近日，我校前沿交叉研究院教師團隊在區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絡架構，在美國HRRR數據集上開展實驗，系統探索了區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代社會的多個領域中發揮著至關重要的作用。目前，天氣預報主要依賴于數值天氣預報模式，該類模型通常結構復雜、計算速度較慢。近年來，基于數據驅動的深度學習模型顯著提升了預報效率。然而，現有研究多集中于低分辨率的全球天氣預報，對于高分辨率的區域天氣預報關注較少。與全球預報相比，區域預報更側重于更高的空間分辨率，并且區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并行融合的新型網絡架構，并引入邊界平滑策略以有效整合區域邊界信息。此外，通過耦合全球預報與區域預報的方法，顯著提升了區域預報的準確性。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于傳統數值模式。
圖 1 模型架構圖
圖 2 預報算法流程圖
圖 3 預報結果
圖 4 預報結果可視化
該成果由我校前沿交叉研究院聯合華東師范大學、上海張江數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學與統計學院聯合培養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
