星河聚北邮，AI赋气象 ：NovaClub星河俱乐部北邮专场的思想碰撞与技术探索

当AI的创新算法遇上气象预报的精准需求，一场聚焦 “AI + 气象” 的深度对话在校园里焕发光彩。近日，上海科学智能研究院（下称上智院）主办的NovaClub星河俱乐部走进北京邮电大学（下称北邮）。活动汇聚高校学者、青年科研人员及师生代表，围绕AI与气象科学交叉应用的技术方向、核心模型、数据痛点，端到端气象预报系统，AI科研平台与生态建设，AI+气象领域产业实践等关键议题展开深入研讨。

本次活动邀请多位深耕 AI 与气象科学领域的学者参与分享讨论，包括北邮人工智能学院教授郭军、北京物资学院副院长兼北邮人工智能学院教授张闯、北邮信息与通信工程学院教授张碧玲，以及北邮人工智能学院副教授吴铭、助理教授韩晶、博士生陈恺鑫与徐铭瑞，上智院地球科学青年科学家李楠、徐孝泽。嘉宾们均在人工智能、气象科学及其交叉领域具有深厚的研究积累，与上智院地球科学研究方向高度契合，为后续开展深度科研合作提供了基础。同时，多位嘉宾长期支持并指导学生参与世界科学智能大赛等创新活动，既是“以赛育人”的践行者，也展现出学术界在跨学科创新与人才培养上的开放姿态。他们的参与，为本次交流注入了扎实的学术底蕴与前瞻的育人视野。第三届世界科学智能大赛航空安全赛道二等奖选手、北邮人工智能学院硕士陈嘉欣主持了本次活动。

深耕人工智能领域数十载，长期致力于模式识别、机器学习、自然语言处理等方向的研究的北邮人工智能学院教授郭军，在开场致辞中强调：AI for Science是推动各领域发展、造福人类的重要课题，气象科学兼具高学术价值与民生、国家战略意义，本次围绕AI+气象领域开展深入学术交流极具现实意义。

（郭军，北邮人工智能学院教授）

上智院地球科学青年科学家李楠重返母校北邮，重点介绍了“星河启智科学智能开放平台”。该平台整合4万+数据集、12PB科学数据，兼容8种国产芯片，已服务120多个实验团队，现场邀请了多位北邮师生体验使用，未来也期待能为更多气象和交叉学科的研究者提供科研助力。

在气象预测应用方面，李楠详细介绍上智院伏羲系列模型构建的无缝隙预报体系，覆盖短临、中期、次季节、气候等多时间尺度，兼具端到端优化与产业应用能力。

短临预测的 FuXi-Nowcast 模型，通过多源数据融合和自适应归一化技术，实现精准预警短时强降水；中期预测的 FuXi-Base 模型，以级联方式缓解误差累积，预报精度达ECMWF(欧洲中期天气预报中心)集合平均水平；针对概率预报与极端天气，FuXi-ENS 模型在台风路径概率预测表现突出，FuXi-Extreme 模型则提升极端降水和大风预测能力；在次季节预测这一传统数值预报薄弱环节，国内首个人工智能次季节预报大模型 FuXi-S2S，将 MJO 有效预报时长延长至 36 天，已成为国家气象局“风顺”大模型核心技术支撑；FuXi-Climate 模型可实现不同碳排放情景下的气候降尺度预估。

在产业应用上，FuXi-CFD 模型支撑风资源评估与微气象研究，FuXi-2.0 应用于南方电网功率预测培育计划，伏羲气象大模型还联合南网开展世界科学智能大赛新能源赛道赛事，推动技术与产业融合。

（李楠，上智院地球科学青年科学家）

北邮人工智能学院博士生陈恺鑫，曾获得第一届世界科学智能大赛大气科学赛道一等奖和第三届世界科学智能大赛航空安全赛道二等奖，他带来 “‘司天’：数据驱动的智能气象预报技术研究” 主题分享。从数据基准到模型研发，从技术突破到实战验证，尽显科研人的专注与深耕。

扎实的研究离不开坚实的数据支撑，团队构建涵盖 20 个气象要素及 3 个常量的全国气象站数据集 Weather2K，基于此提出了 MFMGCN，在站点级预测任务核心指标优于主流方法；还整合全球尺度深度学习格式化再分析数据，为全球气象模型研发提供高质量训练资料。

团队研发的 “司天” 全球气象预报大模型，可实现 15 天内逐 6 小时、35 个高空及地面气象要素预报，已入选中国气象局 “人工智能天气预报大模型示范计划”。

在站点级预报优化上，团队提出双支路残差引导的多视角注意力融合网络（DRAF-Net），从多维度建模站点数据复杂依赖关系。

智能云图序列预测方面，团队提出基于半程循环预测范式的时空预测模型（Sirp）和多因素解耦、多模态融合的卫星图像序列预测网络（MMSISP），Sirp 在未来 4 小时云图预测精度优于经典模型，MMSISP 则进一步降低预测不确定性。

（陈恺鑫，北邮人工智能学院博士生，第一、三届世界科学智能大赛获奖选手）

上智院地球科学青年科学家徐孝泽，带来关于“伏羲天气：基于机器学习的全球天气预报系统”的分享，介绍端到端全球大气模型及资料同化技术创新进展。

传统数值天气预报（NWP）依赖的资料同化技术，存在着观测利用率低、计算量大、流程复杂等问题，制约预报精度与效率。上智院团队提出基于 AI 的同化与预报一体化技术方案，其中 FuXi-DA 同化模型采用深度学习技术，直接输入卫星观测数据与背景场，输出分析场，计算效率显著提升，且分析场误差降低，能有效识别云区观测并排除干扰。FuXi-Weather 系统实现同化与预报端到端联合优化，可直接同化 L1 级卫星观测数据，单 GPU 分钟级完成 0.25 度分辨率全球分析场与天气预报任务。实测中，其部分指标已达到或超越 ECMWF水平，全面超越 Aardvark Weather 系统。团队仍在持续优化模型,致力于提升AI气象预报技术的可靠性与业务应用能力。

（徐孝泽，上智院地球科学青年科学家）

北邮博士生徐铭瑞带来 “基于人工智能的智能多模态海雾监测技术研究” 主题分享，从研究背景、技术局限、数据基准、智能监测模型四方面展开。

现有海雾监测方法存在局限：传统方法依赖经验特征与阈值规则，泛化能力弱；深度学习方法依赖高质量标注数据，而海雾边界模糊、易与低云混淆，标注成本高且模型物理可解释性不足。

为解决数据瓶颈，团队开展三项核心数据基准工作：一是伪彩色图像合成，基于 FY4B 卫星通道筛选，生成全天候可视化云图；二是SeaMAE 预训练，针对多通道卫星数据构建预训练模型，解决 RGB 预训练权重无法复用问题；三是整合近十年全球 15 个海雾高发区域的 6.8 万个高分辨率标注样本，构建 MFogHub 全球海雾监测与预报数据集。

智能监测模型方面，数据受限场景采用迁移学习、弱监督学习、视觉大模型知识蒸馏；数据充足后研发多模态模型，包括文本 - 图像双向交互框架、运动矢量引导模型，模态融合后模型的 CSSI 指标提升 7%-8%。

（徐铭瑞，北邮人工智能学院博士生）

活动尾声，主持人陈嘉欣分享世界科学智能大赛参赛经历，其所在的 PRIS727 团队凭 “基于多时间尺度成员模型集成的航空结冰气象要素预报方法” 获第三届大赛航空安全赛道二等奖。他介绍，该赛事由上海市科学技术委员会、上海市发展和改革委员会、上海市经济和信息化委员会、上海市教育委员会等多部门联合指导，上智院与复旦大学联合主办，是 “AI for Science” 领域全球性赛事，旨在推进技术创新、挖掘创新团队、构建生态，为青年科研者提供展示与交流平台，同时呼吁现场同学关注参与下一届赛事。

（陈嘉欣，北邮人工智能学院硕士在读、第三届世界科学智能大赛获奖选手）

作为上智院开源开放理念的重要实践，星河启智科学智能开放平台面向全球科研人员与开发者，提供高价值科学数据、开源模型、高效智算服务等技术基础设施，助力高效科研。活动现场，上智院工作人员为北邮师生介绍平台功能与使用方法，演示 “科学宇宙” 模块核心优势，同学们积极实操，加深对 “AI for Science” 工具应用的认知。

当 AI 的高效算力精准回应气象预报的 “精度需求”，当气象科学的实际痛点反过来推动算法的 “实用化迭代”，科学智能才真正跳出理论框架，成为推动领域创新的鲜活力量 。未来，NovaClub 星河俱乐部将持续发挥平台优势，汇聚更多跨领域科研力量，为 AI for Science 领域搭建更广阔的交流桥梁、注入更澎湃的创新动能。

责任编辑：韩璐(EN053)