观潮 · 模式预报与气象 AI 观察
MW-Nowcast：把极端降水的预警窗口从 3 小时推到 6 小时
> 世界气象组织把临近预报定义为从现在到未来最多 6 小时的局地天气预报。这个窗口里能不能可靠地预报危险降水，决定了预警和应急响应有多少时间可用。MW-Nowcast 做到了 6 小时——而此前领先的生成式基线在强降水上基本只能撑到 3 小时。
这篇论文在讲什么事
雷达临近预报这十年已经被机器学习接管成了标准做法。它保留了外推的速度优势，同时从数据里学到降水的非线性演变。但强降水的预报时效一直没突破：
方法 · 报告的预报时效
DGMR（Ravuri et al. 2021） · 90 分钟
NowcastNet（Zhang et al. 2023） · 3 小时
**MW-Nowcast** · **6 小时**
完整的 0–6 小时窗口在极端降水上基本没人碰。时效越长，未来的降水演变越是被已观测到的雷达历史约束，而它的条件分布越来越宽——"确定会下多少"这个问题本身在变模糊。
已有的生成式系统在这个区间表现有限，原因出在采样方式上：它们通常采样完整的未来雷达序列，即使已经有一个确定性预报作为条件信息输入。于是生成部分必须同时干两件事——保住观测支持的风暴尺度结构，又要把局地单体演变的不确定性表达出来。作者说这耦合起来会让长时效下"既要保持连贯的风暴位置和组织，又要产生足够的集合差异"变得很难。
它的思路：把"共同可预测的"和"各自不同的"显式分开
MW-Nowcast 的核心是把这两部分显式建模，然后联合训练。
具体做法是一个共享编码器加两个分支：
- 共享编码器先把观测到的雷达历史编码成一个表示；
- 确定性解码器从这个表示直接产出一个预报，所有集合成员共享这一份；
- 流匹配残差解码器再在这个共享预报周围，生成成员各自不同的残差。
这里"确定性解码器"和"残差解码器"指的是编码器之后的可训练模块，两个映射都包含共享编码器。随机性来自给每个集合成员初始化的高斯噪声张量，第 k 个成员写成：
$$\hat{Y}_k = \hat{Y}^{det} + R_k$$
$\hat{Y}^{det}$ 是全时效的确定性预报，$R_k$ 是第 k 个成员的概率残差。噪声在成员、物理时效和空间索引三个维度上都独立。
关键在于联合优化，而不是分阶段训练。 共享编码器要同时服务两个解码器，两个解码器在训练中互相适配，自动决定把未来的雷达演变分给"共同可预测的成分"多少、分给"条件残差"多少。补充材料给了对照实验：联合优化比"先训确定性解码器、再训残差解码器"的级联式策略（类似生成式降尺度里的残差订正）在长时效高阈值技巧上更强。
训练目标是两项之和：一项惩罚确定性预报与观测未来序列的偏差；一项是概率残差的流匹配损失，其目标随确定性预报更新而动态重算——所以学到的残差分布会跟着变。
采样时用定步长 Heun 积分器解一个概率流 ODE，把每个独立噪声张量变成一条可信的残差序列，加到确定性预报上得到一个集合成员。作者强调这得到的是"有精细局地结构的成员"，而不是"对可能未来的平均"。
数据与评测
三个区域的雷达数据集，统一成 6 小时临近预报任务，256 km × 256 km 域、2 km 分辨率、10 分钟间隔：
区域 · 雷达源 · 事件记录 · 训练序列
美国 · MRMS 无缝混合扫描反射率 · NOAA/NCEI Storm Events · 13–17.5 万
欧盟 · OPERA 雷达拼图 · 欧洲严重天气数据库（ESWD） · 13–17.5 万
中国 · 中国气象局合成反射率 · — · 13–17.5 万
中国数据集用雷达原生、峰值锚定的强降水采样构建。每区测试集 4000 条序列，取自严格更晚的观测时段，按匹配条件筛选，基准因此聚焦在强降水和强对流型。
对照三个基线，覆盖三类不同路线：
基线 · 类别 · 说明
PySTEPS 的 STEPS · 业务外推型集合临近预报 · 依赖外推近期雷达回波
SimVPv2 · 确定性时空预测 · 近期强基线
NowcastNet · 生成式集合临近预报 · 极端降水上表现强
注意 NowcastNet 原本只做 3 小时，作者重新训练成 6 小时再比。所有基线用官方实现在同一协议下评测。
评测分四类：阈值检验（16 / 32 / 64 mm/h 三个雨率阈值上的临界成功指数 CSIN，在网格邻域内计算）、概率检验（CRPS 与 CRPSS）、结构检验（径向平均功率谱 PSD，作为无阈值的空间结构诊断）、决策分析（相对经济价值 REV）。
所有集合方法用 4 个成员，需要单一场时按概率匹配均值（PMM）聚合。
效果怎么样
阈值技巧：全区域全时效全阈值都最高
MW-Nowcast 在三个区域、每一个评测时效和阈值上 CSIN 都是最高。64 mm/h 阈值下差别最明显：基线大约 3 小时后技巧就趋近于零，MW-Nowcast 在整个 6 小时都保持可测技巧。
这里有一个需要说清的方法论细节：作者把重训后基线的 3 小时 CSIN 当作参照，算MW-Nowcast 维持同等技巧还能多撑多久。答案是九个"区域 × 阈值"组合里额外 2.3 到 3 小时以上，越极端的降水增益越大。这就是标题里"翻倍"的具体来源。
论文主图 1：MW-Nowcast 架构与两个高影响个例。上为共享编码器加确定性解码器与流匹配残差解码器的双分支结构，下为美国密西西比州和中国北京密云两个个例的预报场序列。
论文主图 2：美、欧、中三区域的量化验证。(a) 三个区域全部时效与阈值上的 CSIN；(b) 确定性预报与集合成员的技巧退化时点对比；(c) 2、4、6 小时时效的径向平均功率谱；(d) 16 与 32 mm/h 两个阈值上随成本损失比变化的相对经济价值。
一个反直觉的结果：PySTEPS 的 CRPS 反而超过 NowcastNet
四成员集合的逐格点 CRPS 上，MW-Nowcast 在三个区域都优于 NowcastNet 和 PySTEPS，说明它在单成员精度和集合离散度之间取得了更好的平衡。
但PySTEPS 在 CRPS 上反而超过 NowcastNet。作者给的解释是：域平均的逐格点 CRPS 对每个地点等权，不特别强调强降水，所以保守预报即使在高阈值技巧上已经输了，仍能在 CRPS 上保持竞争力。
这条正好说明为什么不能只看单一指标——CRPS 好看和强降水抓得准是两件事。
频谱：6 小时内保持接近观测谱
径向平均功率谱在 2、4、6 小时时效上评估。SimVPv2 随时效增加在中短波长逐渐损失谱功率（预报越来越平滑）；MW-Nowcast 在 6 小时内保持接近观测谱，在 2 和 4 小时比 PySTEPS 更贴近观测，6 小时时两者相当。欧盟和中国区的频谱行为类似。
决策价值：4–6 小时仍有正收益
REV 框架把预报放进一个风格化的成本损失决策问题里，看基于预报的行动能否降低预期损失，归一化后 1 代表完美预报、0 代表相对最优气候策略无改进。
这里作者做了一个刻意的区分：DGMR 评估的是 90 分钟累积降水的 REV，本文在 2、4、6 小时时效上分别评估瞬时值，目的是检验预报是否在更长时效上仍保有决策价值、从而支持更早的防护行动。
结果是三个区域、两个阈值（16 和 32 mm/h）、三个时效上 MW-Nowcast 的 REV 都显著高于基线。美国区在 4 和 6 小时上，MW-Nowcast 在较宽的成本损失比范围内保持正收益，而基线接近零。
两个个例：模型怎么把不确定性交出去
密西西比：确定性分支扛住全程
2025 年 3 月 15 日密西西比州 Walthall 县的一个对流系统产生了 EF4 龙卷。NWS 现场调查记录 3 人死亡、8 人受伤、约 500 万美元财产损失。17:30 UTC 起报。
在这个个例里，确定性分支从头到尾扛住了大部分预报。预报场上，一条西南—东北走向的组织化降水带在整个窗口内保持可辨识，其中嵌着的多个强核心经历局地加强、减弱、碎化与重组。MW-Nowcast 在长时效上保住了雨带连续性、集中的强降雨核心和系统的空间范围。
三个基线的失效模式各不相同：
基线 · 长时效表现
PySTEPS · 外推了前期移动，但强度在域内逐步衰减
SimVPv2 · 雨带保持连续，但把嵌入的对流核心抹成一大片均匀强降雨
NowcastNet · 早中期时效有精细局地结构，后期大幅低估强核心强度，同时把轻到中等降雨铺到过大的范围
北京密云：确定性分支中途让位给集合
2025 年 7 月 26 日晚到夜间，北京密云区北部及邻近河北发生持续性山地强降雨，造成 30 人死亡、转移 80332 人。26 日 11:00 UTC（当地 19:00）起报。
这是可预报性完全不同的另一种情形：组织化风暴结构逐步散开，确定性可预报性迅速丢失。
前 4 小时密云区观测降水还比较集中，确定性预报带着连贯的降水信号，集合成员在位置上大体一致、只是核心细节不同。到 6 小时观测降水变得破碎，确定性预报淡成一小块，而成员们仍在不同位置生成强核心——常常出现在确定性预报几乎什么都看不到的地方。
作者用诊断量化了这个交接：64 mm/h 阈值上确定性 CSIN 在约 3 小时内归零，而集合技巧维持到约 5 小时。到最后一小时，已几乎没有风暴尺度结构可依托，残差分支仍在以多样情景提供大部分强降雨信号。
这个交接的代价作者也写明了：集合离散度加宽正标记着这个个例里局地可预报性的极限，到 6 小时单个成员越来越偏离观测核心。但集合仍传达了"该区域持续有强降雨可能"这一信号，支持继续监测而不是解除预警。
论文主图 3：北京密云个例中可预报性下降时的行为分配。(a) 观测与各方法的预报场序列；(b) 确定性 CSIN 在 64 mm/h 上约 3 小时归零、集合维持到约 5 小时；(c) 确定性预报与集合成员在最后时效的对比；(d) 逐成员评分确认强降水信号由个别成员携带；(e) 随可预报性丢失，确定性分支与残差分支的贡献交接。
两个补充个例：山洪与飓风
正文两个个例之外，论文的扩展数据里还有两个，作者用同样的诊断量做对照。
田纳西州山洪：组织化雨带的对流尺度技巧
2025 年 6 月 19 日田纳西州 Tipton 县的一次山洪个例，09:10 UTC起报，观测显示一条组织化强降水带自北向南移动。
这张图的 (b) 面板把四种方法的技巧退化曲线放在一起看，MW-Nowcast 在 32 mm/h 上从起报起就基本持平或领先，到 6 小时仍保持技巧；64 mm/h 上它在 3 小时后仍明显高于三个基线，而基线已跌到接近零。这跟正文 64 mm/h 的整体结论一致。
另一个只有这张图能看出的细节：MW-Nowcast 的CRPSS 曲线在全程都高于零，意味着它相对气候态参考有正的技巧增益；PySTEPS 和 NowcastNet 的 CRPSS 在约 15 小时步后就跌破零线——注意这个坐标轴按 10 分钟步长递增，所以"15 小时步"实际是 2.5 小时。这两个方法的概率预报在超过两小时后就不再优于气候态了。
马里兰州飓风：破碎对流下的表现
2025 年 7 月 14 日 19:30 UTC起报的马里兰州（MD）飓风个例，是另一种情形：观测降水在窗口内高度破碎、分散。
这张图上SimVPv2 的失效最明显——它把破碎的强对流抹成了一整片平滑的椭圆雨区，到 +4、+6 小时基本只剩一个绿色大斑。NowcastNet 在前几小时还能维持结构，但 +6 小时明显碎化。MW-Nowcast 在 +3 小时仍保有与观测对应的强降水核心，到 +6 小时退化但仍保有大尺度结构。PySTEPS 的表现与正文一致：外推了前期移动，强度逐步衰减。
这两张图合起来说明一件事：MW-Nowcast 的优势不只体现在指标上，也体现在具体个例的失效模式上——它不会像确定性方法那样把破碎对流抹成一片均匀雨区。
论文扩展数据图 1：美国田纳西州 Tipton 县 2025 年 6 月 19 日山洪个例，09:10 UTC 起报。(a) 观测序列与预报域；(b) 四方法在 32 mm/h 与 64 mm/h 上的 CSIN、CRPS、CRPSS 以及功率谱随时效的变化；(c) 真值与四种方法的 T+1 至 T+6 小时预报场；(d) 各时效功率谱；(e) 确定性预报与四个集合成员在 T+2、T+4、T+6 小时的对比。
论文扩展数据图 2：美国马里兰州 2025 年 7 月 14 日飓风个例，19:30 UTC 起报。(a) 观测序列与预报域；(b) 四方法在 32 mm/h 与 64 mm/h 上的 CSIN、CRPS、CRPSS 与功率谱；(c) 真值与四种方法的 T+1 至 T+6 小时预报场；(d) 各时效功率谱；(e) 确定性预报与四个集合成员在 T+2、T+4、T+6 小时的对比。
消融：哪些设计是必需的
补充材料里的对照实验指向同一个结论——联合学习这个分工是必需的：
去掉什么 · 后果
确定性分支（直接生成完整未来序列） · 长时效高阈值技巧下降
联合优化（改为先确定性、后残差的级联） · 长时效高阈值技巧下降
概率匹配均值聚合（改用确定性预报单场） · 高雨率尾部恢复不如集合
另外 PMM 集合比确定性预测在三个区域上都更好地恢复了观测的高雨率尾部。
图 5：网络架构细节
论文图 5：MW-Nowcast 的网络架构。(a) 三个主模块——历史编码器、确定性解码器、残差解码器，以及各自的张量形状标记（输入输出的时间、空间、通道维）；(b) 上下文编码器与其内部模块，含时间注意力、空间块（自适应傅里叶神经算子 AFNO 与门控注意力）、门控注意力与 SwiGLU 门控；(c) 未来解码器架构，含时间聚合、时间上采样、空间上采样，其中空间上采样用 log(S/s) 对数像素重排而非普通插值。
作者承认的边界
集合只有 4 个成员。 4 成员集合能提供多样性，但谈不上覆盖充分的概率分布。论文自己承认这一点：极端降水临近预报的价值不只在于生成真实的降水场，还在于把有用的技巧保持得足够远，而在后一环上本文只做到了 6 小时框架内的验证。
验证范围限于三个雷达网密集的区域。 中国的数据集需要向 CMA 申请，欧盟的 OPERA 拼图需要向 EUMETNET 申请并获批——数据可及性本身就是一道门槛。
个例只覆盖两种风暴型。 美国龙卷与中国山地暴雨，storm regime 有限。
权重尚未开放。 代码与训练好的检查点承诺在论文发表时公开于 github.com/microsoft/MW-Nowcast，当前没有可用的检查点。
作者的下一步
把临近预报的信息源从雷达单独扩展出去——结合地球静止卫星影像和数值模式 Guidance，能更早拿到云发展和环境条件的信息，对对流起始和快速演变的风暴尤其有用。
作者的推论更进一步：雷达可以作为训练目标，而模型输入换成卫星和数值数据，后者在全球覆盖上远比雷达广，从而把长时效临近预报带到雷达稀疏甚至没有业务雷达覆盖的地区。