導(dǎo)語

為了能夠深入理解人類世背景下地球系統(tǒng)各要素之間復(fù)雜的相互作用與演化機制，并為人類應(yīng)對未來的地球系統(tǒng)科學(xué)重大挑戰(zhàn)提供一套科學(xué)的認(rèn)知框架，集智俱樂部聯(lián)合清華大學(xué)講席教授陳德亮、北京師范大學(xué)教授樊京芳、東莞理工學(xué)院特聘副研究員陳愛芳、南開大學(xué)副教授戴啟立老師和愛爾蘭都柏林大學(xué)博士生班嶄共同發(fā)起，將組織大家從新的研究范式出發(fā)梳理相關(guān)文獻，并深入研讀其中涉及的理論與模型。

從2025年3月4日開始，每周二晚上19:00-21:00，讀書會將以線上形式進行，持續(xù)時間預(yù)計8-10周。讀書會詳情及參與方式見后文。

分享背景

2022年華為云盤古氣象大模型以顛覆性的AI精度和萬倍效率跨越傳統(tǒng)數(shù)值預(yù)報門檻，正式拉開氣象智能革命的帷幕。此后兩年，全球氣象學(xué)界掀起大模型創(chuàng)新風(fēng)暴：Google DeepMind的GraphCast重塑中期預(yù)報精度標(biāo)尺，上海人工智能實驗室的"風(fēng)烏"刷新臺風(fēng)路徑預(yù)測紀(jì)錄，Aardvark更突破性地構(gòu)建了不依賴格點數(shù)據(jù)的端到端預(yù)報架構(gòu)。這場從物理方程驅(qū)動到數(shù)據(jù)智能驅(qū)動的范式遷移，正在以驚人的速度重構(gòu)百年氣象學(xué)科的技術(shù)地基。

值此變革浪潮之際，彩云科技聚焦兩大核心攻堅領(lǐng)域：針對中國復(fù)雜地形下的區(qū)域精細化預(yù)報難題，提出雙模型協(xié)同框架；在降水預(yù)報這一"氣象預(yù)測皇冠上的明珠"領(lǐng)域，突破傳統(tǒng)方法對極端天氣事件表征不足的桎梏，受NWP啟發(fā)，首創(chuàng)融合平均量和擾動量的深度學(xué)習(xí)降水預(yù)測框架，可生產(chǎn)清晰且高精度的降水預(yù)報，能夠為防災(zāi)減災(zāi)等業(yè)務(wù)提供更好的數(shù)據(jù)支撐。

分享簡介

本次分享將首先回顧氣象預(yù)報大模型的發(fā)展歷程，并從算法框架，核心創(chuàng)新點，特性與預(yù)報效果等角度綜合介紹Pangu, Fengwu, Fuxi 等各個氣象預(yù)報大模型，并展望未來的發(fā)展方向。

接著，本次分享介紹中國區(qū)域氣象預(yù)報大模型CNCast。和Pangu相比，該模型可用更少的算力實現(xiàn)和Pangu準(zhǔn)確率相當(dāng)或更好的區(qū)域預(yù)報。CNCast預(yù)報覆蓋全部要素，溫壓濕風(fēng)等要素進行直接預(yù)報，降水則通過其他變量進行診斷生成預(yù)報。在溫壓濕風(fēng)等要素的預(yù)報上，CNCast使用了改進的SwinTransformer 3D模型，同時融入邊界條件，可迭代生成未來5天的逐小時區(qū)域預(yù)報。在降水要素預(yù)報上，CNCast基于Latent Diffusion，可基于較小的計算量實現(xiàn)準(zhǔn)確率高且紋理較清晰的降水集合預(yù)報，此外，通過swinir也實現(xiàn)了更高分辨率的降水預(yù)報。

最后，本次分享將介紹彩云自研的高分辨率集合降水預(yù)報深度學(xué)習(xí)框架——HREPNet。HREPNet汲取數(shù)值模式分解變量為平均量與擾動量的靈感，巧妙融合基于Swin Transformer 3D的確定性模型診斷網(wǎng)格平均降水，與Latent Diffusion生成模型捕捉更高分辨率的殘差降水，并通過集合預(yù)報量化不確定性，從而顯著提升極端降水的預(yù)測精度，生成更接近真實降雨分布的預(yù)報。本次分享將詳細解析HREPNet的設(shè)計理念與技術(shù)優(yōu)勢，探討其如何借鑒物理啟發(fā)、結(jié)合大數(shù)據(jù)驅(qū)動實現(xiàn)預(yù)測的應(yīng)用成效，分析其當(dāng)前局限性與未來潛力。

CNCast和HREPNet未來5天的預(yù)報均已實時運行，并即將公開和集成至彩云天氣APP，為用戶帶來高精度的AI天氣預(yù)報體驗。

分享大綱

• 氣象預(yù)報大模型回顧與盤點

• CNCast：中國區(qū)域氣象預(yù)報大模型

• HREPNet: 基于物理模式啟發(fā)的高分辨率降水集合預(yù)報框架

核心概念

變分自編碼器，Variational Auto Encoder

擴散模型，Diffusion model

集合預(yù)報，Ensemble forecast

數(shù)值天氣預(yù)報模式，Numerical Weather Prediction model

主講人介紹

張遠汀，彩云科技算法工程師，碩士畢業(yè)于南京信息工程大學(xué)，研究領(lǐng)域包括降水短臨預(yù)報、AI 時空預(yù)測、氣象資料同化。

梁紅麗，彩云科技算法工程師。碩士畢業(yè)于中國氣象科學(xué)研究院，研究方向包括降水估計和預(yù)報、氣象大模型、衛(wèi)星氣象等。

何爽爽，彩云科技算法工程師。碩士畢業(yè)于中國科學(xué)院大氣物理研究所。研究方向包括降水預(yù)報、氣象大模型、資料同化等。

參考文獻

Liang, Hongli, et al. "CNCast: Leveraging 3D Swin Transformer and DiT for Enhanced Regional Weather Forecasting." arXiv preprint arXiv:2503.13546 (2025).

He, Shuangshuang, et al. "SkillfulHigh-ResolutionEnsemblePrecipitation Forecasting with an Integrated Deep Learning Framework." arXiv preprint arXiv:2501.02905 (2025). (HREPNet)

Pathak, Jaideep, et al. "Fourcastnet: A global data-driven high-resolution weather model using adaptive fourier neural operators." arXiv preprint arXiv:2202.11214 (2022).

Bi, K., Xie, L., Zhang, H. et al. Accurate medium-range global weather forecasting with 3D neural networks. Nature619, 533–538 (2023). https://doi.org/10.1038/s41586-023-06185-3

Chen, Kang, et al. "Fengwu: Pushing the skillful global medium-range weather forecast beyond 10 days lead." arXiv preprint arXiv:2304.02948 (2023).

Chen, Lei, et al. "FuXi: A cascade machine learning forecasting system for 15-day global weather forecast." npj climate and atmospheric science 6.1 (2023): 190.

Gao, Yuan, et al. "OneForecast: A Universal Framework for Global and Regional Weather Forecasting." arXiv preprint arXiv:2502.00338 (2025).

Allen, Anna, et al. "End-to-end data-driven weather prediction." Nature (2025): 1-3.

報名參與

直播信息
2025年4月15日19:00-21:00

報名加入社群（可開發(fā)票）

斑圖鏈接：https://pattern.swarma.org/study_group_issue/882

掃碼參與，加入群聊，獲取系列讀書會回看權(quán)限，共建共享地球系統(tǒng)科學(xué)社區(qū)，與一線科研工作者溝通交流，共同推動這一前沿領(lǐng)域的發(fā)展。

地球系統(tǒng)科學(xué)讀書會

世界氣象組織《2023年全球氣候狀況》報告確認(rèn)2023年是有觀測記錄以來最暖的一年。氣候變化正在以高溫、干旱、洪水、野火和沙塵暴等極端天氣的形式吸引人們的廣泛關(guān)注。世界經(jīng)濟論壇《2024全球風(fēng)險報告》將氣候變化作為首要值得關(guān)注的風(fēng)險。地球作為一個多要素、非線性的開放復(fù)雜系統(tǒng)，要素間相互作用關(guān)系復(fù)雜，往往牽一發(fā)而動全身。在人類活動深刻影響下，我們該如何理解并有效應(yīng)對正在面臨的氣候變化以及其帶來的社會經(jīng)濟等一系列議題，實現(xiàn)人類與地球的可持續(xù)發(fā)展？

為了能夠深入理解人類世背景下地球系統(tǒng)各要素之間復(fù)雜的相互作用與演化機制，并為人類應(yīng)對未來的地球系統(tǒng)科學(xué)重大挑戰(zhàn)提供一套科學(xué)的認(rèn)知框架，集智俱樂部聯(lián)合清華大學(xué)講席教授陳德亮、北京師范大學(xué)教授樊京芳、東莞理工學(xué)院特聘副研究員陳愛芳、南開大學(xué)副教授戴啟立老師和愛爾蘭都柏林大學(xué)博士生班嶄共同發(fā)起，將組織大家從新的研究范式出發(fā)梳理相關(guān)文獻，并深入研讀其中涉及的理論與模型。

詳情請見：