暴雨的位置报得大致准确，预报也未必保得住那些决定实用价值的细节。一条狭窄的强降雨带，与一大片中等强度降雨，带来的影响各有不同。2023 年 7 月推出的 NowcastNet，试图保留这一区别。它最引人注目的成绩来自人的判断：在一项有 62 名中国气象预报员参与的评估中，它在 71% 的案例里排名第一。[1]

这个数字值得细读。它描述的是专家在多份预报之间的偏好。了解这些偏好如何收集，再看另一支研究团队尝试适配模型时遇到了什么，NowcastNet 就成为观察中国科学 AI 发展的一个有启发的案例。

让降雨演变遵循物理规律

清华大学的中文公告将其与中央气象台、国家气象信息中心的合作追溯至 2017 年。到 2023 年 7 月，校方报告称，NowcastNet 已部署于全国 SWAN 3.0 临近预报平台。[1] 这份机构公告记录了当时的部署情况；本文讨论已发表的研究，现行服务的实际运行情况超出了本文的核查范围。

模型将两类工作结合起来。演变网络借助一个基于连续性方程的算子，学习降水的移动及其强度变化。生成网络随后以这一演变场为条件，生成更精细的细节。清华大学从物理过程的角度描述了这种分工：较大尺度的运动，以及较小尺度的对流发展。[1]

生成方法在这里的用法颇有意味，因为视觉上合理只是起点。设想一份预报画出了形态逼真的风暴单体，位置却与最终降下暴雨的地方隔着几座城镇。即使纹理十分出色，其实际指导价值仍会很低。因此，这项科学任务需要两方面的证据：预报呈现出怎样的形态，以及它与实际天气之间有怎样的关系。

读懂专家投票

发表于《Nature》的研究使用美国 2016–2020 年的雷达观测训练模型，并以 2021 年的数据测试。在中国部分，研究者用 2019 年 9 月至 2021 年 3 月的观测，微调已在美国数据上预训练的模型，再用 2021 年 4–6 月的数据评估。[2]

专家评估时，各模型的预报隐去名称、打乱顺序后呈现。62 名气象预报员每人评判 15 个从极端降水子集中随机抽取的案例。其中一项评估展示了后续实况观测，供专家对照预报与结果。另一项评估隐去这些实况，要求专家依据此前的雷达序列作出判断。参与比较的方法包括 pySTEPS、DGMR 和 PredRNN。[2]

两项评估的差别直接影响结果的含义。看到实况时，预报员可以依据事实检验一份预报；实况尚不可知时，预报员是在不确定条件下选择预报参考。若两项评估得出一致的偏好，当然有研究价值，但两者回答的问题各有侧重。将它们合并成“明天的预警有多大把握报对”这一说法，会超出评估本身所能回答的范围。

论文还用临界成功指数（critical success index）的邻域版本评估降雨位置的预报水平，用功率谱密度评估空间变异性。[2] 这些指标与人的排序并列，为评估补充了另一种视角。

71% 这一醒目结果反映的是专家偏好，与某次具体预报正确的概率属于不同指标。 在一轮比较中胜出，表示它比该轮提供的其他方案更受青睐。某个城镇的强降雨会以多大频率到来、预计有多少次空报、预警能否及时送达人们手中，这些问题都超出了偏好排序本身的解释范围，需要各自的观测记录和统计分母。

观测数据中已有工程处理

美国部分的输入来自多雷达多传感器系统（Multi-Radar Multi-Sensor，MRMS）。[2] 美国国家海洋和大气管理局（NOAA）将 MRMS 描述为一个自动化系统：它把雷达数据流与其他观测、模式信息整合起来，生成气象产品，处理工作包括拼图、质量控制和降水估算。[3]

把这类材料统称为“雷达数据”，容易让神经网络上游的处理选择隐入背景。拼图要把各处观测拼接成可用的数据场，质量控制则帮助判断哪些测量值值得信任。学习系统接手的，已经是一幅经过处理的大气图景。

照片中的临沂茶芽山雷达塔，让这项工作所依托的实体设施进入视野。[5] 照片用于展示观测设施，这座塔是否为研究提供过数据，本文未作认定。建筑、仪器和周围的地貌都与这个故事相关，因为气象 AI 的起点，是在某个具体地点完成的测量。

加拿大带来另一场检验

加拿大环境与气候变化部及 IBM Research 的研究者在一篇 2025 年的会议论文中，考察了模型的本地适配。他们报告称，推理代码和预训练权重可以获取，原始训练代码和完整数据集则未公开。研究者自行实现了训练流程，并尝试用加拿大雷达拼图进行微调。[4]

数据准备包括将观测重采样至 10 分钟的时间间隔和 2 公里的空间间距。2023 年 6 月用于验证，2023 年 7–8 月用于测试。为减轻边界效应，研究在较大的输入裁剪区域内部划出一块区域，用于检验预报。在这一设置下，微调版本在论文报告的评分上未能优于原始模型。[4]

对于微调未见提升，作者提出了一种有待验证的解释：预训练生成器需要与一个从头训练的判别器配合。研究者还因未能完成演变网络的微调，将其保持冻结。这些都是本次适配尝试的局限。图中另有一项比较细节：原始版本的评分每隔 30 分钟计算一次，微调版本则每隔 10 分钟计算一次。[4]

这项结果的价值，也在于它给后续问题留出了空间。它表明，加入本地观测并追加训练，本身尚不足以保证改进；更好的适配流程仍有探索余地。发布可用于预测的系统、给出重新训练所需的方法，以及拿出足以信任重训版本的证据，分别代表不同的研究贡献。

接下来值得关注什么

在本文看来，NowcastNet 的持久贡献还包括它所采用的评估安排：邀请一线预报员评判，隐去模型身份，区分已知实况后的判断与未知实况时的判断，同时保留数值检验。

更有说服力的后续研究，可以把这些做法延伸到另一个季节或另一套雷达网络，按预报时效和降雨阈值分别报告结果，并同时衡量漏报与空报。届时，下一条引人注目的成绩就会有清楚的含义。值得延续的成果，是测试条件改变后，优势依然清晰可见的预报。

来源

1. 清华大学软件学院，NowcastNet 发布公告，2023 年 7 月 7 日（中文）；关于合作、模型架构、专家评估及所报告部署情况的一手介绍。
2. Yuchen Zhang 等，《Skilful nowcasting of extreme precipitation with NowcastNet》，Nature 619，526–532，2023 年 7 月 5 日；训练与测试数据划分、气象预报员评估流程、比较方法及定量评估。
3. NOAA 国家强风暴实验室，《Multi-Radar/Multi-Sensor System (MRMS)》；观测处理系统的官方说明，核查于 2026 年 9 月 25 日。
4. Dominique Brunet、Daniel Salles Civitarese 与 Didier Davignon，《An Improved Implementation of NowcastNet with Fine-Tuning for Canada》，第 41 届国际雷达气象学大会，2025 年；扩展摘要第 3–5 节及图 4。
5. WPTO，临沂茶芽山气象雷达观测塔照片，2024 年 6 月 10 日；Wikimedia Commons，CC BY 4.0。