【南大重磅】全球首个非连续网格大气环境大模型“碧霄”

论坛搬运工

近年来，人工智能（AI）在气象预报领域掀起革命——从华为“盘古”超越ECMWF预报准确率，到清华大学“NowcastNet”实现高精度短临预报，AI正以“数据驱动”的新范式颠覆传统方法。大气环境预报（如PM2.5、臭氧等污染物预测）却长期面临瓶颈：传统数值模式（如WRF-Chem）依赖超算，计算成本高、时效性差、对污染源数据依赖高；现有AI大模型中微软“Aurora”首度提及大气环境要素，但受限于分析场数据，预报要素不全，无法满足业务需求。2025年4月，南京大学大气科学学院王体健教授团队，在arXiv发布全球首个具备业务落地能力的AI大气环境预报模型“碧霄”（https://arxiv.org/abs/2504.19764），打造空气污染防治“中国方案”。

何为碧霄？ What is BiXiao?
文中提到“碧霄”是指“蓝天”，来自于著名诗人刘禹锡的诗句“晴空一鹤排云上，便引诗情到碧霄。” 气象AI大模型的技术优势想必大家已经不再陌生了，更高的计算效率更低的资源消耗，以及纯数据驱动的AI方法具备突破数值模式预报性能瓶颈的潜力。碧霄模型是在气象AI大模型的技术基础上，在大气环境领域中的一次探索，在具备前者技术特征的同时，也开拓了Ai技术在大气环境领域中的技术潜力。例如，碧霄模型不再像大气环境数值模式一样依赖污染源数据，分区域的“集群式”环境模块大幅降低算力要求等等。接下来对碧霄模型的部分技术特征进行解读。

碧霄模型使用了与WRF-CMAQ的stand-alone模式类似的“离线”方案，将气象模块和环境模块化解耦，并且不同于以往的气象大模型数据结构，碧霄在环境模块中使用了独创的“非连续网格”数据结构。通常AI气象模型要求输入数据必须为连续网格，而“碧霄”环境模块独创离散化处理。文中介绍，碧霄模型的气象模块选用了一个14.75-55°N，65-140°E的气象模块，覆盖了中国及周边区域。环境模块初步选择我国空气污染防治难度最大区域之一的京津冀区域进行实验，选用京津冀79个监测站点映射到29个ERA5网格，网格内多站点数据取均值；训练时直接学习“连续气象场+离散污染数据→未来污染”的映射关系，摆脱对网格化环境分析的依赖。非连续网格方案的使用，使模型计算量和显存占用显著降低，这就意味着环境模块中可以使用更大的参数量。

碧霄在气象模块中选择使用了近地面层的温度、海平面气压、UV风以及露点温度等要素，高度场上选择500、850、925、1000 hPa的UV风、垂直速度、温度、比湿、重力位势等要素。气象模块中选用了与Aurora相同的3D Swin Transformer作为骨干网络，并设计了一个U型的下采样和上采样过程，最终实现气象场的推理。之后，同时将T0和T1时刻的气象场进行patch embedding和再次使用3D Swin Transformer提取双时次的气象动力特征，向环境模块进行传导。在环境模块中，直接使用观测数据构成离散网格，将T0时刻的离散环境网格进行patch embedding并与气象模块提供的动力特征进行耦合，最后设计了一个全连接的神经网络进行T1时刻的环境网格推理。

模型亮点 Model Features
高效：30秒内实现中国区域气象场和京津冀环境场未来72小时空气质量预报。
端到端：环境模块实现了从观测到预报的“端到端”能力。
非连续网格：大幅提升模型区域参数量，同时显著降降低算力需求。
精准：对比主流大气环境数值模式，预报效果显著提升。

模型效果 Model Results
文中，作者选取京津冀地区2021年1月-2024年3月每月部分数据作为测试集，与CAMS预报进行对比。碧霄对PM2.5、PM10等关注度较高的污染物预报都有着非常不错的预报表现：碧霄模型的PM2.5和PM10的预报相关性，在48小时以内显著优于CAMS，整体提升20%以上，之后逐渐与CAMS持平。PM2.5和PM10预报RMSE（MAE）相较于CAMS最大降低约20μg·m-3（15μg·m-3）和30μg·m-3（20μg·m-3）。

此外，文中还选择了2022的一次京津冀地区臭氧污染过程和2023年京津冀地区的一次PM2.5污染过程，与WRF-Chem的模拟结果进行了对比。BiXiao论文配图：“碧霄” vs WRF-Chem重污染过程预报对比

在O3的预报对比中，碧霄和WRF-Chem对O3污染的趋势都有着较好的预测，而WRF-Chem对O3的浓度预测有着普遍的低估，碧霄模型的预报结果与实测情况更为接近。在PM2.5的过程预报中，碧霄更好的捕捉了污染变化的趋势，并更精准地预报了PM2.5的浓度量级。WRF-Chem在该次污染过程中，对污染趋势和浓度变化都没有很好把握。

论文作者 Paper author
该文章第一作者姬晟轩，南京大学大气科学学院王体健教授团队成员，扶摇智能创始人。通讯作者金陵科技学院智能科学与控制工程学院曲雅微、南京信息工程大学应急管理学院袁成、南京大学大气科学学院王体健。共同作者扶摇智能（北京）科技有限公司邱振峰、净零纪元（江苏）环境科技有限公司陈璞珑。

论文PDF：https://arxiv.org/pdf/2504.19764

原文链接：“究天实验室”公众号
                   https://mp.weixin.qq.com/s/c5LjcpI7WuQWuWEuFMw9pg