编辑推荐：
【编辑推荐】为应对传统地球系统数值模型计算成本高、精度受限等挑战，研究人员开发 Aurora 基础模型。其基于超百万小时地球物理数据训练，在空气质量、海浪等多领域预测中超越现有系统，计算成本更低，为精准高效的环境预测民主化奠定基础。
地球系统的精准预测对防灾减灾与人类发展至关重要。传统数值模型虽强大，却需高昂计算成本，且在极端事件、多领域覆盖等方面存在局限。例如，欧洲中期天气预报中心（ECMWF）的综合预报系统（IFS）依赖超级计算机，难以快速优化，同时在亚网格尺度过程等方面的近似处理也影响精度。随着气候变化加剧，极端天气如瓦伦西亚洪水、新德里空气质量危机等频发，开发更高效、精准的预测工具成为迫切需求。
在此背景下，微软研究院（Microsoft Research）、剑桥大学（University of Cambridge）等机构的研究人员开展了地球系统基础模型的研究，相关成果发表于《Nature》。他们开发的 Aurora 模型，通过人工智能（AI）技术革新，为地球系统预测带来了突破性进展。
研究团队采用了多层次的技术架构。Aurora 由编码器、处理器和解码器组成：编码器将异构输入转换为三维（3D）潜在表示，处理器基于 3D Swin Transformer 实现时间演化，解码器则生成物理预测。模型先在超百万小时的多样地球系统数据（包括再分析数据、气候模拟数据等）上进行预训练，学习大气和海洋流动的动力学规律，再针对不同任务进行微调。训练过程中利用低秩适应（LoRA）等技术优化参数效率，并通过多源数据加载管道处理异质数据集。
关键研究结果
1. 大气化学与空气质量预测
在 0.4° 分辨率的 5 天全球空气污染预测中，Aurora 在 74% 的目标上超越资源密集型的数值大气化学模拟（如哥白尼大气监测服务 CAMS）。例如，对二氧化氮（NO?）、臭氧（O?）等污染物的预测，Aurora 不仅捕捉到高排放区域的极端值，还能反映其昼夜变化。在 2022 年伊拉克沙尘暴案例中，Aurora 提前一天准确预测，计算速度较 CAMS 提升约 10 万倍。
2. 海洋波浪动力学预测
针对 0.25° 分辨率的 10 天全球海浪预测，Aurora 在 86% 的目标上优于高分辨率海浪模型（HRES-WAM）。模型能准确预测有效波高（SWH）、平均波向（MWD）等关键变量，在 2022 年台风 “南玛都” 案例中，其对台风区域的巨浪捕捉与观测高度吻合，且在中性风速预测上表现优异。
3. 热带气旋路径预测
在 5 天热带气旋路径预测中，Aurora 在 100% 的目标上超越七个业务预报中心（如美国国家飓风中心 NHC）。以 2023 年台风 “杜苏芮” 为例，Aurora 提前 4 天准确预测其在菲律宾登陆，而官方预测则认为路径偏向台湾北部。这是机器学习模型首次在 5 天内全面超越传统业务预报系统。
4. 高分辨率气象预测
在 0.1° 分辨率的 10 天全球气象预测中，Aurora 在 92% 的目标上超越 IFS 高分辨率模式（HRES），尤其在极端事件如 2023 年 “西亚兰” 风暴中，是唯一准确预测最大 10 米风速突增的 AI 模型，较传统模型误差降低 24%。
结论与意义
Aurora 的成功证明了 AI 在地球系统预测中的变革潜力。其通过数据与模型规模的双重扩展，实现了跨领域、高分辨率的精准预测，且计算成本仅为传统模型的万分之一至千分之一。这种 “预训练 + 微调” 的模式不仅缩短了开发周期（每项微调仅需 4-8 周），还为海洋环流、区域天气、季节性预测等更多领域提供了通用框架。
研究指出，Aurora 尚未触及性能上限，进一步扩展数据多样性和模型规模有望提升预测能力。未来若与端到端数据驱动方法结合，或可摆脱对传统数据同化系统的依赖。该研究为全球气候变化应对、灾害预警、农业与能源规划等提供了普惠性工具，推动高质量气候信息的广泛可及，标志着地球系统预测向 “AI 驱动的精准化、民主化” 迈出关键一步。
