West-WRF AI 2 公里：高分辨率预测水汽输送与降水

West-WRF AI 2-km 是一种采用拉伸网格的 AI 天气预报模型，在美国西部及东北太平洋部分区域达到 2 公里分辨率，全球其他区域约 31 公里。模型基于用 40 年 ERA5 数据预训练的全球模型，再用 CW3E 2 公里区域再分析数据微调，并以 6 小时步长自回归输出降水和 integrated vapor transport（IVT）预报。研究用 2020 至 2023 年冬季的网格降水观测、雨量计和 AR Reconnaissance 下投式探空进行检验。

此前 AI 天气预报模型多以较粗分辨率运行，对复杂地形和大气河流影响下的局地降水刻画有限。该工作显示，AI 模型可在保留大尺度技巧的同时生成 2 公里级预报，并在最极端 IVT 阈值上下投式探空误差更低、分类技巧更好。

模型先在 ERA5 上预训练获得全球大尺度能力，再用 CW3E 区域再分析数据进行微调，通过拉伸网格把算力集中在重点区域。自回归方式以 6 小时间隔递推生成降水与 IVT 预报，从而在细网格上保留高频谱变化与地形敏感特征。

对天气、水文和能源类产品而言，2 公里级 AI 预报可用于更细粒度的降水极值与水汽输送提示，减少对高成本区域数值模式的完全依赖。研发上需要处理拉伸网格、区域微调数据管线和 6 小时递推推理的工程集成。

• 将 2 公里 AI 降水与 IVT 预报接入面向美国西部的水文或水库调度产品，提供更细的局地极值参考。
• 为大气河流监测类工具增加最极端 IVT 阈值下的分类提示，并以探空数据做持续校验。
• 评估用区域再分析微调现有全球 AI 天气模型，以较低成本获得重点区域的高分辨率输出。

• 该模型未在中国或亚洲区域做 2 公里微调和检验，迁移效果未知。
• 论文未披露推理所需的计算资源、延迟和运行成本。
• 2 公里拉伸网格是否适用于其他复杂地形区域尚待验证。
• 降水与 IVT 之外的其他气象变量是否同样保持细尺度技巧未见说明。