近日，我校前沿交叉研究院教師團隊在區(qū)域高分辨率智能天氣預報大模型研究方面取得重要進展。研究團隊基于新型深度學習網(wǎng)絡架構，在美國HRRR數(shù)據(jù)集上開展實驗，系統(tǒng)探索了區(qū)域天氣預報中邊界條件的處理機制，并顯著提升了近地面氣象變量的預報準確性。該研究為首個真正意義上聚焦人工智能區(qū)域天氣預報模型的工作。相關成果以“An artificial intelligence-based limited area model for forecasting of surface meteorological variables”為題，發(fā)表在Nature旗下的Communications Earth & Environment期刊上（2025, vol. 6, 372）。
準確的天氣預報在現(xiàn)代社會的多個領域中發(fā)揮著至關重要的作用。目前，天氣預報主要依賴于數(shù)值天氣預報模式，該類模型通常結(jié)構復雜、計算速度較慢。近年來，基于數(shù)據(jù)驅(qū)動的深度學習模型顯著提升了預報效率。然而，現(xiàn)有研究多集中于低分辨率的全球天氣預報，對于高分辨率的區(qū)域天氣預報關注較少。與全球預報相比，區(qū)域預報更側(cè)重于更高的空間分辨率，并且區(qū)域邊界信息在其中起著更加關鍵的作用。
本研究圍繞高分辨率區(qū)域天氣預報的大模型展開探討，將預報的空間分辨率提升至3km × 3km。模型采用AFNO與Swin Transformer并行融合的新型網(wǎng)絡架構，并引入邊界平滑策略以有效整合區(qū)域邊界信息。此外，通過耦合全球預報與區(qū)域預報的方法，顯著提升了區(qū)域預報的準確性。在48小時預報任務中，該模型的預測效果與HRRR數(shù)值預報模式相當，且在10米風速等近地面變量以及低空變量的預報精度上優(yōu)于傳統(tǒng)數(shù)值模式。
圖 1 模型架構圖
圖 2 預報算法流程圖
圖 3 預報結(jié)果
圖 4 預報結(jié)果可視化
該成果由我校前沿交叉研究院聯(lián)合華東師范大學、上海張江數(shù)學研究院等高校和科研機構共同完成。我校前沿交叉研究院院長擔任通訊作者，前沿交叉研究院與數(shù)學與統(tǒng)計學院聯(lián)合培養(yǎng)的博士生高天焱為主要技術骨干，為論文第三作者。該研究得到了國家自然科學基金重大項目的支持。
文章鏈接：https://doi.org/10.1038/s43247-025-02347-5
