基于 GNSS 无线电掩星湿廓线反演的物理信息深度学习用于短期降水预测

《Journal of Atmospheric and Solar-Terrestrial Physics》：Physics-Informed Deep Learning for Short-Term Precipitation Prediction Using GNSS Radio Occultation Wet-Profile Retrievals

　　

• GNSS无线电掩星廓线被用于短期降水预报。• 物理信息神经网络将大气约束嵌入学习过程。• 分析了2010年至2022年间超过32,000个COSMIC观测数据。• 物理引导的学习提高了预报技巧、校准和鲁棒性。

**引言**

短期天气预报在保障社会免受快速演变的灾害性天气侵害方面发挥着关键作用，特别是在严重天气事件以亚日时间尺度发展的地区。位于复杂气候和地形环境中的国家——如伊朗——面临着与山洪、强烈对流风暴、沙尘暴、热浪和突发性温度逆温相关的反复挑战（Sharifi等，2016年；Tayfehrostami、Amerian、Izanlou和Azadi，2026年）。由于常规观测网络（包括无线电探空仪和地面气象站）在山区和广袤的干旱地区提供的空间和时间覆盖不足，这些现象往往难以获得早期预警。在过去几十年中，全球导航卫星系统无线电掩星（GNSS-RO）作为一种变革性的大地测量遥感技术已经崭露头角，能够以高垂直分辨率和全天候方式对大气折射率进行廓线探测，其本质上是稳定的且在全球范围内一致（Anthes，2011年；Kursinski等，1997年）。与被动辐射计不同，GNSS-RO观测能够穿透云层，长期漂移极小，并能为传统上缺乏足够测量的地区——如中东和伊朗高原大部分地区——提供可靠的热力学信息。这些独特优势使GNSS-RO成为增强近期预报技巧的关键数据来源，尤其是在天气快速演变的低对流层和中对流层（Cucurull，2023年；Healy等，2005年；Huang等，2010年）。此外，最近的深度学习进展表明，折射率廓线包含丰富的、可学习的结构，可以将其映射为温度和湿度场，而无需依赖特定的背景状态模型，这为克服折射率反演的欠定性问题提供了新的机遇（Santosh等，2025年）。互补的基于地面的GNSS研究评估了同化额外的天顶总延迟观测对短期区域天气预报的影响（Eshagh等，2026年）。

除了常规观测系统的局限性之外，由于高空观测分布稀疏以及基于地面的大气产品的有限可获取性，在伊朗获取垂直分辨的大气信息仍然具有挑战性。尽管伊朗永久GNSS网络（IPGN）提供了有价值的大地测量观测数据，但以接收机独立交换格式（RINEX）存储的原始数据并不公开可用，限制了其在大气应用中的更广泛使用。因此，该区域的大气分析往往高度依赖数值天气预报背景场和再分析产品，其不确定性可能传播至温度和湿度反演中，尤其是在数据稀疏的环境中（Healy和Eyre，2000年；Petricca等，2021年；Wee等，2022年）。在此背景下，GNSS-RO观测提供了一种独立且全球一致的高垂直分辨率折射率信息来源，覆盖整个中上部对流层和下部平流层。其以最小的本地观测基础设施依赖来捕获大气垂直结构的能力，使其在常规观测有限的地区的大气监测和反演应用中尤为珍贵。最近的研究表明，利用RO折射率廓线的固有信息内容可以改善大气热力学结构的重建，同时减少对基于模型先验信息的依赖（Santosh等，2025年）。早期的基于地面的GNSS研究在伊朗针对区域PWV估算（Sadeghi等，2014年）以及使用混合正则化的四维水汽重建（Adavi和Mashhadi-Hossainali，2015年）进行了探讨。最近关于伊朗的研究通过验证COSMIC和COSMIC-2衍生的PWV与探空仪和基于地面的GNSS观测的对比，以及改进准确PWV反演所需的加权平均温度区域估算，为RO衍生的湿度感应建立了更坚实的区域基础（Sam-Khaniani等，2026年；Tayfehrostami和Amerian，2025年、2026b年、2026c年）。GNSS对流层层析成像和GNSS–Sentinel-3数据融合方面的互补进展进一步改进了三维湿折射率和高分辨率PWV场的表征；然而，这些研究主要集中于水汽反演和重建，而非从垂直分辨的RO廓线直接进行短期降水预报（Tayfehrostami和Amerian，2026a年；Tayfehrostami、Amerian和Izanlou，2026年）。

利用GNSS-RO进行天气应用的一个关键局限在于，大气折射率同时受干空气压力、温度和水汽压控制，使得折射率反演为唯一热力学廓线在数学上是欠定的。为解决这一模糊性，GNSS-RO反演系统通常采用一维变分反演（1D-Var），其中将折射率观测与来自数值天气预报（NWP）预报或大气再分析产品的一维气温、湿度和压力初始猜测廓线相结合。例如，美国国家环境预报中心（NCEP）产生的全球预报系统（GFS）和欧洲中期天气预报中心（ECMWF）生成的ERA5再分析产品（Healy和Eyre，2000年；Wee等，2022年）。虽然1D-Var反演在全球尺度上展现了良好的表现，但其准确性对这些背景场中包含的偏差和流依赖误差仍然敏感，特别是在低对流层和大气边界层，那里强的湿度梯度、对流和陆-气相互作用占主导地位（Petricca等，2021年；Wee等，2022年）。这些局限性在伊朗尤为相关，因为复杂地形和稀疏的高空观测阻碍了独立验证和不确定性评估。受这些挑战的启发，最近的研究探索了能够学习折射率廓线中嵌入的非线性关系的深度学习方法，从而减少对来自NWP预报和再分析数据集的初始猜测大气廓线的依赖（例如，Santosh等，2025年）。然而，纯数据驱动的方法仍然容易过拟合，并可能在训练域之外产生物理上不一致的解。因此，越来越多的关注被投向物理信息深度学习框架，这些框架明确纳入大气约束，包括折射率关系、静力平衡和热力学一致性，以改善大气反演和预报任务中的物理真实性和泛化能力。

伊朗为评估GNSS-RO衍生的垂直大气信息对短期降水预报的贡献提供了一个气候和地形多样化的试验场。该国包括沿里海的湿润沿海环境、阿尔博尔兹山脉和扎格罗斯山脉、半干旱高原以及广袤的干旱地区。这些对比鲜明的环流模式在大气的湿度、降水频率和主导降雨机制方面产生了显著的空间和季节变化。因此，全国范围的分析使得在比单一气候区域所能代表的更广泛的热力学和水文气候条件下评估所提出的框架成为可能。GNSS-RO的先前机器学习应用主要集中于反演热力学变量、校正RO衍生的PWV或改进大气参数估算。与此同时，物理信息的降水预报研究通常依赖于地面、雷达、再分析或常规气象预测因子，而非垂直分辨的GNSS-RO廓线。因此，不规则采样的RO湿廓线反演对支持校准的亚日降水预报的能力仍然研究不足。也不清楚在所学垂直表征中强制执行热力学一致性是否能在与相当结构的数据驱动神经网络所达到的成果之外提供可衡量的益处。

本研究通过开发一种物理信息框架来解决这些空白，利用2010年至2022年间COSMIC-1和COSMIC-2湿Prf热力学反演，对伊朗进行六小时概率降水预报。所提出的架构结合了一个掩码感知的垂直编码器和一个受柱积分PWV一致性、弱静力平衡、重建一致性和垂直平滑性约束的热力学解码器。因此，其主要贡献不仅仅是将深度学习应用于RO数据，而是在可变穿透深度下对垂直分辨的RO信息进行物理约束使用。该公式的附加价值通过与经典和深度学习基线的比较、约束消融实验、概率校准、正则化敏感性分析和季节评估来评估。

**区域片段**

**研究区域**

本研究覆盖伊朗全境，大致从北纬25°延伸至北纬40°，从东经44°延伸至东经64°。伊朗以显著的气候和地形多样性为特征，包括湿润的南里海沿岸地带、阿尔博尔兹山脉和扎格罗斯山脉、半干旱内陆高原以及伊朗中部和东南部广阔的干旱地区。海拔、水分供应和降水机制在全国范围内变化显著。这种多样性提供了一个

**六小时概率预报问题的公式化**

本研究的目的是利用来自GNSS无线电掩星（RO）观测衍生的热力学和水分结构，估算前方六小时窗口内可测量降水的条件概率。对于在时刻t发生的每个RO事件，基于ERA5的六小时累积降水量定义为

$$P_6(t) = \sum_{k=0}^{5} p(t+k)$$

其中$p(t+k)$表示时刻$t+k$的每小时总降水量。二元降水发生标签定义为

$$y = \mathbb{1}[P_6(t) > \tau]$$

其中$\tau$为降水阈值。设时刻$t$的垂直RO衍生的大气状态为

$$\mathbf{x}(t) = \{q(z_i, t), T(z_i, t)\}_{i=1}^{N}$$

其中$q(z_i, t)$和$T(z_i, t)$分别表示第$i$个高度层$z_i$处的比湿和温度。

**结果与讨论**

本节对提出的用于伊朗六小时降水预报的物理信息深度学习框架进行了全面评估。分析分为四个阶段。首先，检查RO衍生的PWV的气候学特征，以确保数据集的物理一致性和季节代表性。其次，评估所提出的PINN模型的整体概率预报技巧，并与多个基线方法进行比较。第三，

**结论**

准确的短期降水预报仍然是大气科学中最具挑战性的任务之一，特别是在以强水文气候变异性为特征的地区，如伊朗。热力学不稳定性、水分输送和地形强迫之间的复杂相互作用通常限制了纯数据驱动模型的表现。在本研究中，我们通过将GNSS无线电掩星（RO）衍生的大气廓线与物理信息

**CRediT作者贡献声明**

Freidoon Keshavarz Hedayati：撰写——初稿、可视化、验证、软件、方法论、调查、形式化分析、数据管理、概念化。Masoud Mashhadi-Hossainali：撰写——审查与编辑、验证、监督、项目管理、方法论、概念化。Mehdi Eshagh：撰写——审查与编辑、验证、资源、方法论、调查、形式化分析

**未引用参考文献**

Tayfehrostami等，2026年；UCAR COSMIC项目，2022年。

**利益冲突声明**

作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。

**数据可用性**

数据应要求提供。

**资金支持声明**

本研究未获得任何公共、商业或非营利部门的特定资助。

**利益冲突声明**

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所报告的工作。

**致谢**

作者感谢COSMIC和COSMIC-2任务提供的GNSS无线电掩星数据，以及欧洲中期天气预报中心（ECMWF）提供的ERA5再分析数据。作者感谢数据提供者和运营团队的努力使本研究成为可能。本工作部分由伊朗国家科学基金会（INSF）支持。

Freidoon Keshavarz Hedayati | Masoud Mashhadi-Hossainali | Mehdi Eshagh