天气预报不是把明天的温度从历史日历中查出来。大气状态包含多个高度上的风、温度、湿度和气压等信息,它们通过局地运动与大尺度环流共同演化。一个地方的小扰动可能逐渐放大,遥远区域也可能通过天气系统传播发生联系。预报模型需要在有限计算时间内推进这个庞大状态。
Lam 等在 2023 年发表的 GraphCast,用图神经网络学习这一状态推进,并在论文定义的多变量、多时效检验中与确定性数值预报比较。它展示了学习型模型在全球中期预报上的能力。理解这项结果,需要同时看图表示、训练资料、滚动误差以及评估协议,才能知道它的优势适用于哪些问题。

训练目标是未来大气状态,不是天气文字描述
GraphCast 接收相隔六小时的两个大气状态,预测再过六小时的状态。输入包含地表变量以及多个气压层上的大气变量,输出仍是空间分布的数值场。把预测结果接回下一步输入,就能逐步生成多日轨迹。这种自回归方式共享同一个模型,但也让前面各步的误差进入后续计算。
论文使用约四分之一度的经纬网格表达全球状态。这里的网格间距是数据表示尺度,不能直接解释成所有天气过程都能被同样准确地解析。一次局地强对流的尺度、地形影响以及不同变量的有效分辨率,都需要另外检验。输出格点很多,也不意味着每一个格点拥有独立观测支持。
训练以数值场误差为目标,并通过多步滚动训练减轻只会预测下一步的问题。但训练目标与实际使用需求并不完全相同。全球均方误差较低,可能主要反映大范围常见状态预测改善;人们关心的极端高温、风暴强度或局地降水,需要面向事件的独立评价,不能由平均分数代替。
球面多尺度图怎样交换信息
经纬网格在极区会出现格点密集等几何特点,直接在这样的网格上学习并不总是最方便。GraphCast 将输入编码到球面多尺度网格图,在图节点之间传递信息,再把结果解码回经纬网格。图边包含不同尺度的联系,使局地与较长距离的信息都能在有限层数内交换。
消息传递并不是沿真实风向搬运空气,而是根据节点特征、相对几何等信息进行学习得到的更新。它有机会表示与大气传播有关的统计关系,但不能把一条图边直接解释成某条物理因果通道。网络内部信息交换与实际质量、动量和能量通量之间,需要专门分析才能建立对应。
多尺度结构的作用也可以通过消融实验检验:在保持训练条件尽可能一致时,减少远距离连接或改变网格尺度,比较不同预报时效与空间尺度的误差。如果某个组件只改善短时预测,便不应将其解释成普遍解决长期传播。架构解释应由性能变化支持,而非仅凭示意图的直观联想。
打开 HTML 互动演示 · 一步的小误差,重复滚动后会怎样?
ERA5 为什么既是重要资料,也有自己的误差
GraphCast 的主要训练资料来自 ERA5 再分析。Hersbach 等对这一资料集的论文说明,它通过数值模式、观测和数据同化形成历史大气状态的一致估计。再分析有助于提供长期、规则网格上的训练目标,但它不是对地球每个位置与高度的直接完美测量。
观测系统会随时间变化,不同地区的数据密度也不一样。部分变量或区域可能更依赖模式约束。学习型预报在这些目标上表现良好,首先说明它接近了该资料定义下的状态演化。若要讨论真实观测精度,还应在合适条件下与独立站点、探空或其他观测比较,并考虑观测代表性误差。
初始状态同样关键。GraphCast 加速的是从已提供的大气状态推进到未来的过程,完整业务链仍需要观测处理和初始分析。计算一次神经网络滚动的时间,不能直接等同于从原始卫星信号到用户预报产品的总时间。速度结论应写清硬件、起点、输出范围以及是否计入数据准备。
一个合成风暴算例:平滑为何可能改善平均分
假设一个合成一维场只有三个位置,真实风暴强度为零、十、零。预报甲把峰值错移一格,得到十、零、零;预报乙给出三、四、三,把峰值压低并铺宽。甲的平方误差总和为二百,乙为五十四。按这种指标,乙明显更好,但它低估了中心强度,也制造了周边偏差。这是解释指标的合成算例,不是论文中的实际风暴结果。
平方误差对位置不确定的尖峰十分敏感,因此确定性模型有时倾向给出较平滑的条件平均。这样的预测并非没有价值,但不能直接用来断言风暴峰值被准确预报。需要分别检查位置误差、强度误差、空间尺度和事件发生范围,理解改进来自哪一部分。
在全球评估中还要做面积权重。经纬网格的每一行并不代表相同面积,简单把所有格点等权平均,会使高纬地区被过度计数。变量量纲和高度层权重也影响汇总分数。因此,研究报告应保留逐变量、逐时效与分区域结果,让读者看到一个总指标背后的结构。
与数值预报比较,时间信息必须对齐
GraphCast 论文的重要比较对象是欧洲中期天气预报中心的确定性高分辨率预报。比较两类系统时,不仅要让预报起报时间相同,还要对齐它们实际利用到的观测窗口。再分析和业务分析可能使用不同时间范围的信息;若其中一方看到了更晚观测,表面优势就会混入信息提前量。
训练、调参与测试也应按时间分开。随机抽取日期可能使相邻天气系统出现在两边,难以反映未来年份的使用条件。WeatherBench 的原始研究推动了这类标准化预报基准,强调明确任务、资料和基线的重要性。对新模型而言,持续性预报、气候平均与适当数值系统各自提供不同层次的比较。
需要注意,论文版本、检验目标集合和时效定义变化,可能导致不同地方引用的胜出比例不同。阅读时应返回所引用的正式版本,核对指标分母与显著性判定。某个比例表示的是一组变量—高度—时效组合上的比较,不是“每一天天气有同样比例预测正确”,更不能直接换算成某个城市的天气准确率。
极端天气与长期滚动应该怎样验收
论文还研究了热带气旋轨迹、大气河与极端温度等任务,为平均场之外的能力提供了证据。事件检验需要说明检测器或追踪器,因为预测场到事件标签之间仍有处理算法。若两套系统使用不同追踪规则,轨迹差异可能部分来自识别流程,而不完全来自大气预测。
对极端事件,阈值、提前量、漏报和误报需要一起报告。只挑几场成功个例,无法估计总体能力;只汇总常见天气,又会稀释罕见灾害的误差。可以预先定义事件样本与区域,再按强度分层,比较峰值时间、位置和持续时间。评估期较短时,还应表达极端样本量有限带来的不确定性。
滚动预测则要检查误差如何随时效增长,以及质量、能量或水分相关统计是否出现系统漂移。原版 GraphCast 并不通过逐步求解全部显式物理方程来保证这些量守恒。短期场误差较小,不自动支持任意长时间积分;天气预报中的成功,也不能未经验证便扩展为气候响应预测能力。
确定性轨迹能够支持哪些决定
一条确定性预报给出一个未来状态,但许多实际决策需要概率。例如是否达到某个高温阈值、风暴经过某区域的可能性,以及预报偏差的范围。对初始条件施加扰动或训练多个模型,可以形成候选集合,但这个集合是否具有可靠概率含义,仍需要离散度、覆盖率与概率评分检验。
对地方应用,还可能需要地形修正、统计后处理和站点验证。全球格点温度与某个城市街区的测量并非完全相同对象;更快的全球模型也不会自动解决这些尺度转换。应明确从模型变量到用户产品的每一步,并用相应观测验收,而不是让用户把单条格点曲线当成完整风险分布。
若模型在全球平均上领先,却在目标地区、未来独立年份或关键极端事件上持续失去优势,适用结论就应缩小。若初始分析质量变化导致性能显著下降,也要把依赖条件写清。GraphCast 的贡献在于证明大规模历史资料能够训练出高效而有竞争力的大气推进模型;它的科学含义,应由具体的检验目标、信息条件和误差结构来界定。








