米兰官网-全球首个气溶胶AI预报模型：39秒看清未来5天大气污染—新闻—科学网

早晨拉开窗帘，气候预告明明写着“晴”，天空却蒙上一层灰。走上陌头，一阵风卷起尘土，不仅迷了眼，连嗓子也发干。许多时辰，决议一天“呼吸体验”的，是年夜气中那些看不见、摸不着的微小颗粒——气溶胶。

气溶胶来历繁杂、变化迅速，持久成为情况预告中的难题。近日，中国景象形象科学研究院研究员车慧正及中国工程院院士张小曳团队发布了全世界首个气溶胶—景象形象耦合人工智能预告模子——AI-GAMFS。该模子仅需39秒，便可完成将来5天、时段邃密至3小时的全世界营业化预告，于沙尘、黑碳、硫酸盐等要害组分的预告精度上优在泰西主流物理模子。相干结果发表于《天然》。

论文第一作者、中国景象形象科学研究院副研究员桂柯告诉记者，AI-GAMFS仅需39秒就能完成54个要害情况景象形象要素的全世界5天预告，这个速率有些太甚“离谱”，一名审稿人决议亲自验证。他下载了全数数据及模子，于本身的办事器上复现了一遍。

“审稿人跑下来是40秒，及咱们说的基本一致。模子运行很是顺畅，他确认咱们没有强调，随即给出了审稿经由过程的定见。”桂柯说。

“之前从没想过能发《天然》。”车慧正说，“但当你把基础打牢，把数据做好，把问题想透，时机来了，就能捉住它。”

从“景象形象预告”迈向“组分化析”

人工智能技能运用到气候预告营业，最近几年来已经取患上诸多进展，“盘古”“宓羲”等景象形象年夜模子，已经能用AI快速预告温度、气压、风速等通例景象形象要素。然而，从“预告气候”到“预告年夜气身分”，是一次难度上的素质跃升。

“景象形象预告只需要思量温、压、湿、风等物理量，但气溶胶预告，要把年夜气中的‘工具’拆开了看。”桂柯注释。

桂柯告诉记者，气溶胶并不是单一物资，而是年夜气中一群来历各别、性格悬殊的“住民”，通俗来讲就是悬浮于年夜气中的各类颗粒物：都会雾霾中的硫酸盐、硝酸盐，来自报酬排放；沙尘暴中的粗颗粒，来自沙漠戈壁；野火燃烧孕育发生的黑碳、有机碳，来自丛林及秸秆点火；甚至海面上的浪花飞沫，也会孕育发生海盐气溶胶。

这些差别来历、差别身分的颗粒物，对于人体康健、天气变化、生态体系的影响大相径庭。

“细颗粒物深切肺部，影响呼吸体系；沙尘虽粗，却能掩蔽阳光、转变区域温度；黑碳沉降到冰川，会加快冰雪熔化。”桂柯暗示。是以，气溶胶预告不克不及只报“总量”，而必需把每一一种组分“拆开”预告。

传统的预告要领，是将数值气候预告成果输入年夜气化学传输模子，模仿成千上万种化学反映及物理历程。可是，对于气溶胶与景象形象之间繁杂的“反馈”瓜葛，传统模子往往力有未逮。

车慧正注释道，繁杂起首来自负气身分自己，“年夜气中有上万种年夜气化学组分，每个组分从哪儿来？是报酬排放还有是天然历程孕育发生的？来历极为繁杂”。

更为棘手的是，这上万种组分之间时刻于发生反映。“谁影响了谁、接洽水平有多年夜，这于数学上很是难表达。再加之阵风、降水等景象形象前提的变化，用传统方程系统去‘描画’这些历程，正确率往往很低。”车慧正说。

另辟蹊径，让AI“看懂”年夜气

于AI-GAMFS降生以前，全世界主流气溶胶预告体系年夜多依靠超算中央重大的CPU集群举行方程求解。“由于计较成本过高，传统体系一天只能预告两次。”车慧正说。

团队决议换一条路走。他们没有沿用传统模子中那些计较昂贵的动力学方程，而是测验考试让AI直接从海量汗青资猜中进修气溶胶与景象形象耦合蜕变的纪律。

颠末多轮迭代测验考试，AI-GAMFS从42年、12万时次的全世界再阐发数据中，精准捕获那些繁杂、非线性的彼此作用，本身“悟”出了气溶胶与景象形象之间的蜕变纪律。

练习完成后，AI-GAMFS的预告效率使人赞叹。只需输入当前时刻的全世界年夜气状况作为初始场，它就能于39秒内，直接推表演将来5天、每一3小时一次的全世界气溶胶漫衍。

车慧正先容，AI-GAMFS预告变量涵盖沙尘、硫酸盐、黑碳、有机碳、海盐等要害组分的光学厚度及地面浓度，空间分辩率到达50千米。比拟传统模式一天只能预告两次，AI-GAMFS可以实现天天8次滚动更新，时效性年夜幅晋升。

这项冲破，也来历在中国景象形象科学研究院几十年的不雅测堆集。

“气溶胶的遥感监测收集，是我从博士时期就最先做的。”车慧正向记者回忆起这段过程。他们从单点做起，慢慢成立起笼罩天下的气溶胶不雅测收集，不仅解决了数据“准禁绝”的问题，还有让中国的不雅测基准与欧洲、美国实现了同一。“有了这些名贵的数据，咱们才能举行模式的验证、AI的练习。”

桂柯的博士论文就是使用这些不雅测数据，做全世界标准的气溶胶变化研究。“其时只是为了摸清纪律，没想到有一天，这些几十年的堆集会及AI碰撞出如许的火花。”桂柯说。

桂柯提到一个有趣的发明，AI-GAMFS甚至能经由过程海盐浓度漫衍的变化，于必然水平上“追踪”台风路径。

“台风于海上天生、挪动时，会把海面的海盐颗粒年夜量卷起，是以沿途往往陪同着较高的海盐浓度旌旗灯号。虽然没有经由过程低压中央定位台风眼那末准，但能看到年夜模子确凿学到了一些海气彼此作用的物理逻辑，这很凌驾想象。”桂柯说。

严苛验证下的“真本事”

AI-GAMFS的“进修结果”到底准禁绝？这是国际学术偕行最体贴的问题。为了回应评审专家对于预告精度的关切，团队睁开了“地毯式”的验证。

他们不仅引入了全世界气溶胶主动不雅测网及中国景象形象局气溶胶遥感不雅测网，还有使用中国景象形象局年夜气身分不雅测网的数据，于中国境内多个不雅测点举行了深度评估。

验证成果使人振奋：于全世界61.6%的站点上，AI-GAMFS的气溶胶光学厚度预告偏差低在欧洲中期气候预告中央的CAMS模子；于美国西部野火频发区，黑碳预告偏差比美国NASA的GEOS-FP模子降低64.4%到86.2%；于中国区域，对于黑碳、有机碳及硫酸盐的地面浓度预告周全优在国际主流模子。

今朝，AI-GAMF已经于中心景象形象台和甘肃、陕西、宁夏等10余个省级景象形象部分落地运用，并已经接入中国景象形象局“妈祖（MAZU）”全平易近初期预警云平台，最先为全世界提供预告办事。车慧正提到，这类全世界笼罩能力具备极高的科技性价比，以往的预告模子具备强烈的地区属性，美国的模子于美国报患上准，但于中国或者中亚可能就“水土不平”。AI-GAMFS则实现了各区域平衡的高精度，而且对于算力门坎的要求极低。

站于新的出发点上，团队将眼光投向了提早15天的气溶胶预告。“这个范畴于世界上仍是空缺，对于在光伏发电、电力调理等行业，假如能提早半个月预知沙尘来袭，就能更精准地举行能源调理，年夜幅勤俭成本。”桂柯说。

此外，团队正试图阐扬人工智能非线性拟合能力，完全解决年夜雾、强沙尘气候下的能见度预告难题，为飞机起降及船舶出港提供决议计划依据。

相干论文信息：https://www.nature.com/articles/s41586-026-10234-y