StormDiT：生成式 AI 模型桥接降水预报中 2-6 小时‘灰色区’
大气与海洋物理
2026-01-29 v1
摘要
准确的短期极端降水预警对于全球灾害减灾至关重要，但在 2-6 小时的预报时段仍存在一个顽固的可预测性障碍——“现在场灰色区”。在此时间窗口内，传统的基于观测的外推方法因误差积累而失效，而数值天气预报因计算速度过慢，无法解析气 storm 尺度的动力学。最近的生成式 AI 方法尝试通过将降水分解为独立的确定性平流和随机扩散组件来弥合这一鸿沟。然而，这种分解可能会切断相互缠绕的大气过程之间的根本因果联系，例如由边界平流触发的对流动态起始。本文提出 StormDiT，一种统一的生成模型，将天气演化视为整体的时空问题，学习灰色区的耦合物理过程，无需人为设定的结构性先验条件。我们训练了包含 7720 个中国降水事件的大型数据集，该模型在长期预测稳定性方面实现了突破。在重降雨测试集上，它在 6 小时、6 分钟分辨率的完整预报范围内，保持对强对流（≥35 dBZ）的 skillful 预测，临界成功指数（CSI）接近 0.2。关键在于，模型表现出优异的概率校准能力，准确量化了运营风险。在公开的 SEVIR 基准测试中，我们的统一范式为重雨和 3 小时预报的性能分别提升了超过 2 倍，建立了第一个稳健的 3 小时基准。此外，可解释性分析揭示，模型注意力聚焦于非本地物理前导物，如流出边界，显式验证了其对对流组织的新兴理解。
关键词
引用
@article{arxiv.2601.20342,
title = {StormDiT: A generative AI model bridges the 2-6 hour 'gray zone' in precipitation nowcasting},
author = {Haofei Sun and Yunfan Yang and Wei Han and Wei Huang and Huaguan Chen and Zhiqiu Gao and Zeting Li and Zhaoyang Huo and Zeyi Niu},
journal= {arXiv preprint arXiv:2601.20342},
year = {2026}
}