、ACE、DMI、德国统计；缓冲CONUS气候资料描述 | 代码、汇总表、数据描述与独立技巧分开 |

本期镜像**1张**已逐图核实的CC BY 4.0完整论文图。没有公开论文PDF、原始受限观测或许可不明图片。本轮未运行来源模型；所有分数均为作者报告。

## 二、新增条目表

### 2.1 主窗口

| 标题或对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源/平台 | 正式状态 | 链接 | 代码/数据状态 |
|---|---|---|---|---|---|---|---|
| Stress-Testing Dynamical and Generative Downscaling Using Subseasonal Extreme Precipitation Forecasts | 9/10 15:21:40 UTC提交 | 1–3周极端降水降尺度 | core-s2s | arXiv、Zenodo | arXiv预印本，暂无期刊信息 | [v1全文](https://arxiv.org/html/2609.11696v1) | v0.1.0代码归档元数据与241,458字节文件清单可核；载荷下载TLS失败；权重/完整输入未核 |
| Fusing Physics and AI Enhances Accuracy and Diagnostic Capabilities in Air Quality Forecasting / ProNet | 9/10接受稿上线；13:29:36 UTC DOI登记 | PM2.5与O3预报及过程误差 | core-air-quality | National Science Review | 已接受并在线发布的作者稿，未排版终稿 | [官方页](https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwag570/8789941) | 摘要可核；PDF403；代码/权重/数据包未核 |
| KiloDA: Reconstructing kilometer-scale near-surface wind states from sparse station observations | 9/10 08:28:44 UTC提交 | 复杂地形风场条件重建 | adjacent-method | arXiv | arXiv预印本，暂无期刊信息 | [v1](https://arxiv.org/abs/2609.11230v1) | 代码审稿期按请求、发表后拟公开；WRF按请求、站点受限；无公开权重核证 |
| Where historical gauge supervision enters radar-based precipitation nowcasting for gauge-referenced point accumulation / R2P | 9/10 05:40–12:18 UTC代码变化；v1.1.0归档9/10 | 雷达到站点60 min累计量 | infrastructure | GitHub、Zenodo | 软件与作者汇总结果；未核实正式论文 | [仓库](https://github.com/blackjjh21-afk/r2p-nowcasting) / [归档](https://doi.org/10.5281/zenodo.22684438) | BSD-3-Clause；训练/选择/导出代码及匿名CSV；无原始观测、权重和完整预测数组 |
| ACE输入dropout与ENSO汇总修复 | 9/10 17:49及21:20 UTC | 多步天气训练与气候诊断 | infrastructure | 官方GitHub | 实质代码变更 | [dropout](https://github.com/ai2cm/ace/commit/4d626f76e3d6aa1243e0f65e96c2c0ddba48bed2) / [ENSO](https://github.com/ai2cm/ace/commit/480aba1a39571005c15d260de87be34cd5526caf) | diff与回归测试可读；无新训练结果/权重 |
| DMI漏报起雨的日块计数修复 | 9/11 04:41–04:43 UTC | 临近警报验证 | infrastructure | GitHub | 实质评估代码修复 | [提交](https://github.com/fink42/dmi-nowcast/commit/5fdbde85ce0ad95975590f1f410b998e9c4b5c29) | 修正键名导致的报告崩溃；真实完整报告未核 |
| 德国RADOLAN–SEVIRI统计与接口改动 | 9/10 12:14–18:48 UTC | 雷达训练及降水累计统计 | infrastructure | GitHub | 实质代码变化，无新论文 | [累计统计](https://github.com/atikul-islam-sajib/convective-nowcasting/commit/fe4410c3f9f56549c977d3bb32da5e91b31cf944) | 5 min雨强转累计量及重构；未核实重新计算的技巧 |
| MS-PDViT引用信息修复 | 9/10 16:10 UTC | 雷达驱动闪电 | metadata-only | GitHub | 软件标记v1.0.1；投稿不是录用 | [提交](https://github.com/xiezheng75/transformer_lightning_nowcasting/commit/d9b5b1880b9c8fd47b568d6d3f253b7041020fb8) | 作者/日期占位清理；无实际论文DOI、权重或新科学载荷 |
| Overcoming data shortages through hybrid machine learning in air quality forecasting: a case study of Kağıthane, Istanbul | 9/10上线；08:12:22 UTC登记 | AQI估计/预测待判 | metadata-only | Theoretical and Applied Climatology | 正式论文，摘要级核验 | [DOI](https://doi.org/10.1007/s00704-026-06545-9) | 无核实到的未来时效、划分、代码与权重 |
| A Novel Spatio-Temporal Machine Learning Model for High-Accuracy PM2.5 Concentration Forecasting | 9/10；12:47:09 UTC登记 | PM2.5预测待判 | metadata-only | Computing, Communication, and Sustainable Energy Technologies | 书章记录 | [DOI](https://doi.org/10.1201/9781042015863-26) | 出版者访问TLS失败；摘要、数据、代码与效果均未核 |

### 2.2 24–48 h缓冲补获

| 标题或对象 | 日期与事件 | 研究主线 | 相关性分类 | 来源/平台 | 正式状态 | 链接 | 代码/数据状态 |
|---|---|---|---|---|---|---|---|
| Generative Diffusion Outperforms Quantile Mapping for Climate Downscaling Across Scales / CasCorrDiff | 9/9 posted；21:43:48 UTC登记 | 多变量分级生成降尺度 | adjacent-method | Research Square / 出版者Crossref摘要 | 在审预印本，未核实期刊录用 | [v1](https://doi.org/10.21203/rs.3.rs-10600756/v1) | 摘要可核；正文TLS失败；代码/权重与训练清单未核 |
| AI-Refined Ensemble Precipitation and Temperature Projections for Regional Impact Assessment over the Conterminous United States | 9/9正式上线，日期无小时 | 多模式气候降尺度资料 | infrastructure | Scientific Data | 正式Data Descriptor | [官方页](https://www.nature.com/articles/s41597-026-08043-z) | 摘要描述资料；本轮未核实完整档案、文件许可和训练代码 |
| A Comprehensive Comparative Analysis of Machine Learning Models for Daily Precipitation Forecasting Using Satellite-Based Meteorological Data | 9/9正式上线；10:15:53 UTC登记 | 逐日降水任务待判 | metadata-only | Osmaniye Korkut Ata University Journal of the Institute of Science and Technology | 正式论文 | [官方页](https://dergipark.org.tr/en/pub/okufbed/article/1799905) | NASA POWER来源明确；精确提前量/划分/公开代码未核 |

缓冲条目均非上一截止后的首次公开。只有日期的上线事件按日级证据记录，不推定小时精度。

## 三、四条核心研究线

### 3.1 core-nowcasting：站点累计量的监督位置可以单独比较

**R2P大致内容。** 新软件记录的是KMA准备后的4 km、10 min雷达场：过去60 min共7帧；场预测生成+10至+180 min共18帧；Direct R2P直接生成+5至+180 min共36个站点RN60目标。报告只在共同的+60/+90/+120/+150/+180 min比较，目标单位是**mm的60 min累计量**，不是dBZ或瞬时mm/h。514站用于拟合，128站排除出拟合、checkpoint选择和观测上下文；共同检验支持为2024–2025年6–9月35,088个起报时刻，时区为Asia/Seoul。[实验定义](https://github.com/blackjjh21-afk/r2p-nowcasting/blob/acd52519285cd491a4fbded3fb3ebf8c0f8f5063/configs/scientific_contract_4km10min.json)。

**模型、训练与结果。** 比较pySTEPS+CNN、适配exPreCast+CNN和Direct R2P完整路线；CNN读出为两个残差卷积块加注意力池化，读取6×3×3预报块和39维辅助量，两类场来源分别拟合。2023年做月份×站点折OOF选择，Direct R2P也在2023年拟合站上选checkpoint；更早完整训练年界及外部元组构造仍未核实。作者CSV中+60 min CSI-M为0.3439/0.3883/0.4798，RMSE为1.364/1.334/1.183 mm；+180 min Direct R2P CSI-M为0.2065，略高于exPreCast+CNN的0.1994，但RMSE **1.733反而略差于1.724 mm**。不能写成所有指标领先，也不能把匿名汇总表当独立复算。[固定版本Table 1](https://github.com/blackjjh21-afk/r2p-nowcasting/blob/acd52519285cd491a4fbded3fb3ebf8c0f8f5063/data/paper_aggregates/Table1_main.csv)。

**本次开放性增量。** 新增适配exPreCast训练、RN60选择和场导出，修正CSV图表重现；Zenodo v1.1.0列6,548,580字节软件包和BSD-3-Clause。公开包不含KMA观测、站点对应关系、检查点、全量预测；CNN元组构造在外部，同期MLP/CNN读出诊断只有结果而无训练流程。radar-only是**同一checkpoint屏蔽观测上下文**，不是重新训练的纯雷达模型。可借鉴“监督进入场生成、场到点读出还是直接目标”三条路线的共同样本比较；下一步应补齐完整因果累计区间、训练清单和检查点，方可作严格基线。本文归代码基础设施，不声称新论文已发表；图件不镜像。

### 3.2 core-short-range：没有核实新的直接核心预报结果

本轮没有取得新增0–72 h高分辨率降水订正、雷达—NWP融合或区域业务共同样本结果。题名含forecasting的NASA POWER逐日模型尚未核实特征是否提前可用；Bundelkhand新论文实际统一到月尺度，不能纳入短时预报。KiloDA是同期风场重建，见相邻方法。

### 3.3 core-s2s：结构恢复与概率增量不必同步

**来源、数据与时效。** Lima等arXiv v1比较瑞士2018年6月11–12日和2021年6月28–29日两个48 h事件。ECMWF业务S2S档案分别用cy43r3与cy47r2，控制预报和50成员集合；起报为事件首日00 UTC及提前1/2/3周。检验使用1 km CombiPrecip雷达—雨量计融合资料，聚合到6 h；文中分布指标采用**6 h平均雨强mm/h**，不能当6 h累计mm。0-day仍包含随后48 h预测，并非零时效观测拟合。[全文](https://arxiv.org/html/2609.11696v1)。

**两条建模路线。** WRF4.4采用9/3/1 km单向嵌套、35层、12 h spin-up，外边界按24 h更新，使用更广区域与多个气象变量。扩散只学习2018–2023夏季CombiPrecip，排除目标事件日，以224×336内部网格U-Net学习高分辨率分布；不需IFS—真值配对训练。IFS降水先最近邻插值、低通滤波，然后加噪到选定尺度再反向采样。正文选约200 km交叉尺度，明确更强噪声有利于细化，却减少对原始低分辨率条件的依附；这不是无需验证的通用超参数。

**训练/测试与集合定义。** 附录给100万训练步、batch2、Adam及EMA；训练含2018事件之后年份和同年其他天气，因此属于回顾性实验，不是当时可运行的历史业务试验。DDPM-det由一个控制场生成50样本，DDPM-ens对IFS50成员各采1样本。WRF仅计算按区域平均雨量排序的最干、中间、最湿三个成员。fair CRPS和成员平均FSS可减小成员数偏差，但**三个人为挑选成员不是原集合的随机可交换样本**；WRF与扩散的输入变量、域和计算预算亦不同。两事件不足以验证跨模式、跨季节总体优势。

**作者效果及反例。** 2018年1/2/3周CRPSS，IFS-ens为0.21/0.20/0.18，DDPM-ens为0.23/0.19/0.18，WRF为0.27/0.14/0.32；2021年IFS-ens与DDPM-ens均为0.15/0.13/0.17，WRF仅0.01/0.01/0.04。可见扩散并非普遍增加逐点概率技巧。扩散对谱、整体分布和15 km邻域FSS通常有增量，但2021部分谱技巧仍低于气候基线。DDPM-ens的SSR为2018年0.66/0.65/0.60、2021年0.56/0.44/0.62，仍欠离散；SSR接近1本身也不是完整概率校准。更高雨强阈值的FSS接近零，没有“提前三周准确定位最强对流”的证据。

**技术判断。** 论文摘要将事件概括为non-stationary multicell与more stationary supercell，但事件描述又写2018近乎停滞、2021跨区传播。应区分单体组织的时间变化与系统平移，不直接照搬这组标签作为已验证机制。噪声尺度根据谱及细节效果选择，独立调参集未明确；“保留可预报尺度”的因果解释需要尺度敏感性和更多天气型证实。正文CPU与GPU耗时不是标准化资源预算，不能据其墙钟比值认定普适加速倍数。

**代码和可借鉴点。** [Zenodo固定v0.1.0](https://zenodo.org/records/22687889)于9/10发布，标CC BY4.0，列约241 kB代码归档；本轮载荷TLS失败，不能称一键复现完成。论文注明ECMWF输入在其最后访问时非开放，权重和完整CombiPrecip实验包未核实。可优先借鉴同一高分辨率先验接不同动力来源、显式区分初值集合与生成噪声，并报告CRPS、谱、阈值邻域与大尺度偏移的共同代价。

<figure class="paper-figure">
  <a href="https://arxiv.org/html/2609.11696v1#S4.F4" target="_blank" rel="noreferrer">
    <img src="/assets/paper-figures/2026-09-11/s2s-dynamical-generative/fig-4-web.png" alt="完整论文图4：IFS控制和集合场经插值及低通后的功率谱，与CombiPrecip谱及约200公里噪声交叉尺度比较" loading="lazy">
  </a>
  <figcaption>
    <strong>论文图4｜噪声尺度决定多少原始信息被保留。</strong>
    原始图注：Power spectral density (PSD) of the two pre-processed forecast products from IFS to be used as conditions a posteriori by the diffusion model and the ground truth data provided by CombiPrecip. The pre-processing consists of a nearest neighbors interpolation (NNI) followed by a low-pass filter. The lines show the PSD of the 3-week-ahead forecasts. The 1-week-ahead and 2-week-ahead forecasts look qualitatively similar. The two dashed lines show the optimal standard deviation Gaussian noise σ ⋆ and the associated optimal wavelength λ ⋆ up to which we noise/denoise the forecasts using the diffusion bridge.
    来源：Mauricio Lima、Marika Koukoula、Romain Pilon、Monika Feldmann、Erwan Koch、Daniela I.V. Domeisen、Tom Beucler，Stress-Testing Dynamical and Generative Downscaling Using Subseasonal Extreme Precipitation Forecasts，arXiv:2609.11696v1，Figure 4。
    许可：<a href="https://creativecommons.org/licenses/by/4.0/">CC BY 4.0</a>，见<a href="https://arxiv.org/abs/2609.11696v1">版本许可</a>。使用日期2026-09-11；完整800×500 PNG原样复制，无缩放、裁剪、改色或本站标注，图注数学符号转Unicode。图注中的optimal是作者表述，不代表独立超参数验证。
  </figcaption>
</figure>

### 3.4 core-air-quality：ProNet把订正放进过程方程

**大致内容。** NSR官方摘要确认ProNet把观测约束神经订正器嵌入化学输送方程，用2022–2023年中国338城市PM2.5/O3资料比较CTM、纯AI及预报员订正产品。作者称相对后者准确性分别改善6.1%和3.0%，并能定位过程误差发生的时空位置。这里的百分比不改写成RMSE降幅；具体指标定义、训练年界、起报/提前量、气象模式驱动、排放设定及概率检验尚未核实。官方状态为9/10上线接受稿，不能称排版终稿。PDF403，代码、权重和数据未核。可借鉴过程内订正与误差记账，但摘要中的质量约束和解释性仍需正文收支检验支持。[官方记录](https://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwag570/8789941)。

**图件未镜像：复用许可未核实。** 官方稿件标CC BY4.0，但未取得具体图件、图注及第三方声明，暂仅链接论文。

## 四、相关方法与基础设施

### 4.1 KiloDA：历史WRF提供结构，同期站点决定状态

**数据与模型。** 论文完整PDF可读。用GFS驱动的15/3 km WRF嵌套、37层构造2024逐小时U10/V10，裁为山西及周边240×176网格；WRF使用观测nudging，因此“扩散训练不直接输入站点”不代表先验来源完全无观测。U、V分别训练DDPM U-Net，64基础通道、1000扩散步，取70万步EMA。重建时只用当前站点约束，没有同期WRF或ERA5背景；指导强度固定6，每分量10成员，配对得到风速再求均值。[原文](https://arxiv.org/abs/2609.11230v1)。

**验证及作者效果。** 2025年1–3月理想WRF检验含2,117小时，32小时强风另做100–4000随机格点密度试验，0.24%是100/42,240格点的人工约束。真实观测匹配1,340格点，逐时平均约1,294有效；区域留出238站，其余1,102站约束，另做100个复杂地形站随机留出。作者报告区域留出风速RMSE中位数较ERA5降低19%，但该区域本身由同一JFM2025期间ERA5风分量误差最高20%的主空间簇划定，应解释为**困难区域检验**。随机留站增加支持，不能消除区域选择造成的代表性限制。

**剩余问题。** IDW、kriging和KiloDA在同一约束集合比较；ERA5仅作外部参照。真实高风速尾部改善减弱，原文承认仅冬春山西验证。U/V分开生成再配对不自动维持联合风向/散度结构；10成员只用于均值，没有独立概率校准和显著性检验。没有未来起报时效，不能算0–72 h风场或空气质量气象驱动改善。WRF全档案及加工数据按请求，站点受第三方协议限制，代码审稿期按请求、发表后拟公开，权重未见。可借鉴“历史动力结构先验＋当时可得观测”的状态恢复，再单独验证下游预报增益。

**图件未镜像：复用许可未核实。** arXiv v1仅永久非独占许可，不足以授权本站转载Figure 1。

### 4.2 缓冲CasCorrDiff：两级细化，极端降水仍偏弱

Research Square于9/9公开的在审预印本，出版者存入Crossref的摘要描述100→10→1 km两级监督扩散，德国2020–2024与站点/网格参照比较ISIMIP3BASD及插值；作者报告最高温日变化相关0.99、NSE0.98和温度Wasserstein距离0.37，后者单位未核，不自行补写。摘要称能保留10–200 km谱及温度—降水共变，同时承认降水P95低估与复杂地形退化。

本轮未取得正文，2020–2024究竟如何划分训练/验证、粗场是否合成退化、参照名称、成员数、物理约束和代码/权重均未核。它是气候条件降尺度方法，未证明未来S2S技巧或逐日真实天气同步。Crossref中的accepted字段不能当作期刊录用，记录类型仍为posted-content/in-review。可借鉴分级尺度与多变量联合检验，但题名的全面优于分位数映射需要分变量、地形和尾部逐项验证。[出版者预印本](https://doi.org/10.21203/rs.3.rs-10600756/v1)。**图件未镜像：复用许可未核实**，仅有整篇CC BY标签，具体图未取得。

### 4.3 缓冲CONUS资料：十模式与两种方法不等于概率集合

Scientific Data的正式Data Descriptor摘要给出CONUS 1/24°约4 km逐日降水和最低/最高温，覆盖1980–2059，十个CMIP6模式、SSP245/585，以SRCNN与SRGAN处理。参照Daymet及已有降尺度产品，描述空间偏差、时间一致性和产品差异。本轮取得官方摘要和许可页，未得到可核的完整训练年界、冻结数据档案、权重、文件级许可和数值验证表。

这是长期气候情景资料，不是1–65 d起报集合；模式、情景、降尺度算法三个维度应保留，不能混成等概率成员。对当前研究可借鉴多源驱动制品的坐标、变量与方法标记，不能据4 km输出认定对流解析能力。[官方页](https://www.nature.com/articles/s41597-026-08043-z)。本期不选此摘要级数据描述的图件。

### 4.4 ACE、DMI与德国代码：计算定义先于技巧结论

**ACE。** dropout修复使仅用于推进轨迹、没有优化的rollout步在no_grad下不再随机屏蔽输入；否则最后一步训练看到的轨迹与推理不同。另修复ENSO系数汇总：无参照重叠样本的进程也参加collective，以有效样本数加权，避免死锁及不当平均。已读代码差分与回归测试，但没有新数据、训练/测试结果或权重；不推断全部已有检查点受影响。可借鉴把“优化步骤”和“推进步骤”的输入随机性分开，诊断汇总明确有效样本权重。[dropout](https://github.com/ai2cm/ace/commit/4d626f76e3d6aa1243e0f65e96c2c0ddba48bed2)、[ENSO](https://github.com/ai2cm/ace/commit/480aba1a39571005c15d260de87be34cd5526caf)。

**DMI。** Layer C日块把漏报起雨以misses计数名传给只接收miss事件名的映射，首个漏报触发KeyError。9/11改正并补stub fold测试；这是报告失败修复，不是漏报率已改善。完整真实corpus及重跑报告仍待核。[修复](https://github.com/fink42/dmi-nowcast/commit/5fdbde85ce0ad95975590f1f410b998e9c4b5c29)。

**德国RADOLAN–SEVIRI。** 9/10季节统计显式用每帧5/60 h把域平均mm/h转为mm，并把统计起年2015改为2016；随后继续接口重构。失效格点掩码、缺帧与每帧有效面积改变会影响累计值，转换因子正确并不保证季节水量闭合。没有新的冻结评分或权重证据，不重复上一期35→40 mm/h技巧讨论。[累计差分](https://github.com/atikul-islam-sajib/convective-nowcasting/commit/fe4410c3f9f56549c977d3bb32da5e91b31cf944)。

## 五、机构信号、仅元数据、窗口外与排除项

**institution-signal。** 未核实窗口内新的高价值机构技术交付。ECMWF EMS活动与WeatherNext3已在先前记录，日期/网页刷新不算新发布。AI Weather Quest官方数据时间表给出JJA2026预测拟于**9/14**开放，是后续触发器而非已发布；开放后可核共同起报、有效周和各队预报载荷。[官方时间表](https://www.ecmwf.int/en/forecasts/datasets/ai-weather-quest-sub-seasonal-forecasts-aiwq)。

**metadata-only。** MS-PDViT仅CITATION与.zenodo.json改动，补全作者与日期、清除虚假占位DOI；代码仍为36 min雷达历史到6×6 min闪电概率，受限观测不随附。本次没有新训练/测试或权重，也未验证真实Zenodo归档，保持元数据变化。Istanbul论文摘要为约十年资料、K-Means＋XGBoost，以气象与五污染物估计AQI，称约98%“accuracy”；其含义、逐时效、时间隔离与目标同源性均未核，不纳入核心技巧。PM2.5书章仅题名可核，数据、区域、模型、划分、分数及代码全部待核。

**缓冲metadata-only。** NASA POWER逐日降水论文使用2001–2024单地点资料比较12类模型；官方摘要给ANN/XGBoost/RF R²为0.680/0.674/0.665，LSTM/GRU为0.063/0.056。但未核实地点、输入是否同期、精确提前量和时间划分；不能把它解读为序列网络普遍不适合降水。公开代码、权重和冻结样本未核。其可跟进点是逐日标签与提前可得特征的对应，而不是凭摘要排名加入短时基线。[原文](https://dergipark.org.tr/en/pub/okufbed/article/1799905)。

**window-out。** 本期不重复展开PCSDiff、SDA温度、SPW与其他未变化旧条目；仅待此前触发条件满足时再更新。

**low-value-exclusion。** 9/11的[Bundelkhand论文](https://doi.org/10.1007/s44274-026-01047-x)全文将MODIS/Sentinel-2/MERRA-2及降水统一为0.1°月尺度，目标产品与真正未来时效不充分明确，非短时核心预测。经济nowcasting仓库NowcastPulse的年度差分、KIT传染病监测数据刷新、探地雷达扩散反演、天体大气、火灾人员雷达跟踪与常规天气/AQI应用均排除。新登记DSD条件双偏振QPE没有足够AI预报证据，不强行纳入；未为日常噪声逐条扩充tracker。

**检索覆盖与限制。** 完整载入范围、图件规则、两类最近两期日报、352,262字符tracker和126,691字符memory，解析DOI/arXiv/仓库及标题去重。arXiv四组更新时间查询分别返回1/8/3/2条，其中直接查询命中实际是S2S降尺度而非临近预报。Crossref首轮两组429，补用短词相关性查询恢复并核出CasCorrDiff；OpenAlex五组仅一条CONUS资料，Semantic Scholar四组均429。GitHub/HF分平台检索并读重点diff；OpenReview、AMS/IEEE/AGU/RMetS/Copernicus/Elsevier/Springer与机构分源网页检索未补出其他核实核心增量。NSR PDF403、Research Square和Zenodo载荷TLS失败，相关内容明确限定摘要或元数据。失败接口不是不存在新研究的证明。

## 六、对当前研究的具体启发

1. **把保留信息量做成可验证变量。** 不仅报告分辨率，还扫描扩散噪声交叉尺度，检查大尺度异常、雨带位移和极端频率是否一同改变。200 km不是可直接迁移的默认值。
2. **拆开初值、生成和模型不确定性。** 单控制场的50次采样与50个动力成员各采一次含义不同；干湿极端选样也不能当随机集合。采用共同驱动、共同样本及匹配预算补齐比较。
3. **区别状态重建与预测。** KiloDA能利用同期站点恢复风结构；若接入空气质量或短时预报，需冻结观测到报，再独立检验未来时效的误差传播。
4. **让目标读出与预报场分别承担责任。** R2P在站点RN60上的改善可能来自监督位置，不证明全域回波更准确；保留场验证、读出验证与最终累计量验证三个层次。
5. **保留失败和弱项。** 小事件集、按参照误差挑选区域、强雨/强风尾部弱化与长时效RMSE反例都应进入结论；细节锐利、代码公开或SSR改善不能替代概率可靠性。

## 七、后续跟进触发器

| 对象 | 下一触发条件 |
|---|---|
| 瑞士WRF—扩散 | 代码载荷/权重及输入许可；训练测试manifest；独立噪声尺度选择；随机/匹配成员预算；更多事件、动力系统和逐时空联合诊断 |
| ProNet | 接受稿正文及补充材料可读；CTM/气象驱动、时效/划分；质量收支和过程误差定义；代码、权重及独立验证 |
| KiloDA | 固定公开代码/权重；盲区域与更多季节；WRF nudging来源；U/V联合一致性；高风速尾部与概率校准 |
| R2P | 原始资料到元组流程；完整训练年界、累计区间及站点清单许可；检查点与全预测；独立重算及正式论文 |
| CasCorrDiff / CONUS数据 | 正文、训练年份、真实粗场来源、文件级许可、完整数据/代码；联合变量和P95/地形反例 |
| ACE / DMI / 德国代码 | 修复后的真实运行与冻结统计；有效样本权重、漏报日块和缺帧累计检验，不因普通提交刷新 |
| MS-PDViT / 两项AQ / NASA POWER | 实际归档/论文或未来预报合同出现；仅改引用或题名不升级技巧 |
| AI Weather Quest | 9/14计划开放后核实JJA文件实际出现、变量/有效周/共同样本和许可；本期不标已释放 |

## 八、简短结论

本期支持将“动力背景的信息保留、局地结构恢复、概率表达”分开检验。瑞士两事件给出可操作的S2S比较设计，也暴露集合选择与有限事件的限制；ProNet值得补读过程内订正；KiloDA和R2P分别提示同期约束与监督位置的重要性。现有证据不支持跨时效、跨天气型的统一领先结论。