AI for Science

AIFS-DOP: End-to-End Medium-Range Weather Prediction from Observations Alone with Machine Learning

AIFS-DOP：仅基于观测的端到端中期天气预报机器学习方法

Ewan Pinnington, Peter Lean, Mihai Alexe, Eulalie Boucher, Simon Lang, Patrick Laloyaux, Gert Mertes, Tomas Kral, Patricia de Rosnay, Matthew Chantry, Anthony McNally

专题命中 气象气候 ：仅用观测数据训练的机器学习中期天气预报模型，属于气象学。

AI总结 提出AIFS-DOP模型，仅用40年网格化观测数据训练，无需数值预报再分析数据，在2021/2022年预报评分中与ECMWF的IFS系统竞争，首次实现纯数据驱动模型在中期预报中与IFS相当。

Comments 12 pages, 10 figures

IPSL-AID: Generative Diffusion Models for Climate Downscaling from Global to Regional Scales

IPSL-AID：用于从全球到区域尺度气候降尺度的生成扩散模型

Kishanthan Kingston, Olivier Boucher, Freddy Bouchet, Pierre Chapel, Rosemary Eade, Jean-Francois Lamarque, Redouane Lguensat, Kazem Ardaneh

专题命中 气象气候 ：扩散模型用于气候降尺度，生成高分辨率气象场

AI总结 提出基于去噪扩散概率模型的IPSL-AID工具，利用ERA5再分析数据从粗分辨率输入生成0.25°温度、风和降水场，并建模细尺度特征概率分布以量化不确定性，准确重建统计分布、极端事件和空间结构。

Comments 17 pages, 12 figures, submitted to Climate Informatique 2026, to appear in Environmental Data Science

Task-Adaptive Parameter-Efficient Fine-Tuning for Weather Foundation Models

面向天气基础模型的任务自适应参数高效微调

Shilei Cao, Hehai Lin, Jiashun Cheng, Yang Liu, Guowen Li, Xuehe Wang, Juepeng Zheng, Haoyuan Liang, Meng Jin, Chengwei Qin, Hong Cheng, Haohuan Fu

专题命中 气象气候 ：针对天气基础模型的任务自适应微调

AI总结 提出WeatherPEFT框架，通过任务自适应动态提示和随机Fisher引导自适应选择，在天气下游任务上以更少参数达到全微调性能。

Optimal scenario design for climate emulation

气候模拟的最优情景设计

Christopher B. Womack, Shahine Bouabid, Andrei Sokolov, Popat Salunke, Glenn Flierl, Sebastian D. Eastham, Noelle E. Selin

专题命中 气象气候 ：优化训练数据提升气候模拟器泛化能力，属于气候科学。

AI总结 针对气候模拟器泛化能力受限的问题，提出通过可微简单气候模型优化训练数据情景，使小数据集训练的模拟器性能优于标准情景集。

Benchmarking Physics-Informed Time-Series Models for Operational Global Station Weather Forecasting

面向全球站点业务天气预报的物理信息时间序列模型基准测试

Tao Han, Zhibin Wen, Zhenghao Chen, Dazhao Du, Song Guo, Lei Bai

专题命中 气象气候 ：物理信息模型用于全球站点天气预报

AI总结 提出大规模观测数据集WEATHER-5K和物理信息模型PhysicsFormer，通过压力-风对齐和能量感知平滑损失增强物理一致性，在多个天气变量和极端事件预测上评估学术模型与业务系统的差距。

Comments Accepted by ICML2026

A Hybrid LSTM--Vision Transformer Architecture for Predicting HRRR Forecast Errors

混合LSTM-视觉Transformer架构用于预测HRRR预报误差

David Aaron Evans, Jay C. Rothenberger, Kara J. Sulia, Nick P. Bassill, Chris D. Thorncroft

专题命中 气象气候 ：混合架构预测HRRR预报误差

AI总结 提出LSTM-ViT混合框架，结合地表观测时序与大气廓线，预测HRRR降水、风速和温度预报误差，相比基线LSTM性能提升，尤其降水误差预测技能提高约两倍。

Comments This manuscript is a preprint and has been submitted for peer review to the Artificial Intelligence for the Earth Systems journal. The content is subject to change based on the outcome of the peer review process and should not be considered final or definitive. Copyright in this Work may be transferred without further notice

Atmospheric Methane Removal as a Third Climate Intervention: Termination Risks and Air Pollutant Effects

大气甲烷去除作为第三种气候干预：终止风险与空气污染物效应

Katsumasa Tanaka, Weiwei Xiong, Didier A. Hauglustaine, Daniel J. A. Johansson, Nico Bauer, Philippe Bousquet, Philippe Ciais, Renaud de Richter, Marianne T. Lund, Ragnhild B. Skeie, Eric Zusman

专题命中 气象气候 ：研究大气甲烷去除，属于气象气候

AI总结 研究大气甲烷去除（AMR）作为第三种气候干预手段，分析其终止风险与空气污染物效应，发现AMR的避免变暖不可持久，但终止后温度反弹比太阳辐射管理（SRM）缓和，且对对流层臭氧的影响受背景污染物水平调节。

Estimating carbon pools in the European Shelf sea environment: replacing reanalysis by model-informed machine learning?

估算欧洲陆架海环境中的碳库：用模型指导的机器学习替代再分析？

Jozef Skakala

专题命中 气象气候 ：机器学习估算海洋碳库

AI总结 提出用深度集成神经网络学习可观测变量与海洋碳库的关系，以低成本替代昂贵再分析，在西北欧陆架海实现高效碳库预测并提供不确定性。

Comments 37 pages, 9 figures (+ 3 in the appendix), v3 - published version

Journal ref JGR - Machine Learning and Computation 3 (2026)

Investigating Inductive Biases for Machine Learning Emulation of Sudden Stratospheric Warmings in Idealised Isca Simulations

研究理想化Isca模拟中平流层突然增温的机器学习模拟的归纳偏差

Oskar Bohn Lassen, Simon Driscoll, Stephen I. Thomson, Sebastian Schemm, Francisco C. Pereira

专题命中 气象气候 ：机器学习模拟平流层增温

AI总结 测试不同架构的归纳偏差对模拟平流层突然增温动力学的影响，发现三维垂直耦合是关键，但低预测误差不保证物理一致性。

Multifractal Dynamics of Tropical Atlantic SST Indices: Nonlinear Scaling Structure and Episodic Statistical Association with ENSO Variability

热带大西洋海温指数的多重分形动力学：非线性标度结构与ENSO变率的间歇性统计关联

Sebastián Jaroszewicz, Nahuel Mendez, Maria P. Beccar-Varela, Maria Cristina Mariani

专题命中 气象气候 ：热带大西洋海温指数的多重分形动力学分析，属于气候科学。

AI总结 利用MFDFA分析三个热带大西洋海温指数的多重分形特性，发现TASI具有更宽的多重分形谱且包含非线性贡献，移动窗口分析显示强厄尔尼诺事件期间多重分形宽度显著降低，滞后相关揭示与ENSO的间歇性关联。

Spatiotemporal downscaling and nowcasting of urban land surface temperatures with deep neural networks

基于深度神经网络的城市地表温度时空下垫面精细化与现在预报

Solomiia Kurchaba, Angela Meyer

专题命中 气象气候 ：利用深度神经网络实现城市地表温度高时空分辨率估计与预报。

AI总结 本文提出利用深度神经网络结合静止和极轨卫星数据，实现高时空分辨率的城市地表温度场估计与现在预报，提升城市气候与生态研究的精度与时效性。

Comments Paper after publication in IEEE Access

Journal ref IEEE Access, vol. 14, pp. 85134-85151, 2026

Assimilation of machine learning-predicted nitrate to improve the quality of phytoplankton forecasting in the shelf sea environment

同化机器学习预测的硝酸盐以提高陆架海环境中浮游植物预报的质量

Deep S Banerjee, Jozef Skakala, David Ford

专题命中 气象气候 ：同化机器学习预测的硝酸盐改进浮游植物预报，涉及海洋环境。

AI总结 本研究通过同化神经网络预测的表层硝酸盐浓度，显著提升了西北欧陆架海域浮游植物短期（1-5天）动力模型预报的准确性，最高改进达30%。

Comments 23 pages, 7 figures, v2 - published version

Journal ref Q.J.R.Meteorol.Soc. 152 (2026),