知识卡片：Learning Kilometer-Scale Weather Prediction with Global-Regional Alignment

一句话结论

ScaleCast 提出用 Global-Regional Alignment 把预训练全球天气模型的大尺度预报与区域高分辨率预测耦合起来，在 5.5 km 与 3 km 尺度上改善区域预报，且同一模型可复用多种全球预报驱动而无需针对性重训。

事件概述或研究问题

• 公里级区域天气预报对本地预警和天气敏感决策至关重要。
• 现有数据驱动方法通常依赖数值预报提供大尺度引导，或需要额外训练全球预报组件。
• 预训练全球天气模型可作为大尺度预报的高效来源，但复用它们引导高分辨率区域预测时，需要解决两个问题：跨不同网格对齐全球与区域表征；把全球引导与局地邻域交互整合起来以推进区域状态。

方法/产品要点

• 提出区域预报框架 ScaleCast，核心机制为 Global-Regional Alignment。
• Global-Regional Conversion 模块：将联合的全球与区域表征与区域位置对齐。
• Global-Regional Alignment and Dynamics 模块：把对齐后的引导与区域邻域交互结合。
• 实验设置：使用 0.25° 网格的 ERA5 全球分析，以及 5.5 km 间距的 CERRA 区域再分析。
• 单一训练模型支持多种全球预报驱动（Pangu-Weather、GraphCast、HRES），无需针对每种驱动单独重训。
• 在 3 km 间距的 HRRR 上微调，用于验证框架对不同区域域和空间分辨率的适应性。

主要结果或产业意义

• 在表面变量和高空变量上，区域预报得到改进。
• 同一训练模型可适配 Pangu-Weather、GraphCast、HRES 等不同全球预报驱动。
• 在 HRRR 3 km 上的微调显示出跨区域域与跨分辨率的适应性。
• 风暴案例研究显示气旋定位和核心气压估计得到改善。
• 与 HadISD 站点观测比较，显示在本地温度和湿度变化上更接近观测。

为什么重要

• 区域公里级预报是本地预警与决策的关键尺度，但纯粹数据驱动方法在跨网格耦合全球—区域信息上存在困难。
• 该工作把“预训练全球模型”当作可复用的大尺度引导来源，而不是为每个区域系统重新训练全球组件，可能降低区域高分辨率预报系统的构建与迁移成本。
• 对多种全球驱动（Pangu-Weather、GraphCast、HRES）的兼容性，意味着区域侧模块可以与不同全球模型供应链解耦，便于业务上替换或并行使用不同全球预报源。
• 与本卡片库中其他机器学习应用类卡片相比，本条聚焦的是“全球—区域表征对齐”这一具体耦合机制，而非资金错配、生存预测迁移或细胞成像等主题，属于 foundation-model 在天气预测方向的新增量。

局限与不确定性

• 摘要未给出具体误差指标数值、基线对比细节与统计显著性，待核实。
• “improved regional forecasts”的具体变量清单、评估时段与区域范围待核实。
• 单一训练模型支持多种全球驱动，但是否在所有驱动下性能一致、是否对驱动误差敏感，待核实。
• HRRR 微调实验的具体设置、微调数据量与跨域迁移代价，待核实。
• 风暴案例研究的个数、选取标准与气旋定位/核心气压的量化改进幅度，待核实。
• 与 HadISD 站点比较的站点数量、匹配方法及温度/湿度指标口径，待核实。
• 论文发表信息：arXiv 2610.12401v1，2026-10-08，cs.LG，作者包括 Guowen Li、Yang Liu、Yujie Wang、Qiuyan Sun、Haoyuan Liang、Juepeng Zheng、Hong Cheng、Haohuan Fu；同行评审状态待核实。

可用于图书/PPT/简报的角度

• “预训练全球模型 + 区域对齐模块”作为区域高分辨率预报的一种解耦式架构：全球侧可替换，区域侧可复用。
• 跨网格表征对齐：全球 0.25° 与区域 5.5 km/3 km 之间的尺度桥接问题。
• 一个模型适配多种全球驱动（Pangu-Weather、GraphCast、HRES）对业务系统供应链灵活性的意义。
• 极端天气案例（风暴）中数据驱动区域模型对气旋定位与核心气压的改进，可作为“AI 预报是否抓住关键天气系统”的示例。
• 与站点观测（HadISD）对比，说明区域模型在本地温湿变化上的贴近程度，适合用于讨论“高分辨率是否真的更贴近地面实况”。

原始材料

• Title: Learning Kilometer-Scale Weather Prediction with Global-Regional Alignment
• arXiv ID: 2610.12401v1
• Authors: Guowen Li, Yang Liu, Yujie Wang, Qiuyan Sun, Haoyuan Liang, Juepeng Zheng, Hong Cheng, Haohuan Fu
• Published: 2026-10-08T17:43:23Z
• Primary category: cs.LG
• Abstract URL: https://arxiv.org/abs/2610.12401v1
• PDF URL: https://arxiv.org/pdf/2610.12401v1
• Keywords: Kilometer-Scale Weather Prediction; Global-Regional Alignment; ScaleCast; Regional Forecasting; Pretrained Global Weather Models; Global-Regional Conversion; Global-Regional Alignment and Dynamics; ERA5; CERRA; HRRR; Pangu-Weather; GraphCast; HRES; HadISD