MeteorPred：面向强天气事件预测的气象多模态大模型与数据集
人工智能
2025-11-25 v2 计算机视觉与模式识别
摘要
及时准确的强天气事件预报对早期预警以及约束下游分析与决策至关重要。由于强天气事件预测仍依赖主观、耗时的人工专家判读，端到端的“AI气象站”系统正在兴起，但面临三大挑战：(1) 强天气事件样本稀缺；(2) 高维气象数据与文本预警之间的对齐不完善；(3) 当前多模态语言模型无法有效处理高维气象输入或捕捉其复杂的时空依赖关系。为应对这些挑战，我们推出了 MP-Bench，这是首个面向强天气事件预测的大规模多模态数据集，包含 421,363 对多年原始气象数据与对应文本描述，覆盖广泛的强天气场景。在此数据集之上，我们开发了一个气象多模态大模型 (Meteorology Multimodal Large Model, MMLM)，可直接接收 4D 气象输入。此外，该模型专为适应 4D 气象数据流的独特特性而设计，集成了三个即插即用的自适应融合模块，能够沿时间序列、垂直气压层和空间维度进行动态特征提取与整合。在 MP-Bench 上的大量实验表明，MMLM 在多项任务中均取得了强劲性能，展现了有效的强天气理解能力，代表着迈向自动化、AI 驱动的强天气事件预报系统的关键一步。我们的源代码和数据集将公开发布。
引用
@article{arxiv.2508.06859,
title = {MeteorPred: A Meteorological Multimodal Large Model and Dataset for Severe Weather Event Prediction},
author = {Shuo Tang and Jian Xu and Jiadong Zhang and Yi Chen and Qizhao Jin and Lingdong Shen and Chenglin Liu and Shiming Xiang},
journal= {arXiv preprint arXiv:2508.06859},
year = {2025}
}