AI4S新突破！复旦团队联合开发首个预报精度超越HRES的全球天气循环同化和预报系统FuXi-Weather
2022年以来，数据驱动气象大模型不断涌现，预报精度超过传统数值天气预报。但气象大模型依赖数值模式初始场，成为制约其进一步发展的瓶颈。
针对上述问题，复旦大学、上智院、中国气象局、加州大学洛杉矶分校等机构的联合研究团队开展了基于人工智能的同化和预报联合建模研究，开发出首个业务可用的从真实观测（卫星亮温数据等）到预报的高精度全球天气循环同化和预报AI系统——FuXi-Weather。近日，该成果相关论文以“A data-to-forecast machine learning system for global weather”为题发表于Nature Communications。
图1 FuXi-Weather预报系统示意图
该系统可以实现真实观测数据的快速循环同化，相对于数值模式（NWP）的同化系统，速度提升千倍以上，仅100ms就可以实现一次数据同化。传统NWP同化系统流程复杂，计算成本高，并且对数据有苛刻的要求，领先的NWP同化系统数据利用率仅为10%左右。FuXi-Weather首次实现了卫星数据的全网格、全表面（陆地和海洋）、全通道和全天空（All-grid, All-surface, All-channel, and All-sky）的资料同化，极大的简化了资料同化流程，并且模型可以自动提取有用信息，极大降低了对数据质量的要求。上述特性使得FuXi-Weather可以大规模实时同化各种观测，进而实现更高频次的预报，比如接入各种小卫星数据，实现每半小时更新的同化和预报。
FuXi-Weather将同化模型和预报模型联合建模，实现对预报结果的端到端优化。仅仅使用三颗极轨卫星和部分掩星数据，FuXi-Weather从白噪声开始进行循环同化，实现了全球的高精度天气预报，大部分变量有效预报天数超过了欧洲中期天气预报中心（ECMWF）的高分辨率预报系统（HRES），其中Z500有效预报时长9.5天，超过HRES的9.25天（图2）。
图2 FuXi-Weather与HRES不同气象要素有效预报时长对比
虽然没有同化近地面的观测，但是在非洲等缺少观测的区域FuXi-Weather预报精度仍能明显超过HRES（图3）。
图3 FuXi-Weather与HRES在中非区域的预测精度对比
此前，团队已经研发了包含短临、中期、中期集合和次季节在内的一系列气象大模型。伏羲中期气象大模型在中国气象局组织的人工智能天气预报大模型示范计划业务评估中自示范计划启动以来持续排名第一，获2025国际基础科学大会科学前沿奖，并提前3天成功预测台风“贝碧嘉”（1949年以来登陆上海最强台风）在上海登陆。伏羲次季节气象大模型是首个基于人工智能的次季节大模型，将马登－朱利安振荡（MJO）有效预报时长从30天延长到36天，并入选中国气象局官方气象大模型及2024中国十大气象科技进展与气候研究重大进展；该模型从2024年开始业务化运行，对2024年汛期长江中下游地区降水异常强度和位置的预测，均优于ECMWF次季节模型。
据悉，这是复旦大学联合上智院开展AI4S研究的又一重要成果。伏羲团队透露，在上述工作的基础上，正在研发新的FuXi-Weather 2.0模型，同化更多真实观测数据，精度上有更大幅度的提升，敬请期待。
上智院主任研究员孙修宇，复旦大学人工智能创新与产业研究院博士后仲晓辉为论文共同第一作者；复旦大学人工智能创新与产业研究院研究员、上智院地球科学方向负责人李昊，复旦大学大数据学院教授、上智院地球科学领域科学家吴力波，复旦大学人工智能创新与产业研究院教授、上智院首席科学家漆远为共同通讯作者；上智院研究员徐孝泽、黄源清，复旦大学大气与海洋科学系青年研究员、上智院AI科学家冯杰为合作作者。
论文链接：https://www.nature.com/articles/s41467-025-62024-1
本文链接：http://knowith.com/news-3-3376.htmlAI4S新突破！复旦团队联合开发首个预报精度超越HRES的全球天气循环同化和预报系统FuXi-Weather
声明：本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
