Nowcast3D：基于灰箱学习的可靠三维降水预报
机器学习
2026-01-27 v4 大气与海洋物理
摘要
可靠的极端降水预报仍然困难，因为对流系统在三维空间上具有强烈的非线性、多尺度和非平稳特性。雷达是预报的 backbone，但现有方法在预测极端值方面仍有挑战：基于物理的外推无法捕捉增长和衰减，确定性学习倾向于平滑化并低估峰值，而纯生成模型往往缺乏物理一致性。混合方案有所帮助，但大多局限于二维复合雷达反射率，将大气压缩为单一层，丢弃垂直结构，这对于高度依赖 dynamics 的情形至关重要。我们引入Nowcast3D，一个灰箱、完全三维框架，直接处理体积雷达反射率。该端到端模型将受物理约束的神经算子（输运、局部扩散和微物理）与条件扩散模型耦合，用于生成带有量化不确定性的ensemble预报。在约10.24×10.24度的省级三维体积上训练，在约2.56×2.56度的城市区域上微调（0.01度≈1公里），Nowcast3D提供最高可达3小时的near-real-time预报，并在跨区域和时间离样本测试中超越竞争性基线。在全国盲测评估中，160名气象学家对Nowcast3D进行评估，排名第一，并在57%的事后评估中被偏好，超过领先的基线（27%）。这些结果凸显了其可靠性和操作价值，对于极端降水预报具有重要意义。
引用
@article{arxiv.2511.04659,
title = {Nowcast3D: Reliable precipitation nowcasting via gray-box learning},
author = {Huaguan Chen and Wei Han and Haofei Sun and Ning Lin and Xingtao Song and Yunfan Yang and Jie Tian and Yang Liu and Ji-Rong Wen and Xiaoye Zhang and Xueshun Shen and Hao Sun},
journal= {arXiv preprint arXiv:2511.04659},
year = {2026}
}