IT之家消息，据“中国气象”公众号消息，今日，中国气象科学研究院专家团队牵头，联合国内外多家科研机构，在国际学术期刊《自然》上发布全球首个气溶胶-气象耦合预报人工智能模型 AI-GAMFS 成果，破解了国际主流数值预报模型算力负担重、非线性过程刻画不足导致的预报偏差难题，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

团队核心成员、中国气象科学研究院副研究员桂柯介绍，模型于 2024 年 5 月启动研发，基于 42 年全球 12 万时次气溶胶再分析资料训练，可在 1 分钟内实现全球范围 5 天、逐 3 小时的业务化预报，空间分辨率达 50 公里，每日可滚动预报 8 次。预报输出涵盖 54 个变量，覆盖包括沙尘、硫酸盐、黑碳、有机碳、海盐等 5 类关键气溶胶组分的光学特性、地面浓度及相关气象要素。

独立评估结果显示，该模型的预报精度优于国际主流系统。基于全球气溶胶自动观测网数据验证，该模型在全球 61.6% 的站点上气溶胶光学厚度预报误差低于欧洲中期天气预报中心哥白尼大气监测服务（CAMS），86.0% 的站点上沙尘光学厚度预报表现更优。

下一步，研究团队将持续推进模型的迭代升级，同时研发我国自主气象再分析数据驱动的区域精细化环境气象 AI 模型，支撑更多应用场景，还将推动模型在生态环境、交通运输等领域应用，为全球应对气候变化贡献中国方案。

Advancing operational global aerosol forecasting with machine learning

IT之家消息，据“中国气象”公众号消息，今日，中国气象科学研究院专家团队牵头，联合国内外多家科研机构，在国际学术期刊《自然》上发布全球首个气溶胶-气象耦合预报人工智能模型 AI-GAMFS 成果，破解了国际主流数值预报模型算力负担重、非线性过程刻画不足导致的预报偏差难题，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

团队核心成员、中国气象科学研究院副研究员桂柯介绍，模型于 2024 年 5 月启动研发，基于 42 年全球 12 万时次气溶胶再分析资料训练，可在 1 分钟内实现全球范围 5 天、逐 3 小时的业务化预报，空间分辨率达 50 公里，每日可滚动预报 8 次。预报输出涵盖 54 个变量，覆盖包括沙尘、硫酸盐、黑碳、有机碳、海盐等 5 类关键气溶胶组分的光学特性、地面浓度及相关气象要素。

独立评估结果显示，该模型的预报精度优于国际主流系统。基于全球气溶胶自动观测网数据验证，该模型在全球 61.6% 的站点上气溶胶光学厚度预报误差低于欧洲中期天气预报中心哥白尼大气监测服务（CAMS），86.0% 的站点上沙尘光学厚度预报表现更优。

下一步，研究团队将持续推进模型的迭代升级，同时研发我国自主气象再分析数据驱动的区域精细化环境气象 AI 模型，支撑更多应用场景，还将推动模型在生态环境、交通运输等领域应用，为全球应对气候变化贡献中国方案。

Advancing operational global aerosol forecasting with machine learning

IT之家消息，据“中国气象”公众号消息，今日，中国气象科学研究院专家团队牵头，联合国内外多家科研机构，在国际学术期刊《自然》上发布全球首个气溶胶-气象耦合预报人工智能模型 AI-GAMFS 成果，破解了国际主流数值预报模型算力负担重、非线性过程刻画不足导致的预报偏差难题，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

团队核心成员、中国气象科学研究院副研究员桂柯介绍，模型于 2024 年 5 月启动研发，基于 42 年全球 12 万时次气溶胶再分析资料训练，可在 1 分钟内实现全球范围 5 天、逐 3 小时的业务化预报，空间分辨率达 50 公里，每日可滚动预报 8 次。预报输出涵盖 54 个变量，覆盖包括沙尘、硫酸盐、黑碳、有机碳、海盐等 5 类关键气溶胶组分的光学特性、地面浓度及相关气象要素。

独立评估结果显示，该模型的预报精度优于国际主流系统。基于全球气溶胶自动观测网数据验证，该模型在全球 61.6% 的站点上气溶胶光学厚度预报误差低于欧洲中期天气预报中心哥白尼大气监测服务（CAMS），86.0% 的站点上沙尘光学厚度预报表现更优。

下一步，研究团队将持续推进模型的迭代升级，同时研发我国自主气象再分析数据驱动的区域精细化环境气象 AI 模型，支撑更多应用场景，还将推动模型在生态环境、交通运输等领域应用，为全球应对气候变化贡献中国方案。

Advancing operational global aerosol forecasting with machine learning

IT之家消息，据“中国气象”公众号消息，今日，中国气象科学研究院专家团队牵头，联合国内外多家科研机构，在国际学术期刊《自然》上发布全球首个气溶胶-气象耦合预报人工智能模型 AI-GAMFS 成果，破解了国际主流数值预报模型算力负担重、非线性过程刻画不足导致的预报偏差难题，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

团队核心成员、中国气象科学研究院副研究员桂柯介绍，模型于 2024 年 5 月启动研发，基于 42 年全球 12 万时次气溶胶再分析资料训练，可在 1 分钟内实现全球范围 5 天、逐 3 小时的业务化预报，空间分辨率达 50 公里，每日可滚动预报 8 次。预报输出涵盖 54 个变量，覆盖包括沙尘、硫酸盐、黑碳、有机碳、海盐等 5 类关键气溶胶组分的光学特性、地面浓度及相关气象要素。

独立评估结果显示，该模型的预报精度优于国际主流系统。基于全球气溶胶自动观测网数据验证，该模型在全球 61.6% 的站点上气溶胶光学厚度预报误差低于欧洲中期天气预报中心哥白尼大气监测服务（CAMS），86.0% 的站点上沙尘光学厚度预报表现更优。

下一步，研究团队将持续推进模型的迭代升级，同时研发我国自主气象再分析数据驱动的区域精细化环境气象 AI 模型，支撑更多应用场景，还将推动模型在生态环境、交通运输等领域应用，为全球应对气候变化贡献中国方案。

Advancing operational global aerosol forecasting with machine learning

IT之家消息，据“中国气象”公众号消息，今日，中国气象科学研究院专家团队牵头，联合国内外多家科研机构，在国际学术期刊《自然》上发布全球首个气溶胶-气象耦合预报人工智能模型 AI-GAMFS 成果，破解了国际主流数值预报模型算力负担重、非线性过程刻画不足导致的预报偏差难题，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

团队核心成员、中国气象科学研究院副研究员桂柯介绍，模型于 2024 年 5 月启动研发，基于 42 年全球 12 万时次气溶胶再分析资料训练，可在 1 分钟内实现全球范围 5 天、逐 3 小时的业务化预报，空间分辨率达 50 公里，每日可滚动预报 8 次。预报输出涵盖 54 个变量，覆盖包括沙尘、硫酸盐、黑碳、有机碳、海盐等 5 类关键气溶胶组分的光学特性、地面浓度及相关气象要素。

独立评估结果显示，该模型的预报精度优于国际主流系统。基于全球气溶胶自动观测网数据验证，该模型在全球 61.6% 的站点上气溶胶光学厚度预报误差低于欧洲中期天气预报中心哥白尼大气监测服务（CAMS），86.0% 的站点上沙尘光学厚度预报表现更优。

下一步，研究团队将持续推进模型的迭代升级，同时研发我国自主气象再分析数据驱动的区域精细化环境气象 AI 模型，支撑更多应用场景，还将推动模型在生态环境、交通运输等领域应用，为全球应对气候变化贡献中国方案。

Advancing operational global aerosol forecasting with machine learning