人工智能在气象预测中的应用伏羲气象大模型.pdf

1、赵洋洋赵洋洋上海科学智能研究院上海科学智能研究院人工智能在气象预测中的应用人工智能在气象预测中的应用伏羲气象大模型伏羲气象大模型天气和气候预测重要性新能源效率提升轮船航线优化农业生产计划准确的天气和气候预测对各行各业都至关重要灾害天气预防传统数值天气预报模式存在挑战数值天气预报模式（NWP）资料同化动力框架物理参数化方案预报产品背景场观测数据初始场后处理大气运动方程组物理过程边界场全球预报区域预报局限性：计算复杂度高，依赖大量超算资源无法通过海量的观测数据系统性提升预报精度优势：数值天气预报符合物理规律无需训练即可应用于任意区域基于超算运行AI改变传统气象预测世界格局未来？欧洲（AIFS）中国

2、气象局（风清、风雷、风顺）英伟达（FourCastNet）Pangu-WeatherFengWuFuXiFuXi-S2SDeepMind(GraphCast,GenCast)微软（Aurora）UCLA（Stormer）国家气象局机构为主传统数值预报模式(2022)第一梯队欧洲（IFS）第二梯队第三梯队英国（UM）美国（GFS）日本（GSM）韩国（KIM）澳大利亚（ACCESS）气象大模型(20222024)国外国内中国VS欧美：企业和科研单位伏羲模型矩阵：从单一场景模型向体系化模型发展FuXi-Weather(2025.06)大气-海洋-海冰-陆面耦合45-60天（次季节预测）100年（气候

3、预测)0-12小时（短临预测）0-15天（中期预测）中期预测精度行业领先FuXi-Base(2023.06)FuXi-ENS(2024.05)FuXi-Extreme(2023.10)预测精度超过本地区域模式FuXi-CSMFuXi-S2S(2023.12)MJOMJO有效预报时长3036 3036 天FuXi-Nowcast(2024.12)FY-3EMWTSFY-3EMWHSNOAA-20ATMSGNSS-ROChannelChannelChannelChannelChannelChannelHeightRaw ObservationsGridded ObservationsObserva

4、tions MaskChannelChannelChannelHeightGriddinga)b)GeopotentialRepeat Eight TimesTemperatureWind_UWind_VHumidityFY-3E/MWTSFY-3E/MWHSNOAA-20/ATMSGeopotentialTemperatureWind_UWind_VHumidityFusion ModuleGNSS-ROSurfacec)离线耦合的AIAI全球污染物预报模型FuXi-DA(2025.04)FuXi-En4DVar(2024.11)基于人工智能的资料同化系统天气气候一体化，确定性概率预报协同F

5、uXi-Climate全球气候模式模型预估真实数据实现不同碳排放情景下的气候降尺度预估FuXi-RegionalAP端到端优化和地球系统贯通的伏羲系列模型FuXi-RTM(2025.06)端到端首个基于机器学习的端到端天气预报系统多圈层耦合无缝隙预报“伏羲”系列气象大模型研发项目入选2025年世界人工智能大会2025SAIL AWARD TOP 30榜单01无缝隙天气气候预报系统FuXi-Nowcast：短临预测大模型（0-12小时）多源信息利用 动态数据：自动站和CLDAS 静态数据：地形、海陆、站点位置等地理信息自适应归一化层 编码时间周期信息，如日变化、季节变化 可根据周期信息动态调节特

6、征分组预测和优化 根据不同气象要素特征，分三组优化 平衡L1损失（BL1）提升TS指标，图像相似度损失函数（LPIPS）优化小尺度结构特征 辅助的降水二分类分支，降低小雨误报概率基于多模态大模型的12小时高精度预报。FuXi-Nowcast：阵风/降水预报阵风（阈值=10.8m/s）预报关键成功指数相对CMA-MESO和PWAFS模式分别提升106.43%和173.64%降水（阈值=20.0mm/h）预报关键成功指数相对CMA-MESO和PWAFS模式分别提升104.59%和153.80%预报时间段2025年6月和7月，空间范围华东区域（29.01 N 36.68N，114.67 E 122.