Page 35 - 2025年第56卷第10期

图 1 北江“2022. 6”和“2024. 4”过程累积降水量和最大 6 h 降水量
间预见期 0 ~ 240 h逐 6 h的 HRES 全球预报数据，并且通过 MARS 将空间分辨率重采样至 0.25°×0.25°。其
中，预见期为 0 的初始场数据用于驱动气象大模型，其他预见期的预报数据作为对比评估的基准预报。

3 气象大模型

［20］ ［21］ ［22］
3.1 模型设置 本文针对 GraphCast 、FuXi 和 AIFS 三种代表性的开源气象大模型进行评估。这
［38］
三种模型均以 ECMWF 第 5 代再分析数据（ERA5） 作为训练数据，采用前两个时间步的气象数据作为
输入，通过自回归运行生成水平分辨率 0.25°×0.25°、时间分辨率 6 h 的气象预报。

GraphCast 是一种基于图神经网络的气象大模型，输入 ERA5 数据能生成未来 10 天内 5 个地表变量
和 37 个垂直高度层 6 个高空变量的预报；同时，采用 2016—2021 年的 HRES 数据微调得到业务版本，
输 入 HRES 初 始 场 数 据 ， 可 生 成 未 来 10 天 5 个 地 表 变 量 和 13 个 垂 直 高 度 层 6 个 高 空 变 量 的 预 报
数据 ［20］ 。
FuXi 是一种基于 U-Transformer 架构的气象大模型，包含 3 个级联连接子模型分别用于未来 0 ~ 5、
6 ~ 10 和 11 ~ 15 d 预报。每个子模型都能输出 5 个地表变量和 13 个垂直高度层 5 个高空变量的预报结
果。此外，FuXi 进行了微调，同时支持以 ERA5 数据或 HRES 初始场数据作为输入 ［21］ 。
AIFS 是一种基于移位窗口注意力 Pre-Norm Transformer 架构的气象大模型，使用 1979—2020 年的
ERA5 数据进行训练，并利用 2019—2020 年的 HRES 数据进行微调。AIFS 以 HRES 初始场数据作为输
入，能够生成未来 15 天内 10 个地表变量和 13 个垂直高度层 6 个高空变量的预报数据 ［22］ 。

— 1282 —