StretchCast：基于拉伸立方体球网格的全球-区域AI天气预报
大气与海洋物理
2026-03-31 v1 机器学习
摘要
全球AI天气预报仍主要依赖均匀分辨率模型，难以实现区域细化、双向区域-全局耦合以及可负担的训练成本。我们介绍StretchCast，一个建立在可变分辨率拉伸立方体球(SCS)网格上的全球-区域AI预测框架，该网格在保持封闭全局域的同时将分辨率集中在目标区域。该框架内，我们开发了基于SCS的单步预测器SCS_Base模型和以滚动为导向的多步预测器SCS_FCST4模型，以测试SCS-based预测的可行性以及联合多步训练的优势。实验使用1998-2022年间的ERA5数据，包含69个变量。由于训练计算资源有限，本研究使用粗分辨率概念配置而非最终高分辨率系统。即使仅使用约7,776个有效全局网格单元和约0.875度分辨率覆盖中心细化面，2300万参数的SCS_Base模型也能产生稳定的多变量预测。经8300万参数、训练成本约为数小时的SCS_FCST4模型，在统一重投影后，为地理势力高、比湿和下层对流层风场的部分区域内测差相关演化提供了具竞争力的效果，同时保持跨面的平滑连续性和typhoon及谱分析中真实的多尺度结构。这些结果表明StretchCast作为全球-区域AI天气预报的实用轻量基础是可行的。
引用
@article{arxiv.2603.27288,
title = {StretchCast: Global-Regional AI Weather Forecasting on Stretched Cubed-Sphere Mesh},
author = {Jin Feng},
journal= {arXiv preprint arXiv:2603.27288},
year = {2026}
}