观潮 · 模式预报与气象 AI 观察
INAF自建三传感器自动台站：光学湍流预报缺的就是两年连续观测，两个站址天区覆盖都算到100%
> 用神经网络做光学湍流预报，卡点不在网络而在数据——至少要两年的连续观测才谈得上可靠的训练集。Arcetri 团队运营着 LBT 上空的 ALTA 和 VLT 上空的 FATE 两套业务预报系统，长期目标是自建仪器把观测数据的来源握在手里。这篇 SPIE 会议论文报告的是一套可搬、可复制的自动台站：夜间用 Cyclope（DIMM 的单孔径简化版，对准北极星跟踪）测视宁度，日间用 CSSMS 太阳闪烁仪、靠伺服系统主动追日，再加一台 RINGSS 湍流廓线仪和 Vaisala WXT530 气象站，全部由树莓派 5 统一管数据流。台址定在佛罗伦萨附近的 Chianti 多功能天文台，软件用 Python 3.11 写，跟踪算法基于 Skyfield 与依巴谷星表。论文给出的一项硬结论是天区覆盖：在不违反星等与天顶角约束的前提下，佛罗伦萨和 Mt.Graham 两个站址全年都能做到 100% 覆盖，意味着随便哪天晚上都不缺可用观测星。两台低成本传感器目前都还没经过其它标准仪器的充分验证，作者把这一点如实写在了文中。
缺的是哪一块
光学湍流测量对地基天文和自由空间光通信（FSOC）都是基础工作，自适应光学的优化要靠它，光学地面站的组网管理也要靠它。测量之外，预报同样关键——观测计划要按预报来排。但论文写明，用神经网络做湍流预报强烈依赖长时间、尽可能连续的观测数据集，而这个门槛是至少两年。
当前做连续监测的常用仪器包括 DIMM、MASS、SLODAR 和 RINGSS 这几类。Arcetri 团队自己在跑两套业务预报系统，分别架在 LBT 上空的 ALTA 和 VLT 上空的 FATE，两套系统一直在迭代，而预报性能显然取决于有哪些测量可用。
另一个现实问题是站址条件。合作方 LBTO 最近也购置了 Cyclope 和 RINGSS 并装在 PEPSI 望远镜处，用来扩充可获取的天文气候参数量，但受后勤限制，这些仪器只能放在特定位置，既没法与其它参考仪器比对，也没法量化可能存在的偏差。Arcetri 这套 R&D 台站的一个明确目的，就是补上这块交叉验证能力。
系统怎么搭的
这是一套模块化设计：每个模块既能单独自治运行，也能互联做同时测量，整体由主控系统统一管理。作者把这套 R&D 的目标列成四条——复现文献里的仪器以采集大规模观测集供机器学习使用、评估低成本技术（Cyclope 与闪烁仪）的性能水平、为 LBTO 的合作方做技术表征支撑、以及开发能覆盖昼夜 24 小时的新仪器（经费已申请）。
模块 · 作用 · 关键设计
Cyclope · 夜间视宁度 · Alcor System 出品，DIMM 的精简版，用单孔径从波前到达角估算光学湍流积分；对准地球自转轴跟踪北极星，不需要赤道仪
CSSMS · 日间视宁度 · Alcor System 的太阳闪烁仪，测量太阳辐照度起伏，带专用伺服系统主动追日
RINGSS · 湍流廓线 · 采用 Tokovinin 原始代码的估计器；由团队自行安装与编程，合作方为 LBT 团队
WXT530 气象站 · 环境与保护 · Vaisala 出品，提供气压、气温、风速、风向和降雨信息；驱动闸门自动保护仪器
台址选在意大利佛罗伦萨附近的 Chianti 多功能天文台（Osservatorio Polifunzionale del Chianti，OPC），原因是那里有开阔的全天视野和足够的仰角条件。
机械上的一个专门处理：Cyclope 不像 DIMM 那样做差分测量（DIMM 会把两个孔来的到达角相减），因此对仪器自身振动敏感。为了消掉这部分振动，必须把 Cyclope 固定在一根由混凝土基座锁死的专用结构顶端，并用有限元分析来确定管子的几何特性。它本身视场角有限，靠软件锁定北极星，所以不需要跟踪用的机架。
软件：自研部分基于 Python 3.11，包含串口通信与巡检例程，用来监控传感器和存储服务器状态。Cyclope 与 CSSMS 沿用 Alcor Systems 的原生软件，自研软件把系统更新时段安排在日出和日落窗口，避免打断正在进行的采集。RINGSS 的跟踪算法用 Skyfield 库配合依巴谷星表识别星位，从而做全天区覆盖分析，按星等与位置约束挑出最佳导星。
几个主要子程序分工如下：
子程序 · 职责
主程序 · 实时把测量结果推到网站供远程查看，控制从传感器到 Arcetri 数据存储服务器的数据流，持续检查气象站与其它传感器状态
气象站控制 · 作为 RINGSS 的 flag 系统——高风速和降雨都可能损坏仪器传感器
RINGSS 穹顶与机架控制 · 读取气象 flag，按太阳位置与 flag 决定把 RINGSS 移向目标还是收回折叠位
RINGSS 估计器 · 基于 Tokovinin 原代码，控制相机、估计天文气候参数、生成测量文件并每日同步到本地存储
Cyclope 与 CSSMS 软件 · Windows 平台，由 Alcor Systems 开发，两者工作方式类似，分别覆盖夜间与日间
采集时序上有一个必须说明的空档：日间仪器从太阳位置降到地平线以下 5° 时开始采集，因此在日出后和入夜前各存在一小区间没有任何测量，论文用一张图明确标了出来——这期间夜间或日间的观测数据会被传回 Arcetri 的存储库。
结果数字
天区覆盖。作者先给视宁度测量补了一个前提：任何视线方向上的视宁度都要按大气质量做校正，才能归一到天顶方向——沿天顶角 θ 的视宁度与天顶视宁度之间有一条换算关系。校正之后，天区覆盖被定义为「在满足观测约束的前提下我们能观测到的恒星比例」。
站址 · 约束条件 · 天区覆盖
佛罗伦萨（OPC） · RINGSS 星等约束 m < 2，外加天顶角 35°；无外部几何遮挡 · 全年各时段均为 100%
Mt.Graham（LBT 站址） · m < 2，并有因 RINGSS 紧邻 LBT 穹顶带来的天顶角与方位角限制（方位角 0° 取正南方向） · 全年各时段均为 100%
两站都是 100%，意味着无论如何哪一夜都不需要为找可观测的星发愁。
自动化选星的三条优先级：一是选最亮的星，若有多个选项就选星等最小的；二是最大化已选恒星的观测时长，避免频繁换星——太频繁的切换会在观测序列里留下间断与空隙；三是最小化天顶角，星越靠近天顶，弱扰动近似越容易成立。代码按这些条件排出优先级顺序，从东侧升起的星开始处理。另外一个必须纳进来的因素是月亮：月球会在恒星附近造成额外背景噪声，因此程序里加了一个滤波器，把落在月亮一定角距以内的恒星全部剔除。
已经落地的建设成果：选定台址、确定每台仪器的基础设施、为 RINGSS 专门设计穹顶、为 Cyclope 找到能消机械振动的最优支撑、采购能在自动运行模式下保护仪器的环境传感器、算出佛罗伦萨与 Mt.Graham 两站的天区覆盖（都是 100%）、并开发出负责自动化的 Python 3.11 软件。作者对这套软件的目标描述是：保证目标选择最优、采集不中断，从而缓解季节性缺口。
原文图
图1 R&D 台站所在的 Chianti 多功能天文台（OPC），位于意大利佛罗伦萨附近，黄箭头指向仪器的安放位置。作者选这里的理由是全天视野开阔、仰角条件好，适合这类需要连续看天的观测任务。
图2 左为一号模块的实景：Cyclope 视宁度监测仪（灰色筒体，对准北极星方向）与挂在侧面的 CSSMS 太阳闪烁仪，两者一个管夜间一个管白昼，共同构成 24 小时连续采集；右为 Cyclope 的专用支撑结构——灰色圆筒管立在混凝土基座上，靠有限元分析确定几何尺寸，用来消掉单孔径测量无法差分掉的机械振动。
图3 RINGSS 单元：左为实物，橙色的 Celestron 5SE 镜筒装在云台上，侧面挂着小相机；右为光学结构示意，从筒口往下依次是 F = -100 元件、滤光片、F = 20 元件和 ZWO ASI 相机。这台设备的估计器基于 Tokovinin 的原始代码，是本套系统里唯一提供湍流垂直分层信息的分量。
图4 佛罗伦萨（左）与 Mt.Graham（右）上空的极坐标天区图：灰色为不可见区域，颜色表示选星优先级——绿色最高、黄色次之、红色最低，蓝点为可用恒星，白色五角星为目标星。两站都在满足星等与天顶角约束的前提下做到 100% 天区覆盖。
作者承认的限制
限制 · 原文口径
Cyclope 尚未充分验证 · Cyclope 用单孔径架构换来的是精度的让步，作者写明它「还没有与其它标准传感器做过充分验证」
CSSMS 也没有验证 · 论文直接写「目前这台仪器同样不存在任何验证」
Cyclope 对振动敏感 · 由于不做 DIMM 那样的差分测量，Cyclope 对仪器振动敏感，只能靠专用的混凝土基座加支撑结构来消除，而不是从测量原理上解决
日出与入夜各有采集空档 · 日间仪器从太阳位置 -5° 才开始采集，因此日出后和入夜前各有一小段没有测量，论文用图明确标出这段缺口
24 小时仪器还没做成 · 能同时覆盖昼夜的光学湍流估计仪器仍在设计与申请经费阶段，尚未建成
RINGSS 的估计还需细究 · 下一步工作是开始业务化运行（Cyclope 与 CSSMS 的进度比 RINGSS 更靠前），并更细致地研究 RINGSS 给出的视宁度与垂直分层结果
合作方站址无法自证 · LBTO 受后勤限制必须把仪器放在特定位置，既没有与其它参考比对的条件，也没有量化潜在偏差的能力——这正需要外部台站来做交叉验证
一句话判断
这篇报告的价值不在于某个仪器有多强，而在于把「AI 预报光学湍流」这件事的前置条件摆清楚了：网络再新，也要先有两年不间断的实测数据，而这类数据靠别人的仪器排不出档期，只能自己搭台站——三段式模块加一套 Python 自动化，换来的是数据自主，代价是两台低成本传感器目前都还没有送检。