https://mp.weixin.qq.com/s/w4i6j00R-T-qpYQLsYkQ6w
原创 #气象数据服务 地学拓扑局 2025年10月17日
论文简介
题目：A foundation model for the Earth system
期刊：《Nature》（IF:48.5 Q1）
发表时间：2025年5月21日
文章编号：(2025) 641:1180-1187
DOI: 10.1038/s41586-025-09005-y
研究背景及意义
地球系统的可靠预测对减轻自然灾害影响、支撑人类发展至关重要。传统数值模型虽功能强大，但计算成本极高，且存在复杂度高、难以快速改进、对次网格尺度过程的近似处理限制精度等局限。近年来人工智能（AI）在提升预测性能与效率方面展现出潜力，2023 年盘古天气（Pangu-Weather）等 AI 天气预报模型突破，推动了基于 AI 的天气预报发展，但现有 AI 模型多聚焦于 0.25° 分辨率的全球中期天气预报，在海洋动力学、海浪模拟、大气化学等关键领域仍存在研究空白，且 AI 在复杂极端天气预报中超越依赖人类多模型分析的系统的潜力尚未充分挖掘。在此背景下，开发一款能覆盖多领域、兼具高精度与高效率的地球系统 AI 模型，对填补研究空白、提升地球系统预测能力、降低预测成本具有重要意义。
研究内容
本研究开发了名为 Aurora 的大型地球系统基础模型，该模型采用 “预训练 - 微调” 框架：首先基于超过 100 万小时的多样化地球系统数据（含预报数据、分析数据、再分析数据及气候模拟数据）对模型进行预训练，以学习控制大气和海洋流动及相关次级过程的动力学通用表示，预训练阶段以最小化 6 小时提前期的平均绝对误差为目标，在 32 个 A100 GPU 上训练约 150,000 步；
随后针对不同下游任务进行微调，以适配特定预测需求。Aurora 模型结构包含三部分：将异质输入转换为通用 latent 三维表示的编码器、实现表示随时间演化的处理器、将标准三维表示转换为物理预测结果的解码器，可通过递归将预测结果反馈为输入生成不同提前期的预报。研究重点测试了 Aurora 在四大关键预测领域的性能：0.4° 分辨率的 5 天全球空气污染预报、0.25° 分辨率的 10 天全球海浪预报、5 天热带气旋路径预报、0.1° 分辨率的 10 天全球天气预报，并分别与现有业务系统）进行对比，同时通过案例研究（如 2022 年伊拉克沙尘暴、2022 年台风南玛都、2023 年台风杜苏芮、2023 年欧洲希亚拉风暴）验证模型对极端事件的预测能力。
研究结果
1、多领域性能超越现有业务系统：在空气污染、海浪、热带气旋路径、高分辨率天气四大领域，Aurora 分别在 74%、86%、100%、92% 的目标指标上优于传统系统，且对极端事件（如台风杜苏芮、希亚拉风暴）预测精度突出，是首个 5 天提前期内超越业务热带气旋预报的 AI 模型。
2、“预训练 - 微调” 框架高效适配任务：预训练数据多样性与模型规模扩大可提升性能（规模每增 10 倍，验证性能提 6%），微调单个任务仅需 4-8 周，较传统模型开发周期大幅缩短，且较从零训练对指标提升平均达 22%-54%。
3、低成本与广应用潜力显著：Aurora 计算速度较传统模型快 10 万倍，可灵活微调至海洋环流、农业生产力等多任务，未来还能扩展至直接处理观测数据，为地球系统预测普及化与多领域应用提供可能。
主要图集
图1：Aurora是用于地球系统的13亿参数基础模型
图2：Aurora在实际应用中大多数比较中要么与CAMS匹配要么优于CAMS
图3：在实际操作环境中，Aurora在大多数比较中与HRES-WAM相当或表现更优
图4：Aurora在多个机构和全球多个地区的热带气旋预测系统中表现出色
图5：Aurora在大多数比较中表现优于IFS HRES，并且是唯一一个能够准确估计暴风雨Ciarán最大风速的人工智能模型 | 
发表于 2025-10-29 11:21:03
