与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

知识库中有四项在明确约定下扫描 guidance 权重的地球物理研究（Lopez-Gomez et al., 2025; Martin et al., 2025; Schusterbauer et al., 2026; Suresh Babu et al., 2025），另有两项的约定无法还原（Hua et al., 2024; Millard et al., 2025）。本期从库外补充了第五项约定明确的扫描。James et al. (2026) 从一个确定性预报出发，生成美国本土对流有效位能（CAPE）的 30 成员、6 小时集合，所用 guidance 变体的较弱分支只去掉预报场，而不是去掉整个条件。在一个夏季上把权重从 0 扫到 1.5，均方根误差在普通条件采样附近有一个宽平的极小值，集合离散度一路下降，夏季平均离散度—技巧比在每个权重下都低于 1；作者以技巧高、离散度—技巧比合理为由，选择了低于条件采样的 0.6，其曲线显示该权重给出的离散度约为条件采样的一倍半，误差约多出十分之一。文中没有逐权重报告连续分级概率评分，且扫描所用的夏季落在微调时段之内。

读全文补上了知识库叙述中隐而未言的条件。Martin et al. (2025) 对第七天 Z500 的扫描，检验对象是其蒸馏来源模拟器的一段留出模拟，而不是观测；Lopez-Gomez et al. (2025) 的降尺度权重从四个取值中选出，并与训练中丢弃条件的概率、学习率和 batch size 联合选定，没有给出逐权重的评分；Suresh Babu et al. (2025) 的最优值只有陈述，没有公布误差数值。在降水方面，Schusterbauer et al. (2026) 报告 CasCast 在 guidance 下的极值很快超过 SEVIR 中最强的降水，并将这种整体上移与数据中弱降水占主导联系起来。

• 一项库外的 CAPE 集合研究发现误差在普通条件采样附近最低，却选择了低于它的权重，以放宽一个按夏季平均在每个权重下都离散度不足的集合（James et al., 2026, preprint）。
• 第七天 Z500 的校准结果来自完美模式检验，另有两个最优权重在报告时没有给出各权重下的评分。

与库中结论的差异

知识库把校准研究中的最优设置描述为位于条件采样处或其附近，全文支持这一点。有两个天气来源把权重移到条件采样以下，以放宽离散度不足的集合：James et al. (2026)，以及 Martin et al. (2025) 所述的惯常做法，尽管后者自己的最优值仍是普通条件采样；这与图像生成中的用法相反（Ho & Salimans, 2022）。其他研究把权重设在条件采样处或更高：Lopez-Gomez et al. (2025) 为 1.1，Suresh Babu et al. (2025) 为 1.25，Foo et al. (2025) 为 2，即越过条件采样整整一步，各自以误差、CRPS 或阈值类评分为依据。James et al. (2026) 还称离散度在 0.5 以上保持平稳，但其图 3 的离散度曲线在 0.5 到 1.5 之间下降了约五分之三，图 2 的误差曲线降到 1 附近的极小值后只略有回升，因此他们的离散度—技巧比在 0.5 以上的下降来自离散度。

各项评分之间互相矛盾，知识库只记录了其中一部分。在 SEVIR 上，guidance 提高了分类评分：Heidke 技巧评分一直升到权重约 1.5（Schusterbauer et al., 2026），在越过条件采样整整一步的权重下，每一个临界成功指数都有提高（Foo et al., 2025）；而在唯一同时报告两类评分的研究中，连续分级概率评分每加一步都变差。Millard et al. (2025) 的降水结果，无论按论文两种公式中的哪一种，都随 guidance 值增大而变差，因此其方向可以计入，位置却不能；作者报告 0.5 对其他大多数变量最优、0.7 对位势最优，但其表格显示较长时效上 10 m 风以 0.3 最优，位势只在最后一个时效以 0.7 最优，所以只有降水结果方向明确。

• 在条件天气集合过窄时，有研究把权重移到条件采样以下来放宽集合，这与它在图像生成中的用法相反（James et al., 2026; Martin et al., 2025）。
• 在 SEVIR 降水上，guidance 提高阈值类评分的同时使连续分级概率评分变差，因此一项研究得出什么结论，取决于它报告哪种评分。

与未决问题的关系

关于应以何种标准选择权重，本期所读来源表明，在降水上评分的选择决定了结论：基于命中的评分所奖励的强度偏移，正是分布类评分所惩罚的；CasCast 的已发表结果使用了 guidance，而其秩直方图在 Schusterbauer et al. (2026) 中显示出强烈的过度自信。这一问题仍然开放，因为只有两项研究针对权重对降水做了概率评分，两者都没有报告强降水阈值下的可靠性，也没有研究检验在某一地区或季节选出的权重能否迁移到另一地区或季节。

关于图像领域的控制方法能否改变地球物理场上的结果，唯一的检验仍是 Sadat et al. (2025) 的投影更新：在 Schusterbauer et al. (2026) 的两个 SEVIR 临近预报模型上，它没有消除连续分级概率评分的变差；在本期找到的来源中，区间式、学习式、调度式和弱模型式的替代方案都只在图像和视频上评过分。在报告方面，本期确认 Nath et al. (2023)、Ren et al. (2025) 和 Springenberg et al. (2025) 没有给出扫描，且要么没给权重、要么没给公式，Hua et al. (2024) 没有给出公式，因此知识库记录的报告缺口在本期所读来源中依然存在。

• 权重如何改变强降水的可靠性和极端事件出现的频率，本期所读的任何来源都没有测量过；只有一项研究表明某个模型的最大值会增大。
• 在用来替代恒定权重的图像领域方案中，本期找到的来源里只有投影 guidance 在天气上试过，而它没能阻止概率评分变差。

参考文献

1. Foo, S. Q., Wong, C.-H., Gao, Z., Yeung, D.-Y., Wong, K.-H., & Wong, W.-K. (2025). STLDM: Spatio-temporal latent diffusion model for precipitation nowcasting. Transactions on Machine Learning Research. https://doi.org/10.48550/arXiv.2512.21118
2. Ho, J., & Salimans, T. (2022). Classifier-free diffusion guidance (arXiv:2207.12598). arXiv. https://doi.org/10.48550/arXiv.2207.12598
3. Hua, Z., He, Y., Ma, C., & Anderson-Frey, A. (2024). Weather prediction with diffusion guided by realistic forecast processes (arXiv:2402.06666). arXiv. https://doi.org/10.48550/arXiv.2402.06666
4. James, Z., Guinness, J., & DeGaetano, A. (2026). Improving ensemble CAPE forecasts with a diffusion model incorporating aerosol information (arXiv:2605.24009). arXiv. https://doi.org/10.48550/arXiv.2605.24009
5. Lopez-Gomez, I., Wan, Z. Y., Zepeda-Núñez, L., Schneider, T., Anderson, J., & Sha, F. (2025). Dynamical-generative downscaling of climate model ensembles. Proceedings of the National Academy of Sciences, 122(17), e2420288122. https://doi.org/10.1073/pnas.2420288122
6. Martin, S. A., Brenowitz, N., Durran, D. R., & Pritchard, M. S. (2025). Long-range distillation: Distilling 10,000 years of simulated climate into long timestep AI weather models (arXiv:2512.22814). arXiv. https://doi.org/10.48550/arXiv.2512.22814
7. Millard, D., Carr, A., Gaudreault, S., & Baheri, A. (2025). DEF: Diffusion-augmented ensemble forecasting (arXiv:2506.07324). arXiv. https://doi.org/10.48550/arXiv.2506.07324
8. Nath, P., Shukla, P., Wang, S., & Quilodrán-Casas, C. (2023). Forecasting tropical cyclones with cascaded diffusion models. ICLR 2024 Workshop on Tackling Climate Change with Machine Learning. https://doi.org/10.48550/arXiv.2310.01690
9. Ren, Z., Nath, P., & Shukla, P. (2025). Improving tropical cyclone forecasting with video diffusion models. ICLR 2025 Workshop on Tackling Climate Change with Machine Learning. https://doi.org/10.48550/arXiv.2501.16003
10. Sadat, S., Hilliges, O., & Weber, R. M. (2025). Eliminating oversaturation and artifacts of high guidance scales in diffusion models. In International Conference on Learning Representations. https://doi.org/10.48550/arXiv.2410.02416
11. Schusterbauer, J., Wiese, J., Stracke, N., Phan, T., & Ommer, B. (2026). Probabilistic precipitation nowcasting with rectified flow transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. https://doi.org/10.48550/arXiv.2605.31204
12. Springenberg, M., Otero, N., Xue, Y., & Ma, J. (2025). DiffScale: Continuous downscaling and bias correction of subseasonal wind speed forecasts using diffusion models (arXiv:2503.23893). arXiv. https://doi.org/10.48550/arXiv.2503.23893
13. Suresh Babu, A. N., Sadam, A., & Lermusiaux, P. F. J. (2025). Guided unconditional and conditional generative models for super-resolution and inference of quasi-geostrophic turbulence (arXiv:2507.00719). arXiv. https://doi.org/10.48550/arXiv.2507.00719

发布后读入论文库：

• Improving Ensemble CAPE Forecasts with a Diffusion Model Incorporating Aerosol Information arXiv:2605.24009

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

库中有三项来源把某种预测设计选择与数据的某项性质联系起来（Liu et al., 2024; Nie et al., 2023; Shao et al., 2025），并记录了每项来源都只建立在两到四个数据集上。本期从库外补入第四项、规模更大的来源。Qiu et al. (2024) 在来自十个领域的二十五个数据集上评估了十四种多变量方法，用 STL 分解计算趋势强度和季节性强度，用高值在序列中的位置计算 shifting 得分，结论是 linear-based 方法在趋势上升或 shifting 显著的数据集上表现突出，而 Transformer-based 方法在季节性明显、趋势弱的数据集上更好。这一结论是从每种特征六个数据集的结果中目测得出的，每个模型族取其最佳误差，每个数据集只用一个预测步长，没有重复运行，也没有统计检验；趋势面板中趋势弱的一端正是 PEMS04 和 PEMS08，也就是 Shao et al. (2025) 归为稳定的那两个数据集。

本期还补入两项合成基准，均为预印本，它们关系到这些规则是否经过受控检验。Forootani and Khosravi (2025) 在十种固定的单变量信号上比较了三类 Transformer，没有训练线性模型。Janßen et al. (2025) 在含 800 个变量、波形、频率、噪声类型和噪声强度均受控的合成数据上，比较了 RLinear 与 iTransformer、Autoformer 和 S-Mamba，每种设置运行九次；加入趋势分量使每个模型都有所改善，排名不变，RLinear 的误差是两个最佳模型的二点五到五倍。该研究中的趋势以随机权重决定有或无，并未设定不同等级的强度；作者把 RLinear 的弱势归因于大量相互依赖的变量。

• 一项在二十五个数据集上计算数据特征的基准报告，线性方法在趋势强或 shifting 明显时表现更好，Transformer 在趋势弱、季节性明显时表现更好（Qiu et al., 2024）。
• 这一结论是凭肉眼从每种特征六个数据集中读出的，每个数据集只取一个预测步长，也没有重复运行。
• 找到的唯一一项包含线性模型的受控合成实验，在 800 个变量下开关趋势项，结果所有模型都有所改进，排名没有变化（Janßen et al., 2025，预印本）。

与库中结论的差异

库中已记录：Shao et al. (2025) 靠可视化划定时间模式类别，每类用两个数据集，未报告随机种子；在该研究中，模式类型与领域、变量数和采样间隔相互混杂。读过全文之后，库中对另外两条规则的描述需要收窄。Liu et al. (2024) 的变量数规则比较的是 iTransformer 与其去掉跨变量注意力的变体，Nie et al. (2023) 的训练规模规则在一个数据集上比较通道独立与通道混合的 PatchTST；两者都不是在 Transformer 与线性模型之间做选择的规则。Liu et al. (2024) 中与线性模型的直接比较在其主表：RLinear 在 ETT 数据集上与之持平，在 Traffic 和 PEMS 上大幅落后，这与 Shao et al. (2025) 报告的对比相同。同一张表中，iTransformer 在 Electricity 上领先 RLinear 约五分之一。Electricity 变量很多，Shao et al. (2025) 认为它缺乏稳定模式，他们的通道独立 PatchTST 在该数据集上与线性模型持平。综合两篇论文，这是变量数与模式类型唯一出现分离的地方。

Qiu et al. (2024) 的数据特征是计算得出的，而非主观判断，乍看正好提供了库中缺少的独立重复验证。数据上的重叠限制了这一点：其各面板中趋势弱、分布漂移弱的一端是 PEMS 交通路网，强的一端是只有五个变量的短日频股票序列，因此趋势与漂移的对比同时也是领域、采样间隔、序列长度和变量数的对比。两个基准之间的一致，部分建立在共用的数据集上，无法把各候选属性区分开。

• 库中三条选型规则里，只有 Shao et al. (2025) 给出了在 Transformer 与线性模型之间选择的规则；另外两条比较的是 Transformer 的不同变体。
• 新基准与 Shao et al. (2025) 的一致，部分建立在同一批 PEMS 数据集上，因此无法把模式类型与领域、采样间隔或变量数区分开。

与未决问题的关系

库中的开放问题是：Shao 的时间模式类别能否用定量指标划定，以及在 PeMS 和 ETT 之外，Transformer 与线性模型的优劣排序是否仍与之吻合。Qiu et al. (2024) 在更广的数据集上提供了这类指标，所报告的排序方向一致。这一问题在实质上仍未解决，因为其测量尺度的两端仍是同样的 PeMS 路网和少数股票序列；本次所读的来源中，也没有一项在同一数据集内改变趋势、漂移或周期性，同时比较两类模型。

关于变量数规则与空间不可区分性规则在同一数据上是否选出同一模型：本次所读来源显示，这两条规则以及趋势规则对各数据集的划分相同，唯有 Electricity 例外。该数据集变量多、空间不可区分性低，其模式又被 Shao et al. (2025) 视为不稳定；在这里，跨论文的结果倾向于以变量数为依据、选用混合变量的模型（Liu et al., 2024, Table 1; Shao et al., 2025, Table VI），但两组结果来自不同的实验流程。唯一包含线性模型的受控合成实验 Janßen et al. (2025) 把变量数固定在 800，趋势只按有无来改变，因此无法对此作出判定。更宽泛的问题，即跨预测步长、噪声水平和数据量来验证选型指南，仍未解决。Shao et al. (2025) 与 Qiu et al. (2024) 都没有重复运行，而 Ilbert et al. (2024) 给出了五个随机种子之间的离散程度；两相对照，线性模型占优的那些微小差距需要经过重复运行，才能支撑一条规则。

• Transformer 与线性模型的优劣排序是否取决于某种可测量的数据属性，这一问题仍未解决，因为各候选属性在同一批基准数据集上相互重合；Electricity 是跨论文比较中唯一提示变量数起作用的线索。
• 能够判定这一问题的实验，即在同一数据集内只改变一种属性、并用多个随机种子重新训练两类模型，在本次所读的来源中没有出现。

参考文献

1. Forootani, A., & Khosravi, M. (2025). Synthetic time series forecasting with transformer architectures: Extensive simulation benchmarks (arXiv:2505.20048). arXiv. https://doi.org/10.48550/arXiv.2505.20048
2. Ilbert, R., Odonnat, A., Feofanov, V., Virmaux, A., Paolo, G., Palpanas, T., & Redko, I. (2024). SAMformer: Unlocking the potential of transformers in time series forecasting with sharpness-aware minimization and channel-wise attention. In Proceedings of the 41st International Conference on Machine Learning (PMLR 235). https://doi.org/10.48550/arXiv.2402.10198
3. Janßen, N., Schaller, M., & Rosenhahn, B. (2025). Benchmarking M-LTSF: Frequency and noise-based evaluation of multivariate long time series forecasting models (arXiv:2510.04900). arXiv. https://doi.org/10.48550/arXiv.2510.04900
4. Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted transformers are effective for time series forecasting. In International Conference on Learning Representations. https://doi.org/10.48550/arXiv.2310.06625
5. Nie, Y., Nguyen, N. H., Sinthong, P., & Kalagnanam, J. (2023). A time series is worth 64 words: Long-term forecasting with transformers. In International Conference on Learning Representations. https://doi.org/10.48550/arXiv.2211.14730
6. Qiu, X., Hu, J., Zhou, L., Wu, X., Du, J., Zhang, B., Guo, C., Zhou, A., Jensen, C. S., Sheng, Z., & Yang, B. (2024). TFB: Towards comprehensive and fair benchmarking of time series forecasting methods. Proceedings of the VLDB Endowment, 17(9), 2363-2377. https://doi.org/10.14778/3665844.3665863
7. Shao, Z., Wang, F., Xu, Y., Wei, W., Yu, C., Zhang, Z., Yao, D., Sun, T., Jin, G., Cao, X., Cong, G., Jensen, C. S., & Cheng, X. (2025). Exploring progress in multivariate time series forecasting: Comprehensive benchmarking and heterogeneity analysis. IEEE Transactions on Knowledge and Data Engineering, 37(1), 291-305. https://doi.org/10.1109/TKDE.2024.3484454

发布后读入论文库：

• TFB: Towards Comprehensive and Fair Benchmarking of Time Series Forecasting Methods 10.14778/3665844.3665863
• Synthetic Time Series Forecasting with Transformer Architectures: Extensive Simulation Benchmarks arXiv:2505.20048
• Benchmarking M-LTSF: Frequency and Noise-Based Evaluation of Multivariate Long Time Series Forecasting Models arXiv:2510.04900

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

资料库通过四项把场压缩成节点的应用研究、两篇综述和三项以单个格点或站点序列为节点的研究记录了节点定义问题，但其中没有对提取方法的受控比较。本期补上了资料库缺少的、专为此目的构建的基准。Tibau et al. (2022) 生成模态和滞后连接已知的合成场，发现普通主成分分析恢复真实模态权重的效果系统性地差于 Varimax 旋转，并称 Varimax 加 PCMCI 看来是最稳健的流程。在这些主要实验中，每个模态都是位于各自互不重叠方框内的二元高斯分布，许多格点不属于任何模态，而且每种方法都截断在真实模态个数上；作者自己也指出，他们对模态的空间集中式定义本身就带来了 Varimax 的优势。在模态取自再分析地面气压且相互重叠的格点尺度实验中，两种提取方式的差距缩小到 Varimax 略占优势，作者认为这可能反映了大而稀疏的网络；而这些场的真实模态本身也是用 Varimax 的一个变体估计的。

后来的两篇预印本扩展了这一比较，但保留了在基准主要测试中有利于 Varimax 的那个性质：每个观测点至多属于一个模态。Brouillard et al. (2024) 在单父节点假设下联合学习隐节点和因果图；在他们自己的合成数据上（无序的观测变量，每个分配给一个隐变量），Varimax-PCMCI 在多数全线性设置中略好，而在非线性解码下他们的方法好得多；在再分析海平面气压上，他们只运行了自己的方法，并对照一张已发表的因果图和标准区域来评判结果。Ninad et al. (2025) 把格点分组当作给定，提出一致性评分，在没有真实因果图的情况下对照完整场检验每个组的概括方式，并在随机合成模型和一个由三个专家划定区域构成的 SAVAR 场上评估这些评分，没有用真实数据。

• 提取方法的受控比较是存在的：在模态紧凑、互不重叠且个数正确的合成场上，Varimax 恢复模态权重的效果优于普通主成分 (Tibau et al., 2022)。
• 当基准中的模态取自再分析资料且彼此重叠时，Varimax 的优势缩小到只剩些许；而这些真实模态本身是用 Varimax 的一个变体估计出来的。
• 此后找到的两项比较都是预印本，它们仍在每个观测变量只属于一个模态的数据上测试，也都没有在真实数据上比较提取方法（Brouillard et al., 2024; Ninad et al., 2025）。

与库中结论的差异

文献库对这个问题的记述是：没有任何来源在同一组场上比较过不同的提取方法。这一点对真实场成立，对合成场不成立：Tibau et al. (2022) 在已知真值下比较了 PCA 与 Varimax 提取，Brouillard et al. (2024) 比较了 Varimax-PCMCI 与一种联合学习的表示。文献库也只通过 Camps-Valls et al. (2023) 记录了这个基准，SAVAR 在那里是作为合成替代数据之一出现的，用来弥补缺少专家标注的因果真值。读过基准原文后，它的适用范围还要再收窄：作者明确表示并不主张 Varimax 是模型权重的有效估计量，也指出该模型未必能刻画真实遥相关的依赖关系。

在应用研究方面，本期与文献库已有的记录一致，没有推翻它。文献库已经记录：Nowack et al. (2020) 和 Debeire et al. (2025) 只在同一条 Varimax 流程内检验稳健性；Debeire et al. (2025) 报告用 ERA5 分量时不确定性降低的幅度大于用 NCEP/NCAR 分量，并把他们的网络定位为对数据的一种度量；Karmouche et al. (2023) 使用现成的 EOF 指数和区域平均指数；Falkena et al. (2025) 把一条符号相反的连接和一条基本缺失的连接部分归因于节点定义。

• 文献库所说的“没有来源比较过提取方法”只对真实场成立；在合成场上，这类比较已经存在。
• 基准的作者对其结果的界定比应用研究的用法更窄：他们并不主张 Varimax 是真实权重的有效估计量。

与未决问题的关系

文献库的第一个开放问题是 Varimax 分量能否作为合法的因果节点。现在的证据中已有一项受控检验，但问题在实质上仍未解决。该检验只在两类场上支持 Varimax：模态紧凑、彼此分离且个数判断正确的场，或真实模态本身就是用 Varimax 变体得到的场（Tibau et al., 2022）。基准作者点明未经检验的重叠模态和传播模态，正是真实气候场上决定这个问题的条件。

第二个开放问题是：在同一组场上，原生的时空方法与“先提取、后发现”相比能恢复出什么。Brouillard et al. (2024) 给出了一种联合方法，并已在再分析海平面气压场上运行，但他们只在合成数据上运行了 Varimax-PCMCI，因此真实场上的比较尚未做过，问题仍然开放。Ninad et al. (2025) 提供了一种无需真值的检查，用来评估预先划定的格点组如何被概括；它不判断这些组应当划在哪里，所以只能服务于以格点组构建节点的比较，而且只在合成场上测试过。这个问题也牵涉文献库中的模式评估工作，因为 Nowack et al. (2020)、Debeire et al. (2025) 和 Karmouche et al. (2023) 中的每一个因果指纹得分都以某一种节点定义为前提。

• Varimax 分量能否作为合法的因果节点仍是开放问题，因为在真实场上决定这一点的条件，即重叠和移动的模态，尚未经过检验。
• 真实场上的因果图如何随提取方法变化仍是开放问题，因为本期读过的研究中，没有一项在同一真实场上运行两种提取并比较所得的图。

参考文献

1. Brouillard, P., Lachapelle, S., Kaltenborn, J., Gurwicz, Y., Sridhar, D., Drouin, A., Nowack, P., Runge, J., & Rolnick, D. (2024). Causal representation learning in temporal data via single-parent decoding (arXiv:2410.07013). arXiv. https://doi.org/10.48550/arXiv.2410.07013
2. Camps-Valls, G., Gerhardus, A., Ninad, U., Varando, G., Martius, G., Balaguer-Ballester, E., Vinuesa, R., Diaz, E., Zanna, L., & Runge, J. (2023). Discovering causal relations and equations from data. Physics Reports, 1044, 1-68. https://doi.org/10.1016/j.physrep.2023.10.005
3. Debeire, K., Bock, L., Nowack, P., Runge, J., & Eyring, V. (2025). Constraining uncertainty in projected precipitation over land with causal discovery. Earth System Dynamics, 16, 607-630. https://doi.org/10.5194/esd-16-607-2025
4. Falkena, S. K. J., Dijkstra, H. A., & von der Heydt, A. S. (2025). Causal mechanisms of subpolar gyre variability in CMIP6 models. Earth System Dynamics, 16, 1833-1844. https://doi.org/10.5194/esd-16-1833-2025
5. Karmouche, S., Galytska, E., Runge, J., Meehl, G. A., Phillips, A. S., Weigel, K., & Eyring, V. (2023). Regime-oriented causal model evaluation of Atlantic-Pacific teleconnections in CMIP6. Earth System Dynamics, 14(2), 309-344. https://doi.org/10.5194/esd-14-309-2023
6. Ninad, U., Wahl, J., Gerhardus, A., & Runge, J. (2025). Causal discovery on vector-valued variables and consistency-guided aggregation (arXiv:2505.10476). arXiv. https://doi.org/10.48550/arXiv.2505.10476
7. Nowack, P., Runge, J., Eyring, V., & Haigh, J. D. (2020). Causal networks for climate model evaluation and constrained projections. Nature Communications, 11, 1415. https://doi.org/10.1038/s41467-020-15195-y
8. Tibau, X.-A., Reimers, C., Gerhardus, A., Denzler, J., Eyring, V., & Runge, J. (2022). A spatiotemporal stochastic climate model for benchmarking causal discovery methods for teleconnections. Environmental Data Science, 1, e12. https://doi.org/10.1017/eds.2022.11

发布后读入论文库：

• A spatiotemporal stochastic climate model for benchmarking causal discovery methods for teleconnections 10.1017/eds.2022.11
• Causal representation learning in temporal data via single-parent decoding arXiv:2410.07013
• Causal discovery on vector-valued variables and consistency-guided aggregation arXiv:2505.10476

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

这期节目依据的研究，除一项外知识库都已收录。新增的是 FuXiWeather2（Xu et al., 2026）：它在一年的测试期内，对两个训练数据不同的同化模型撤除同样的卫星仪器，一个只用真实观测训练，另一个用模拟观测填补历史缺口。撤除 GNSS 掩星和 FY-3E 微波探测仪后，第二个模型的性能下降远大于第一个，第一个模型的部分变量甚至有所改善。作者把第一个模型反应弱归因于它没能从训练中经常缺测的仪器里学到东西，把第二个模型反应强归因于理想化的模拟观测，并得出结论：在机器学习同化框架内，观测的重要性无法简单评估。这是天气系统中一项固定撤除方式、改变训练数据的撤除测量，知识库此前没有这类研究；论文没有说明每次剔除试验是否重新训练了模型，也没有与不含该仪器训练的模型作比较。

• 在一个机器学习同化系统中，对两个训练方式不同的模型撤除同样的仪器，得到的重要性不同；作者判断，在这类框架内观测重要性无法简单评估（Xu et al., 2026）。

与库中结论的差异

节目对三项同架构比较的叙述与知识库的解读一致，只是根据全文调整了一处侧重。在地球观测的比较中（Ulku et al., 2026），按场景训练的模型在三个影像集上都不随可用输入单调变化：在 Potsdam 上，只用假彩色红外影像训练的模型 IoU 为 0.767，用全部三种输入训练的模型只有 0.671；dropout 训练的模型则处处单调。因此，dropout 模型在 21 组对比中有 17 组领先，部分反映的是参照偏弱，这一解读作者并未提出；换成较简单的基线架构，从同一组表格读下来，dropout 模型只在 21 组中的 11 组领先。医学比较（Wang et al., 2023）在 12 个单元格中有 11 个方向相反，合成数据比较（Jethani et al., 2021）在全部 12 个单元格中都显示小幅落后；三项研究都没有报告重复训练之间的离散度。

Gao et al. (2022) 对以重训练作为参照提出了一个限定，节目把它明确写了出来：预测因子彼此相关时，每个因子重训练后的重要性都趋于零，因为相邻因子可以替代它。因此，他们在 CESM-LENS 上的结果表明，相对于重训练，均值填充式撤除高估了几乎共线的 Niño 指数，而共享的 Niño 信号究竟值多少仍未回答。

• 地球观测比较中按场景训练的参照模型对输入并不单调，因此 dropout 模型在那里的领先部分反映的是参照偏弱。
• 对相关的预测因子而言，重训练本身就是有偏的参照，其重训练后的重要性趋于零（Gao et al., 2022）。

与未决问题的关系

开放问题是：随机丢弃输入训练出的网络，能否给出与逐个去掉输入后重训练的网络相同的重要性排序和效应大小。证据仍只有三项比较，都没有报告定义明确的重复训练离散度，结果正负不一（Jethani et al., 2021; Wang et al., 2023; Ulku et al., 2026）；另有一个总体层面的论证：当掩码与数据独立时，两组的目标相同（Covert et al., 2021; Le Morvan et al., 2021）。没有一项研究有意从两组同时读出某个数据源的价值。这个问题仍然开放：分歧没有解决，有限样本下的表现未经检验，而在唯一一项专为这种比较设计的研究中，参照组本身就不可靠。

在机器学习天气预报中，这两组只存在于不同的系统里。Aardvark 的编码器在五个缩减的观测集上重新训练过（Allen et al., 2025）；同一系统的一个概率化微调版本，则是在推理时把某一数据流置零来读数，读出的是预测方差，没有技巧评分，也没有重训练对照（Almeida et al., 2026）；一个全球预报模型训练时以 0.9 的概率屏蔽自回归输入模态，但没有报告改变输入组合的实验（Rasp et al., 2026）；FuXiWeather2 则显示，撤除得到的读数随训练数据而变（Xu et al., 2026）。从单个训练好的预报模型读出的数据剔除价值是否与重训练一致，在天气领域仍是开放问题：已读的研究中没有一项在同一系统里把两者并列比较，而唯一改变训练的那项研究发现答案会变。

同一问题也关系到知识库中另一个开放问题：能否用当时可用的任意传感器组合来做反演。采用传感器 dropout 后，地球观测模型在去掉某个传感器时，丢失的自身技巧比例更小（Mena et al., 2024），但作者无法判断保留下来的技巧是出于适应、出于忽略该传感器，还是因为该传感器本就无关；这正是 Hooker et al. (2019) 提出的测量问题，只是从稳健性一侧看过去。

• dropout 训练的网络能否重现逐个子集的重训练结果，仍是开放问题：三项比较的结果正负不一，且都没有报告定义明确的重复训练离散度。
• 天气预报中，重训练组和关闭数据源组只存在于不同系统里，因此单个机器学习预报模型给出的数据剔除价值没有经过检验的参照。
• 对缺失传感器的稳健性，并不能说明该传感器是否提供了信息；这是同一个测量问题，只是从另一侧来看。

参考文献

1. Allen, A., Markou, S., Tebbutt, W., Requeima, J., Bruinsma, W. P., Andersson, T. R., Herzog, M., Lane, N. D., Chantry, M., Hosking, J. S., & Turner, R. E. (2025). End-to-end data-driven weather prediction. Nature, 641, 1172-1179. https://doi.org/10.1038/s41586-025-08897-0
2. Almeida, R., Otero, N., Arndt, J., Baur, S., Samek, W., & Ma, J. (2026). Uncertainty-aware end-to-end AI weather forecasting: Disentangling observation and model contributions (arXiv:2608.30795). arXiv. https://doi.org/10.48550/arXiv.2608.30795
3. Covert, I. C., Lundberg, S., & Lee, S.-I. (2021). Explaining by removing: A unified framework for model explanation. Journal of Machine Learning Research, 22(209), 1-90. https://doi.org/10.48550/arXiv.2011.14878
4. Gao, Y., Stevens, A., Willett, R., & Raskutti, G. (2022). Lazy estimation of variable importance for large neural networks. In Proceedings of the 39th International Conference on Machine Learning. https://doi.org/10.48550/arXiv.2207.09097
5. Hooker, S., Erhan, D., Kindermans, P.-J., & Kim, B. (2019). A benchmark for interpretability methods in deep neural networks. In Advances in Neural Information Processing Systems 32. https://doi.org/10.48550/arXiv.1806.10758
6. Jethani, N., Sudarshan, M., Aphinyanaphongs, Y., & Ranganath, R. (2021). Have we learned to explain?: How interpretability methods can learn to encode predictions in their interpretations. In Proceedings of the 24th International Conference on Artificial Intelligence and Statistics (PMLR 130). https://doi.org/10.48550/arXiv.2103.01890
7. Le Morvan, M., Josse, J., Scornet, E., & Varoquaux, G. (2021). What's a good imputation to predict with missing values? In Advances in Neural Information Processing Systems 34. https://doi.org/10.48550/arXiv.2106.00311
8. Mena, F., Arenas, D., & Dengel, A. (2024). Increasing the robustness of model predictions to missing sensors in Earth observation. MACLEAN workshop, ECML PKDD 2024. https://doi.org/10.1007/978-3-032-25311-8_14
9. Rasp, S., Babenko, B., Masters, D., El-Kadi, A., et al. (2026). WeatherNext 3: Increasing resolution and performance of global weather models with raw observations (arXiv:2609.03582). arXiv. https://doi.org/10.48550/arXiv.2609.03582
10. Ulku, I., Akagündüz, E., & Tanrıöver, Ö. Ö. (2026). Robust multispectral semantic segmentation under missing or full modalities via structured latent projection (arXiv:2604.15856). arXiv. https://doi.org/10.48550/arXiv.2604.15856
11. Wang, H., Chen, Y., Ma, C., Avery, J., Hull, L., & Carneiro, G. (2023). Multi-modal learning with missing modality via shared-specific feature modelling. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. https://doi.org/10.1109/CVPR52729.2023.01524
12. Xu, X., Sun, X., Zhu, S., Zhong, X., Huang, Y., Zhu, Z., Liu, J., & Li, H. (2026). FuXiWeather2: Learning accurate atmospheric state estimation for operational global weather forecasting (arXiv:2603.15358). arXiv. https://doi.org/10.48550/arXiv.2603.15358

发布后读入论文库：

• FuXiWeather2: Learning accurate atmospheric state estimation for operational global weather forecasting arXiv:2603.15358

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文献库把潜空间压缩中强回波的丢失记录为作者表述（Gong et al., 2024），并收有 Franch et al. (2025) 的 tokenizer 损失实验，但没有收录将压缩步骤与预报步骤相比较所需的量级。从 Gong et al. (2024) 的图 4 读出，在 SEVIR 上，所测各潜变量宽度在最低 VIL 阈值处的重建 critical success index 都高于 0.9；而在最高阈值处，48 × 48 × 1、48 × 48 × 2 和 48 × 48 × 4 的潜变量分别为 0.57、0.71 和 0.77。通道数每翻一倍，最高阈值得分先后提高 0.14 和 0.07，最低阈值处只提高 0.03 和 0.01。同一篇论文报告该阈值上的预报 critical success index 为 0.19。论文没有说明预报器使用哪种宽度，而且这一对比是把重建上的逐像素匹配评分与预报上的同一评分相比，后者还会惩罚位置偏移。

Zhu et al. (2026) 报告的是检索到的唯一一项实验：在框架其余部分保持不变的条件下，让同一个生成器分别在 latent 空间和像素空间运行。在降采样到 128 × 128 的 SEVIR 上，像素空间的 conditional flow matching 总体 critical success index 为 0.200，而 16² 和 32² 的 latent 分别为 0.212 和 0.213，作者把这一差距归因于优化崩溃（optimisation collapse）；更早的 Leinonen et al. (2023) 也发现，他们在像素空间的尝试训练起来不够稳定。这几个变体都没有给出分阈值的评分。Leinonen et al. (2023) 还记录了几项与强度有关、文献库没有收录的设计事实：从图像模型沿用下来的 layer normalisation 常常使预报量级发生偏移，去掉之后模型能更好地再现强度；训练样本从十一个强度等级中等量抽取；所有报告的评分都在按观测分布做 probability matching 之后计算，这一步在评分前就消除了大部分强度偏差。

• 在 SEVIR 上，自编码器在最高回波阈值的重建评分随 latent 宽度不同在 0.57 到 0.77 之间，而建立在它之上的预报只有 0.19 (Gong et al., 2024)。
• 唯一一项在同一篇论文内把 latent 空间换成像素空间的对比，用的是降采样 SEVIR 上的 flow-matching 生成器；像素版本在全阈值平均评分上略低，且没有报告强降水评分 (Zhu et al., 2026)。

与库中结论的差异

文献库的缺口记录写道：latent 压缩会系统性地削弱极端雷达强度，并给 latent diffusion 的极端降水技巧设了上限。这里读到的来源对这两部分都作了限定。削弱程度随 latent 宽度变化 (Gong et al., 2024)，也随重建损失变化：对同一个 tokenizer 和数据集，按量级加权的误差把 50 mm h⁻¹ 处的 frequency bias 从 0.22 提高到 0.92 (Franch et al., 2025)。关于上限，Gong et al. (2024) 中最高阈值的重建评分远高于预报评分，而两个改进了第一阶段的模型仍然预报偏弱 (Franch et al., 2025; Schusterbauer et al., 2026)。因此对这些模型而言，起约束作用的限制位于压缩之后；需要保留的是，这些评分把位置偏移和强度混在一起，而且两项研究都没有报告其预报的强降水偏差。

文献库中关于像素空间生成能避免削弱的证据来自跨论文比较：像素空间的 residual diffusion 在总体评分上胜过 latent 的 PreDiff，但两者架构和训练都不同；它保留高值回波的能力也好于它自己的确定性骨干网络 (Yu et al., 2024)。唯一一项论文内的空间互换，在全阈值平均上指向相反的方向 (Zhu et al., 2026)，而该论文首选的像素空间生成器虽然胜过各 latent 基线，却从未在 latent 空间中运行过。对于单独由空间带来的效应，两个来源给出的方向不一致，且都没有在强降水阈值上测量它。

Schusterbauer et al. (2026) 把残留的低估归因于训练数据中小雨占主导，文献库记录了这一解释。同一篇论文又说明 SEVIR 的采样偏向风暴；Leinonen et al. (2023) 用强度均衡的样本训练，相对一个对抗式基线得到的分阈值技巧有高有低，他们认为对数形式的训练目标可能是原因之一，并把自己在德国雷达上 10 mm h⁻¹ 处的不足部分归于该地区气候与基线的英国训练数据相近。在读到的来源中，稀有性这一解释所依据的数据本身已富含强降水，而且还没有经过干预实验的检验。

• 强回波在压缩中的损失取决于 latent 宽度和重建损失，因此在读到的测试中，它是自编码器的设计与训练属性。
• 在两个改进了第一阶段的模型中，预报仍然偏低，这说明这些模型的限制位于压缩之后，不过两者都没有测量预报的强降水偏差。
• 跨论文比较和论文内比较在像素空间是否有帮助这一点上结论不一致，而且都没有直接测量强降水。

与未决问题的关系

缺口的第一个开放问题是：这种削弱能否靠更高维或按强度加权的 latent 消除，还是压缩 latent 生成所固有的。就重建而言，两项相互独立的测试在各自条件下回答了一部分：SEVIR 上更宽的 latent (Gong et al., 2024) 和 Emilia-Romagna 雷达上按量级加权的损失 (Franch et al., 2025) 都显著提高了强回波的重建，可见削弱的大小由设计和训练决定。两项测试都没有消除削弱。重建的 critical success index 在 Gong et al. (2024) 的最高阈值约为 0.77，在 Franch et al. (2025) 的 50 mm h⁻¹ 处为 0.44；只有 Franch et al. (2025) 把强度与位置分开测量：加权损失几乎恢复了 50 mm h⁻¹ 以上像素的全部数量，但其中许多位置有误。同样的办法能否提高预报中的强降水，读到的来源中还没有测试，所以这个问题仍然开放，在重建上部分开放，在预报上完全开放。第二个开放问题是生成式强降水衰减中有多少来自压缩、多少来自训练不均衡；在读到的来源中，这个问题在每一方面都仍然开放：没有一项研究在同一批事件上同时报告解码后观测和预报的强降水 frequency bias，论文内的空间互换没有报告强降水评分 (Zhu et al., 2026)，也没有一项研究在固定模型的情况下改变训练中强降水的比例。文献库关于长预报时效强降水技巧的记录中有一个相关问题，即强度衰减是采样造成的假象还是不均衡的效应，出于同样的原因也仍然开放。

能把这两个环节分开的诊断方法在相邻任务中已经有了。在用 latent rectified flow 做热带气旋预报时，Zannat and Ahsan (2026) 用重建上限把误差预算定位到生成器上，不过针对的是平均保真度，而非强度尾部；他们早期的一个有界解码器截掉了气压范围的一半以上。若用于强降水频率，同样的上限可以把雷达问题拆开。由于 classifier-free guidance 在 FREUD 和 CasCast 中都会改变预报强度 (Schusterbauer et al., 2026)，文献库中关于 guidance 权重的开放问题与本问题直接相关：任何强降水偏差都需要在注明的 guidance 设置下、在 probability matching 之前报告。稀有性机制也与降水反演领域相关：美国东南部的一个条件 diffusion 反演除了在 30 mm h⁻¹ 以上略有低估外，与雷达强度分布吻合，而所用的图块是按大范围降雨挑选的 (Guilloteau et al., 2025)；同样的解码器与生成器贡献拆分，也适用于任何在 latent 空间中生成的反演。

• 缺失的强降水主要来自压缩还是训练不均衡，仍然没有定论，因为读到的研究都没有在同一批事件上同时报告解码后观测和预报的强降水偏差。
• 热带气旋预报中已经用过的重建上限检验，如果在注明的 guidance 设置下按强降水频率评分，就能把雷达问题拆开。

参考文献

1. Franch, G., Tomasi, E., Wanjari, R., Poli, V., Cardinali, C., Alberoni, P. P., & Cristoforetti, M. (2025). GPTCast: A weather language model for precipitation nowcasting. Geoscientific Model Development, 18, 5351–5371. https://doi.org/10.5194/gmd-18-5351-2025
2. Gong, J., Bai, L., Ye, P., Xu, W., Liu, N., Dai, J., Yang, X., & Ouyang, W. (2024). CasCast: Skillful high-resolution precipitation nowcasting via cascaded modelling. In Proceedings of the 41st International Conference on Machine Learning (Proceedings of Machine Learning Research, Vol. 235, pp. 15809–15822). PMLR. https://proceedings.mlr.press/v235/gong24a.html
3. Guilloteau, C., Kerrigan, G., Nelson, K., Migliorini, G., Smyth, P., Li, R., & Foufoula-Georgiou, E. (2025). A generative diffusion model for probabilistic ensembles of precipitation maps conditioned on multisensor satellite observations. IEEE Transactions on Geoscience and Remote Sensing, 63, 5402415. https://doi.org/10.1109/TGRS.2025.3548518
4. Leinonen, J., Hamann, U., Nerini, D., Germann, U., & Franch, G. (2023). Latent diffusion models for generative precipitation nowcasting with accurate uncertainty quantification [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2304.12891
5. Schusterbauer, J., Wiese, J., Stracke, N., Phan, T., & Ommer, B. (2026). Probabilistic precipitation nowcasting with rectified flow transformers. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2026). https://doi.org/10.48550/arXiv.2605.31204
6. Yu, D., Li, X., Ye, Y., Zhang, B., Luo, C., Dai, K., Wang, R., & Chen, X. (2024). DiffCast: A unified framework via residual diffusion for precipitation nowcasting. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2024). https://doi.org/10.1109/CVPR52733.2024.02622
7. Zannat, M., & Ahsan, S. M. M. (2026). Tropical cyclone forecasting via latent rectified flow using satellite imagery and atmospheric fields [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2608.08354
8. Zhu, Y., Shi, C., Feng, Y., & Niu, D. (2026). PixelFlowCast: Latent-free precipitation nowcasting via pixel mean flows [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2605.10046

发布后读入论文库：

• PixelFlowCast: Latent-Free Precipitation Nowcasting via Pixel Mean Flows arXiv:2605.10046

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文献库中有 STP 的发展（Thompson et al., 2003）、其有效层版本在 2003–2011 年按对流模态分层样本上的应用（Thompson et al., 2012），以及美国以外唯一的检验（Zhang et al., 2025），但没有 STP 在发展之后构建的大样本上的技巧评分。Coffer et al. (2019) 提供了一个。他们利用 Storm Prediction Center 中尺度分析档案，为 20,194 个右移超级单体重新计算了参数，其中龙卷事件取自 2005 至 2017 年，显著强天气非龙卷事件取自 2005 至 2015 年。在区分显著龙卷与非龙卷超级单体时，有效层 STP 的最大 true skill statistic 为 0.364，固定层版本为 0.425，均低于 Thompson et al. (2003) 在发展样本上得到的 0.46；而 0–500 m 风暴相对螺旋度单独就达到 0.529，高于所有 STP 变体。

Thompson et al. (2012) 没有给出 STP 的技巧评分，但其表 5 中的累积频率可以用来算出一个。对 2005 年 3 月至 2011 年的右移超级单体，非龙卷事件中有 0.20 超过阈值 1，按个数加权的 EF2 及以上事件中约有 0.70 超过，由此这一配对的 true skill statistic 接近 0.50。这里排除了弱龙卷，与发展阶段的评分不同，后者是拿显著龙卷对比其他所有超级单体；阈值取 0.5 和 2 时约为 0.48 和 0.40。这是本期根据已发表的频率所做的计算，所用样本中有效层资料的年份晚于 1999–2001 年和 2003–2004 年的发展样本（Thompson et al., 2003; Thompson et al., 2004）。

• 在 20,194 个后来的美国超级单体上，有效层 STP 的 true skill 为 0.36，低于其发展样本的 0.46，而 0–500 m 螺旋度单独的得分高于任何 STP 变体（Coffer et al., 2019）。
• 按 Thompson et al. (2012) 公布的频数推算，在剔除弱龙卷的 2005–2011 年个例上，阈值取 1 时技巧接近 0.5；不过该文本身没有报告评分，Coffer et al. (2019) 在更大样本上的重新计算给出的值更低。

与库中结论的差异

知识库对 Zhang et al. (2025) 的解读沿用了该文给出的美国对照值：文中称 STP 在美国的技巧通常高于 0.45（Thompson et al., 2003, 2004）。这两项来源评分所用的样本，正是推导该指数常数和阈值的样本。在 Coffer et al. (2019) 规模更大、年份更晚的样本上，这一参照值降至 0.36–0.43，因此美国与中国技巧（0.29 和 0.14）之间的差距比知识库的综述所暗示的小，但仍然可观。Coffer et al. (2025) 进一步表明，仅数据集的构建方式就会在美国境内改变评分：同一公式在 Storm Prediction Center 数据集上为 0.368，在采用 HRRR 入流探空的 GridRad-Severe 超级单体上为 0.528；作者把这一差异部分归因于前者的空样本几乎全部是显著强对流。因此，国家之间的比较把区域与分析系统、空样本构建和季节混在了一起；Zhang et al. (2025) 自己也提到其龙卷与非龙卷个例在空间和时间上重叠度低，指向了同一问题。

知识库的缺口记录把 Thompson et al. (2012) 的建模样本与检验样本是否重叠列为未解决。该文的资料档案说明回答了时间上的问题：有效层参数从 2005 年 3 月才有，晚于 1999–2001 年和 2003–2004 年的建模年份。因此时间上的独立性基本满足，而作者、分析资料谱系和空样本定义上的独立性并不满足，作者也没有把这一样本作为检验来呈现。

• 中国对比所依赖的约 0.45 的美国基准是样本内评分，因此区域间的下降比通常所说的小，但仍然很大。
• 在美国境内，仅改变样本的构建方式，STP 的评分就从 0.37 变为 0.53，所以中美对比无法把区域与数据和空样本构建的影响分开。
• 2012 年样本的年份晚于建模年份，因此时间上的独立性基本满足，而作者、分析资料谱系和空样本定义是共用的。

与未决问题的关系

STP 阈值 1 在独立的多年样本上是否成立，这一开放问题现在对分析时刻的判别能力有了有条件的肯定回答：Coffer et al. (2019) 发现有效层 STP 的最优阈值为 0.86，技巧低于建模时的数值；Thompson et al. (2012) 的频数则把最优阈值定在 1 附近。Doswell and Schultz (2006) 提出的第二项要求是技巧随预报时效的变化，这里读过的来源对此都没有报告；所有评分使用的都是大约与事件同时的分析场，Coffer et al. (2019) 取最接近的分析时刻，其他注明做法的研究取事件前最接近的整点。两项独立样本技巧的估计也不一致：按 Thompson et al. (2012) 的频数推算约为 0.50，而 Coffer et al. (2019) 在年份重叠、空样本类型相同、参数重新计算的条件下报告 0.364。至于按区域重新拟合的组合指数能否在标定样本之外成立，Zhang et al. (2025) 重新拟合的 STP300cn 只在用于标定的中国个例上评过分，即 57 个显著龙卷超级单体对 143 个非龙卷超级单体，在这些个例上它比 0–300 m 螺旋度或切变高 0.03。按照「有研究涉及不等于问题已解决」的标准，STP 的预报价值在两国都仍是开放问题；Zhang et al. (2025) 公布了个例清单和代码，使得在之后的中国个例上做样本外检验成为可行。

在这里读过的三项研究、共四个样本中，表现最好的低层运动学因子都与组合指数相当或更优（Coffer et al., 2019, 2025; Zhang et al., 2025），这关系到知识库提出的问题：垂直结构（而非整体乘积量）如何决定结果。最优层的深度尚无定论：使用 Bunkers 风暴移动估计时，最浅的层表现最好；使用观测风暴移动时，Coffer et al. (2025) 发现 0–3 km 螺旋度超过了 0–500 m。因此，预报时用的组合指数与诊断用的组合指数可能需要不同的运动学项。

• 这里读过的研究都没有报告 STP 在事件发生前任何预报时效上的技巧，因此 Doswell 和 Schultz 所说意义上的预报价值仍未被测量。
• 中国重新拟合的版本只在其标定个例上评过分，而已公布的个例清单使得在之后的中国风暴上做独立检验成为可行。

参考文献

1. Coffer, B. E., Parker, M. D., Coniglio, M. C., & Homeyer, C. R. (2025). Supercell environments using GridRad-Severe and the HRRR: Addressing discrepancies between prior tornado datasets. Weather and Forecasting, 40(8), 1405–1428. https://doi.org/10.1175/WAF-D-24-0251.1
2. Coffer, B. E., Parker, M. D., Thompson, R. L., Smith, B. T., & Jewell, R. E. (2019). Using near-ground storm relative helicity in supercell tornado forecasting. Weather and Forecasting, 34(5), 1417–1435. https://doi.org/10.1175/WAF-D-19-0115.1
3. Doswell, C. A., III, & Schultz, D. M. (2006). On the use of indices and parameters in forecasting severe storms. Electronic Journal of Severe Storms Meteorology, 1(3), 1–22.
4. Thompson, R. L., Edwards, R., Hart, J. A., Elmore, K. L., & Markowski, P. (2003). Close proximity soundings within supercell environments obtained from the Rapid Update Cycle. Weather and Forecasting, 18(6), 1243–1261. https://doi.org/10.1175/1520-0434(2003)018<1243:CPSWSE>2.0.CO;2
5. Thompson, R. L., Edwards, R., & Mead, C. M. (2004). An update to the supercell composite and significant tornado parameters [Preprint P8.1]. 22nd Conference on Severe Local Storms, Hyannis, MA, United States. American Meteorological Society. https://www.spc.noaa.gov/publications/thompson/stp_scp.pdf
6. Thompson, R. L., Smith, B. T., Grams, J. S., Dean, A. R., & Broyles, C. (2012). Convective modes for significant severe thunderstorms in the contiguous United States. Part II: Supercell and QLCS tornado environments. Weather and Forecasting, 27(5), 1136–1154. https://doi.org/10.1175/WAF-D-11-00116.1
7. Zhang, R., Xue, M., & Yu, X. (2025). Environments of tornadic and non-tornadic supercells in China and optimized significant tornado parameter for China region. Quarterly Journal of the Royal Meteorological Society, 151(772), e5027. https://doi.org/10.1002/qj.5027

发布后读入论文库：

• Using Near-Ground Storm Relative Helicity in Supercell Tornado Forecasting 10.1175/WAF-D-19-0115.1

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

文库记录了地球系统因果发现缺少带已知真值的基准，但没有收录任何提供这种基准的尝试。Stein et al. (2025) 在水文领域提供了一个基准；据作者对现有数据集的梳理，它是时间序列因果发现中规模最大的真实数据基准：2019 至 2023 年德国东部 666 个、巴伐利亚 494 个水文站的十五分钟流量，配有一张水文连通性的真值图，由管理机构元数据、遥感和河流描述拼合而成，并逐条边人工核对。数据中含有降雨造成的隐藏混杂、随流量变化因而不固定的滞后、非平稳性和缺测。在随机抽取的三站和五站连通子图上，线性向量自回归的 AUROC 为 0.82 和 0.80，采用线性条件独立性检验的 PCMCI 两者均为 0.65，而一个按平均流量由小到大确定每条连接方向的基线为 0.79 和 0.75；两种非线性深度学习方法相对线性方法没有显示优势。每个分数都是最优超参数组合下的均值，而该组合是借助标签选出的，作者指出这可能高估性能。

Das et al. (2026)（预印本）是本文所读文献中唯一一项用同一批方法分别在合成系统和该基准上打分的比较。在一个三十变量的合成结构向量自回归上，排名前五的方法对滞后连接的 AUROC 约为 0.85 至 0.91；而在十站和二十站的河流子图上，所有方法都落在约 0.49 至 0.64 之间，合成系统上排第五的方法在二十站时排第一。五次子图抽样之间的标准差最高约 0.13，这一排序变化因此无法与抽样噪声区分；这项比较对分数水平下降的证明，比对任何排名变化的证明都更确凿。

• 地球科学时间序列现在有了一个因果结构在物理上已知的真实数据基准，它基于德国一千多个河流水文站建成 (Stein et al., 2025)。
• 在其随机抽取的三站和五站子图上，线性向量自回归在各种正式方法中得分最高，PCMCI 明显较低，而一条只依据平均流量的规则与最高分仅差零点零几。
• 唯一一项在合成数据和河流数据上比较同一批方法的研究显示，真实河流上的分数大幅下降，但不同随机种子之间的噪声太大，无法确立排名的变化 (Das et al., 2026)。

与库中结论的差异

文库中有五项应用研究在没有已知真值的情况下验证其真实数据网络：依据对模式及模式家族的辨识，并辅以两个人工参考数据集 (Nowack et al., 2020)；依据最强连接的物理合理性 (Debeire et al., 2025)；依据在恢复出的图上重新拟合的线性模型，它重现了大部分滞后相关，但没有重现大西洋指数自身的自相关 (Karmouche et al., 2023)；对照一个假设机制 (Falkena et al., 2025)；以及在一个拟合 72 个通量站的合成模型上校准后，对照植物生理学预期 (Krich et al., 2020)。五项研究都使用 PCMCI 家族，而 Stein et al. (2025) 发现，在这些河流随机抽取的子图上，它的得分既低于线性 Granger 模型，也低于一条量级规则。不过条件并不匹配：河流测试使用三到五个变量和很长的记录，文库中的研究则使用数十个气压模态，或少数几个年度指数或通量变量；PCMCI 本是为高维、自相关的情形设计的 (Runge et al., 2019)。PCMCI 在其中一组子图上还在所有方法中排第二。因此，该基准限定了“在合成数据上验证过的方法在真实数据上会如预期般表现”这一假设，但并不构成对这些研究所报告网络的裁决。

真实数据基准同样可能含有偏向特定方法的特征。流量沿下游增大，所以只按量级定向就能得到高分；一份未经评审的审查报告称，线性自回归的 AUROC 从原始流量上的约 0.77，在标准化后降到 0.59 (Matin, n.d.)。Stein et al. (2025) 以合成基准可能报告虚高性能作为建立该基准的动机；当真实数据的结构带有简单线索时，同样的风险也有其对应。

• 文库中五项应用因果网络研究分别依靠一致性、合理性或合成替代模型来验证，没有一项用已知真值检验真实的连接。
• 河流结果对合成验证的可信度提出了限定，但它是在三到五个变量、借助标签选定参数的条件下得到的，因此不能据此裁定文库中的 PCMCI 网络。
• 真实数据基准有其自身的捷径：流量向下游增大，使得仅凭量级就能得到高分。

与未决问题的关系

有一个开放问题是：自 Runge et al. (2019) 提出呼吁以来，因果结构被可靠掌握的真实或模式地球系统数据集是否已有积累。Stein et al. (2025) 给出了部分回答：现在已有一个大型真实数据集，但它是一个单向、无环的水文网络，几乎每个水文站只有一个下游邻站，其真值记录的是不含时滞的水文连通性，而非同期连接图，这也是 Das et al. (2026) 只对滞后连接打分的原因。第二个开放问题是合成替代数据上的方法排名能否迁移到真实观测，对此证据仍然不足。Stein et al. (2025) 没有做合成比较，而唯一的并列比较，即 Das et al. (2026)，无法把排名变化与噪声区分开。这个问题仍然开放；而且关于该领域缺少此类数据的判断本身，依据的是两篇作者群体相互重叠的综述 (Camps-Valls et al., 2023; Runge et al., 2019)。

该基准无法触及界定文库相邻领域的那些结构。Falkena et al. (2025) 检验的副极地环流机制包含一个快速负反馈环和一个延迟正反馈环。闭合延迟环的那条从环流回到盐度的滞后连接，在任何模式中都没有找到；作者部分归因于该理论所依据的滞后回归，并提出另一种解释：通过环流自身的记忆，在更短时间尺度上形成正反馈环。密度到环流的连接大多与理论相反，作者将其归因于涡旋参数化和环流指数的选取。由于没有已知真值，该研究无法在这些解释之间作出判断。Krich et al. (2020) 指出，他们的合成测试模型略去了反馈环，尽管反馈环在自然系统中很重要；而文库中的陆气领域正是围绕地表对对流的反馈组织起来的。河流数据的十五分钟分辨率本可以让人对照已知图，检验时间聚合如何把滞后连接变成同期连接，但 Stein et al. (2025) 只报告了每种方法的最佳分辨率。因此，在合成系统或河流上得到的排名能否延续到真实的反馈系统，在所读文献中仍未经检验。带已知环路的合成系统在这些文献中已经出现：Das et al. (2026) 也在 Lorenz-96 系统上为各方法打分，其中相邻变量相互驱动；但在那里得到的排名本身仍是合成数据上的排名，正属于迁移性存疑的那一类。要解决这个问题，需要一个反馈关系被可靠掌握的真实系统，或一个逼真的模式。

• 河流基准部分回答了是否存在因果结构已知的真实数据集，但仅限于一个没有反馈的单向网络。
• 方法排名能否从合成数据迁移到真实系统，尤其是迁移到副极地环流或陆气耦合这类反馈系统，仍是开放问题。

参考文献

1. Camps-Valls, G., Gerhardus, A., Ninad, U., Varando, G., Martius, G., Balaguer-Ballester, E., Vinuesa, R., Diaz, E., Zanna, L., & Runge, J. (2023). Discovering causal relations and equations from data. Physics Reports, 1044, 1–68. https://doi.org/10.1016/j.physrep.2023.10.005
2. Das, S., Chakraborty, D., & Maulik, R. (2026). SC3D: Dynamic and differentiable causal discovery for temporal and instantaneous graphs (arXiv:2602.02830v3) [Preprint]. arXiv. https://arxiv.org/abs/2602.02830
3. Debeire, K., Bock, L., Nowack, P., Runge, J., & Eyring, V. (2025). Constraining uncertainty in projected precipitation over land with causal discovery. Earth System Dynamics, 16, 607–630. https://doi.org/10.5194/esd-16-607-2025
4. Falkena, S. K. J., Dijkstra, H. A., & von der Heydt, A. S. (2025). Causal mechanisms of subpolar gyre variability in CMIP6 models. Earth System Dynamics, 16, 1833–1844. https://doi.org/10.5194/esd-16-1833-2025
5. Karmouche, S., Galytska, E., Runge, J., Meehl, G. A., Phillips, A. S., Weigel, K., & Eyring, V. (2023). Regime-oriented causal model evaluation of Atlantic–Pacific teleconnections in CMIP6. Earth System Dynamics, 14, 309–344. https://doi.org/10.5194/esd-14-309-2023
6. Krich, C., Runge, J., Miralles, D. G., Migliavacca, M., Perez-Priego, O., El-Madany, T., Carrara, A., & Mahecha, M. D. (2020). Estimating causal networks in biosphere–atmosphere interaction with the PCMCI approach. Biogeosciences, 17, 1033–1061. https://doi.org/10.5194/bg-17-1033-2020
7. Matin. (n.d.). causal-rivers-lab [Computer software]. GitHub. https://github.com/Mathindata/causal-rivers-lab
8. Nowack, P., Runge, J., Eyring, V., & Haigh, J. D. (2020). Causal networks for climate model evaluation and constrained projections. Nature Communications, 11, 1415. https://doi.org/10.1038/s41467-020-15195-y
9. Runge, J., Bathiany, S., Bollt, E., Camps-Valls, G., Coumou, D., Deyle, E., Glymour, C., Kretschmer, M., Mahecha, M. D., Muñoz-Marí, J., van Nes, E. H., Peters, J., Quax, R., Reichstein, M., Scheffer, M., Schölkopf, B., Spirtes, P., Sugihara, G., Sun, J., . . . Zscheischler, J. (2019). Inferring causation from time series in Earth system sciences. Nature Communications, 10, 2553. https://doi.org/10.1038/s41467-019-10105-3
10. Stein, G., Shadaydeh, M., Blunk, J., Penzel, N., & Denzler, J. (2025). CausalRivers – Scaling up benchmarking of causal discovery for real-world time-series. In International Conference on Learning Representations (ICLR 2025). https://arxiv.org/abs/2503.17452

发布后读入论文库：

• CausalRivers - Scaling up benchmarking of causal discovery for real-world time-series arXiv:2503.17452
• SC3D: Dynamic and Differentiable Causal Discovery for Temporal and Instantaneous Graphs arXiv:2602.02830

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

知识库收录了风暴尺度的扩散模型路线，以及一项检验离散度空间位置的研究，但界定另外两条路线的三篇全球模型论文一篇也没有。Bülte et al. (2026) 表明，对 Pangu-Weather 施加三种初始条件扰动方案后，2022 年近地面温度和风的集合仍明显离散不足；后处理方法校准更好，但给出的是边缘分布，而非空间场。Mahesh et al. (2025) 补充了知识库所缺的一项消融实验：在一个 SFNO 集合中，仅用独立训练的 checkpoint 时，早期预报时效离散不足；仅用 bred vector 时，三到五天离散不足；只有两者结合，才使较长时效的 spread-error ratio 趋近于一。即便如此，完整集合在早期时效仍然离散不足，所检验的变量中只有 500 hPa 位势高度例外。

Lang et al. (2024) 提供了 CRPS 训练这条路线，也让它变得更复杂。AIFS-CRPS 在温带离散过度，在中期预报前段的 500 hPa 位势高度上最为明显；在热带，它的离散度又低于 IFS 集合。由于其成员从业务 IFS 集合初始化，作者把过度离散归因于继承下来的奇异向量扰动，并报告在初步试验中调整扰动幅度后可靠性有所改善。因此，实际部署的 CRPS 训练系统同时用了学习得到的噪声和初始条件扰动，其离散度部分取决于初始扰动的幅度。

• 在所读论文中，仅靠初始条件扰动时，Pangu-Weather 在近地面仍离散不足 (Bülte et al., 2026)。
• 在一个 SFNO 集合中，模型 checkpoint 和 bred vector 在不同预报时效上贡献离散度，只有两者结合才使比值接近一 (Mahesh et al., 2025)。
• CRPS 训练的 AIFS 集合在温带离散过度，原因是它继承了业务系统的初始扰动，因此其离散度部分由初始扰动幅度决定 (Lang et al., 2024)。

与库中结论的差异

新来源对知识库的一个表述作了限定：知识库把离散问题归为风暴尺度生成模型的缺陷。然而用初始条件扰动构建的全球集合同样被报告离散不足 (Bülte et al., 2026; Mahesh et al., 2025)；而当 CRPS 训练的模型继承业务初始扰动时，又出现了过度离散 (Lang et al., 2024)。可见校准偏差的方向取决于成员如何生成、幅度如何调节，并不只取决于是否用了扩散采样器。知识库对 StormCast (Pathak et al., 2025)、CorrDiff (Mardani et al., 2025) 和 HRRRCast (Abdi et al., 2026) 的论述本身无法确立这一点。

Mahesh et al. (2025) 还扩展了受控归因的证据。此前知识库中唯一的受控证据，是 Brenowitz et al. (2025) 在 SFNO 上做的滞后集合消融；checkpoint 与 bred vector 的消融是第二项受控分解，作者群体与前者有重叠，对象同样是全球 SFNO。两项研究都按预报时效或训练选择分解离散度总量，都没有考察离散度的空间位置。因此，知识库中唯一的位置检验 (Bonte et al., 2026) 在全球系统和风暴尺度系统中都还没有对应的研究。

• 在这里读到的全球系统中，校准偏差的方向取决于成员如何生成、幅度如何调节，因此离散不足并不限于风暴尺度扩散集合。
• 知识库之外存在第二项受控的离散度分解，但它和第一项一样只分解总量，空间位置仍未检验。

与未决问题的关系

仅靠噪声生成的风暴尺度扩散集合为什么离散不足，本期的来源没有给出答案。知识库中有四个这样的集合离散不足，即 StormCast、CorrDiff、HRRRCast 以及 Park et al. (2026) 的雷达临近预报精化模型，来自三个作者群体，但没有一项研究改变过被怀疑的原因。Brenowitz et al. (2025) 分离出的训练端机制针对的是一个全球模型，其离散度来自初始化时刻。至于物理风暴尺度集合中提出的问题，即离散度源于初始条件还是模型误差，这些论文都没有涉及。

集合离散度是否落在误差所在的位置，这个问题仍然开放。Bonte et al. (2026) 用 STEPS 和一个在域外使用的 LDCast，检验了比利时十个对流事件和十个层状云事件：在 5 km 以上尺度，方差与误差之比接近一，但误差在成员张成空间上的投影只比相位随机化替代样本略高。这只是一篇预印本，一个区域，预报时效至 100 分钟，模型也从未在当地重新训练。全球和风暴尺度的论文都没有检验位置。Almeida et al. (2026) 把一个端到端集合的方差归因到观测和模型两部分，这关系到离散度从何而来，但同样是在区域总量上。把相位随机化替代样本的对比用于中期或风暴尺度的机器学习集合，是尚未检验的条件。

• 仅靠噪声生成的风暴尺度扩散集合为什么离散不足，仍未解决：四个实例，三个作者群体，没有一项实验改变过原因。
• 离散度是否落在误差所在之处，只在比利时的雷达临近预报中检验过一次，在中期和风暴尺度的机器学习集合中尚未检验。

参考文献

1. Abdi, D., Jankov, I., Madden, P., Vargas, V., Smith, T. A., Frolov, S., Flora, M., & Potvin, C. (2026). HRRRCast: A data-driven emulator for regional weather forecasting at convection allowing scales. Artificial Intelligence for the Earth Systems. https://doi.org/10.1175/aies-d-25-0061.1
2. Almeida, R., Otero, N., Arndt, J., Baur, S., Samek, W., & Ma, J. (2026). Uncertainty-aware end-to-end AI weather forecasting: Disentangling observation and model contributions [Preprint]. arXiv. https://arxiv.org/abs/2608.30795
3. Bonte, M., De Cruz, L., Debal, F., & Vannitsem, S. (2026). Spread/Error relationship and spatial error structure of precipitation ensemble nowcasting: Comparison of STEPS and generative AI [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2601.19298
4. Brenowitz, N. D., Cohen, Y., Pathak, J., Mahesh, A., Bonev, B., Kurth, T., Durran, D. R., Harrington, P., & Pritchard, M. S. (2025). A practical probabilistic benchmark for AI weather models. Geophysical Research Letters. https://doi.org/10.1029/2024gl113656
5. Bülte, C., Horat, N., Quinting, J., & Lerch, S. (2026). Uncertainty quantification for data-driven weather models. Artificial Intelligence for the Earth Systems, 5(1). https://doi.org/10.1175/aies-d-24-0049.1
6. Lang, S., Alexe, M., Clare, M. C. A., Roberts, C., Adewoyin, R., Ben Bouallègue, Z., Chantry, M., Dramsch, J., Dueben, P. D., Hahner, S., Maciel, P., Prieto-Nemesio, A., O'Brien, C., Pinault, F., Polster, J., Raoult, B., Tietsche, S., & Leutbecher, M. (2024). AIFS-CRPS: Ensemble forecasting using a model trained with a loss function based on the Continuous Ranked Probability Score [Preprint]. arXiv. https://arxiv.org/abs/2412.15832
7. Mahesh, A., Collins, W. D., Bonev, B., Brenowitz, N., Cohen, Y., Elms, J., Harrington, P., Kashinath, K., Kurth, T., North, J., O'Brien, T., Pritchard, M., Pruitt, D., Risser, M., Subramanian, S., & Willard, J. (2025). Huge ensembles – Part 1: Design of ensemble weather forecasts using spherical Fourier neural operators. Geoscientific Model Development, 18, 5575–5603. https://doi.org/10.5194/gmd-18-5575-2025
8. Mardani, M., Brenowitz, N., Cohen, Y., Pathak, J., Chen, C.-Y., Liu, C.-C., Vahdat, A., Nabian, M. A., Ge, T., Subramaniam, A., Kashinath, K., Kautz, J., & Pritchard, M. (2025). Residual corrective diffusion modeling for km-scale atmospheric downscaling. Communications Earth & Environment. https://doi.org/10.1038/s43247-025-02042-5
9. Park, D., Song, C., Chang, T.-Y., Ham, Y.-G., & Hong, Y. (2026). Diffusion-based refinement for kilometer-scale probabilistic precipitation nowcasting [Preprint]. arXiv. https://arxiv.org/abs/2608.30205
10. Pathak, J., Cohen, Y., Garg, P., Harrington, P., Brenowitz, N., Durran, D., Mardani, M., Vahdat, A., Xu, S., Kashinath, K., & Pritchard, M. (2025). Kilometer-scale convection allowing model emulation using generative diffusion modeling. Science Advances. https://doi.org/10.1126/sciadv.adv0423

发布后读入论文库：

• Uncertainty quantification for data-driven weather models 10.1175/aies-d-24-0049.1
• Huge ensembles – Part 1: Design of ensemble weather forecasts using spherical Fourier neural operators 10.5194/gmd-18-5575-2025
• AIFS-CRPS: Ensemble forecasting using a model trained with a loss function based on the Continuous Ranked Probability Score arXiv:2412.15832

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

本期背后的七篇论文，以及一个陈述本期主题的开放问题，库中都已收录，所以本期增添的是一次重读，没有新来源。全文中的三处细节让库里的记录更精确。第一，Hong et al. (2004) 已经比较过基于像元、基于邻域和基于云块的红外估计方法：1999年7月8日美国西部逐日、0.25度尺度上，与雷达的相关系数从固定阈值法的0.36，升至 PERSIANN 的0.54和 PERSIANN-CCS 的0.75。这只是一个区域里的两天，而且三种方法所用的校准降水数据也不同（固定阈值、微波估计、同一区域的雷达），所以这个阶梯只是一个早期迹象，提示上下文在同位像元之外能增加多少信息；同位像元正是 Ombadi et al. (2021) 按假设固定的量。

第二，So and Shin (2018) 把“暖雨不敏感”这一说法混在一起的两件事分开了。水汽通道减窗区通道的亮温差能区分浅层与非浅层降水云，相对 GPM 雷达的 Heidke 技巧评分为0.82；而浅层类别内的雨强与亮温之间看不出可推断的关系。因此，识别这一降水型态和在型态内估计雨强，失败的程度不同。第三，本期唯一声称能恢复暖云降水的反演论文（Hayatbini et al., 2019），用来支撑这一说法的是单个半小时的图和2018年7月的总体评分，其中误报率为0.68，而 PERSIANN-CCS 为0.62；论文没有给出以云顶温度为条件的评分。

• 一项早期比较已经指向上下文的作用：在1999年7月的一天里，与雷达的相关系数从像元阈值法的0.36升至云块法的0.75，不过各方法的校准数据不同（Hong et al., 2004）。
• 额外通道能以较高技巧识别出正在降雨的浅云，但其雨强仍然无法确定（So & Shin, 2018）。
• 关于暖云雨强已被反演出来的唯一论断，依据只是半小时的降水图和总体评分（Hayatbini et al., 2019）。

与库中结论的差异

本期把两个说法收窄了。资料库的摘要称 Oya 的评分高于 IMERG Early、接近 IMERG Final（Brempong et al., 2025）。论文在非洲区域的消融实验显示了这一优势的来源：只输入 10.7 微米通道的模型，小雨的 critical success index 为 0.32，输入全部通道时为 0.49，两者之差大于 Oya 对任一 IMERG 版本的领先幅度。由于训练目标和评估参照是同一个 GPM 联合产品，这一排名衡量的是过境时刻与该产品的一致程度。

本期对暖雨问题的来源计数也有所不同。Hong et al. (2004)、Hayatbini et al. (2019) 和 Ombadi et al. (2021) 出自同一研究组，因此合计为一个来源，与 So and Shin (2018) 和 Pfreundschuh et al. (2026) 并列。Hong et al. (2004) 本身并未说暖雨被漏掉；该文给出的是止于 253 K 的分割，以及一类最低温度高于 245 K 的小斑块，其温度—雨强斜率约为零；明确的表述要到十五年后才由 Hayatbini et al. (2019) 提出。两个神经网络反演彼此之间、以及它们与界定这一问题的综述之间，也并非完全独立：Brempong et al. (2025)、Pfreundschuh et al. (2026) 和 Kidd et al. (2021) 有一位共同作者。

• Oya 在小雨上对 IMERG 的领先幅度，小于其自身额外通道带来的贡献，而且这一幅度是以 Oya 的训练产品为参照测得的（Brempong et al., 2025）。
• 暖雨上的弱点得到三组独立作者的支持，其中 PERSIANN 系列论文与信息量论文算作一组。

与未决问题的关系

资料库中的开放问题是：学习型红外反演能把它与微波和雷达估计之间的精度差距缩小多少，又在哪些降水类型下无法缩小。前一半的证据已有进展：两种输入不同的反演在给定条件下报告的评分达到或超过 IMERG 的部分版本，两者都是预印本。后一半在实质上仍然开放。浅层暖雨被三组作者报告为弱点，却没有一个反演为它单独评分；按 Oya 自己的说法，强降水仍低于 IMERG Final，技巧随纬度升高而下降（Brempong et al., 2025）；GPROF-IR 在韩国上空仍低于微波估计（Pfreundschuh et al., 2026）。这些都是尚未检验或尚未解决的条件，因此结论是部分回答，降水类型这一半仍无定论。

关于子问题，即上下文、通道和时间在单个像元之外各增加多少信息，现有来源给出三项局部测量，彼此不共用指标：Hong et al. (2004) 中 1999 年的相关系数阶梯，Brempong et al. (2025) 的通道消融，以及 Pfreundschuh et al. (2026) 的时间消融；后者的作者称三个时间步带来的增益是稳健的，总体增益则属中等。尚无研究用多通道或邻域输入重新计算 Ombadi et al. (2021) 所用的那类信息量度量，而这样做才能把三者放到同一尺度上。另有一点是本期的推断，未经任何来源检验：Kidd et al. (2021) 指出星载雷达无法反演近地面约 500 至 2,000 m 以内的降水，而 So and Shin (2018) 中浅云的平均风暴高度约为 2.8 km，因此两个神经网络反演用作训练和评分参照的产品，可能恰恰在所讨论的降水类型上最不可靠。

• 学习型红外反演能把差距缩小多少，已由两篇预印本在给定条件下部分回答。
• 它们在哪些情形下无法缩小差距仍未解决：本期读到的反演中，没有一个单独报告浅层暖雨的评分。
• 用多通道和邻域输入重新计算信息量度量，可以把各自进行的消融实验放到同一尺度上；现有来源都没有这样做。

参考文献

1. Brempong, E. A., Hassen, M. A., MohamedKhair, M., Dube, V., Hincapie Potes, S., Graham, O., Brik, A., McGovern, A., Huffman, G. J., & Hickey, J. (2025). Oya: Deep learning for accurate global precipitation estimation. arXiv. https://arxiv.org/abs/2511.10562
2. Hayatbini, N., Kong, B., Hsu, K., Nguyen, P., Sorooshian, S., Stephens, G., Fowlkes, C., Nemani, R., & Ganguly, S. (2019). Conditional generative adversarial networks (cGANs) for near real-time precipitation estimation from multispectral GOES-16 satellite imageries—PERSIANN-cGAN. Remote Sensing, 11(19), 2193. https://doi.org/10.3390/rs11192193
3. Hong, Y., Hsu, K.-L., Sorooshian, S., & Gao, X. (2004). Precipitation estimation from remotely sensed imagery using an artificial neural network cloud classification system. Journal of Applied Meteorology, 43(12), 1834–1853. https://doi.org/10.1175/JAM2173.1
4. Kidd, C., Huffman, G., Maggioni, V., Chambon, P., & Oki, R. (2021). The global satellite precipitation constellation: Current status and future requirements. Bulletin of the American Meteorological Society, 102(10), E1844–E1861. https://doi.org/10.1175/BAMS-D-20-0299.1
5. Ombadi, M., Nguyen, P., Sorooshian, S., & Hsu, K. (2021). How much information on precipitation is contained in satellite infrared imagery? Atmospheric Research, 256, 105578. https://doi.org/10.1016/j.atmosres.2021.105578
6. Pfreundschuh, S., Kummerow, C. D., Tan, J., & Huffman, G. J. (2026). GPROF-IR: An improved single-channel infrared precipitation retrieval for merged satellite precipitation products. arXiv. https://arxiv.org/abs/2605.07167
7. So, D., & Shin, D.-B. (2018). Classification of precipitating clouds using satellite infrared observations and its implications for rainfall estimation. Quarterly Journal of the Royal Meteorological Society, 144(S1), 133–144. https://doi.org/10.1002/qj.3288

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文献库中关于这个问题只有一篇论文，即 Morrison et al. (2020) 的综述，库中对这个问题的记录也只依据这一篇。本期补上了该综述所回应的那一方观点。Khain et al. (2015) 认为 bin 方案对微物理过程的描述在精度上更为一致，理由有二：局地观测到的粒径分布常呈双峰，往往无法用 bulk 方案假定的 gamma 函数拟合；过程速率对粒子尺度的依赖非常陡，对整个谱积分会降低方案的敏感性。他们用个例模拟支持这一论点，这些个例中 bin 方案与观测的吻合程度好于作为对照的 bulk 方案，包括一次佛罗里达降雨过程、一条飑线、飓风 Irene 以及为期一个月的区域模拟。

本期还补充了一项对照试验，它把 bin 方案和 bulk 方案的两处不同分开了。Hu and Igel (2023) 运行了一个三参数 bulk 方案，让它调用 bin 方案的过程子程序，使结构成为唯一的差别；试验在一维运动学暖雨气柱中进行，覆盖气溶胶浓度与上升气流强度的二十五种组合，并分别以两个不同的 bin 方案为基础。平均液态水路径的差别在百分之四以内，bulk 配置下的平均地面降水约低百分之三十五，他们把这一差别追溯到 autoconversion；把云滴与雨滴的分界阈值从 80 微米降到 50 微米后，最大差别降到约百分之十，小于两个 bin 方案之间的差别。Grabowski et al. (2019) 则从数值角度反对把 bin 方案当作基准：跨档的扩散和物理空间中的扩散、增加粒子属性的计算代价，以及碰并方程的确定性特征。

• 支持 bin 方案的理由有两点：观测到的粒径分布无法用假定的 gamma 分布拟合；在一些个例研究中，某一族 bin 方案与观测吻合得更好 (Khain et al., 2015)。
• 在暖雨气柱中，当 bulk 方案使用 bin 方案自己的过程公式时，剩下的结构差别小于两个 bin 方案之间的差别 (Hu and Igel, 2023)。

与库中结论的差异

Khain et al. (2015) 与 Morrison et al. (2020) 在 bin 方案是否已被证明表现更好这一点上存在分歧，这一分歧尚未解决。Morrison et al. (2020) 指出，缺乏证据表明 bin 方案与观测的吻合一贯更好；Khain et al. (2015) 则给出了 bin 方案更接近观测的个例研究。两种说法的差别在于把什么算作证据。Khain et al. (2015) 的个例都是单次事件，其中几个作为对照的 bulk 方案是单参数方案，多数个例用的是同一族 bin 方案，而 Morrison et al. (2020) 要求的是跨方案、跨个例的一致性。Khain et al. (2015) 自己也写道，bin 方案之间的差异几乎和 bulk 方案之间一样大，确立优势所需的数百次预报尚未进行；这使两篇综述在系统性问题上的距离缩小，但两者的建议仍然相反。同一篇综述还报告了一项结果相反的比较试验：七个模式模拟北极混合相层状云，冰晶浓度都调到观测值，其中两个 bin 方案给出了相近的结果 (Khain et al., 2015)。

Hu and Igel (2023) 对文献库中关于方案为何发散的说法作了限定。库中记录的是，在完全相同的飑线设置下，bin 组和 bulk 组内部的方案间离散都达到四十到六十公里 (Morrison et al., 2020)；这说明同一类方案并不收敛到同一个结果，但无法说明 bin 与 bulk 之间的差别有多少来自结构。Hu and Igel (2023) 直接度量了这一份额，发现它小于两个 bin 方案之间的差别，而试验条件与那个飑线个例不同：只有暖雨、动力场给定、没有冰相，bulk 方案是三参数的。

• 两篇综述在 bin 方案是否已被证明更好这一点上存在分歧，两者接受的证据不同：一篇接受单个个例，另一篇要求跨方案、跨个例的一致性。
• Khain et al. (2015) 承认，bin 方案之间的差异几乎和 bulk 方案之间一样大，而且需要大量预报的那种比较尚未做过。

与未决问题的关系

文献库中关于更精细的方案是否能给出可证实的更好结果的开放问题，在实质上仍然开放。本期读到的文献增加了两样东西：又一篇承认缺少系统性检验的综述，以及一项限于暖雨的对照试验。其中没有一篇以观测为标准在大量个例上比较两类方案，也没有一篇把对照设计用于冰相，而 Morrison et al. (2020) 和 Grabowski et al. (2019) 认为最大的不确定性正在冰相。库中的两个子问题，即在大量个例上方案间离散是否超过合理的初始条件离散，以及哪个可观测量最能区分两类方案，这四篇文献都没有涉及。

“直接观测过程速率”这个开放问题得到了独立的支持。Khain et al. (2015) 站在 bin 与 bulk 之争的另一方，同样把云内过饱和度列为尚未测得的量，给出的凝结系数实验室测值跨越 0.01 到 1，并指出冰晶聚合体之间的结合力仍属未知；这份清单与 Morrison et al. (2020) 列出的那份有重叠。两组作者给出的建议相反，却都承认同一处观测空白，这个问题因此仍然开放。对于文献库中“结构不确定性尚未量化”的问题，Hu and Igel (2023) 提供了一种把结构差异与参数化差异分开的办法，目前只在一维暖雨个例中做过演示；它能否推广到带有动力反馈的混合相云，还没有人检验。

这一结果通过训练目标问题与文献库中的机器学习预报领域相关：Morrison et al. (2020) 指出，目前没有可用来为学习型微物理方案生成训练数据的基准模式；Grabowski et al. (2019) 与 Hu and Igel (2023) 报告的 bin 方案之间的离散，则说明以其中任何一个方案训练出的 emulator 会继承什么。

• 更精细的方案是否给出更好的结果，仍然没有定论：所读文献中没有一篇以观测为评判标准、在大量个例上比较这两类方案，受控的对比设计也还没有用到冰相过程上。
• 两篇综述立场相反，却都指出过程速率背后有一批尚未测得的量，两份清单彼此重叠。

参考文献

1. Grabowski, W. W., Morrison, H., Shima, S.-I., Abade, G. C., Dziekan, P., & Pawlowska, H. (2019). Modeling of cloud microphysics: Can we do better? Bulletin of the American Meteorological Society, 100(4), 655-672. https://doi.org/10.1175/BAMS-D-18-0005.1
2. Hu, A. Z., & Igel, A. L. (2023). A bin and a bulk microphysics scheme can be more alike than two bin schemes. Journal of Advances in Modeling Earth Systems, 15(3), e2022MS003303. https://doi.org/10.1029/2022MS003303
3. Khain, A. P., Beheng, K. D., Heymsfield, A., Korolev, A., Krichak, S. O., Levin, Z., Pinsky, M., Phillips, V., Prabhakaran, T., Teller, A., van den Heever, S. C., & Yano, J.-I. (2015). Representation of microphysical processes in cloud-resolving models: Spectral (bin) microphysics versus bulk parameterization. Reviews of Geophysics, 53(2), 247-322. https://doi.org/10.1002/2014RG000468
4. Morrison, H., van Lier-Walqui, M., Fridlind, A. M., Grabowski, W. W., Harrington, J. Y., Hoose, C., Korolev, A., Kumjian, M. R., Milbrandt, J. A., Pawlowska, H., Posselt, D. J., Prat, O. P., Reimel, K. J., Shima, S.-I., van Diedenhoven, B., & Xue, L. (2020). Confronting the challenge of modeling cloud and precipitation microphysics. Journal of Advances in Modeling Earth Systems, 12, e2019MS001689. https://doi.org/10.1029/2019MS001689

发布后读入论文库：

• Representation of microphysical processes in cloud-resolving models: Spectral (bin) microphysics versus bulk parameterization 10.1002/2014RG000468
• A Bin and a Bulk Microphysics Scheme Can Be More Alike Than Two Bin Schemes 10.1029/2022MS003303
• Modeling of Cloud Microphysics: Can We Do Better? 10.1175/BAMS-D-18-0005.1

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

文献库收有 warn-on-forecast 的提案（Stensrud et al., 2009），没有关于龙卷风预警表现随时间变化的实测。Brooks and Correia (2018) 用美国国家气象局 1986–2016 年的检验记录提供了一份。他们把官方提前量拆成两部分：提前发出预警的龙卷风所占比例，以及这些龙卷风的平均提前量。该比例从 1986 年的 0.26 升至 2003 年的 0.72；提前预警的龙卷风的平均提前量在 1986–2011 年间没有统计显著的趋势，平均为 18.8 min，在损害等级 (E)F0 至 (E)F3 之间介于 18.7 和 19.3 min。2012 年，提前预警的比例、空报率和提前量一同下降，到 2016 年比例约为 0.50，2012–2016 年的提前量为 15.6 min；作者把这归因于默认预警时长缩短和决策阈值提高，预报技巧则大致不变。

关于提前量对被预警的人有什么作用，文献库同样没有证据。Simmons and Sutter (2008) 用 1986–2002 年美国本土的 18,216 个龙卷风路径段拟合了死亡人数的 Poisson 模型，控制了 F 等级、路径长度、人口密度、活动房屋、收入、一天中的时段、季节和年份。相对于没有预警的龙卷风，提前量为 1–5、6–10 和 11–15 min 时预期死亡人数分别低 19%、41% 和 19%，其中只有中间一档显著；提前量为 16–20、21–30 和 30 min 以上时分别高 60%、37% 和 1%，前两档显著。去掉五场龙卷风后，六档估计全部为负，15 min 以上的三档都在零附近约 5% 以内（由文中印出的系数换算）。Simmons and Sutter (2009) 用 1986–2004 年的数据重新估计了这个模型，并加入局地空报率，按州、预报台或电视市场在此前一年或两年内的情况定义。提前量的格局再次出现：在以州为单位、取一年的设定中，6–10 和 11–15 min 两档的死亡人数分别低 46% 和 29%，都显著；16–20 min 一档在全部六种设定中高 60–70%，作者仍把它归因于少数几场龙卷风，并在自己的计算中把这一档排除。空报率每升高一个标准差，对应预期死亡人数多 12–29%，预期受伤人数多 14–32%。Chatwin et al. (2024) 是一份未经同行评审的本科生研究报告，它按提前量列出了截至 2023 年有预警的龙卷风中至少造成一人死亡的比例，没有加控制变量，没有发现显著关系。

Hoekstra et al. (2011) 补充了陈述偏好方面的数据。2009 年在 National Weather Center 的 320 名参观者中，偏好的提前量平均为 34.3 min；提前量为 15 min 时有 79% 的人把就地躲避列为会采取的行动，提前量为 1 h 时为 61%；44% 的人表示 1 h 的提前量会让情况显得没那么危及生命，47% 的人表示感受没有变化。

• 在 1986–2016 年的记录中，提前预警的龙卷风在 2011 年之前得到约 19 min 的提前量，官方提前量的上升来自被提前预警的龙卷风比例扩大（Brooks & Correia, 2018）。
• 2012 年，预警阈值提高、默认时长缩短，空报率、提前预警的龙卷风比例和提前量一同下降。
• 这里读到的带控制变量的伤亡研究显示，1986–2002 年间提前量在约 15 min 以内与死亡人数较少相关；15 min 以上的估计在去掉五场龙卷风后变号；作者对 1986–2004 年的重新估计重复了这一格局（Simmons & Sutter, 2008, 2009）。
• 问卷受访者偏好的提前量平均约 34 min，提前量为 1 h 时提到躲避的人更少；这是 320 名参观者陈述的意向（Hoekstra et al., 2011）。

与库中结论的差异

文献库里关于提前量与空报的开放问题，基线取自 Stensrud et al. (2009)：全国平均提前量 13 min，空报率接近 75%。Brooks and Correia (2018) 表明这类平均值是一个乘积。按他们图 3 所画的官方定义，这个数在 2000 年代后期接近 13 min，其中约 70% 的龙卷风被提前预警，平均接近 19 min，其余按零计入。因此 13 min 这个数字既反映预警提前了多久，也同样反映龙卷风有多大比例被提前预警；在基于探测的预警下，一场得到预警的龙卷风所拥有的提前量已经约为 19 min。

文献库没有记录针对这个问题的证据，它把这种权衡当作未来范式所附带的风险，代价是预警疲劳（Camps-Valls et al., 2025）。Brooks and Correia (2018) 记录了基于探测的系统内部的这种权衡。2012 年预警阈值提高时，空报率下降，提前预警的龙卷风比例及其提前量也随之下降；他们的信号检测模型意味着，在空报率 0.75 附近，探测概率的变化约为空报率变化的两倍。Simmons and Sutter (2009) 用伤亡来衡量同一种交换：沿着他们取自 Brooks (2004) 的曲线，从探测概率 0.4、空报率 0.7 移到 1.0 和 0.9，对更多龙卷风发出预警带来的收益与更多空报带来的损失，在空报率的六种定义中有四种对死亡人数几乎相互抵消，另外两种则净增 20% 和 37%。这些是对一个国家的系统在基于探测的预警下这种交换的测量，对基于预报的预警能否摆脱它没有说明。

Stensrud et al. (2009) 把更长的提前量当作挽救生命的途径。Simmons and Sutter (2008) 收窄了这个前提：1986–2002 年间，提前量与死亡人数较少之间的关联在约 15 min 以内成立，超过之后估计的符号取决于 311 场致死龙卷风中的五场。他们 2009 年对 1986–2004 年的重新估计与前一篇作者相同、模型相同、数据大部分相同，所以它是一次重跑，不是独立检验，15 min 以上的估计也仍在原处。需要谨慎的理由是：致死事件数量少，提前量在路径上第一个县测得，并且没有任何指标衡量预警是否被收到或被据以行动。

• 全国平均提前量 13 min 是龙卷风被提前预警的比例与提前多久的乘积，所以它低估了一场得到预警的龙卷风大约 19 min 的提前量。
• 空报与提前量之间的交换已在基于探测的预警内部测量过，一处是 2012 年的政策变化，一处是两种效应大致抵消的伤亡回归（Simmons & Sutter, 2009）；在所读的来源中，基于预报的预警尚无这样的测量。
• 更长的提前量能挽救生命这一前提，在约 15 min 以内得到一项 1986–2002 年研究及同一作者延伸到 2004 年的重跑支持，超过 15 min 则在两个方向上都没有支持。

与未决问题的关系

文献库问的是：有没有哪种预警范式能把提前量延长到探测的极限之外，同时不增加空报。这里读到的来源在一次政策变化中记录了基于探测的预警下的权衡，基于预报的情形没有得到检验，所以按这次阅读，问题仍然开放；2009 年之后对 Warn-on-Forecast System 的评估，本期没有读。这些来源还引出一个文献库没有收录的前置问题：超过大约一刻钟的提前量对被预警的人是否有益。就所读的研究而言，这个问题在实质上是开放的：其中唯一带控制变量的估计，在 2008 和 2009 两个版本里，15 min 以上都没有稳定的符号；对收益递减提出的机制是居民在龙卷风没有很快出现时会看轻预警，这一机制在这些研究中没有得到检验；也没有一项研究测量机构用户对长提前量的响应。

文献库还从 Stensrud et al. (2009) 那里带着另一个问题：预报员和公众如何使用概率性的灾害信息。Hoekstra et al. (2011) 就公众对提前量的看法给出了一个陈述偏好的数据点，取自参观者的便利样本；Brooks and Correia (2018) 指出，他们不知道有哪项工作估算过漏报和空报的代价，可以据此设定预警阈值。Simmons and Sutter (2009) 是用伤亡做出的一项这样的估计，它发现阈值向哪个方向移动都没有收益；它只测量死亡和受伤，对空报如何改变人们对预警的响应没有直接证据。就所读的研究而言，这个问题中关于价值的一侧仍然开放。

Flora et al. (2026) 指出，介于 watch 与 warning 之间的两到六小时提前量，对机器学习指导产品来说大体上尚未探索。本期的来源从用户一侧涉及这个时段：这些提前量上的预报技巧，与据此采取行动的收益，是两个分开的问题；除了 Stensrud et al. (2009) 列出的机构需求之外，后一个问题在这里读到的研究中没有测量。对机器学习预报领域的检验文献来说，2012 年的不连续是一个现成的案例，说明探测概率、空报率和提前量为什么必须放在一起读。

• 基于预报的预警能否在不增加空报的情况下增加提前量，仍然开放，因为这里读到的证据只涉及基于探测的预警。
• 超过一刻钟的提前量对被预警的人是否有益，就所读的研究而言在实质上是开放的：估计不稳定，提出的机制未经检验，机构用户没有被测量。
• watch 到 warning 之间这些提前量上的预报技巧，与在这些提前量上采取行动的价值，是两个分开的问题，文献库中只有前一个有研究。

参考文献

1. Brooks, H. E. (2004). Tornado-warning performance in the past and future: A perspective from signal detection theory. Bulletin of the American Meteorological Society, 85, 837–843.
2. Brooks, H. E., & Correia, J., Jr. (2018). Long-term performance metrics for National Weather Service tornado warnings. Weather and Forecasting, 33(6), 1501–1511. https://doi.org/10.1175/WAF-D-18-0120.1
3. Camps-Valls, G., Fernández-Torres, M.-A., Cohrs, K.-H., Höhl, A., Castelletti, A., Pacal, A., Robin, C., Martinuzzi, F., Papoutsis, I., Prapas, I., Pérez-Aracil, J., Weigel, K., Gonzalez-Calabuig, M., Reichstein, M., Rabel, M., et al. (2025). Artificial intelligence for modeling and understanding extreme weather and climate events. Nature Communications. https://doi.org/10.1038/s41467-025-56573-8
4. Chatwin, R. M., Brooks, H. E., & Klockow McClain, K. (2024). Tornado warnings, lead times, and death [Undergraduate research report]. National Weather Center Research Experiences for Undergraduates Program. https://reu.caps.ou.edu/reu24/finalpapers/Chatwin_FinalPaper.pdf
5. Flora, M. L., Varga, S., Potvin, C. K., & Lang, N. (2026). Developing machine learning-based watch-to-warning severe weather guidance from the Warn-on-Forecast System. arXiv. https://doi.org/10.48550/arXiv.2603.20250
6. Hoekstra, S., Klockow, K., Riley, R., Brotzge, J., Brooks, H., & Erickson, S. (2011). A preliminary look at the social perspective of warn-on-forecast: Preferred tornado warning lead time and the general public's perceptions of weather risks. Weather, Climate, and Society, 3(2), 128–140. https://doi.org/10.1175/2011WCAS1076.1
7. Simmons, K. M., & Sutter, D. (2008). Tornado warnings, lead times, and tornado casualties: An empirical investigation. Weather and Forecasting, 23(2), 246–258. https://doi.org/10.1175/2007WAF2006027.1
8. Simmons, K. M., & Sutter, D. (2009). False alarms, tornado warnings, and tornado casualties. Weather, Climate, and Society, 1(1), 38–53. https://doi.org/10.1175/2009WCAS1005.1
9. Stensrud, D. J., Xue, M., Wicker, L. J., Kelleher, K. E., Foster, M. P., Schaefer, J. T., Schneider, R. S., Benjamin, S. G., Weygandt, S. S., Ferree, J. T., & Tuell, J. P. (2009). Convective-scale warn-on-forecast system: A vision for 2020. Bulletin of the American Meteorological Society, 90(10), 1487–1499. https://doi.org/10.1175/2009BAMS2795.1

发布后读入论文库：

• Long-term performance metrics for National Weather Service tornado warnings 10.1175/WAF-D-18-0120.1
• Tornado warnings, lead times, and tornado casualties: An empirical investigation 10.1175/2007WAF2006027.1
• False alarms, tornado warnings, and tornado casualties 10.1175/2009WCAS1005.1
• A preliminary look at the social perspective of warn-on-forecast: Preferred tornado warning lead time and the general public's perceptions of weather risks 10.1175/2011WCAS1076.1

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

在这里考虑的来源中，只有 Gale et al. (2002) 用观测检验了冷池–切变平衡与消散的关系。样本是 1998–1999 年 5–8 月 Iowa 及周边各州的 47 个夜间中尺度对流系统，消散定义为 35 dBZ 以上的雷达回波全部消失。冷池强度与垂直于对流线的低层切变之比平均为 3.8，一般在生命期早期最高，临近消散时较低，所以在这个样本中该比值与消散的相关不好。地面和高架的相对于系统的入流在最后 6 小时内下降，其中地面入流的下降主要源于系统移速减慢；在此前受低空急流影响、且在消散前 3 小时内有测量的 19 个系统中，13 个已不再受急流影响。在所检查的 Eta 模式场中，只有 850 hPa 相当位温平流显示出中等的潜力，而这项检验针对的是模式自身的对流系统。作者称这些结果是初步的，并记录了未放慢就消散的系统，以及放慢后仍然持续的系统。

Coniglio et al. (2007) 增加了一项针对暖季准线状系统的邻近探空比较，资料取自 1998–2004 年 5–8 月，并补充了更早一项研究中的 79 份 derecho 邻近探空。在前导线移速达到或超过 10 m/s 的系统中，96 份成熟线附近的探空与 115 份减弱线附近的探空相比，0–2 km 切变矢量大小相差 1.1 m/s，1000 次随机重新分组中有 52 次超过这一差值；0–10 km 切变相差 11.7 m/s，几乎是重新分组中最大差值的三倍。最大深层切变、3–8 km 温度递减率、对流有效位能和 3–12 km 平均风合在一起，对同一批探空的分类正确率超过 80%。这项研究没有测量冷池，把消散定义为 3 小时窗口内的一个阶段而不为它指定时刻，没有报告检验统计量，并把高层风和切变的下降在很大程度上归因于系统移离了伴随其生成的急流。

• 在 Iowa 及邻近各州的 47 个夜间系统中，冷池–切变之比没有跟随消散变化，而相对于系统的入流和低空急流的影响在最后几小时内减弱（Gale et al., 2002）。
• 在暖季准线状系统的邻近探空中，0–10 km 切变区分成熟线与减弱线的能力远好于 0–2 km 切变（Coniglio et al., 2007）。
• 两项结果都是在得出它们的样本之内的关联；两篇论文都没有报告在独立个例上、给定提前量下的预报技巧。

与库中结论的差异

文献库对消亡的叙述从 Schumacher and Rasmussen (2020) 出发。这篇综述先指出消亡过程受到的关注相对较少，随后列出两条途径：低空急流在上午中段减弱，以及冷池增强到足以压倒切变。回到它所引的原始文献，这两句话的适用范围都要收窄。低空急流这条途径只引了 Gale et al. (2002)，那是一个 47 个系统的单一区域样本，作者自己称之为初步结果；文献库此前只存了综述的这句话，没有收录这一来源。冷池这条途径引的是 Weisman and Rotunno (2004)，而他们的模拟在所考察的每一种切变下，包括零切变，到第六小时仍有显著的上升气流，并且把早期模拟中弱切变线状对流的突然消亡归因于模式区域受限。Rotunno et al. (1988) 同样描述了一种较弱、向上切变一侧倾斜的状态，它一直维持到八小时积分结束。因此，综述关于冷池途径的那句话，说的比它的来源所证明的要多。文献库原本就是这样读这两篇论文的，即它们解释的是理想化线状对流中一种较弱的状态，没有给出衰亡的时间；所以在冷池途径上，本期只补上了从综述那句话到其来源的这一环。

Gale et al. (2002) 的结果限定了涡度平衡概念可以用在哪里。他们的冷池强度由地面温差和由气压推算的厚度估计，多数个例的观测在对流触发六个多小时之后才开始，而且大部分系统在生命期的一部分时间里很可能是高架的；Rotunno et al. (1988) 和 Weisman and Rotunno (2004) 的模拟处理的则是自触发起就是 surface-based 的线状对流。Coniglio et al. (2012) 划出了类似的界限：他们根据 2009 年 5 月 8 日的 derecho 提出，把这一理论用于复杂的夜间系统时应十分谨慎，并且应当考察 3 km 以上的切变。Coniglio et al. (2007) 与 Coniglio et al. (2012) 有共同作者，所以真正相互独立的一对是 Gale et al. (2002) 的艾奥瓦样本和 Coniglio et al. (2007) 的探空资料；两者用不同的方法得到了关于低层切变的相容结论，其中只有前者检验了平衡比值。

• Schumacher and Rasmussen (2020) 列出的两条消亡途径，分别追溯到一个 47 个系统的样本，以及每条线状对流都维持到运行结束的模拟。
• Rotunno et al. (1988) 和 Weisman and Rotunno (2004) 描述的是冷池占优时一种较弱、向上切变一侧倾斜的状态，没有给出这一状态何时结束；文献库原本就持这一读法。
• Gale et al. (2002) 的观测结果限定了平衡概念的适用范围，因为他们的系统很可能多数是高架的，并且是在生命期的后段才被观测到。

与未决问题的关系

文献库的开放问题是：能否依据入流供给的诊断量，在雷达回波衰减之前预报消亡。Gale et al. (2002) 是直接证据：在一个 47 个系统的样本中，相对系统的入流减弱和低空急流消失出现在消亡前三到六小时之内，两个方向上都有记录在案的例外，而且移速减慢有一部分来自对流线消退之后改为追踪层状云区的质心。Coniglio et al. (2007) 给出的是以环境为条件的成熟阶段概率，不含消亡时间。这个问题在实质上仍然开放：五篇来源中没有一篇报告在独立个例上、给定提前量下的预报技巧，没有一篇确定移速减慢是先于衰减还是与衰减同时发生，也没有一篇在观测中证实冷池途径。

本期还涉及两个相邻的问题。关于冷池–切变平衡对观测系统的适用性，Gale et al. (2002) 补充了一个多个例样本，其中比值达到三或更高的线状对流仍能把强度维持许多小时，这支持了 Coniglio et al. (2012) 所主张的谨慎；这个问题仍然开放，因为冷池强度是由地面资料推断的，而如何直接估计冷池强度本身尚未解决。关于高架入流与 surface-based 入流之间的转换，Gale et al. (2002) 发现，位于边界以北的 27 个系统和位于暖区的 20 个系统，在消亡前入流减弱的方式不同，所以建立在入流上的预报因子要依赖对入流来源的诊断，而文献库的来源没有给出这种诊断的实时方法 (Coniglio et al., 2012; Schumacher & Rasmussen, 2020)。对相邻的机器学习天气预报领域来说，Gale et al. (2002) 采用的雷达消亡定义是评估衰减时间预报时一个可以检验的目标；这是本分析的推断，五篇来源均未加以检验。

• 消亡能否在回波衰减之前预报仍然开放：入流和急流的信号出现在一个样本的最后三到六小时内，在已读的来源中没有经过独立个例的检验。
• 冷池–切变平衡对观测系统的适用性仍然开放，因为唯一的多个例检验是用地面资料推断冷池强度的。
• 建立在入流上的消亡预报因子，要依赖于知道这支入流是高架的还是 surface-based 的，而文献库的来源目前还无法实时作出这一诊断。

参考文献

1. Coniglio, M. C., Brooks, H. E., Weiss, S. J., & Corfidi, S. F. (2007). Forecasting the maintenance of quasi-linear mesoscale convective systems. Weather and Forecasting, 22(3), 556–570. https://doi.org/10.1175/WAF1006.1
2. Coniglio, M. C., Corfidi, S. F., & Kain, J. S. (2012). Views on applying RKW theory: An illustration using the 8 May 2009 derecho-producing convective system. Monthly Weather Review, 140, 1023–1043. https://doi.org/10.1175/MWR-D-11-00026.1
3. Gale, J. J., Gallus, W. A., Jr., & Jungbluth, K. A. (2002). Toward improved prediction of mesoscale convective system dissipation. Weather and Forecasting, 17(4), 856–872. https://doi.org/10.1175/1520-0434(2002)017<0856:TIPOMC>2.0.CO;2
4. Rotunno, R., Klemp, J. B., & Weisman, M. L. (1988). A theory for strong, long-lived squall lines. Journal of the Atmospheric Sciences, 45(3), 463–485. https://doi.org/10.1175/1520-0469(1988)045<0463:ATFSLL>2.0.CO;2
5. Schumacher, R. S., & Rasmussen, K. L. (2020). The formation, character and changing nature of mesoscale convective systems. Nature Reviews Earth & Environment, 1, 300–314. https://doi.org/10.1038/s43017-020-0057-7
6. Weisman, M. L., & Rotunno, R. (2004). “A theory for strong long-lived squall lines” revisited. Journal of the Atmospheric Sciences, 61(4), 361–382. https://doi.org/10.1175/1520-0469(2004)061<0361:ATFSLS>2.0.CO;2

发布后读入论文库：

• Toward improved prediction of mesoscale convective system dissipation 10.1175/1520-0434(2002)017<0856:TIPOMC>2.0.CO;2
• Forecasting the maintenance of quasi-linear mesoscale convective systems 10.1175/WAF1006.1

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文献库对这个问题只有一个来源，即 Ryzhkov et al. (2022) 关于偏振降水估计的综述。文献库从中记录了两个偏振雪关系式，它们对粒子形状、取向和凇附的敏感性，specific differential phase 和差分反射率的一个不稳定阈值，在单部雷达观测到的一场 nor'easter 上做的一次端到端雷达检验，以及作者的判断：雪的算法仍处于起步阶段。本期没有重新打开这篇综述，这里是依据文献库的记录引用的。本期补上了综述中雪那一节所依据的两篇原始论文。Bukovčić et al. (2018) 用俄克拉何马十六次降雪过程中约 7000 个一分钟 disdrometer 谱推导出组合关系式，两个雷达变量都是在固定轴比 0.65、零倾斜的条件下由谱算出的；与 disdrometer 降雪率的相关系数为 0.995，用同一批数据拟合的反射率关系式为 0.862。Bukovčić et al. (2020) 把这个关系式推广到不同的轴比和倾斜宽度，引入了第二个关系式，它基于差分相位与一个差分反射率项的比值，并把两者用到三场风暴的 WSR-88D 数据上。

2020 年的论文提供了文献库记录里没有的几个量。倾斜宽度从 0 到 40 度、轴比从 0.5 到 0.7 时，组合关系式的系数最多升高到约 3.5 倍。S 波段上聚合雪的 specific differential phase 通常低于每公里 0.05 度，文中给出的每公里 0.01 度的精度是靠在整个方位圈上做平均达到的。在巴尔的摩雨量计处，组合关系式的结果与约 46.5 mm 的雨量计累计量非常接近，第二个关系式约为 42 mm，反射率为 29.5 mm；在科罗拉多，雨量计、组合关系式和反射率的累计量分别为 22.9、16 和 8 mm；在俄克拉何马，两个估计值分居重建参照值 11.5 mm 的两侧；在弗吉尼亚雷达旁边的杜勒斯雨量计处，两者相差不过几毫米。假设的差分反射率偏差改变 0.025 dB，第二个关系式的风暴累计量就变化约 20%（Bukovčić et al., 2020）。

另有三个来源把记录扩展到了文献库的收录之外。Capozzi et al. (2020) 在亚平宁山脉南段对照一台激光 disdrometer，检验了 X 波段的差分相位估计量：十五个个例中通过风筛选的有三个，在这三个个例里，相关系数从仅用反射率的估计量的 0.06 到 0.19 升到 0.53 到 0.60，而基于相位的估计量的归一化误差仍在 1 附近。Wu et al. (2026) 用山东半岛一部 S 波段雷达的三十次海效应降雪拟合反射率关系式，发现指数固定为 1.72 时，前置系数在一次凇附过程的 109.0 与一次未凇附聚合体过程的 567.8 之间。Zhang et al. (2025) 综述了美国、中国和法国的业务系统，报告三者中偏振估计量都只用于液态降水，MRMS 系统对雪给出的是单一的反射率关系式。

• 相位与反射率的组合关系式，其推导和最初的评分完全是在 disdrometer 谱上做的，粒子形状取假设值，没有倾斜（Bukovčić et al., 2018）。
• 它在 2020 年论文里的 S 波段雷达验证只有三场风暴，其中两场明显优于反射率，第三场持平（Bukovčić et al., 2020）。
• 在同一部 S 波段雷达上，三十次海效应降雪过程的反射率关系前置系数相差五倍，最低值出现在一次凇附过程，最高值出现在一次未凇附聚合体过程（Wu et al., 2026）。
• 2025 年的一篇综述发现，在美国、中国和法国的业务系统中，偏振估测方法只用于液态降水（Zhang et al., 2025）。

与库中结论的差异

文献库记录了综述中的说法：比差分相位低于每公里 0.01 至 0.03 度、差分反射率低于 0.2 至 0.3 dB 时，两个偏振关系都变得不稳定（Ryzhkov et al., 2022）。2020 年的论文对第二个关系给出的是每公里 0.01 度和 0.3 至 0.4 dB，并给出聚合体降雪中的典型值低于每公里 0.05 度（Bukovčić et al., 2020）。典型信号因此与所述下限处在同一量级范围内，实际可用的下限取决于能接受多大的空间平均，这一点两个来源都没有定下来。Wu et al. (2026) 报告，在一次以聚合体为主的海效应风暴中，最低一公里内的差分相位超过每公里 0.125 度，是典型值 0.05 的两倍多，也落在 2020 年论文同样报告过的每公里 0.3 至 0.4 度的极大值之内；Wu et al. 补充说，次生冰晶生成或波束非均匀充塞可能对低层的增大有贡献。因此至少有一次聚合体风暴超过了典型值，至于这种情况出现得多频繁，本期读到的来源没有测量。

关于凇附，各来源给出的符号相反。Bukovčić et al. (2018) 推导出的乘数与凇附因子的负 0.57 次方成正比，凇附雪因此使乘数减小，论文同时说明凇附因子的典型取值范围尚不清楚。Bukovčić et al. (2020) 报告了一项初步分析，其中轻到中度凇附可能使乘数增大 50%，而凇附本身并未被专门检验。文献库的记录只写到第二个关系对凇附程度有一定敏感性（Ryzhkov et al., 2022）。Wu et al. (2026) 在观测到的风暴中把反射率关系的前置系数与凇附联系起来，在同一批过程中也与数浓度联系起来，所以他们的结果没有把两者分开；在 2018 年的推导里，反射率乘数几乎完全取决于粒子谱截距，在凇附因子的整个取值范围内只变化 11%。

文献库把这项验证描述为单个站点的一次风暴。算上 2020 年论文的三次风暴，文献库与本期所知的 S 波段记录共四次风暴；Zhang et al. (2025) 也数出四个评估个例，引用的是 2020 年论文和一次会议报告，没有逐一列出，其中三个吻合良好，一个严重低估。X 波段的检验又增加了三个个例，参考仪器不同，并且推翻了模拟给出的一项预期：在实测数据上，只用相位的估测方法优于组合方法，作者把这归因于路径上融化层对反射率的衰减（Capozzi et al., 2020）。

• S 波段聚合体降雪的典型差分相位低于每公里 0.05 度，与文献库记录的不稳定下限处在同一范围；一次以聚合体为主的海效应风暴在近地面出现了两倍多于此的数值（Bukovčić et al., 2020; Wu et al., 2026）。
• 凇附对偏振乘数的影响，2018 年和 2020 年两篇论文给出的符号相反。
• S 波段的验证记录共四次风暴，文献库此前只记录了其中一次。

与未决问题的关系

文献库中关于偏振降雪估测成熟度的开放问题仍然开放。本期读到的来源确定了两点：用实测粒子谱计算雷达变量时，组合关系减小了粒子谱变化带来的误差（Bukovčić et al., 2018）；在三次 S 波段风暴中的两次，它给出的过程总量比固定的反射率关系更接近雨量计（Bukovčić et al., 2020）。在三个 X 波段个例中，基于相位的估测方法提高了与雨滴谱仪的相关，归一化误差则仍在 1 附近（Capozzi et al., 2020）。这些来源留下三件事没有定论，每一件都是实质问题：凇附效应的符号和大小，除假设之外获得形状与取向因子的办法，以及近地面降雪中信号低于可用水平的频率。文献库提出的第一个子问题，即 S 波段多个季节中信号低于下限的出现频率，本期读到的来源没有一个涉及。第二个子问题，即由雷达自身反演形状和取向，同样没有来源涉及：2020 年的论文说这些乘数可以由雷达资料通过实验得到，并把这项工作留给后续研究。

文献库中关于雷达降水估测在远距离处变差的开放问题直接受到影响。两篇原始论文都提出在高空的枝状生长层估测降雪，那里差分相位较大，再按质量通量守恒的假设推算到地面（Bukovčić et al., 2018, 2020）。这样就把测量移到了文献库所存综述认为精度下降的那些高度上（Ryzhkov et al., 2022），而 Zhang et al. (2025) 指出，对冰相中偏振变量垂直廓线的认识有限，订正方法还有待发展。2020 年的论文另外提到，从约 4 km 高度落下的雪花在强风中可以漂移 80 至 90 km。对相邻的机器学习天气预报领域，这里作为推论得出的后果与标签有关：凡是以 MRMS 降水场作训练目标的地方，其中的降雪数值带有反射率关系的误差，而 Wu et al. (2026) 表明，在同一站点，拟合出的关系在不同风暴之间给出的降雪率相差约 2.6 倍。

• 成熟度问题仍然开放，因为凇附效应、形状与取向因子的来源、信号低于下限的频率这三点在实质上都没有解决。
• 在高空枝状生长层估测降雪，把问题转移到了远距离、离地高度上的情形，而这正是文献库已经列为开放问题的部分。
• 用作机器学习训练目标的 MRMS 降雪场，承袭了反射率关系在风暴与风暴之间的误差。

参考文献

1. Bukovčić, P., Ryzhkov, A., & Zrnić, D. (2020). Polarimetric relations for snow estimation—Radar verification. Journal of Applied Meteorology and Climatology, 59(5), 991–1009. https://doi.org/10.1175/JAMC-D-19-0140.1
2. Bukovčić, P., Ryzhkov, A., Zrnić, D., & Zhang, G. (2018). Polarimetric radar relations for quantification of snow based on disdrometer data. Journal of Applied Meteorology and Climatology, 57(1), 103–120. https://doi.org/10.1175/JAMC-D-17-0090.1
3. Capozzi, V., Montopoli, M., Bracci, A., Adirosi, E., Baldini, L., Vulpiani, G., & Budillon, G. (2020). Retrieval of snow precipitation rate from polarimetric X-band radar measurements in Southern Italy Apennine mountains. Atmospheric Research, 236, 104796. https://doi.org/10.1016/j.atmosres.2019.104796
4. Ryzhkov, A., Zhang, P., Bukovčić, P., Zhang, J., & Cocks, S. (2022). Polarimetric radar quantitative precipitation estimation. Remote Sensing, 14(7), 1695. https://doi.org/10.3390/rs14071695
5. Wu, Y., Li, H., Gao, W., & Ruan, Z. (2026). Radar observations of cold air outbreak snowfall in East China: Variations of Z-S parameterizations and microphysical impacts. Journal of Geophysical Research: Atmospheres, 131(16), e2026JD046447. https://doi.org/10.1029/2026JD046447
6. Zhang, Z., Zhao, Z., Qi, Y., & Xiong, M. (2025). Dual-polarization radar quantitative precipitation estimation (QPE): Principles, operations, and challenges. Remote Sensing, 17(21), 3619. https://doi.org/10.3390/rs17213619

发布后读入论文库：

• Polarimetric Radar Relations for Quantification of Snow Based on Disdrometer Data 10.1175/JAMC-D-17-0090.1
• Polarimetric Relations for Snow Estimation—Radar Verification 10.1175/JAMC-D-19-0140.1
• Dual-Polarization Radar Quantitative Precipitation Estimation (QPE): Principles, Operations, and Challenges 10.3390/rs17213619
• Retrieval of snow precipitation rate from polarimetric X-band radar measurements in Southern Italy Apennine mountains 10.1016/j.atmosres.2019.104796
• Radar Observations of Cold Air Outbreak Snowfall in East China: Variations of Z-S Parameterizations and Microphysical Impacts 10.1029/2026JD046447

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

文献库里有开启这个问题的那篇批评，即单层线性模型在九个基准上胜过五个 Transformer 预测模型的发现 (Zeng et al., 2023)，还有一篇综述的判断：没有哪一类架构被证明明显更优 (Benidis et al., 2022)。为本期读的八篇后续论文，库里一篇也没有。其中两篇通过重新定义 token 恢复了 Transformer 的领先。Nie et al. (2023) 使用相互重叠的 16 步 patch，让每个变量独立地通过共享的编码器；在回看窗口 336 步、预测步长 96 的设置下，他们报告的误差在 Weather、Traffic 和 Electricity 上分别比 DLinear 低 14%、10% 和 7%，在四个 ETT 数据集上低 0 到 5%。Liu et al. (2024) 把每个变量的整个回看窗口嵌入为一个 token，在变量之间用注意力，沿时间用前馈网络，并承认此前注意力在时间维度上用得不当。两种设计都没有改动注意力机制，Nie et al. (2023) 的主要消融也只改变了 patching 和 channel independence。

有五个作者团队在 token 和训练保持不变的条件下去掉或抵消了注意力。Liu et al. (2024) 在自己的消融中报告，去掉变量间注意力后，按预测步长平均的 MSE 在 Electricity 上升高 8%，Traffic 上 8%，Weather 上 3%，Solar-Energy 上 12%；而在时间步上做注意力的原始排布使 Traffic 的误差翻倍。Lee et al. (2024) 在相同的 patching 和 channel independence 下，把 PatchTST 的编码器换成各 patch 相互独立的 MLP，在七个数据集上得到的监督学习平均 MSE 为 0.304，PatchTST 已发表的数值是 0.307。Guo et al. (2024) 去掉注意力模块后重新训练 PatchTST 和 iTransformer，各跑五次：PatchTST 在 ETT 数据集上的变化在 1% 以内，在 Weather、Traffic 和 Electricity 上为 0.2% 到 5.4%；iTransformer 在 Traffic 和 Electricity 上的变化为 8% 到 14%，在 ETT 数据集上则是改善 1% 到 5%。Liang et al. (2025) 把 PatchTST 的注意力矩阵设为零矩阵、单位矩阵或均匀平均；用零矩阵时，ETT 数据集和 Weather 上的误差持平或更低。Ilbert et al. (2024) 报告，用 sharpness-aware minimisation 训练的单层 channel-attention Transformer，其 MSE 比注意力固定为单位矩阵的同一模型低 11.9%。

另有三项结果关系到这些数字该怎么读。Shao et al. (2025) 在同一套流程下重跑了 45 种以上的方法，表明线性模型与 Transformer 预测模型的排名随数据集特性而反转：在 PEMS04 和 PEMS08 交通流量数据集上，最好的线性模型的 MAE 比 Informer、Autoformer、FEDformer 中最好的高 35% 到 39%，在 ETTh2 和 ETTm2 上则低 4% 到 8%；从两个模型中去掉空间组件，在两个道路车速数据集上要付出 10% 到 15% 的代价，在 Exchange-Rate 和 ETTm1 上预测则有改善。Tan et al. (2024) 从三个基于 LLM 的预测模型中去掉预训练语言模型，或把它换成一层注意力或一个 Transformer block，发现在 26 个数据集与指标组合中，消融版本全部 26 个领先 Time-LLM，22 个领先 CALF，19 个领先 OneFitsAll。Liang et al. (2025) 报告，把预训练模型 Timer 的注意力置零，MSE 在 Electricity 上升高 16%，在 Traffic 上升高 13%，而换成均匀平均至多升高 4%；这张表没有误差棒，也没有说明重新训练的方案。同一附录还报告了 Lag-Llama 在十个数据集上按 CRPS 评分有升有降的变化，以及 Moirai 在一个数据集上 2% 的变化。

• 在 token 和训练保持不变的条件下，去掉 PatchTST 在时间方向上的注意力，标准基准上的误差至多升高 5%，在部分数据集上还会降低 (Lee et al., 2024; Guo et al., 2024; Liang et al., 2025)。
• 去掉 iTransformer 的变量间注意力，在 Traffic 和 Electricity 上要付出 8% 到 14% 的代价，在只有七条序列的 ETT 数据集上则有改善 (Liu et al., 2024; Guo et al., 2024)。
• Transformer 的两次回归改的都是 token，换成 patch 或整个变量，注意力机制原样保留 (Nie et al., 2023; Liu et al., 2024)。
• 三个基于 LLM 的预测模型去掉预训练语言模型后，在大多数数据集与指标组合上精度没有损失 (Tan et al., 2024)。

与库中结论的差异

文献库把 Zeng et al. (2023) 记为一条证据：置换不变的自注意力会丢失时间顺序；并把这一读法推广到基于注意力的临近预报模型，当作它们共有的失效模式。后来的工作和这篇论文自己的表格，从三个方面收窄了这个说法。其一，打乱顺序的检验只在 Exchange-Rate 上显示三个 Transformer 全都对顺序不敏感；在 ETTh1 上，FEDformer 和 Autoformer 的性能分别下降 73% 和 57%，线性模型下降 81%，只有 Informer 不受影响 (Zeng et al., 2023)。其二，线性模型的领先换了数据就保不住：在同一套流程下，Informer 本身在 PEMS04 上的 MAE 比线性模型低约四分之一，Shao et al. (2025) 把 2023 年的结果归因于评测所用的数据集存在分布漂移或模式不清晰。其三，这一批评针对的是时间方向上的注意力：在序列数以百计的两个基准上，变量间注意力在两项相互独立的消融中贡献了 8% 到 14% (Liu et al., 2024; Guo et al., 2024)。

综述中“没有哪种方法明显更优”的判断 (Benidis et al., 2022) 与这些结果一致，但比这些结果现在能支持的结论要笼统。在同一套流程下，选线性模型还是 Transformer 预测模型，取决于序列是否呈现清晰而稳定的模式、样本在空间上是否不可区分 (Shao et al., 2025)，这是一条带条件的建议。新材料内部有一处分歧涉及单个模型：Ilbert et al. (2024) 发现 SAMformer 的注意力换成单位矩阵后 MSE 变差 12%，而 Liang et al. (2025) 发现把它的注意力置零后 RMSE 的变化不超过 2%。第二处分歧涉及单个数据集：按 Shao et al. (2025) 的空间不可区分性度量，Electricity 与 ETT 数据集归在一起，他们预期这类数据上不需要跨序列建模，但从 iTransformer 中去掉变量间注意力，在该数据集上要付出 8% 到 14% 的代价 (Liu et al., 2024; Guo et al., 2024)。Traffic 基准不在 Shao et al. (2025) 报告的 14 个数据集之内，所以他们的解释只能通过与 METR-LA、PEMS-BAY、PEMS04 和 PEMS08 类比，才够得到 Traffic 上的损失。

• 2023 年的打乱顺序检验只在 Exchange-Rate 上显示三个 Transformer 全都对顺序不敏感；在 ETTh1 上其中两个分别下降 73% 和 57%，线性模型下降 81% (Zeng et al., 2023)。
• 在同一套流程下，线性模型与 Transformer 预测模型的排名随数据集特性而反转，所以线性模型的领先属于存在分布漂移或模式不清晰的基准 (Shao et al., 2025)。
• SAMformer 中可学习注意力的价值，在其作者与一项复现之间存在争议 (Ilbert et al., 2024; Liang et al., 2025)。

与未决问题的关系

文献库的开放问题是：归功于自注意力的预测增益，来自这一机制本身，还是来自训练策略和数据规模。就机制而言，对标准长时预测基准上的监督模型，这个问题在实质上已有答案：token 和训练固定时，时间方向上的注意力值 0 到 5%，跨序列的注意力在序列数以百计时值 8% 到 14%，而相对早期 Transformer 的增益是随 patching、channel independence 和变量 token 一起到来的 (Nie et al., 2023; Liu et al., 2024; Lee et al., 2024; Guo et al., 2024; Liang et al., 2025)。还有三部分没有解决。第一，原因有四种说法在争：顺序丢失 (Zeng et al., 2023)、收敛到尖锐极小值 (Ilbert et al., 2024)、嵌入空间缺乏结构 (Liang et al., 2025) 和数据集特性 (Shao et al., 2025)，它们开出的补救办法各不相同；在本期读过的论文里，只有其中两种被另一个研究组检验过：顺序丢失一说，是 Shao et al. (2025) 在别的数据上重跑了线性模型与 Transformer 的比较；尖锐极小值一说，是 Liang et al. (2025) 把 SAMformer 的注意力置零，发现 RMSE 的变化不超过 2%。第二，规模这一半只靠一篇预印本附录里三张没有误差棒的表：Timer 的注意力置零后损失 13% 到 16%，Lag-Llama 的变化有升有降，Moirai 只有一个数据集 (Liang et al., 2025)；而在语言上做的预训练，对 Tan et al. (2024) 检验的三个预测模型没有帮助。第三，本期读过的论文都没有在格点场上检验这一结果。

最后这一部分连着文献库里的临近预报条目。Earthformer 报告，在 SEVIR 上平均 CSI 比 ConvLSTM 高 5.6%，在最高阈值上为 0.179，最好的基线为 0.131；它的消融比较了注意力模式、全局向量、分层结构和解码器类型，但从未替换掉注意力，而且第一个注意力块之前有三级卷积下采样 (Gao et al., 2022)。因此它的比较是整个模型之间的比较，和去除实验出现之前的时间序列比较一样。文献库里 StormDiT 的卡片记录了三点：一个二十亿参数的扩散 Transformer，由视频基础模型初始化；一句说法，称全局注意力让模型学到对流的非局地规律；没有把架构与预训练分开的消融 (Sun et al., 2026)。它的 PDF 超过了抓取上限，本期没有读它的全文，播讲稿也不依赖它。文献库为临近预报提出的验证方案，是配对的线性或轻量卷积基线加输入打乱检验；本期读到的设计可以把它做得更精确：在同一个模型内部把注意力换成零、单位矩阵或均匀平均，时间轴和空间轴分开做，用多个随机种子 (Guo et al., 2024; Liang et al., 2025)。至于文献库里另一个问题，即怎样选择架构，Shao et al. (2025) 为多变量序列给出了一条带条件的规则，对格点场这个问题仍然开放。

• 归因问题中关于机制的那一半，对标准基准上的监督模型在实质上已有答案；原因、规模以及能否迁移到格点场，仍未解决。
• 对注意力为何增益不大有四种解释，对应四种不同的补救办法；在本期读过的论文里，只有顺序丢失和尖锐极小值两种说法被另一个研究组检验过 (Shao et al., 2025; Liang et al., 2025)。
• Earthformer 已发表的比较都是整个模型之间的比较，没有报告在时间轴或空间轴上替换注意力的消融 (Gao et al., 2022)。

参考文献

1. Benidis, K., Rangapuram, S. S., Flunkert, V., Wang, Y., Maddix, D., Turkmen, C., Gasthaus, J., Bohlke-Schneider, M., Salinas, D., Stella, L., Aubet, F.-X., Callot, L., & Januschowski, T. (2022). Deep learning for time series forecasting: Tutorial and literature survey. ACM Computing Surveys. https://doi.org/10.1145/3533382
2. Gao, Z., Shi, X., Wang, H., Zhu, Y., Wang, Y., Li, M., & Yeung, D.-Y. (2022). Earthformer: Exploring space-time Transformers for Earth system forecasting. 36th Conference on Neural Information Processing Systems (NeurIPS 2022). https://doi.org/10.48550/arXiv.2207.05833
3. Guo, S., Deng, J., Wei, Y., Dou, H., Shen, F., & Zhao, J. (2024). RAM: Replace attention with MLP for efficient multivariate time series forecasting (arXiv:2410.24023v2). arXiv. https://doi.org/10.48550/arXiv.2410.24023
4. Ilbert, R., Odonnat, A., Feofanov, V., Virmaux, A., Paolo, G., Palpanas, T., & Redko, I. (2024). SAMformer: Unlocking the potential of Transformers in time series forecasting with sharpness-aware minimization and channel-wise attention. Proceedings of the 41st International Conference on Machine Learning, PMLR 235, 20924–20954. https://proceedings.mlr.press/v235/ilbert24a.html
5. Lee, S., Park, T., & Lee, K. (2024). Learning to embed time series patches independently. International Conference on Learning Representations (ICLR 2024). https://arxiv.org/abs/2312.16427
6. Liang, Z., Zhu, J., & Sun, W. (2025). Why attention fails: The degeneration of Transformers into MLPs in time series forecasting (arXiv:2509.20942). arXiv. https://doi.org/10.48550/arXiv.2509.20942
7. Liu, Y., Hu, T., Zhang, H., Wu, H., Wang, S., Ma, L., & Long, M. (2024). iTransformer: Inverted Transformers are effective for time series forecasting. International Conference on Learning Representations (ICLR 2024). https://arxiv.org/abs/2310.06625
8. Nie, Y., Nguyen, N. H., Sinthong, P., & Kalagnanam, J. (2023). A time series is worth 64 words: Long-term forecasting with Transformers. International Conference on Learning Representations (ICLR 2023). https://arxiv.org/abs/2211.14730
9. Shao, Z., Wang, F., Xu, Y., Wei, W., Yu, C., Zhang, Z., Yao, D., Sun, T., Jin, G., Cao, X., Cong, G., Jensen, C. S., & Cheng, X. (2025). Exploring progress in multivariate time series forecasting: Comprehensive benchmarking and heterogeneity analysis. IEEE Transactions on Knowledge and Data Engineering, 37(1), 291–305. https://doi.org/10.1109/TKDE.2024.3484454
10. Sun, H., Yang, Y., Han, W., Huang, W., Chen, H., Gao, Z., Li, Z., Huo, Z., & Niu, Z. (2026). StormDiT: A generative AI model bridges the 2-6 hour 'gray zone' in precipitation nowcasting (arXiv:2601.20342). arXiv. https://doi.org/10.48550/arXiv.2601.20342
11. Tan, M., Merrill, M. A., Gupta, V., Althoff, T., & Hartvigsen, T. (2024). Are language models actually useful for time series forecasting? 38th Conference on Neural Information Processing Systems (NeurIPS 2024). https://arxiv.org/abs/2406.16964
12. Zeng, A., Chen, M., Zhang, L., & Xu, Q. (2023). Are Transformers effective for time series forecasting? Proceedings of the AAAI Conference on Artificial Intelligence, 37(9), 11121–11128. https://doi.org/10.1609/aaai.v37i9.26317

发布后读入论文库：

• A Time Series is Worth 64 Words: Long-term Forecasting with Transformers arXiv:2211.14730
• iTransformer: Inverted Transformers Are Effective for Time Series Forecasting arXiv:2310.06625
• Learning to Embed Time Series Patches Independently arXiv:2312.16427
• RAM: Replace Attention with MLP for Efficient Multivariate Time Series Forecasting arXiv:2410.24023
• Why Attention Fails: The Degeneration of Transformers into MLPs in Time Series Forecasting arXiv:2509.20942
• SAMformer: Unlocking the Potential of Transformers in Time Series Forecasting with Sharpness-Aware Minimization and Channel-Wise Attention arXiv:2402.10198
• Exploring Progress in Multivariate Time Series Forecasting: Comprehensive Benchmarking and Heterogeneity Analysis 10.1109/TKDE.2024.3484454
• Are Language Models Actually Useful for Time Series Forecasting? arXiv:2406.16964

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

库中把降水效率对切变的依赖记为模式给出的增大与观测给出的减小之间未解决的冲突（Weisman & Klemp, 1982），并把效率本身记为一种配料，其微物理与夹卷控制在业务上不可观测（Doswell et al., 1996）。库中缺的是这一冲突背后的观测记录，本期的来源把它补上了。Fankhauser (1988) 在 1981 年 CCOPE 期间测量了蒙大拿的七个雷暴，两架飞机在云底以下 100 到 200 m 处各飞行一小时以上，用 10 cm 雷达测降雨；在论文的中间雷达降雨关系式下，效率从略低于 20% 到接近 50%，对切变没有反向依赖，若有倾向则略呈正相关；某个风暴 38% 的水汽流入来自弱于 2 m/s 的上升气流，低于早期飞机研究的阈值，而仅雷达降雨关系式的选择就使一个效率变动 10 到 25 个百分点。Market et al. (2002, 2003) 对中西部中尺度对流系统按六小时窗口计算效率，即雷达降雨除以分析场可降水量，发现它与暖云厚度上的切变呈负相关，2000 年二十个六小时时段约为 -0.38，在 90% 水平上显著，同时与低层相对湿度正相关，与对流抑制负相关；期刊版本报告了 24 个系统与切变和对流抑制的负相关。Kain (2004) 报告原始 Kain-Fritsch 方案用切变和云底高度设定降水效率，反向切变关系取自 Fritsch and Chappell (1980)，该反向关系在广泛条件下似乎并不成立，新的下沉气流表述缓解了其中一些问题。

在定义一侧，Sui et al. (2007) 把观测工作的大尺度效率（雨除以水汽辐合加地面蒸发）与模式的云微物理效率（雨除以凝结加凝华）区分开，并在对 TOGA COARE 21 天的二维云分辨模拟中表明：去掉储存项后两者都会超过 100%，大尺度形式可以为负，而计入储存项后，两者在逐小时 96 km 平均上的相关为 0.85，均方根差为 18.5 个百分点。Jo and Lasher-Trapp (2022) 随后在八个 100 m 分辨率、0 到 6 km 切变从 15 到 38 m/s 的 CM1 超级单体中计算了两种效率：核心凝结效率，即上升气流核心内部每单位吸入水汽生成的凝结物，随核心从 4.5 km 变宽到 10 km、相对自身尺寸夹卷更少而从 63% 升到 81%；以及地面效率，即雨除以流入风暴的水汽，在切变最弱的模拟中接近 48%，在其余七个中落在 20% 到 30% 之间，被穿过风暴顶的卷出和下游蒸发压低，正文把它描述为大体平稳、与切变没有明确关系，摘要则称其减小。Mulholland et al. (2024) 补充，在 250 m 超级单体模拟中把 1 到 6 km 切变加倍，面积平均雨强和累积量增加两到三倍（论文中 40% 到 70% 的差异以强切变模拟为基准），核心上升气流面积以相近倍数增长，核心之外水汽收支的每一项包括蒸发和升华都升高，近地面反射率质心与上升气流的距离从约 14 km 移到 22 km，在干与湿的自由对流层以及两种微物理方案下模式相同；未计算效率。Kukulies et al. (2026) 给出按风暴类型的观测效率，即雨除以凝结，由卫星冰水路径增长和 2000 到 2022 年 4 km CONUS 模拟估算：中尺度对流系统集中在 0.6 到 0.7，较小的对流系统在卫星估算中略低，热带气旋高于 0.8，没有随组织化程度的明确上升，方法只在中尺度对流系统上验证过，也没有按切变分层。

• 用云底飞机测量的七个 CCOPE 雷暴显示降水效率对切变没有反向依赖，若有倾向则略呈正相关，某个风暴 38% 的流入低于早期研究 2 m/s 的阈值 (Fankhauser, 1988)。
• 2000 年中西部中尺度对流系统的二十个六小时时段给出气柱水效率与切变约 -0.38 的负相关，24 个系统的期刊研究报告了相同的符号，而同一时期 Kain (2004) 主张去掉 Kain-Fritsch 方案基于切变的效率 (Market et al., 2002, 2003)。
• 在二维热带模拟中，效率的观测定义与模式定义相关为 0.85，均方根差 18.5 个百分点 (Sui et al., 2007)。
• 在八个模拟超级单体中，核心凝结效率随切变从 63% 升到 81%，而地面雨除以流入水汽没有上升，切变最弱的模拟接近 48%，其余七个在 20% 到 30% 之间 (Jo & Lasher-Trapp, 2022)。
• 美国 2000 到 2022 年按风暴类型的卫星效率现已存在，采用凝结物定义，未按切变分层 (Kukulies et al., 2026)。

与库中结论的差异

库中对这一冲突的表述需要来自来源的两点限定。模式给出的增大只在 Weisman and Klemp (1982) 参数空间中浮力较高、风暴分裂的那部分成立；在他们最低的浮力下，同一模式显示效率随切变从 45% 降到零，他们把这归于夹卷，所以模式本身已经带着两个符号。卡片与之对立的观测减小则依据 Marwitz (1972) 和 1982 年引用的那些风暴；此后的观测记录是分裂的，并非一致为负：Fankhauser (1988) 在流入通量定义下于七个风暴中发现略呈正的倾向，Market et al. (2003) 在气柱水定义下于中尺度系统中得到负相关。因此分歧既贯穿定义和风暴类型，也存在于模式与观测之间。

库中取自 Doswell et al. (1996) 的估算缺口把问题定位在预报员无法观测的输入上。Sui et al. (2007) 和 Jo and Lasher-Trapp (2022) 把其中一部分挪到了定义上：即使像模式那样每个过程速率都已知，切变响应的符号也取决于比值在链条上的哪一处取。每单位吸入水汽生成的凝结物随切变上升，而每单位流入水汽的雨不上升，因为砧云卷出压低地面比值，却从不进入核心比值。两处归属在原文之下也收窄了。Doswell et al. (1996) 对切变措辞谨慎：他们写道它是能改变效率的因素之一，并把读者引向 Fankhauser (1988)，而后者的结果是零结果。山洪预报中弱到中等切变这一项，按 Schumacher (2017) 的追溯，源自 Maddox et al. (1979) 对 151 个事件的调查，那项调查刻画的是山洪的环境，测量的并非效率。

• Weisman and Klemp (1982) 的模式带着两个符号：低浮力下随切变减小，风暴分裂后随切变增大，所以这一冲突从来就并非简单的模式对观测。
• 观测记录按定义和风暴类型分裂：对离散雷暴用流入通量定义得不到反向关系 (Fankhauser, 1988)，对中尺度系统用气柱水定义则得到一个 (Market et al., 2003)。
• Doswell et al. (1996) 把切变引向 Fankhauser (1988) 而未断言一条规则，山洪预报中的弱切变一项源自 Maddox et al. (1979) 的环境调查。

与未决问题的关系

关于切变依赖符号的开放问题仍然开放，来源把它的闭合条件写明了：在同一批真实风暴上跨切变计算流入比值和凝结物比值，使外场结果与模式结果能相互映射。Jo and Lasher-Trapp (2022) 在一个模式、一条探空下把地面流入比值与核心凝结效率并置，发现两者分道，这说明 1982 年的冲突可以在两个定义明确的量之间产生，双方都没有错。卡片的子问题，即这一冲突是暖雨微物理的产物还是孤立单体范围的产物，被收窄而未被回答：含冰的超级单体模拟让每单位吸入水汽生成的凝结物随切变上升，这与 Weisman 和 Klemp 的雨除以凝结物比值相关但并非同一个量，这里没有任何含冰研究跨切变重新计算后者；范围问题也仍在，因为 Market et al. (2003) 测的是中尺度系统，Fankhauser (1988) 测的是单体和多单体的离散雷暴，没有一个能确认为超级单体。这里没有来源提供 1988 年以后跨切变的流入比值外场测量，两项超级单体研究都呼吁观测，Jo and Lasher-Trapp (2022) 尤其呼吁这一比值。Fankhauser 关于这样的数据集不太可能建成的预期，已经成立了 38 年。

对于估算缺口的子问题，即卫星反演能否在业务上代理效率，Kukulies et al. (2026) 只对凝结物定义作了回答：冰水路径增长给出的整体效率按风暴类型与 4 km 模式一致，在中尺度对流系统上验证过；而速率方程的流入比值除云底飞机之外没有直接的观测途径。Sui et al. (2007) 指出它可以由同化数据估算，这正是 Market et al. (2003) 用分析场气柱水近似的路线。这一定义上的分裂关系到降水领域的过程速率缺口 (Morrison et al., 2020)：效率是过程速率的比值，而可观测的比值与模式的比值是不同速率之间的比值。Kain (2004) 反对切变规则的论证，是 Fritsch and Carbone (2004) 所指对流参数化不足的一个实例，其应对是用下沉气流表述取代一个经验闭合。

• 切变依赖问题仍然开放，其闭合条件现已明确：在同一批真实风暴上跨切变计算两个比值，这些来源中没有一项外场研究做过，Jo and Lasher-Trapp (2022) 在模式中用核心凝结效率与地面流入比值并置作了近似。
• 暖雨子问题仍然开放：含冰的超级单体模拟提高的是每单位吸入水汽生成的凝结物，并非每单位凝结物的雨，所以 Weisman 和 Klemp 上升的比值在这些来源中尚未用含冰方案复现。
• 卫星冰水路径可以按风暴类型代理效率的凝结物定义，估算缺口因此收窄到速率方程所用的流入比值。

参考文献

1. Doswell, C. A., III, Brooks, H. E., & Maddox, R. A. (1996). Flash flood forecasting: An ingredients-based methodology. Weather and Forecasting, 11(4), 560–581. https://doi.org/10.1175/1520-0434(1996)011<0560:FFFAIB>2.0.CO;2
2. Fankhauser, J. C. (1988). Estimates of thunderstorm precipitation efficiency from field measurements in CCOPE. Monthly Weather Review, 116(3), 663–684. https://doi.org/10.1175/1520-0493(1988)116<0663:EOTPEF>2.0.CO;2
3. Fritsch, J. M., & Carbone, R. E. (2004). Improving quantitative precipitation forecasts in the warm season: A USWRP research and development strategy. Bulletin of the American Meteorological Society, 85(7), 955–965. https://doi.org/10.1175/BAMS-85-7-955
4. Fritsch, J. M., & Chappell, C. F. (1980). Numerical prediction of convectively driven mesoscale pressure systems. Part I: Convective parameterization. Journal of the Atmospheric Sciences, 37(8), 1722–1733. https://doi.org/10.1175/1520-0469(1980)037<1722:NPOCDM>2.0.CO;2
5. Jo, E., & Lasher-Trapp, S. (2022). Entrainment in a simulated supercell thunderstorm. Part II: The influence of vertical wind shear and general effects upon precipitation. Journal of the Atmospheric Sciences, 79(5), 1429–1443. https://doi.org/10.1175/JAS-D-21-0289.1
6. Kain, J. S. (2004). The Kain–Fritsch convective parameterization: An update. Journal of Applied Meteorology, 43(1), 170–181. https://doi.org/10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2
7. Kukulies, J., Prein, A. F., Done, J. M., Stansfield, A. M., & Rios-Berrios, R. (2026). Precipitation efficiency by storm type in km-scale climate simulations and satellite observations. Journal of Geophysical Research: Atmospheres, 131(5), e2025JD044800. https://doi.org/10.1029/2025JD044800
8. Maddox, R. A., Chappell, C. F., & Hoxit, L. R. (1979). Synoptic and meso-α scale aspects of flash flood events. Bulletin of the American Meteorological Society, 60(2), 115–123. https://doi.org/10.1175/1520-0477-60.2.115
9. Market, P. S., Allen, S. N., Scofield, R., Gruber, A., & Kuligowski, R. (2002). A statistical expression for the estimation of MCS precipitation efficiency (Paper 7B.4). 19th Conference on Weather Analysis and Forecasting / 15th Conference on Numerical Weather Prediction, American Meteorological Society. https://ams.confex.com/ams/pdfpapers/47631.pdf
10. Market, P., Allen, S., Scofield, R., Kuligowski, R., & Gruber, A. (2003). Precipitation efficiency of warm-season Midwestern mesoscale convective systems. Weather and Forecasting, 18(6), 1273–1285. https://doi.org/10.1175/1520-0434(2003)018<1273:PEOWMM>2.0.CO;2
11. Marwitz, J. D. (1972). Precipitation efficiency of thunderstorms on the High Plains. Journal de Recherches Atmosphériques, 6, 367–370.
12. Morrison, H., van Lier-Walqui, M., Fridlind, A. M., Grabowski, W. W., Harrington, J. Y., Hoose, C., Korolev, A., Kumjian, M. R., Milbrandt, J. A., Pawlowska, H., Posselt, D. J., Prat, O. P., Reimel, K. J., Shima, S.-I., van Diedenhoven, B., & Xue, L. (2020). Confronting the challenge of modeling cloud and precipitation microphysics. Journal of Advances in Modeling Earth Systems, 12, e2019MS001689. https://doi.org/10.1029/2019MS001689
13. Mulholland, J. P., Nowotarski, C. J., Peters, J. M., Morrison, H., & Nielsen, E. R. (2024). How does vertical wind shear influence updraft characteristics and hydrometeor distributions in supercell thunderstorms? Monthly Weather Review, 152(7), 1663–1687. https://doi.org/10.1175/MWR-D-23-0166.1
14. Schumacher, R. S. (2017). Heavy rainfall and flash flooding. In Oxford Research Encyclopedia of Natural Hazard Science. Oxford University Press. https://doi.org/10.1093/acrefore/9780199389407.013.132
15. Sui, C.-H., Li, X., & Yang, M.-J. (2007). On the definition of precipitation efficiency. Journal of the Atmospheric Sciences, 64(12), 4506–4513. https://doi.org/10.1175/2007JAS2332.1
16. Weisman, M. L., & Klemp, J. B. (1982). The dependence of numerically simulated convective storms on vertical wind shear and buoyancy. Monthly Weather Review, 110(6), 504–520. https://doi.org/10.1175/1520-0493(1982)110<0504:TDONSC>2.0.CO;2

发布后读入论文库：

• Estimates of Thunderstorm Precipitation Efficiency from Field Measurements in CCOPE 10.1175/1520-0493(1988)116<0663:EOTPEF>2.0.CO;2
• On the Definition of Precipitation Efficiency 10.1175/2007JAS2332.1
• Entrainment in a Simulated Supercell Thunderstorm. Part II: The Influence of Vertical Wind Shear and General Effects upon Precipitation 10.1175/JAS-D-21-0289.1
• How Does Vertical Wind Shear Influence Updraft Characteristics and Hydrometeor Distributions in Supercell Thunderstorms? 10.1175/MWR-D-23-0166.1
• Precipitation Efficiency by Storm Type in km-Scale Climate Simulations and Satellite Observations 10.1029/2025JD044800
• The Kain-Fritsch Convective Parameterization: An Update 10.1175/1520-0450(2004)043<0170:TKCPAU>2.0.CO;2
• Precipitation Efficiency of Warm-Season Midwestern Mesoscale Convective Systems 10.1175/1520-0434(2003)018<1273:PEOWMM>2.0.CO;2
• Numerical Prediction of Convectively Driven Mesoscale Pressure Systems. Part I: Convective Parameterization 10.1175/1520-0469(1980)037<1722:NPOCDM>2.0.CO;2
• Synoptic and Meso-α Scale Aspects of Flash Flood Events 10.1175/1520-0477-60.2.115

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

库中把冷池记录为一种状态不可观测的预报输入 (Corfidi, 2003)，以及冷池与切变平衡的一方 (Schumacher & Rasmussen, 2020; Weisman & Klemp, 1982)；库中没有任何对冷池的直接测量。两篇观测计划论文补上了这一测量。Kirsch et al. (2022) 于 2020 年夏在汉堡布设了 103 个低成本站点，间距约 1.85 km，记录到 37 个冷池事件，在他们详细描述的 2020 年 8 月 10 日个例中，测得约 -12 K 的温度扰动和 11 km 内 12 K 的梯度，而文中给出的常规观测网分辨率约为 25 km 和 10 min。Kirsch et al. (2024) 把林登贝格 99 站 FESSTVaL 观测网的 42 个事件识别为对象，报告等效直径中位数 8.5 km 且为下限，长宽比 1.5 到 1.6 且与大小和强度无关，径向温度结构呈线性，其梯度从最弱四分位的约 -0.06 K/km 陡增到最强四分位的 -0.23 K/km。对从诞生起就被观测的四个事件，冷池面积随雷达累积降雨线性增长 (r 至少 0.976)，约 80% 的降温来自前一半的降雨，径向扩展速度随对象平均亏损增强而下降，观测扩展速度与密度流预测值的相关系数为 -0.87 到 -0.31。

Grant et al. (2024) 首次把这种变率与模拟作了比较。对全部 42 个 FESSTVaL 冷池计算的变差函数（variogram）显示，温度方差在 5 到 15 km 尺度上增强，在约 4 km 以下受到抑制。对其中一次最强事件以 625、312、156 和 75 m 格距做的 ICON 大涡模拟再现了平均亏损及其演变，但变差函数的量值只有观测的约三分之一，且不随分辨率系统变化；冷池到来前的方差在小尺度上是够的，夜间方差也落在观测的四分位距之内，作者据此把不足定位到冷池内部的过程。其余的 RAMS 模拟包括一个热带海洋个例研究以及理想化的大陆和带切变的试验：方差在热带个例与一个中纬度大陆个例之间相差一个量级，夜间大于白天，上切变一侧更大，而没有一组试验达到观测的中位变差函数，平均亏损比观测更大的试验也不例外。

两篇 Monthly Weather Review 论文补上了 RKW 理论 (Rotunno et al., 1988) 对照实测冷池的观测记录。Bryan and Parker (2010) 在 3 小时内穿过 2009 年 5 月 15 日的俄克拉何马飑线释放了九枚探空仪，在阵风锋后 8 km 处测得 3.6 到 4.0 km 深的冷池，C 为 34 到 38 m/s，对应的低层到中层切变约 10 m/s；倾斜方向朝上切变一侧，与理论一致；深度是通常引用的 1 到 2 km 的两倍；至于这样的数值是否常见，则没有依据可以判断。Coniglio et al. (2012) 记录了三点。理论没有确定切变层的深度：最初的模拟用 2.5 km，重访 (Weisman & Rotunno, 2004) 用 5 km，对 3 到 4 km 深的冷池可能要 6 到 8 km。他们引用的观测检验是九个有成对探空的 BAMEX 个例、理论的两位作者在 2005 年答复批评者时汇编的实测飑线清单（其中只有一条属于与他们个例相关的强中纬度类型），以及 Bryan and Parker 的那条飑线。在 2009 年 5 月 8 日的 derecho 中，强弓形回波形成于 0.5 到 3 km 线法向切变为 6 到 9 m/s 而 3 到 6 km 切变最大的地方，地面亏损 5 到 7 K，蒸发潜势不大，冷池深度未知。

• 密集的低成本观测网把冷池结构落到了约 10 km 及以下的尺度：2020 年 8 月 10 日汉堡个例中 11 km 距离上相差 12 K，Lindenberg 的径向线性梯度为 0.06 到 0.23 K/km，而常规站网的间距约为 25 km (Kirsch et al., 2022, 2024)。
• 在四个从生成起就被观测到的冷池中，面积随累积降水线性增长，扩张则随亏损加深而放慢，这与密度流关系相反 (Kirsch et al., 2024)。
• 对一个实测冷池的大涡模拟再现了其平均亏损，温度方差却只有观测的约三分之一，从 625 到 75 m 的每个格距都是如此 (Grant et al., 2024)。
• 穿过一条俄克拉何马飑线的直接探空给出一个约 4 km 深的冷池，C 约为切变的三倍，与 RKW 的倾斜预测一致，深度则是文献引用值的两倍 (Bryan & Parker, 2010)。
• Coniglio et al. (2012) 引用的 RKW 理论观测检验是一项九个例的探空研究、理论自家清单中的一个相关个例和一条飑线，而理论本身没有规定该用多深的切变层。

与库中结论的差异

文库对估计缺口的表述取自 Corfidi (2003)，写的是直接测量冷池强度并不可行。两次外场试验的论文把这一点收窄为业务上而非技术上的不可能：间距约 2 km 的低成本站在两个夏季各测得了几十个冷池的地面结构 (Kirsch et al., 2022, 2024)。它们没有测到什么同样有启发。Lindenberg 的多数事件在空间和时间上都只被部分采样，筛选后的样本偏向小而弱的对象，尺寸只能给出下限，而且两次试验都没有观测冷池深度 (Kirsch et al., 2024)，而深度正是计算 C 所需要的量。

Schumacher and Rasmussen (2020) 记载，RKW 理论对实测飑线的适用性受到过质疑，因为最强的飑线并不总是出现在最优状态下。新的来源把困难放在更早的一步：输入量。Bryan and Parker (2010) 发现理论的倾斜预测与实测的 C 一致，而这个 C 远大于切变；Coniglio et al. (2012) 则在弱低层切变下发现了强弓形回波，冷池深度未知。两者都无法检验理论关于强度的论断：前一个个例的 C 只在一个阶段测过，后一个根本没有测，而那次 derecho 只有在冷池深到足以让 3 到 6 km 切变起作用的情况下，才读得出与理论一致。文库已收录 Corfidi (2003) 的提醒，即 DCAPE 在显著切变下不可靠；在此之外，代理量链条还有两处断裂：Coniglio et al. (2012) 报告蒸发潜势不大，地面亏损却有 5 到 7 K；Kirsch et al. (2024) 发现，在增长中的冷池里，扩张速度跟随的是面积而非密度盈余。Weisman and Klemp (1982) 把风暴形态表述为出流与入流的平衡，那是在模拟中，出流强度是模式的输出；观测来源表明，把这一框架反过来用于预报时，同一个量仍然只能靠猜。

• 直接测量冷池的地面结构，问题在于部署而非技术：2 km 的站距每个夏季捕获了几十个冷池，而强度仍要等深度，两次试验都没有观测到深度 (Kirsch et al., 2022, 2024)。
• 从环境到阵风锋速度的代理量链条在两个环节断开：DCAPE 在切变下会误判强度，且不大的蒸发潜势与 5 到 7 K 的亏损并存 (Corfidi, 2003; Coniglio et al., 2012)；在测得的四个增长中的冷池里，强度并未决定扩张速度 (Kirsch et al., 2024)。
• 围绕 RKW 理论的问题，首先是输入量没有测到，其次才是理论本身：倾斜检验通过时，C 只在一场风暴的一个阶段测过；而强度论断在这些来源中还没有得到它所需要的反复测量 (Bryan & Parker, 2010; Coniglio et al., 2012)。

与未决问题的关系

实时估计冷池状态这一开放问题在实质上仍然开放。它的第一个子问题是，雷达上的阵风锋位置和速度加上中尺度站网的热力学量能否反演冷池强度；这在 Kirsch et al. (2024) 那里遇到四个反例：在那四个年轻的冷池中，扩张速度由面积增长决定，面积增长又由降水决定，并且与温度亏损反相关，所以基于速度的反演找回的会是降水供给而非密度盈余。在他们的数据里，单站的局地降温与阵风之间的关系确实成立，因此局地问题和整个对象的问题是分开的。第二个子问题是强切变下用什么替代 DCAPE，这些来源中没有答案；Corfidi (2003) 的动量规则给出阵风锋速度而不给强度，基于它建立的技术有十次失误，其中包括受外部边界引导的系统、被快速锋面携带的系统，以及含有超级单体或后侧入流急流的系统。Bryan and Parker (2010) 提议的冷池普查，即深度和积分浮力的气候统计，这里的后续来源都没有报告。

关于边界层热力学的观测缺口，文库的综合认为，历史上的局限并不能证明今天的公里尺度测量做不到。FESST@HH 和 FESSTVaL 在 30 到 50 km 的试验区域内为近地面温度和气压提供了这一演示 (Kirsch et al., 2022, 2024)；覆盖范围、长期性和湿度场仍是开放的部分。关于 NWP 中有组织对流的表征，Grant et al. (2024) 关系到一个子问题：仅靠对流允许分辨率能否修正这一表征。在大涡格距下，平均冷池被再现而其内部变率没有，把格距从 625 m 加密到 75 m 也没有改变这一点，这是一个个例、一个模式的结果。Pathak et al. (2025) 用 HRRR 分析场来评判 StormCast 的冷池结构；Grant et al. 的发现点出了这类仿真器会从母模式继承、而这种设计察觉不到的一种性质。Grant et al. 把缺失的方差归因于冷池内部的地面通量和夹卷，并发现 haboob 集合中白天的冷池比夜间的变率更小，他们把这归于地面加热导致的更快消散；这两点触及陆气耦合领域和 MCS 消散这一开放问题，但都没有解决。

• 实时冷池状态估计仍然开放：在测得的四个增长中的冷池里，基于阵风锋速度的反演找回的会是降水供给而非密度盈余，而且没有来源提出 DCAPE 的替代量。
• 公里尺度的地面热力学测量已在试验区域内得到演示，因此边界层观测缺口现在关乎覆盖范围和湿度，而非可行性。
• 在一个大涡个例中，单靠分辨率修正不了冷池的表征，这关系到对流允许网格能否弥合有组织对流的缺口，也关系到公里尺度仿真器从母模式继承了什么。

参考文献

1. Bryan, G. H., & Parker, M. D. (2010). Observations of a squall line and its near environment using high-frequency rawinsonde launches during VORTEX2. Monthly Weather Review, 138(11), 4076–4097. https://doi.org/10.1175/2010MWR3359.1
2. Coniglio, M. C., Corfidi, S. F., & Kain, J. S. (2012). Views on applying RKW theory: An illustration using the 8 May 2009 derecho-producing convective system. Monthly Weather Review, 140(3), 1023–1043. https://doi.org/10.1175/MWR-D-11-00026.1
3. Corfidi, S. F. (2003). Cold pools and MCS propagation: Forecasting the motion of downwind-developing MCSs. Weather and Forecasting, 18(6), 997–1017. https://doi.org/10.1175/1520-0434(2003)018<0997:CPAMPF>2.0.CO;2
4. Grant, L. D., Kirsch, B., Bukowski, J., Falk, N. M., Neumaier, C. A., Sakradzija, M., van den Heever, S. C., & Ament, F. (2024). How variable are cold pools? Geophysical Research Letters, 51, e2023GL106784. https://doi.org/10.1029/2023GL106784
5. Kirsch, B., Hohenegger, C., & Ament, F. (2024). Morphology and growth of convective cold pools observed by a dense station network in Germany. Quarterly Journal of the Royal Meteorological Society, 150(759), 857–876. https://doi.org/10.1002/qj.4626
6. Kirsch, B., Hohenegger, C., Klocke, D., Senke, R., Offermann, M., & Ament, F. (2022). Sub-mesoscale observations of convective cold pools with a dense station network in Hamburg, Germany. Earth System Science Data, 14(8), 3531–3548. https://doi.org/10.5194/essd-14-3531-2022
7. Pathak, J., Cohen, Y., Garg, P., Harrington, P., Brenowitz, N., Durran, D., Mardani, M., Vahdat, A., Xu, S., Kashinath, K., & Pritchard, M. (2025). Kilometer-scale convection allowing model emulation using generative diffusion modeling. Science Advances. https://doi.org/10.1126/sciadv.adv0423
8. Rotunno, R., Klemp, J. B., & Weisman, M. L. (1988). A theory for strong, long-lived squall lines. Journal of the Atmospheric Sciences, 45(3), 463–485. https://doi.org/10.1175/1520-0469(1988)045<0463:ATFSLL>2.0.CO;2
9. Schumacher, R. S., & Rasmussen, K. L. (2020). The formation, character and changing nature of mesoscale convective systems. Nature Reviews Earth & Environment. https://doi.org/10.1038/s43017-020-0057-7
10. Weisman, M. L., & Klemp, J. B. (1982). The dependence of numerically simulated convective storms on vertical wind shear and buoyancy. Monthly Weather Review, 110(6), 504–520. https://doi.org/10.1175/1520-0493(1982)110<0504:TDONSC>2.0.CO;2
11. Weisman, M. L., & Rotunno, R. (2004). "A theory for strong long-lived squall lines" revisited. Journal of the Atmospheric Sciences, 61(4), 361–382. https://doi.org/10.1175/1520-0469(2004)061<0361:ATFSLS>2.0.CO;2

发布后读入论文库：

• Sub-mesoscale observations of convective cold pools with a dense station network in Hamburg, Germany 10.5194/essd-14-3531-2022
• Morphology and growth of convective cold pools observed by a dense station network in Germany 10.1002/qj.4626
• How Variable Are Cold Pools? 10.1029/2023GL106784
• Observations of a Squall Line and Its Near Environment Using High-Frequency Rawinsonde Launches during VORTEX2 10.1175/2010MWR3359.1
• Views on Applying RKW Theory: An Illustration Using the 8 May 2009 Derecho-Producing Convective System 10.1175/MWR-D-11-00026.1
• A Theory for Strong, Long-Lived Squall Lines 10.1175/1520-0469(1988)045<0463:ATFSLL>2.0.CO;2
• "A Theory for Strong Long-Lived Squall Lines" Revisited 10.1175/1520-0469(2004)061<0361:ATFSLS>2.0.CO;2

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

把 ERA5 当作唯一检验参考的结构性问题，库中已经有完整的论证：Rasp et al. (2024) 中的同化前视窗口和降水占位指标，Jin et al. (2024) 中站点与再分析的差异，Li et al. (2026) 中业务条件下的成绩下降，以及 Kasteleyn et al. (2026) 中更换参考数据后的结论反转。三份新进入库中的文献补上的，是在同一代模型上演示极端天气的结论会随评分者而变。Olivetti and Messori (2024) 仅用 ERA5 就表明，GraphCast 在冷、热、大风各类极端上都赢下了与 IFS HRES 的极端日 RMSE 比赛，同时在北美把最暖点低估约 2 K，且低估随预报时效增长；两个结果并存，是因为 RMSE 即便在尾部也奖励保守的预报。

Pasche et al. (2025) 补上了库里没有的那种设计：HRES 用自身零提前期预报打分，ML 模型用 ERA5 打分，这样安排是有意让 HRES 在零提前期误差为零。结果是在 2021 年 6 月太平洋西北热浪峰值时，直到 6.5 天提前期 HRES 的误差都小于每一个 ML 模型，与 2022 年基准夏季的排序相反；而 2021 年 2 月北美冬季风暴则是 ML 模型报得更好。同一篇文章还记录到，ERA5 与 HRES 分析场的地表相对湿度差别很大，由两种真值算出的热指数分布因此不同，并建议直接与站点观测比较。Ben Bouallègue et al. (2024) 补充了另一种设计：两类模型共用业务 IFS 分析场作为初始条件，用业务分析场和欧洲 SYNOP 站点检验。Pangu-Weather 仍有竞争力，在站点第 75 到 90 百分位之间的夏季高温上胜过 IFS；两类模型都抓不住冬季最低温，Pangu-Weather 还低估热带气旋强度。

• 在同一张 ERA5 考卷上，GraphCast 的极端日 RMSE 优于 IFS HRES，同时把最热的点低估了约 2 K，原因是 RMSE 即使在尾部也奖励保守的预报 (Olivetti & Messori, 2024)。
• HRES 用自身分析场打分、ML 模型用 ERA5 打分时，在 2021 年太平洋西北热浪峰值直到 6.5 天提前期 HRES 的误差更小，与基准夏季的排序相反 (Pasche et al., 2025)。
• 对 2023 年南亚热浪，两种基于模式的真值在地表湿度上差别很大，因此用不同答案键打分的模型之间的排序，一部分是答案键之间的排序 (Pasche et al., 2025)。
• 在共用业务初始条件并用欧洲站点检验的设计下，Pangu-Weather 在夏季高温上保持竞争力，但两类模型都抓不住冬季最低温 (Ben Bouallègue et al., 2024)。

与库中结论的差异

库里关于再分析参照问题的综合已经把换参照的敏感性和初始化的敏感性分开，并记录了 Jin et al. (2024) 的发现：总体精度对观测参照不太敏感。新来源把这一判读磨得更细，并未与之矛盾。Ben Bouallègue et al. (2024) 发现，就主要指标而言，2 m 温度的站点结论与分析场结论相近，这把 Jin 的不敏感发现推广到了第二个独立的站点网络和模型对；两项研究里的敏感性都限于尾部和特定变量，例如气旋强度。

库里对 Biegert et al. (2026) 的记录是：在阈值加权评分下，AIWP 模型有更高的潜在极端技巧；而 Pasche et al. (2025) 对单一事件看上去说的是相反的话。本期的来源把这一点归结为条件设定的差异，而非模型的差异：Pasche 以事件已经发生为条件，Olivetti 与 Messori 以观测到的极端格点为条件，Biegert 则对所有日子加权评分，所以 Biegert 援引的预报员困境正是把这些结论分开的机制。Pasche et al. 还指出按现实影响挑选事件带来的选择偏差风险，库里的极端卡片没有记录这一点。

• 平均技巧对参照不敏感，现在已在两个独立的站点网络和模型对上得到证明 (Jin et al., 2024; Ben Bouallègue et al., 2024)，参照问题因此是一个尾部问题。
• Biegert et al. (2026) 与 Pasche et al. (2025) 关于 AI 模型与极端事件的相反结论，来自以所有日子为条件还是以已发生事件为条件的差别，即预报员困境，两者彼此相容。

与未决问题的关系

关于站点加业务分析场的双重参照是否足够这一开放问题，新来源在实质上仍让它开放。Pasche et al. (2025) 表明两种基于模式的真值在一次湿热浪的地表湿度上不一致，并把站点比较作为补救提出，但没有去做；Ben Bouallègue et al. (2024) 做了，但只针对欧洲的 2 m 温度。库里第一个开放子问题，即观测稀疏地区，没有被触及；也没有来源在全球尺度上用站点检验降水极端，因此 Rasp et al. (2024) 称为占位符的那个变量，其参照仍是 ERA5。

第二个开放子问题是 Jin 的不敏感发现是否给参照选择对平均技巧的影响划出了上界。Ben Bouallègue et al. (2024) 为平均 2 m 温度误差提供了同一上界的第二个独立实例；Jin et al. (2024) 自己的热浪案例则显示，Aurora 相对 ECMWF 模式的优势在日最高温上两天之内几乎消失，两个模型共享 ERA5 的偏差型态。这一上界因此对平均技巧成立、在尾部失效，是一个有实质内容的部分回答，问题并未关闭。极端盲测协议卡片问的是哪种采样协议能让极端技巧可测，Biegert 的全日加权评分和 Pasche 的以事件为中心的设计都推进了它，但两种设计对同一批模型给出相反的排序，还没有来源展示它们在一个留出年份上一致，所以这个问题仍然开放。所有被评估的模型都出自 2023 到 2025 年，这里的内容与更新一代无关。

• 站点加业务分析场的参照是否足够仍然开放：两种基于模式的真值在湿度上的分歧已有记录，但没有用站点比较去解决，稀疏地区和全球降水极端也未经检验。
• Jin 的不敏感上界对平均技巧成立、在尾部失效，在那里 Aurora 的优势在日最高温上两天之内几乎消失 (Jin et al., 2024)。
• 以事件为中心的协议与全日加权协议对同一批模型给出相反排序，因此哪种采样协议能让极端技巧可测仍无答案。

参考文献

1. Ben Bouallègue, Z., Clare, M. C. A., Magnusson, L., Gascón, E., Maier-Gerber, M., Janoušek, M., Rodwell, M., Pinault, F., Dramsch, J. S., Lang, S. T. K., Raoult, B., Rabier, F., Chevallier, M., Sandu, I., Dueben, P., Chantry, M., & Pappenberger, F. (2024). The rise of data-driven weather forecasting: A first statistical assessment of machine learning-based weather forecasts in an operational-like context. Bulletin of the American Meteorological Society, 105(6), E864–E883. https://doi.org/10.1175/BAMS-D-23-0162.1
2. Biegert, T., Allen, S., Alber, A., & Lerch, S. (2026). Towards fair comparisons of AI- and physics-based weather models for extreme events via the weighted potential CRPS. arXiv. https://doi.org/10.48550/arXiv.2606.21170
3. Jin, W., Weyn, J., Zhao, P., Xiang, S., Bian, J., Fang, Z., Dong, H., Sun, H., Thambiratnam, K., & Zhang, Q. (2024). WeatherReal: A benchmark based on in-situ observations for evaluating weather models. arXiv. https://doi.org/10.48550/arXiv.2409.09371
4. Kasteleyn, E., Maier, T., Lauer, A., Eyring, V., Gentine, P., & Lucic, A. (2026). PhysMetrics.Weather: An evaluation framework for physical consistency in ML weather models. arXiv. https://doi.org/10.48550/arXiv.2606.10642
5. Li, R., Wen, Z., Han, T., Chen, H., Ling, F., Zhang, W., Guo, S., & Bai, L. (2026). RealBench: Benchmarking data-driven numerical weather forecasting under operational conditions and extreme event challenges. arXiv. https://doi.org/10.48550/arXiv.2605.24945
6. Olivetti, L., & Messori, G. (2024). Do data-driven models beat numerical models in forecasting weather extremes? A comparison of IFS HRES, Pangu-Weather, and GraphCast. Geoscientific Model Development, 17(21), 7915–7962. https://doi.org/10.5194/gmd-17-7915-2024
7. Pasche, O. C., Wider, J., Zhang, Z., Zscheischler, J., & Engelke, S. (2025). Validating deep learning weather forecast models on recent high-impact extreme events. Artificial Intelligence for the Earth Systems, 4(1). https://doi.org/10.1175/AIES-D-24-0033.1
8. Rasp, S., Hoyer, S., Merose, A., Langmore, I., Battaglia, P., Russell, T., Sanchez-Gonzalez, A., Yang, V., Carver, R., Agrawal, S., Chantry, M., Ben Bouallègue, Z., Dueben, P., Bromberg, C., Sisk, J., Barrington, L., Bell, A., & Sha, F. (2024). WeatherBench 2: A benchmark for the next generation of data-driven global weather models. Journal of Advances in Modeling Earth Systems, 16(6), e2023MS004019. https://doi.org/10.1029/2023MS004019

发布后读入论文库：

• Do data-driven models beat numerical models in forecasting weather extremes? A comparison of IFS HRES, Pangu-Weather, and GraphCast 10.5194/gmd-17-7915-2024
• Validating Deep Learning Weather Forecast Models on Recent High-Impact Extreme Events 10.1175/AIES-D-24-0033.1
• The Rise of Data-Driven Weather Forecasting: A First Statistical Assessment of Machine Learning-Based Weather Forecasts in an Operational-Like Context 10.1175/BAMS-D-23-0162.1

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

库中把聚合机制记录为两篇综述 (Runge et al., 2019; Camps-Valls et al., 2023) 作者自述的挑战，也记录为若干应用研究身处其中却未加检验的失效模式，但库中没有一个来源推导了这一机制。本期补上了推导。Gong et al. (2015) 证明，对一阶向量自回归以因子 k 做规则子抽样，得到的序列仍是向量自回归，只是转移矩阵变为原矩阵的 k 次幂；他们给出一个双变量例子，其中 k = 2 的幂是对角阵，于是一条真实的因果箭头在子抽样数据中不见了。Gong et al. (2017) 证明，对连续 k 个观测取平均得到的是向量自回归滑动平均过程，直接做自回归拟合同样只能恢复 k 次幂，而当 k 无限增大时，聚合后的序列收敛到一个线性瞬时因果模型；噪声为非高斯时原矩阵仍可识别，作者建议在 k 超过约六时只估计不含自环的部分。

Barnett and Seth (2017) 补上了库中缺少的定量形状。对于一个带明确因果延迟的连续时间系统，一旦采样间隔超过延迟，子抽样过程中的 Granger 因果就指数衰减；而在延迟以下，可检测性呈现甜点和盲点，全局最优间隔远小于延迟，并且存在采样更粗反而改善检测的情形。作者的结论是，因果分析的采样率应由具体领域的时间尺度来定。这是库的视野内第一个把可检测性对采样节奏的依赖写成非单调的来源，直接关系到那个尚未做的双节奏实验该如何设计。

Krich et al. (2020) 提供了库中原本没有的、用地球科学语言表述的权衡：提高时间分辨率可以分解同时刻连边，并通过更多样本提高检测功效，但如果最大滞后随之调整，维度会增加，因果信息被分摊到更多滞后上，每一个都更难检测，观测噪声也暴露得更多。他们对半小时涡度相关数据的分析，限定在正午样本、滞后 0 到 8，仍然发现同时刻依赖占主导，这说明生物圈-大气网络中的一部分同时刻性即使在三十分钟节奏下也是物理的，而非归档造成的假象。

• 对一个带滞后的线性系统以因子 k 做子抽样，得到的仍是带滞后的系统，其矩阵是原矩阵的 k 次幂，而原矩阵非对角时这个幂可以是对角阵 (Gong et al., 2015)。
• 对同一系统连续 k 个观测取平均，得到一个滑动平均过程，k 增大时其极限是纯瞬时模型，于是滞后关系变成了同时刻关系 (Gong et al., 2017)。
• 对于带因果延迟的连续时间系统，一旦采样间隔超过延迟，连边的可检测性就指数衰减；在延迟以下则是非单调的，最优间隔远小于延迟 (Barnett & Seth, 2017)。
• 半小时的生物圈-大气数据在正午时段分析，仍以同时刻依赖为主，所以通量塔因果网络中的一部分同时刻性是物理的 (Krich et al., 2020)。

与库中结论的差异

库的综合把粗节奏下的同时刻性视为与聚合相容但未经检验，本期的来源让这一判断更加精确，而非与之矛盾。Barnett and Seth (2017) 限定了“采样越细滞后结构越能单调恢复”这类预期：在因果延迟以下，可检测性会振荡并可能变差，所以双节奏对比可能显示某些连边在更细的节奏下反而更难检测，原因与聚合无关。Krich et al. (2020) 从另一侧加以限定：他们在半小时分辨率下发现同时刻依赖占主导，意味着 Camps-Valls et al. (2023) 报告的日尺度 FLUXNET 网络中有一部分同时刻性在任何可行的分辨率提升下都会保留。两条限定都关乎双节奏实验的解读，而不关乎它是否需要做。

Gong et al. (2017) 也限定了聚合感知恢复方法在实践中能走多远。从聚合数据识别细尺度矩阵依赖于非高斯噪声，在 k 较大时还依赖于一个瞬时模型近似，而这个近似只能恢复不含自环项的矩阵。对于库中应用研究所用的节奏，相对于次日尺度过程的聚合因子在几十到几百，这意味着聚合感知方法至多能给细尺度图定一个界，而无法重建它，这正是该空白的第二个开放子问题。

• 采样更细并不会单调地恢复滞后结构：在因果延迟以下，存在一些采样间隔使检测变差 (Barnett & Seth, 2017)。
• 聚合感知地恢复细尺度矩阵依赖于非高斯噪声，在聚合因子很大时至多只能恢复不含自环的矩阵 (Gong et al., 2017)。

与未决问题的关系

库的开放问题问的是：日尺度或月尺度因果分析中报告的同时刻性有多少是聚合造成的假象，以及能否从聚合序列中恢复因果结构。本期的来源确定了机制及其渐近行为 (Gong et al., 2015, 2017)，对一种延迟模型量化了可检测性随采样节奏的变化 (Barnett & Seth, 2017)，并用地球科学的语言说明了权衡 (Krich et al., 2020)。它们都没有在两种节奏下重新分析一个地球系统数据集。所以问题仍然开放，而且是实质上的开放：缺的是在一个真实系统上、用同一组场的小时版本和日版本做的实验，连同一个方法论问题，即聚合感知估计方法能否做到比给细尺度图定界更多的事。Debeire et al. (2025) 相对于 Nowack et al. (2020) 从三天均值换到了日均值，但同时换了集合、时段和节点数，所以仍然算不上一次节奏对比。

就陆气耦合而言，本期把同一机制接到了第三期所依据的那些研究上。Sun et al. (2025) 在日尺度场上计算信息流，而他们把所研究的机制放在日循环之内，并呼吁输出更高频的数据；Tuttle and Salvucci (2016) 在日步长上检验次日 Granger 因果，并把结论限定在这一时间步。两者都作为未经检验的案例处于该空白之中，而库中另一个关于次日尺度归档的开放问题，是本期提出的实验在数据一侧的前提。对于库中的因果指纹工作 (Nowack et al., 2020; Karmouche et al., 2023; Falkena et al., 2025)，Barnett 和 Seth 的结果意味着，在单一节奏下计算的容忍滞后的网络得分，比较的是滞后结构本身就随该节奏而变的图，这是指纹方案尚未考察过的一个条件。

• 库中开放问题背后的机制现在已经推导并量化，问题仍然开放，因为还没有一个地球系统数据集在方法、变量和时段固定不变的条件下于两种节奏下被分析过。
• 能关闭这一问题的实验是：取一个系统、同一组场的小时版本和日版本，数出变成滞后的零滞后连边和保持不变的连边，并预期结果是非单调的 (Barnett & Seth, 2017; Krich et al., 2020)。
• 第三期的土壤湿度研究 (Sun et al., 2025; Tuttle & Salvucci, 2016) 和库中的因果指纹方案 (Nowack et al., 2020; Karmouche et al., 2023; Falkena et al., 2025) 都处于这一未经检验的条件之中。

参考文献

1. Barnett, L., & Seth, A. K. (2017). Detectability of Granger causality for subsampled continuous-time neurophysiological processes. Journal of Neuroscience Methods, 275, 93–121. https://doi.org/10.1016/j.jneumeth.2016.10.016
2. Camps-Valls, G., Gerhardus, A., Ninad, U., Varando, G., Martius, G., Balaguer-Ballester, E., Vinuesa, R., Diaz, E., Zanna, L., & Runge, J. (2023). Discovering causal relations and equations from data. Physics Reports, 1044, 1–68. https://doi.org/10.1016/j.physrep.2023.10.005
3. Debeire, K., Bock, L., Nowack, P., Runge, J., & Eyring, V. (2025). Constraining uncertainty in projected precipitation over land with causal discovery. Earth System Dynamics, 16, 607–630. https://doi.org/10.5194/esd-16-607-2025
4. Falkena, S. K. J., Dijkstra, H. A., & von der Heydt, A. S. (2025). Causal mechanisms of subpolar gyre variability in CMIP6 models. Earth System Dynamics, 16, 1833–1844. https://doi.org/10.5194/esd-16-1833-2025
5. Gong, M., Zhang, K., Schölkopf, B., Glymour, C., & Tao, D. (2017). Causal discovery from temporally aggregated time series. In Proceedings of the 33rd Conference on Uncertainty in Artificial Intelligence (UAI 2017). http://auai.org/uai2017/proceedings/papers/269.pdf
6. Gong, M., Zhang, K., Schölkopf, B., Tao, D., & Geiger, P. (2015). Discovering temporal causal relations from subsampled data. In Proceedings of the 32nd International Conference on Machine Learning, PMLR 37, 1898–1906. http://proceedings.mlr.press/v37/gongb15.pdf
7. Karmouche, S., Galytska, E., Runge, J., Meehl, G. A., Phillips, A. S., Weigel, K., & Eyring, V. (2023). Regime-oriented causal model evaluation of Atlantic–Pacific teleconnections in CMIP6. Earth System Dynamics, 14, 309–344. https://doi.org/10.5194/esd-14-309-2023
8. Krich, C., Runge, J., Miralles, D. G., Migliavacca, M., Perez-Priego, O., El-Madany, T., Carrara, A., & Mahecha, M. D. (2020). Estimating causal networks in biosphere–atmosphere interaction with the PCMCI approach. Biogeosciences, 17, 1033–1061. https://doi.org/10.5194/bg-17-1033-2020
9. Nowack, P., Runge, J., Eyring, V., & Haigh, J. D. (2020). Causal networks for climate model evaluation and constrained projections. Nature Communications, 11, 1415. https://doi.org/10.1038/s41467-020-15195-y
10. Runge, J., Bathiany, S., Bollt, E., Camps-Valls, G., Coumou, D., Deyle, E., Glymour, C., Kretschmer, M., Mahecha, M. D., Muñoz-Marí, J., van Nes, E. H., Peters, J., Quax, R., Reichstein, M., Scheffer, M., Schölkopf, B., Spirtes, P., Sugihara, G., Sun, J., Zhang, K., & Zscheischler, J. (2019). Inferring causation from time series in Earth system sciences. Nature Communications, 10, 2553. https://doi.org/10.1038/s41467-019-10105-3
11. Sun, J., Yang, K., He, X., Wang, G., Wang, Y., Yu, Y., & Lu, H. (2025). Causal pathways underlying global soil moisture-precipitation coupling. Nature Communications, 16, 8935. https://doi.org/10.1038/s41467-025-63999-7
12. Tuttle, S., & Salvucci, G. (2016). Empirical evidence of contrasting soil moisture–precipitation feedbacks across the United States. Science, 352(6287), 825–828. https://doi.org/10.1126/science.aaa7185

发布后读入论文库：

• Causal Discovery from Temporally Aggregated Time Series http://auai.org/uai2017/proceedings/papers/269.pdf
• Discovering Temporal Causal Relations from Subsampled Data http://proceedings.mlr.press/v37/gongb15.pdf
• Detectability of Granger causality for subsampled continuous-time neurophysiological processes 10.1016/j.jneumeth.2016.10.016
• Estimating causal networks in biosphere–atmosphere interaction with the PCMCI approach 10.5194/bg-17-1033-2020
• Functional convergence of biosphere–atmosphere interactions in response to meteorological conditions 10.5194/bg-18-2379-2021

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文献库已经收录了 MCS 追踪方法比对（Feng et al., 2025），并把它作为第一条 addressing 类型的证据，说明基于对象的结论对识别参数敏感；文献库没有收录的是 Prein et al. (2024) 更早、规模更小的区域比对，它在一个区域范围内做了同样的逐追踪算法的模式与观测比较。该文陈述了一个文献库的 MCSMIP 卡片没有记录、但 MCSMIP 自己的摘要也提出的区分：绝对 MCS 统计量（频率、生成频率、尺寸、持续时间、对降水的贡献）在六种追踪算法之间差异很大，南美洲西北部的年计数从 493 到 919，拉普拉塔的降水占比从约 60% 到 80% 以上；而生命周期特征、移动速度和降水量的模式减观测差异在各追踪算法之间一致，六种算法都同意 4 km 模拟抓住了南美洲各气候区的 MCS 特征（Prein et al., 2024）。Prein et al. (2024) 还指出了离散的主要来源，即云系统在空间和时间上的分割以及合并与分裂的处理，并提供了一张逐追踪算法的特征表，这是文献库中 PyFLEXTRKR（Feng et al., 2023）和 tobac（Sokolowsky et al., 2024）的卡片所没有的。

本期还补充了两项来自已登记领域之外的比对，它们在其他现象上确立了同样的模式。Neu et al. (2013) 在 ERA-Interim 1989 至 2009 年资料上运行了十五种温带气旋检测与追踪方法，发现北半球冬季总数从约 6000 到 21000 不等，路径之间的匹配率大约为 50% 到 70%，两种源自同一原始算法的方法之间的一致性并不高于互不相关的方法；而深气旋的数量、年际变率和区域趋势的符号是稳健的。Rutz et al. (2019) 在 MERRA-2 1980 至 2017 年资料上运行了二十多种大气河方法，发现绝对频率随判据的严格程度差异很大，而归一化的纬向分布高度一致，最严格方法识别出的大气河大致构成最宽松方法识别出的大气河的子集。这两个项目都不在文献库中，两者合在一起，使得关于追踪算法敏感性的论断可以对特征追踪这一类方法整体成立，而不仅限于 MCS 追踪算法。

• 在同一套共享的四条件 MCS 定义下，六种追踪算法对南美洲同样三年的数据运行，给出的年系统数量仍然从 493 到 919 不等，拉普拉塔的降水占比从约 60% 到 80% 以上 (Prein et al., 2024)。
• 在这六种追踪器中的每一种之下，模式减观测在生命周期、移动速度和降水量上的差异都是一致的，六种追踪器也一致认为 4 km 模拟捕捉到了 MCS 的特征 (Prein et al., 2024)。
• 数量脆弱，而各项目在数量之外检验的东西更稳定，这一点在 ERA-Interim 上的十五种气旋追踪器中成立，深气旋和趋势符号保持一致 (Neu et al., 2013)；在 MERRA-2 上的二十多种大气河方法中也成立，归一化的纬度分布形状和最强事件保持一致 (Rutz et al., 2019)；加上两项对流研究，数量敏感性就成了特征追踪这一类方法的共同属性。

与库中结论的差异

文库中 Feng et al. (2025) 的卡片曾推断该文大多数模式与观测偏差的图是通过单一追踪器算出的，因而依赖于追踪器；重读后卡片撤回了这一推断，全文也证实撤回是对的：频率、降水、日循环、生命周期和中位属性的比较（图 6–11 和图 13）对每种追踪器都有展示，只有雨强贡献和可降水量分析（图 12 和图 14）单独使用 PyFLEXTRKR，其他追踪器被报告为定性一致。该文自己的结论与 Prein et al. (2024) 相符：观测到的 MCS 频率和降水贡献在追踪器之间相差 2–3 倍，但模式与观测的差异在各追踪器之间大体一致。例外是 MPAS 和 ICON，它们大范围的冷云盾中嵌着许多小雨核，与观测形态差别很大；对这两个模式，MCS 降水偏差的符号在各追踪器之间并不相同。由于两项研究有多位共同作者和五种共同追踪器，它们的一致是同一个群体的发现被报告了两次，而非两次独立的确认。

文献库中的雷达追踪和预报检验卡片以不同方式处理真值缺失的问题：Johnson et al. (1998) 用一组人工核实的风暴单体来评分 SCIT，Davis et al. (2006) 把对象匹配描述为主要是一种主观判断，Gilleland et al. (2009) 则在带有已知误差的几何案例和扰动案例上测试检验方法，这类已知误差的测试平台原则上也可以为追踪器搭建。Neu et al. (2013) 和 Rutz et al. (2019) 的框架不同：各方法分别是为回答不同的科学问题而构建的，它们之间的分歧源于许多设置的相互作用，而不是某一条可辨识的设计轴线，作者们也拒绝对方法排名，因为每一种方法对其自身目的而言都是“正确”的。按这种理解，一个共同基准衡量的将是一致性而非正确性，文献库中关于“独立于算法的单体定义”这一未决子问题被确认为症结所在，而没有得到回答。

• 文库的卡片曾推断 MCSMIP 的模式偏差依赖于追踪器，现已撤回；全文对每种追踪器都展示了这些偏差，并发现它们大体一致，只有风暴形态与观测差别最大的两个模式例外 (Feng et al., 2025)。
• Neu et al. (2013) 和 Rutz et al. (2019) 把追踪器之间的分歧视为不同科学问题的正当产物，而不是需要通过检验消除的误差，因此一个共同基准衡量的将是一致性，而非正确性。

与未决问题的关系

文库在这个主题下有三个开放问题：对象识别参数是否会改变检验结论（自 Feng et al., 2025 起已部分回答），是否存在某种独立于算法的单体定义能让追踪器检验可复现，以及在没有匹配真值的情况下能否评估预报与观测的对象匹配。Prein et al. (2024) 和 Feng et al. (2025) 对第一个问题有所贡献：它们表明会翻转的结论是基于数量的，站得住的结论是求差后基于形态的，这把问题问得更尖锐，却没有关闭它。对第二和第三个问题，两项对流对比研究和 Neu et al. (2013) 明说不存在参考数据集，Rutz et al. (2019) 拒绝给为回答不同问题而设计的方法排名，Neu et al. (2013) 则明确提出把极端气旋的最佳路径数据集作为未来工作，这让问题在实质上仍然开放：缺的是一个定义，而各项目为自己提出的改进，Feng et al. (2025) 的更密时间间隔、Neu et al. (2013) 的单项设置敏感性研究、Rutz et al. (2019) 的在线比较工具，都是技术性的，给不出定义。文库另一个关于追踪时间间隔漏掉短生命周期单体的开放问题 (Li et al., 2021) 同样未被触及：这里的每项研究都以逐小时或更粗的间隔运行。

跨领域来看，这一模式与 ml-weather-forecasting 领域的基准和检验卡片相关联，那里用基于对象的评分来评估临近预报和公里尺度的 AI 模式：如果仅在观测中 MCS 计数和降水占比就带有两倍的追踪器依赖，那么对预报系统的基于对象的评估就会继承这种依赖，除非对两边使用同一追踪器，并且报告的指标是差值或合成形态，这正是 Prein et al. (2024) 推荐的做法。它还通过归因问题本身与降水 (precipitation) 领域相关联：有多少降水来自有组织的对流、有多少来自大气河输送，这里都被表明是取决于识别方法的答案，这对文献库日后为这些占比记录的任何气候学数值都构成了限定。

• 文献库中“识别选择是否会翻转检验结论”这一问题变得更清晰：基于计数的结论会翻转，做了差分的、基于形态的结论站得住，但这依据的是两项研究，而两者的作者群体相互重叠 (Prein et al., 2024; Feng et al., 2025)。
• 文库关于独立于算法的对象定义和匹配标准的问题在实质上仍然开放，因为对流和气旋的对比研究都说明不存在参考，大气河项目不做任何排名，而每个项目提出的都只是技术性改进。
• ml-weather-forecasting 领域中对预报系统的基于对象的评估会继承同样的追踪器依赖，除非对两边使用同一追踪器，并且报告的是差值而不是计数。

参考文献

1. Davis, C., Brown, B., & Bullock, R. (2006). Object-based verification of precipitation forecasts. Part I: Methodology and application to mesoscale rain areas. Monthly Weather Review, 134. https://doi.org/10.1175/MWR3145.1
2. Feng, Z., Hardin, J., Barnes, H. C., Li, J., Leung, L. R., Varble, A., & Zhang, Z. (2023). PyFLEXTRKR: A flexible feature tracking Python software for convective cloud analysis. Geoscientific Model Development, 16, 2753–2776. https://doi.org/10.5194/gmd-16-2753-2023
3. Feng, Z., Prein, A. F., Kukulies, J., Fiolleau, T., Jones, W. K., Maybee, B., Moon, Z. L., Núñez Ocasio, K. M., Molina, M. J., Albright, M. G., Robledo, V., Song, J., Song, F., Leung, L. R., Varble, A. C., Klein, C., Roca, R., & Mejia, J. F. (2025). Mesoscale Convective Systems Tracking Method Intercomparison (MCSMIP): Application to DYAMOND global km-scale simulations. Journal of Geophysical Research: Atmospheres, 130(8), e2024JD042204. https://doi.org/10.1029/2024JD042204
4. Gilleland, E., Ahijevych, D., Brown, B. G., Casati, B., & Ebert, E. E. (2009). Intercomparison of spatial forecast verification methods. Weather and Forecasting, 24. https://doi.org/10.1175/2009WAF2222269.1
5. Johnson, J. T., MacKeen, P. L., Witt, A., Mitchell, E. D., Stumpf, G. J., Eilts, M. D., & Thomas, K. W. (1998). The Storm Cell Identification and Tracking algorithm: An enhanced WSR-88D algorithm. Weather and Forecasting, 13. https://doi.org/10.1175/1520-0434(1998)013<0263:TSCIAT>2.0.CO;2
6. Li, J., Feng, Z., Qian, Y., & Leung, L. R. (2021). A high-resolution unified observational data product of mesoscale convective systems and isolated deep convection in the United States for 2004–2017. Earth System Science Data, 13. https://doi.org/10.5194/essd-13-827-2021
7. Neu, U., Akperov, M. G., Bellenbaum, N., Benestad, R., Blender, R., Caballero, R., Cocozza, A., Dacre, H. F., Feng, Y., Fraedrich, K., Grieger, J., Gulev, S., Hanley, J., Hewson, T., Inatsu, M., Keay, K., Kew, S. F., Kindem, I., Leckebusch, G. C., … Wernli, H. (2013). IMILAST: A community effort to intercompare extratropical cyclone detection and tracking algorithms. Bulletin of the American Meteorological Society, 94(4), 529–547. https://doi.org/10.1175/BAMS-D-11-00154.1
8. Prein, A. F., Feng, Z., Fiolleau, T., Moon, Z. L., Núñez Ocasio, K. M., Kukulies, J., Roca, R., Varble, A. C., Rehbein, A., Liu, C., Ikeda, K., Mu, Y., & Rasmussen, R. M. (2024). Km-scale simulations of mesoscale convective systems over South America—A feature tracker intercomparison. Journal of Geophysical Research: Atmospheres, 129(8), e2023JD040254. https://doi.org/10.1029/2023JD040254
9. Rutz, J. J., Shields, C. A., Lora, J. M., Payne, A. E., Guan, B., Ullrich, P., O'Brien, T., Leung, L. R., Ralph, F. M., Wehner, M., Brands, S., Collow, A., Goldenson, N., Gorodetskaya, I., Griffith, H., Kashinath, K., Kawzenuk, B., Krishnan, H., Kurlin, V., … Viale, M. (2019). The Atmospheric River Tracking Method Intercomparison Project (ARTMIP): Quantifying uncertainties in atmospheric river climatology. Journal of Geophysical Research: Atmospheres, 124(24), 13777–13802. https://doi.org/10.1029/2019JD030936
10. Sokolowsky, G. A., Freeman, S. W., Jones, W. K., Kukulies, J., Senf, F., Marinescu, P. J., Heikenfeld, M., Brunner, K. N., Bruning, E. C., Collis, S. M., Jackson, R. C., Leung, G. R., Pfeifer, N., Raut, B. A., Saleeby, S. M., Stier, P., & van den Heever, S. C. (2024). tobac v1.5: Introducing fast 3D tracking, splits and mergers, and other enhancements for identifying and analysing meteorological phenomena. Geoscientific Model Development, 17, 5309–5330. https://doi.org/10.5194/gmd-17-5309-2024

发布后读入论文库：

• Km-scale simulations of mesoscale convective systems over South America—A feature tracker intercomparison 10.1029/2023JD040254

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

文库通过一项测量和两个概念性来源持有这一问题：Nguyen et al. (2026) 报告在 TerraBench 上过程组件与数值正确性的相关系数为 0.19 到 0.36，而 Ren et al. (2025) 的综述和 Munir et al. (2026) 的立场论文则在没有数据的情况下主张端到端评分掩盖了步骤级失败。本期节目新增三个基准。ThinkGeo (Shabbir et al., 2025) 包含 486 个遥感任务、1,778 个经过验证的推理步骤和 14 个工具，主要结果覆盖 436 个光学任务和十一个模型。GPT-4o 在 67.7% 的步骤中选对了工具，在 34.8% 的步骤中给出了正确参数，其最终答案在 9.8% 的任务中正确，若采用基于图像的评分则为 20.4%。在 50 个合成孔径雷达任务上，GPT-4o 的工具准确率达到 77.9%，而答案正确率低于 6%，作者由此得出结论：仅有工具能力并不足够。论文报告其四个步骤指标与答案准确率之间的 Pearson 相关系数为 0.33 到 0.44，但未说明分析单位。根据其表 3 重新计算，可将工具选择和参数两项数值精确到小数点后三位复现 (0.435 和 0.422)，即跨十一个模型行的相关性；这是我们的计算，而非论文中的陈述。在十一个数据点下，0.435 的系数经 Fisher 变换得到的 95% 置信区间大约为 -0.2 到 0.8。ThinkGeo 的步骤指标还取自 GTA (Wang et al., 2024) 的逐步模式，即模型被给予前面的参考步骤并预测下一步，而答案则来自端到端运行，因此这两个分数描述的并不是同一次执行。

第二个作者集群是 Earth-Agent 背后的团队。Earth-Bench (Feng et al., 2025) 有 248 个任务、104 个工具和十三个语言模型骨干；其 PDF 未能获取，其数据是通过对 arXiv HTML 版本的自动抽取读取的。在自主规划下，DeepSeek-V3.1 对所需工具的覆盖率最高 (78.3%)，准确率为 51.4%；GPT-5 覆盖率 68.7%，准确率 66.0%；LLaMA-4 覆盖率 16.5%，准确率 44.9%，高于 GPT-4o (覆盖率 65.7%，准确率 43.7%)。显式提供步骤几乎提高了所有模型的轨迹指标，作者写道这并不必然带来更高的最终准确率；GPT-5 从 66.0% 降至 62.4%。已通读全文的 Earth-Agent-Pro (Lv et al., 2026) 解释了 LLaMA-4 这一行：Earth-Bench 采用多项选择题，作者称这种形式可能掩盖数值、日期和单位错误。他们把 248 个任务核心重建为 744 个开放式问题，由语言模型评判打分。在这一设定下，Llama-3.1-8B 覆盖了 75.3% 的所需工具，却仅在 13.7% 的问题上被判为正确；该团队微调的 9B 模型在每项轨迹指标上领先 (工具覆盖率 91.3，参数准确率 32.8)，被判正确率为 50.0%，而 GPT-5 轨迹分数更低，被判正确率却为 66.1%。作者指出，工作流保真度与最终任务准确率仍是两回事。固定参考工具顺序的 oracle 计划运行让 GPT-5 达到 69.0%，而其自主计划下为 66.1%；基础版 Qwen3.5-9B 则为 46.4% 对 38.3%。oracle 运行同时禁用了修复机制，因此这一比较只是指示性的。

重读 TerraBench 又增加了两条文库卡片未记载的观察。其一，运行级相关性旁边还存在强烈的模型级关联：在 Nguyen et al. (2026) 表 2 的十七行中，据我们计算，工具准确率与数值分数的相关系数约为 0.86。其二，参数准确率是数值分数最弱的运行级预测因子 (0.19)，尽管论文的失败分解将错误参数值列为两大主导失败模式之一，占失败条目的 69.5% 到 96.8%。参数指标对对齐的工具对做键和值匹配的平均，这一不匹配说明它没有捕捉到那些决定数值的参数错误。论文的逻辑回归 (AUC 0.803，McFadden 伪 R 平方 0.160) 是在汇总的模型-条目观测上拟合的，未报告任何模型内部关系。

• ThinkGeo 报告的步骤指标与答案准确率之间 0.33 到 0.44 的相关性，可从其结果表中作为跨十一个模型的相关性复现，因此它们是基于十一个数据点的模型级统计量，无法与零区分开 (Shabbir et al., 2025；我们的重新计算)。
• ThinkGeo 在模型被给予此前参考步骤的模式下对步骤打分，而对答案则从自由运行中打分，因此其过程分数与答案分数描述的是不同的执行。
• 在多项选择形式的 Earth-Bench 上，一个仅覆盖 17% 所需工具的模型得分 45%；而在同一团队的开放式重建版本中，一个覆盖 75% 工具的模型被判正确率为 14%，因此答案形式对表观解耦的影响与过程指标本身一样大 (Feng et al., 2025; Lv et al., 2026)。
• 在 Earth-Agent-Pro 中把工具顺序固定为参考顺序，使 GPT-5 的被判准确率从 66.1% 升至 69.0%，因此对该骨干模型而言，工具选择和排序并不是大多数错误的来源 (Lv et al., 2026)。
• 在 TerraBench 的十七个模型均值上，据我们计算，工具准确率与数值分数的相关系数约为 0.86，而 Nguyen et al. (2026) 在运行级报告的数值为 0.19 到 0.36。

与库中结论的差异

文库记载过程指标与正确性仅有中等相关，以及轨迹对齐排行榜系统性地高估了能力。这些来源收窄了这两条陈述。中等相关是来自单一基准的运行级结果。在同一基准的模型均值层面，关联很强，因此 TerraBench 中的过程排行榜对模型的排序与答案排行榜大致相同，但有例外：Claude Haiku 4.5 在过程上排第二而 GPT-5.5 在答案上排第二，Gemma 4 26B 在过程上略胜 GPT-5.4，命中率却只有后者的约三分之一 (Nguyen et al., 2026)。因此，高估所涉及的是能力水平，最佳模型的过程分为 59 而容差内答案率为 23%，以及对单个答案的认证，而不那么涉及排名。ThinkGeo 的 0.33 到 0.44 不能被读作对 TerraBench 0.19 到 0.36 的复现：根据我们的重新计算，它是基于十一个点的模型级统计量，来自一个过程和答案以不同模式打分的基准 (Shabbir et al., 2025)。在两个作者集群之间反复出现的是定性结论。排名在顶部发生倒置，Earth-Bench 中 DeepSeek-V3.1 对 GPT-5，正如 TerraBench 中 Claude Haiku 4.5 对 GPT-5.5；而改善轨迹的干预，Feng et al. (2025) 中的显式步骤引导和 Lv et al. (2026) 中的 oracle 计划，对强模型的答案影响甚微。

文库中"因错误理由得到的正确答案与正确答案无法区分"这一陈述，依据的是 Munir et al. (2026) 的概念性论证：正确输出可能建立在错位的坐标系、不一致的分辨率或错误的单位换算之上。新来源提供的唯一一个高准确率伴随差过程的实证案例，即 Earth-Bench 上的 LLaMA-4，其原因不同：多项选择形式给出的分数并不需要工作流 (Feng et al., 2025; Lv et al., 2026)。这是关于答案分数效度的证据，而不是关于无效中间操作相互抵消的证据。没有任何来源测量正确答案有多常建立在无效中间状态之上，因此文库陈述的这一半仍然只是一种论证。

还有两点细化。文库的综述称尚无已实现的验证器被证明能预测最终正确性。Earth-Agent-Pro 确实实现了步骤级验证，一道结合确定性检查与语言模型检查器的闸门，以及一个在回答前检查单位、数值量级、聚合和覆盖范围的答案控制器 (Lv et al., 2026)。论文既未对闸门做消融，也未报告它多久接受一次错误结果，而在闸门就位的情况下 GPT-5 在约三分之一的问题上被判错误。该陈述应改为：验证器已被构建，但没有任何一个被作为预测因子加以评估。其二，文库将轨迹对齐与状态有效性归入同一标题之下。四个基准都把过程打分为与单一参考轨迹的一致程度，在 TerraBench 中这是一条由标注智能体生成并经标注者批准的规范轨迹。Munir et al. (2026) 提出的是另一种东西，即对每一次状态转换的有效性打分，无论它由哪个工具产生。低对齐度并不能确立过程无效，因为可以有不止一条有效路径，因此所测得的解耦有一部分属于指标本身，而非智能体。

• 文库关于过程指标与正确性仅有中等相关的结论，对 TerraBench 中的单次运行成立；在同一基准的模型均值层面关联很强，因此过程排行榜高估了能力水平且无法认证单个答案，但对模型的排序大致可靠。
• TerraBench 和 ThinkGeo 的相关性是在不同层面计算的，并不是同一发现的复现。
• 在两个作者集群之间反复出现的是：对过程的干预，Earth-Bench 中的显式步骤引导和 Earth-Bench-Pro 中的 oracle 工具计划，对强模型而言改善轨迹多于改善答案 (Feng et al., 2025; Lv et al., 2026)。
• Earth-Agent-Pro 实现了步骤级闸门和最终答案检查，但未对其进行评估，因此文库中的"尚无已实现的验证器"应改为"尚无验证器被作为正确性预测因子加以评估" (Lv et al., 2026)。
• 四个基准都把过程打分为与单一参考轨迹的一致程度，这与 Munir et al. (2026) 的状态有效性审计是不同的构念，而低一致度并不能确立过程无效。

与未决问题的关系

关于文库的开放问题，即智能体答案的正确性能否从其执行轨迹得到认证，结论是它在实质上仍然开放。文献目前确定的内容有限：在唯一一个在运行级测量此事的基准中，与参考轨迹的对齐并不能认证单个答案 (Nguyen et al., 2026)；在唯一一个尝试过的框架中，完善工具序列为强骨干模型增加约三个百分点 (Lv et al., 2026)。留下的是问题的核心。没有任何来源检验在坐标系、网格对齐、时间窗口、单位、来源和物理范围这些中间状态检查中，哪些能预测最终正确性，以及代价几何。没有任何失败标注器经过专家判断的验证；TerraBench 中的那个未作描述。单一模型内部过程与结果的关系未见报告，而 oracle 计划的结果表明它取决于能力，计划对 9B 模型价值约八个百分点，对 GPT-5 约三个百分点。这些是未经检验的机制和未经探查的条件，而不是尺度上的细化。

这些来源关系到同一领域中两个相邻的问题。文库记载 TerraBench 之外没有任何研究检验瓶颈是否在于数值落地而非工具选择。Earth-Agent-Pro 从第二个作者集群提供了这一点：对于闭源模型和微调的 9B 模型，88% 到 91% 的工具覆盖率旁边是 27% 到 33% 的参数准确率，GPT-5 即使在 oracle 计划下参数准确率也仅为 39.6%，作者由此得出结论：选择相关工具比实例化一个忠实可执行的工作流更容易 (Lv et al., 2026)。因此这一排序在两个采用不同容差规则的基准中都成立，一个是标注者设定的容差带，另一个是语言模型评判。文库的子问题，即未命中率能否经受对容差带的独立审计、强制使用模拟器是否有帮助，均未被触及。在基准覆盖范围上，Earth-Bench-Pro 增加了运行时数据获取和开放式答案，但它和 ThinkGeo 都没有把预报、临近预报或水文作为一等任务处理，因此对大气领域而言这一缺口没有变化。

跨领域来看，文库持有的天气智能体基准只对答案打分。Zephyrus (Varambally et al., 2025) 报告，用真值替换其预报工具提高了中等任务的正确率，却没有改善困难任务，作者将此解读为推理瓶颈。这是来自一个无关团队、不同类型任务的第二个案例，表明完善上游组件并未改变最难的那些答案，其指向与 oracle 计划的结果一致。它也标记出文库自身馆藏的一个缺口：它持有的天气或对流智能体基准中，没有任何一个报告过程分数，因此对大气领域而言过程与结果的关系尚未被测量。答案形式这一发现还与文库在强对流领域持有的一个问题相连，即针对不完美标签的检验无法给优于标签的模型记功；例如，Flora et al. (2021) 写道，因缺失风暴报告而产生的虚警很可能使他们的检验低估其机器学习指导产品的技巧。答案键也是一种标签，而多项选择形式或未经审计的容差带就是其中的噪声，这限制了任何过程与结果比较所能揭示的内容。

• 答案能否从其执行轨迹得到认证，在实质上仍然开放：没有任何来源检验哪些中间状态检查能预测正确性或代价几何，也没有任何失败标注器经过专家验证。
• 过程与结果的关系似乎取决于能力，在 Lv et al. (2026) 中 oracle 计划为 GPT-5 增加约三个百分点，为基础版 9B 模型增加八个百分点，而没有任何基准报告单一模型内部的这一关系。
• Earth-Agent-Pro 为文库的数值落地问题提供了第二个作者集群：接近 90% 的工具覆盖率旁边是接近 30% 的参数准确率，这正是 Nguyen et al. (2026) 在不同容差规则下发现的排序。
• 四个基准中没有一个把预报、临近预报或水文作为一等任务处理，而文库持有的天气智能体基准只对答案打分 (Varambally et al., 2025)，因此对大气领域而言过程与结果的关系尚未被测量。

参考文献

1. Feng, P., Lv, Z., Ye, J., Wang, X., Huo, X., Yu, J., Xu, W., Zhang, W., Bai, L., He, C., & Li, W. (2025). Earth-Agent: Unlocking the full landscape of Earth observation with agents. arXiv. https://doi.org/10.48550/arXiv.2509.23141 (Conference paper at ICLR 2026)
2. Flora, M. L., Potvin, C. K., Skinner, P. S., Handler, S., & McGovern, A. (2021). Using machine learning to generate storm-scale probabilistic guidance of severe weather hazards in the Warn-on-Forecast System. Monthly Weather Review. https://doi.org/10.1175/mwr-d-20-0194.1
3. Lv, Z., Dang, C., Feng, Y., Gong, Y., Wang, X., Ye, J., He, C., & Li, W. (2026). Earth-Agent-Pro: Towards real-world full-chain Earth observation with agents. arXiv. https://arxiv.org/abs/2609.12533
4. Munir, M. A., Sheikh, M. U., Shabbir, A., Khan, M. H., Khan, F., Zhu, X. X., Demir, B., & Khan, S. (2026). Agentic AI for remote sensing: Technical challenges and research directions. arXiv. https://arxiv.org/abs/2604.24919
5. Nguyen, D. T., Nguyen, T., Maani, F. A., Le, H. M., Sheikh, M. U., Saeed, N., Khan, M. H., & Khan, S. (2026). TerraBench: Can agents reason over heterogeneous Earth-system data? arXiv. https://doi.org/10.48550/arXiv.2606.13148
6. Ren, S., Xie, C., Jian, P., Ren, Z., Leng, C., & Zhang, J. (2025). Towards scientific intelligence: A survey of LLM-based scientific agents. arXiv. https://doi.org/10.48550/arXiv.2503.24047
7. Shabbir, A., Munir, M. A., Dudhane, A., Sheikh, M. U., Khan, M. H., Fraccaro, P., Moreno, J. B., Khan, F. S., & Khan, S. (2025). ThinkGeo: Evaluating tool-augmented agents for remote sensing tasks. arXiv. https://arxiv.org/abs/2505.23752
8. Varambally, S., Fisher, M., Thakker, J., Chen, Y., Xia, Z., Jafari, Y., Niu, R., Jain, M., Manivannan, V. V., Novack, Z., Han, L., Eranky, S., Rühling Cachay, S., Berg-Kirkpatrick, T., Watson-Parris, D., Ma, Y.-A., & Yu, R. (2025). Zephyrus: An agentic framework for weather science. arXiv. https://doi.org/10.48550/arXiv.2510.04017
9. Wang, J., Ma, Z., Li, Y., Zhang, S., Chen, C., Chen, K., & Le, X. (2024). GTA: A benchmark for general tool agents. Advances in Neural Information Processing Systems, 37, 75749–75790. https://arxiv.org/abs/2407.08713

发布后读入论文库：

• ThinkGeo: Evaluating Tool-Augmented Agents for Remote Sensing Tasks arXiv:2505.23752
• Earth-Agent: Unlocking the Full Landscape of Earth Observation with Agents arXiv:2509.23141
• Earth-Agent-Pro: Towards Real-World Full-Chain Earth Observation with Agents arXiv:2609.12533

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

文库对这个问题的掌握是二手的。它有提出用重建的因果依赖来评估物理模式的那篇 Perspective (Runge, Bathiany, et al., 2019)，有一篇用几段话复述这一想法首次实施的综述 (Camps-Valls et al., 2023)，还有算法本身的方法论文 (Runge, Nowack, et al., 2019)。本期补上了主研究。Nowack et al. (2020) 把逐日海平面气压按季节降为五十个 Varimax 旋转分量，载荷由 NCEP-NCAR 再分析资料估计并原样用于每个模式，序列平均为三日均值，运行 PCMCI，滞后至三十天，显著性水平 10^-4，在 24,500 条可能链接中得到 400 到 500 条。网络用链接存在与否的 F1 得分比较，经修改后要求符号相同并容许两步的滞后差。在二十个 CMIP5 模式的工业化前试验中，同一模式的不同片段比不同模式之间更相似；HadGEM2-ES、HadGEM2-CC、ACCESS1-0 和 ACCESS1-3 被识别为一个家族，IPSL、MPI 和 GFDL 各组以及三个 MIROC 模式中的两个也是如此，而 MIROC5 与 MIROC-ESM 的相似度低于多模式平均，由噪声生成的替代网络得分极低。在 1948 到 2017 年的历史试验中，与再分析资料的得分构成一个从约 0.56 到 0.66 的连续分布，与 ERA-Interim 比较时排序几乎相同，且与陆地降水的 Taylor 技巧得分相关：全球和北美约 0.7，东亚 0.6，非洲和南亚 0.5，澳大利亚和印度尼西亚则无显著关系。综述的复述遗漏了主文本陈述的三点：区域例外、区域相关性对保留链接数量的依赖，以及作者的解读，即在严格阈值下网络由短于一周的链接主导，因而主要代表风暴路径动力学，而更简单的风暴路径度量与降水技巧的相关更弱。

在预估方面，Nowack et al. (2020) 对二十个模式拟合了高斯过程回归，发现得分与 RCP8.5 下 2050 到 2100 年相对 1860 到 1910 年的陆地降水变化之间存在近似抛物线的关系，匹配最好的模式预估每日 0.0 到 0.1 mm，而降水技巧得分本身没有这种关系；他们说明该关系限于 CMIP5 集合，应在 CMIP6 中验证。Debeire et al. (2025) 做了这件事，使用 23 个 CMIP6 模式和 154 个成员，时段 1979 到 2014 年，逐日数据，六十个分量，滞后一到二十天，显著性水平 10^-5，并以 ERA5 和 NCEP-NCAR 两者为参照。模式相对两套参照的排名秩相关为 0.91；共享 HadGEM 谱系的模式 (ACCESS、UKESM、HadGEM3、KACE) 再次聚成一簇；得分与预估变化之间的二次多项式关系在情景与参照的六种组合中有五种在 5% 水平上显著 (第六种 p = 0.06)，而线性拟合均不显著。一个把与参照的接近程度和相对其他模式的独立性结合起来的加权方案，使加权均值在统计上不变，并以 ERA5 为参照把 2081 到 2100 年陆地降水变化的 5 到 95 百分位范围收窄 10% 到 16%，17 到 83 百分位范围收窄 16% 到 41%，上界下移，下界没有一致的变化。性能参数由完美模式检验校准，其中通常要求 80% 的伪真值落在 10 到 90 百分位区间内，被降到 70%，以便让性能优先于独立性。

另有两个来源涉及这类得分应当如何解读。来自同一研究圈子的 Karmouche et al. (2023) 对四个年度指数 (大西洋多年代际变率、太平洋年代际变率、太平洋-北美型和太平洋-南美型) 在十二个 CMIP6 大集合中 1900 到 2014 年的数据按位相分段运行 PCMCI+。他们报告：高的型相关并不保证因果网络相似，UKESM1-0-LL 就是例子；IPSL-CM6A-LR 的两个成员在某一位相下与再分析网络匹配最佳，而同一模式的另外三个成员却毫无相似性；得分最高的模拟来自两个最大的集合，他们把这部分归因于要采样出与观测相似的内部变率所需的成员数量。Falkena et al. (2025) 是乌得勒支的一个团队，与指纹研究没有共同作者，走的是相反的路线：对北大西洋副极地环流一个假设的五变量反馈环，在 32 个 CMIP6 模式的工业化前控制试验中用 PCMCI+ 和因果效应估计逐条链接检验。从环流强度到表层盐度的链接在 32 个模式中的 22 个里缺失，显示出从次表层温度经密度到环流强度存在显著反馈的模式在其符号上并不一致，只有 CESM2 每条链接都显著。他们指出，凡是遗漏了共同驱动因子的地方，因果充分性就被违反，链接的存在就无法被稳健识别，因此他们把分析限制在一个他们判断为因果充分的假设上。

• Nowack et al. (2020) 表明，对二十个 CMIP5 模式且仅用海平面气压，一个带滞后的依赖网络能重现模式的共同谱系，且其与 NCEP-NCAR 再分析资料在边级别上的匹配度与全球陆地降水技巧的相关约为 0.7，在澳大利亚和印度尼西亚则无关系。
• 同一研究中，RCP8.5 下本世纪末陆地降水的变化是该匹配度的一个凹函数，匹配最好的模式预估每日 0.0 到 0.1 mm，作者把该关系限定在 CMIP5 集合之内。
• Debeire et al. (2025) 在 23 个 CMIP6 模式、三种情景和两套再分析资料中重新得到了这一凹形关系；基于它构建的加权方案把世纪末陆地降水变化的 5% 到 95% 区间收窄了 10% 到 16%，而均值保持不变。
• Karmouche et al. (2023) 发现，在十二个 CMIP6 大集合的四个年际指数上，同一模式的不同成员与再分析网络的匹配程度从最佳匹配到完全不匹配都有，因此在短记录上，得分取决于抽到哪一个实现。
• Falkena et al. (2025) 在 32 个 CMIP6 控制试验中逐条链接检验了一个五变量的副极地环流反馈回路，发现有一条链接在 22 个模式中不存在，而所有链接都显著的只有 CESM2；这是一种关于模式在何处失效的陈述，网络层面的得分给不出。

与库中结论的差异

文库目前的解读是：指纹在描述性统计之外能够区分模式，而从指纹相似性到预估可靠性这一步只有一项关联作为支撑，此外未经检验。原始文献把这两半都收窄了。这一关联如今存在两次，分别在 CMIP5 和 CMIP6 中，函数形式相同，但两项研究有三位共同作者，未找到来自该团队之外的复现。更重要的是，这一关联的形式对 Runge, Bathiany, et al. (2019) 所写的前提，即与观测在因果上相似的模式会给出更可靠的预估，构成了限定。Nowack et al. (2020) 和 Debeire et al. (2025) 发现的并非相似性与某个预估量之间的单调联系，而是一种凹形关系，低分模式位于两个极端。这样的关系约束的是离散度而非中心估计，这正是 Debeire et al. (2025) 所报告的：均值不变，区间收窄，而收窄幅度取决于一个明确说明的校准选择。可靠性本身在两项研究中都没有被观测到。完美模式检验考察的是，在假定真实世界表现得像集合中一个成员的前提下，权重是否校准得当；所有模式共有的误差在它的能力范围之外。

文库从 Camps-Valls et al. (2023) 继承的表述，即更真实的指纹会"影响"陆地降水的预估变化，以及这些网络构成特征性的因果指纹，比原始文本更强。Nowack et al. (2020) 描述的是二十个模式之间的一种涌现关系，并把 F1 分数称为一种广泛使用但对不平衡比较而言必然不完美的度量。Debeire et al. (2025) 更进一步，明确否认因果解读：由于分析仅限于海平面气压，因果充分性不满足，而他们认为这一点不那么关键，因为目的是从数据中导出一个度量，而不是确定每条链接的因果相关性。结合这一陈述来读，指纹是一种分辨滞后的条件依赖签名。Falkena et al. (2025) 的分歧在于目的而不在方法：解释单条链接需要充分性，对整个网络的相似度打分则不需要，两种立场是相容的。由此得出的结论是，指纹得分能表明某个模式的动力学与参照不同，却无法表明是哪个机制出了问题。还有一点观察是我们的而非作者们的：Runge, Bathiany, et al. (2019) 指出，链接不存在是更稳健的推断，因为它不要求因果充分性；而 F1 分数由真阳性、假阳性和假阴性构成，因此对不存在链接上的一致不给任何分数，而在百分之几的链接密度下，这类不存在的链接占了每个网络的大部分。

两项指纹研究彼此之间也存在文库摘要无法显示的差异。Nowack et al. (2020) 使用三日平均，且不使用零滞后链接，因为其方向无法确定；Debeire et al. (2025) 使用逐日数据，最小滞后为一天，发现 99.9% 的依赖关系在十天以内，其中最显著的主要位于相邻分量之间。两项研究的得分范围不同，分量集合、参照时段和显著性水平也不同，因此 CMIP5 和 CMIP6 的指纹是相关的构造，而不是同一测量的重复。Debeire et al. (2025) 的敏感性检验改变了显著性水平、分量数目和最大滞后，与基准排序的秩相关为 0.95 到 0.98，但没有改变平均窗口。Karmouche et al. (2023) 补充了一种得分变得不稳定的条件，即按环流型划分的短年际记录，他们报告有限样本误差既产生虚假链接也造成链接缺失，并且不是每条检测到的链接都能附上物理解释。

• 文库中关于预估前提依赖于一项关联的记录现在应改为：一项凹形关联，由存在重叠的作者团队在后继集合中复现了一次 (Nowack et al., 2020; Debeire et al., 2025)。
• 这一关联不是 Runge, Bathiany, et al. (2019) 的前提所暗示的单调联系，而是对离散度的约束：在 Debeire et al. (2025) 中，加权均值没有移动，只有上界持续下降。
• 收窄幅度取决于一个明确说明的校准选择，即完美模式覆盖率判据从 80% 降到了 70% (Debeire et al., 2025)。
• Debeire et al. (2025) 明确指出因果充分性不满足，网络只是作为数据的一种度量，因此 Camps-Valls et al. (2023) 所描述的因果指纹是一种条件依赖签名，而不是一组已识别的机制。
• CMIP5 和 CMIP6 的指纹是不同的构造，一个是不含同步链接的三日平均，另一个是最小滞后为一天的逐日数据，而且没有任何研究在同一个集合上同时计算过两者。

与未决问题的关系

关于文库中物理模式应如何按其因果结构进行评估这一开放问题，结论是它在实质上仍然开放，原始论文的到来改变的是证据基础而不是状态。这个问题可以分成四个部分。比较统计量仍然是共享链接的边级计数；Debeire et al. (2025) 把能更好区分网络或使用因果效应的度量列为未来工作，其中没有一项被检验过。相似性意味着可靠预估这一前提，背后有来自重叠作者的两个集合中的一种凹形跨模式关系，没有独立团队的复现，没有每个模式家族只取一个模式的检验，也没有可用来核对可靠性的可观测量。Runge, Bathiany, et al. (2019) 曾指出的模式输出变量之间确定性关系的处理问题尚未遇到，因为两项研究都只使用单一变量。向对流可分辨模式或学习型天气模式的迁移，在本期找到的任何来源中都没有尝试过。这些都不是技术上的细化：它们是一个未经检验的前提、一个关于指纹是什么的未解分歧，以及一些未经探究的条件。

这些来源涉及同一领域中两个相邻的开放问题。关于时间聚合，文库记录到平均可以使滞后链接显得同步，其方向随之无法从时间顺序中识别。指纹研究是对这一点影响有多大的一个未被使用的检验：Nowack et al. (2020) 的三日网络舍弃了同步链接，而 Debeire et al. (2025) 的逐日网络把几乎所有链接都放在了这种平均会压缩的范围之内。在同一个集合上同时计算两者，就能看出排序和预估关系是否在采样节奏改变后依然成立；在此之前，这个问题没有被触及。关于因果变量的提取，两项研究都从再分析资料中导出 Varimax 分量，并把每个模式投影到这些分量上。Nowack et al. (2020) 报告结果对保留哪些分量不敏感，但这一设计无法区分两种情形：一个模式在正确位置的作用中心之间动力学错误，与一个模式在错位的作用中心之间动力学真实。文库中关于因果方法无法验证上游变量选择的陈述在这里原样适用。以再分析资料作为参照，也落在文库关于缺乏因果基准真值的问题之内：NCEP-NCAR 和 ERA5 之间排序一致，表明的是对产品选择不敏感，而不是独立于两种产品共有的观测和模式物理。

跨领域看，可以得出两点联系。第一，机制优先的因果评估现在有了作者互不重叠的实例：已在文库中的 Sun et al. (2025) 按土壤湿度与降水耦合的信息流模态给十六个 CMIP6 模式打分，发现多数模式无法再现这些模态；Falkena et al. (2025) 对副极地环流反馈回路做了同样的事。相比之下，指纹式评估依赖于一个团队 (Nowack et al., 2020; Karmouche et al., 2023; Debeire et al., 2025)。两种方法回答的是不同的问题，一个是整体的相似度，一个是某个具名机制是否存在，两者并存对文库的这一空白更有帮助。第二，对于机器学习天气预报，指纹的吸引力在于它只需要模式输出，而且它能检验逐帧得分检验不了的时间连贯性。文库已经记录到，用训练所依据的分析场来验证的模拟器无法揭示继承来的偏差，记录在案的例子是以 HRRR 分析场验证的 StormCast 和以 ERA5 验证的 Aardvark (Pathak et al., 2024; Allen et al., 2025)。以训练用的再分析资料打分的指纹会落入同样的循环，因此该方案需要留出的时段或独立观测，其得分才能与基于物理的模式相比较。

• 如何按因果结构评估模式在实质上仍然开放：比较统计量仍是边级计数，预估前提没有独立复现，确定性的模式诊断量以及公里尺度或学习型模式尚未尝试。
• 两项指纹研究是对文库时间聚合问题的一个未被使用的检验，因为 Debeire et al. (2025) 发现 99.9% 的逐日链接在十天以内，而这正是 Nowack et al. (2020) 的三日平均所压缩的范围。
• 两项指纹研究都把每个模式投影到从再分析资料导出的模态上，因此得分无法区分正确位置区域之间的错误动力学与错位区域之间的真实动力学，这使变量提取问题停留在 Runge, Bathiany, et al. (2019) 提出它时的状态。
• 机制优先的因果评估有作者互不重叠的实例，Sun et al. (2025) 关于土壤湿度与降水，Falkena et al. (2025) 关于副极地环流，而指纹评估依赖于一个团队。
• 以模拟器自身训练所用的再分析资料对其指纹打分属于样本内评估，与文库为 StormCast 和 Aardvark 记录的验证循环相同 (Pathak et al., 2024; Allen et al., 2025)。

参考文献

1. Allen, A., Markou, S., Tebbutt, W., Requeima, J., Bruinsma, W. P., Andersson, T. R., Herzog, M., Lane, N. D., Chantry, M., Hosking, J. S., & Turner, R. E. (2025). End-to-end data-driven weather prediction. Nature. https://doi.org/10.1038/s41586-025-08897-0
2. Camps-Valls, G., Gerhardus, A., Ninad, U., Varando, G., Martius, G., Balaguer-Ballester, E., Vinuesa, R., Diaz, E., Zanna, L., & Runge, J. (2023). Discovering causal relations and equations from data. Physics Reports, 1044, 1–68. https://doi.org/10.1016/j.physrep.2023.10.005
3. Debeire, K., Bock, L., Nowack, P., Runge, J., & Eyring, V. (2025). Constraining uncertainty in projected precipitation over land with causal discovery. Earth System Dynamics, 16, 607–630. https://doi.org/10.5194/esd-16-607-2025
4. Falkena, S. K. J., Dijkstra, H. A., & von der Heydt, A. S. (2025). Causal mechanisms of subpolar gyre variability in CMIP6 models (Version 3). arXiv. https://arxiv.org/abs/2408.16541 (Published in Earth System Dynamics, 16, 1833–1844. https://doi.org/10.5194/esd-16-1833-2025)
5. Karmouche, S., Galytska, E., Runge, J., Meehl, G. A., Phillips, A. S., Weigel, K., & Eyring, V. (2023). Regime-oriented causal model evaluation of Atlantic–Pacific teleconnections in CMIP6. Earth System Dynamics, 14, 309–344. https://doi.org/10.5194/esd-14-309-2023
6. Nowack, P., Runge, J., Eyring, V., & Haigh, J. D. (2020). Causal networks for climate model evaluation and constrained projections. Nature Communications, 11, 1415. https://doi.org/10.1038/s41467-020-15195-y
7. Pathak, J., Cohen, Y., Garg, P., Harrington, P., Brenowitz, N., Durran, D., Mardani, M., Vahdat, A., Xu, S., Kashinath, K., & Pritchard, M. (2024). Kilometer-scale convection allowing model emulation using generative diffusion modeling. arXiv. https://doi.org/10.48550/arXiv.2408.10958
8. Runge, J., Bathiany, S., Bollt, E., Camps-Valls, G., Coumou, D., Deyle, E., Glymour, C., Kretschmer, M., Mahecha, M. D., Muñoz-Marí, J., van Nes, E. H., Peters, J., Quax, R., Reichstein, M., Scheffer, M., Schölkopf, B., Spirtes, P., Sugihara, G., Sun, J., . . . Zscheischler, J. (2019). Inferring causation from time series in Earth system sciences. Nature Communications, 10, 2553. https://doi.org/10.1038/s41467-019-10105-3
9. Runge, J., Nowack, P., Kretschmer, M., Flaxman, S., & Sejdinovic, D. (2019). Detecting and quantifying causal associations in large nonlinear time series datasets. Science Advances. https://doi.org/10.1126/sciadv.aau4996
10. Sun, J., Yang, K., He, X., Wang, G., Wang, Y., Yu, Y., & Lu, H. (2025). Causal pathways underlying global soil moisture–precipitation coupling. Nature Communications, 16, 8935. https://doi.org/10.1038/s41467-025-63999-7

发布后读入论文库：

• Causal networks for climate model evaluation and constrained projections 10.1038/s41467-020-15195-y
• Constraining uncertainty in projected precipitation over land with causal discovery 10.5194/esd-16-607-2025
• Regime-oriented causal model evaluation of Atlantic-Pacific teleconnections in CMIP6 10.5194/esd-14-309-2023
• Causal mechanisms of subpolar gyre variability in CMIP6 models 10.5194/esd-16-1833-2025

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：部分。

这些来源补充了什么

文库从模式诊断一侧持有陆气相互作用领域，但缺少关于土壤湿度与降水反馈符号的观测经典文献，本期的来源补上了这一块。Taylor et al. (2012) 利用六大洲的卫星土壤湿度和降雨确定，在 50 至 100 km 尺度上午后降雨更倾向于落在比周围更干的土壤上，在该尺度上没有正向空间反馈的证据，而六个全球天气和气候模式中占主导的是正反馈。Taylor et al. (2011) 此前已在萨赫勒表明，在 10 至 40 km 尺度上，对流触发的概率在强土壤湿度梯度上方翻倍，37% 的触发发生在梯度最陡的四分之一区域。Guillod et al. (2015) 在一个框架内调和了空间与时间结果：午后降雨发生在湿润、异质的日子里，并落在较干的地块上，因此符号相反的相关性在同一区域和同一数据集中并存，而正向的时间耦合不一定意味着因果。Tuttle and Salvucci (2016) 补充了美国本土的 Granger 因果估计，其中土壤湿度异常在 38% 的面积上显著改变降雨概率，中位幅度为 13%，西部为正，东部为负。这些都不在文库中；文库中关于该反馈的唯一观测表述是 Rahmati et al. (2024) 一个图注中描述的正循环，唯一的干地块触发结果是 Engelbrecht et al. (2021) 这篇被标记为可靠性存疑的单篇预印本。

这些来源还提供了文库所没有的模式一侧的解释。Hohenegger et al. (2009) 在 2006 年 7 月的阿尔卑斯地区发现，同一模式在 25 km 使用参数化对流时维持强正反馈，而在 2.2 km 使用显式对流时以负反馈为主。Taylor et al. (2013) 分离出了原因：4 km 和 12 km 的对流允许模拟再现了萨赫勒观测到的土壤湿度与触发之间的关系，在同样的 12 km 网格上打开对流方案就把符号从负翻转为正，而 50 km 的十个区域气候模式中有九个同样给出正号。Moon et al. (2019) 表明九个 CMIP5 模式无法再现观测到的空间偏好，而在时间和异质性诊断上一致性更好。Lee and Hohenegger (2024) 随后在 5 km 网格间距的全球耦合模拟中重新审视了这一反馈，发现它比粗分辨率气候模式更弱、更偏负，并明确指出粗分辨率模式可能高估了未来干旱和热浪的变化；Lee et al. (2026) 发现两个全球风暴分辨模式彼此不一致，ICON 把午后降雨放在比周围更干的土壤上，IFS 只表现出对较干日子的时间偏好，而 MPI-ESM 保留了对更湿周围环境的偏好。文库中没有任何对流允许或风暴分辨的耦合研究，而 Findell et al. (2024) 把与全球风暴分辨工作的比较列为未来工作。

有三个来源晚于文库 2026 年 7 月对该领域的快照，或处于其范围之外。Sun et al. (2025) 对 2003 至 2020 年的卫星地表土壤湿度应用 Liang-Kleeman 信息流，发现在八个热点、约 16% 的全球陆地上存在强耦合，并分离出一条加深边界层的感热路径和一条降低抬升凝结高度、在非洲热点占主导的蒸散路径，而大多数 CMIP6 模式几乎无法再现这一格局。Maybee et al. (2025) 以尺度滤波后的萨赫勒土壤湿度作为初始场运行了 78 组 Unified Model 试验，发现把所有次天气尺度的变率均一化会使中尺度对流系统的峰值数量减少 23%，而保留小尺度变率则能维持初次触发率。Klein and Taylor (2020) 根据卫星观测表明，200 km 及以上尺度的干土壤会在触发很久之后增强萨赫勒成熟的中尺度对流系统，对流核更倾向于出现在干地块的下游。

• Taylor 及同事 (2012) 在六大洲、50 到 100 km 的尺度上发现，午后降雨落在比周围更干的土壤上，这是一条关于符号的观测结论，而库中此前对此没有任何自有来源。
• Guillod 及同事 (2015) 用一个框架调和了空间与时间两方面的发现：降雨发生在湿润、非均质的日子里，并落在其中较干的斑块上。
• Taylor 及同事 (2013) 把模式误差定位在参数化方案而不是分辨率上：在萨赫勒地区固定 12 km 网格下，打开对流方案会把反馈从负号翻转为正号。
• Lee 与 Hohenegger (2024) 的全球 5 km 试验，以及 Lee 及同事 (2026) 跨 ICON、IFS 和 MPI-ESM 的比较，都削弱了耦合并将其推向负号，但两者在哪种偏好得以保留这一点上彼此并不一致。
• Taylor 及同事 (2011) 与 Klein 和 Taylor (2020) 把这一效应放在不同的尺度和阶段：10 到 40 km 的梯度触发新风暴，200 km 及以上的干斑块则增强成熟风暴。

与库中结论的差异

对照库中内容来读，这些来源修正的是库对该反馈的表述框架，而不是某项具体测量。Rahmati et al. (2024) 描述的正反馈回路，即湿润土壤维持高于平均的蒸发并触发进一步降水，是时间维度和区域尺度上的答案；而 Taylor et al. (2012) 与 Guillod et al. (2015) 表明，在斑块尺度上符号为负，并且时间上的正相关暴露于天气本身的持续性之下。Yin 与 Porporato (2024) 因模式类别而受到限定：他们发现反馈在大平原中部为正、在印度为负，这依赖于一次使用参数化对流的 EC-Earth3 试验，而 Taylor et al. (2013) 和 Moon et al. (2019) 表明这类模式偏向正号，因此大平原的正号无法与该偏差分离开来，而印度的负号则与该偏差方向相反，是两个方向中更稳健的一个。他们的核心结果，即 2004 年耦合指数由土壤湿度方差主导，不受此影响，并得到 Sun et al. (2025) 的支持，后者在观测中同样发现耦合强度取决于土壤湿度变率。

Gao et al. (2025) 在所问的问题上被收窄了。他们发现清晨土壤湿度可解释大平原夏季午后降水方差的最多 40%，且在雨日的湿润条件下一阶效应可使降雨量最多增加 8 mm，这关乎的是有雨日子的降雨量，基于 CONUS404 再分析中 16 到 80 km 的网格单元。这是 Guillod et al. 的时间问题，而不是空间问题；同时，该再分析是一个 4 km 对流可分辨的 WRF 产品，不能假定它带有参数化偏差，所以正的雨量效应与负的位置偏好并不冲突。作者自己指出 HDMR 路径必须由基于过程的模拟来验证，而在把 Tuttle 与 Salvucci (2016) 和 Guillod et al. (2015) 放在一起阅读之后，这一说法的分量更重，因为两者都表明，除非明确剔除降水持续性的混杂，同日正相关都会保留下来。

Engelbrecht et al. (2021) 得到的是加强而不是反驳。他们的模拟结果显示，南非上空的对流触发偏好干到中等湿度的土壤以及湿斑块的边缘，那里地表辐合和感热通量偏高，这与 Taylor et al. (2011) 观测到、Taylor et al. (2013) 在 4 km 下重现的机制相同，而他们 4.4 km 显式对流的配置正属于上述研究表明能够捕捉观测符号的那一类。库中因该预印本未被引用、未正式发表而记录的谨慎态度，应理解为针对具体的质心误差和时间数值，而不是针对土壤湿度与触发之间关系的方向。Findell et al. (2024) 得到的是扩展而不是限定：他们发现平均窗口的选择会使诊断出的耦合强度变化约 30%，这是一种敏感性在时间上的实例，而本期来源表明它在空间上同样存在，因为 Taylor et al. (2012) 在 50 到 100 km、Taylor et al. (2011) 在 10 到 40 km、Klein 与 Taylor (2020) 在 200 km 及以上，依比较尺度不同发现了符号和性质各异的效应。

• Rahmati 及同事 (2024) 的正反馈回路作为时间维度、区域尺度的答案得以保留，而 Taylor 及同事 (2012) 与 Guillod 及同事 (2015) 的负号则属于相邻斑块之间的当日比较。
• Taylor 及同事 (2013) 与 Moon 及同事 (2019) 都表明参数化对流偏向正号，因此 Yin 与 Porporato (2024) 的大平原正号结果无法与该偏差分离，而他们的印度负号结果则与该偏差方向相反。
• Yin 与 Porporato (2024) 关于 2004 年耦合指数由土壤湿度方差主导的发现不受该偏差影响，并在观测中得到 Sun 及同事 (2025) 的支持。
• Engelbrecht 及同事 (2021) 被库标记为未被引用的预印本，其报告的方向得到了加强，即便其质心和时间数值仍不确定。
• Findell 及同事 (2024) 仅凭平均窗口就能使诊断出的耦合强度变动约 30%，因此一个耦合数值若不同时注明其窗口和比较尺度，就无法与另一个数值相互对照。

与未决问题的关系

这些来源直接关系到库中关于为耦合诊断存档次日模式输出的开放问题。Lee 与 Hohenegger (2024) 和 Lee et al. (2026) 正是 Findell et al. (2024) 标为未来工作的风暴分辨模式比较，它们表明分辨对流会同时改变诊断出的反馈的符号和强度，这提高了无法分辨午后过程的档案的代价。至于三小时输出能否解决那 30% 的分歧这一子问题，Taylor et al. (2012) 和 Guillod et al. (2015) 的观测设计只需要清晨的土壤湿度状态和午后的降水发生与否，因此三小时存档将首次允许从模式输出计算这些诊断量；但 Lee et al. (2026) 中 ICON 与 IFS 的分歧表明，输出频率不是唯一的障碍，因为两个以相同方式存档的模式仍给出不同答案，并且 Taylor et al. (2011) 的中尺度风环流机制还额外需要 10 到 40 km 斑块的空间分辨率，这是任何存档的网格单元平均值都无法承载的。

在强对流领域，这些来源为边界层辐合线提供了一个候选起源，而库将其记录为开放问题。Taylor et al. (2011) 和 Maybee et al. (2025) 表明，数十公里尺度的土壤湿度梯度产生的地表辐合使触发概率加倍，并占风暴系统峰值数量的四分之一，这为 Wilson 与 Mueller (1993) 基于雷达的触发临近预报所探测和追踪、却未加归因的辐合线提供了一个陆面来源。Klein 与 Taylor (2020) 通过辐合、不稳定性和低层切变，把干斑块与成熟中尺度对流系统的增强和传播联系起来，这触及库中关于风暴传播以及触发对切变和稳定度敏感性的问题。Crook (1996) 表明，边界层中 1 摄氏度或 1 g/kg 的差异就能使触发开启或关闭，而土壤湿度对地表能量的分配正是决定这些数值的过程之一，因此陆气相互作用的结果为该敏感性结果提供了一个日尺度上的物理驱动因素。Engelbrecht et al. (2021) 仍是唯一一张在风暴尺度上连接这两个领域的卡片。

在时间序列领域，这些来源是库中因果形式体系对同一个物理问题的三次应用，并体现了库中关于区分直接驱动因素与共同原因及持续性的开放问题。Tuttle 与 Salvucci (2016) 在剔除日持续性以及季节和年际变率之后应用 Granger 因果，这正是 Runge et al. (2019) 所描述的必要条件化，也是双变量 Granger 分析所省略的。Sun et al. (2025) 选择 Liang-Kleeman 信息流而非收敛交叉映射，因为后者会把强单向耦合误读为双向，而库对 Liang (2016) 的解读，即它是一种单侧的零因果检验、其逆命题尚未解决，同样适用于他们推断出的路径。Gao et al. (2025) 做的是方差分解而不是因果检验，并且如实说明了这一点。Guillod et al. (2015) 提供了具体的混杂因素，即降水持续性产生同日正相关，这正是 Schreiber (2000) 抽象描述的两个信号响应同一共同触发的情形。因此，陆气耦合中的符号问题是库中因果与相关之间缺口的一个完整实例，其额外特点在于混杂因素是已知的，并且可以通过条件化剔除。

• Findell 及同事标为未来工作的与全球风暴分辨模式的比较现在已经完成，它扩大了问题而不是解决了它：显式对流改变的是诊断出的反馈的符号，而不只是其强度。
• 三小时存档将首次使空间和时间诊断量可以从模式输出计算，但在 Lee 及同事 (2026) 中，ICON 与 IFS 在存档方式相同的情况下仍不一致，因此输出频率不是唯一的障碍。
• Taylor 及同事 (2011) 为 Wilson 与 Mueller (1993) 的雷达临近预报所探测和追踪、却未加归因的辐合线提供了一个陆面起源。
• Klein 与 Taylor (2020) 把同样的梯度从触发阶段延伸到成熟系统的增强和传播，这触及库中关于风暴传播以及对切变和稳定度敏感性的问题。
• 符号问题是库中因果与相关之间缺口的一个异常易于处理的实例，因为 Guillod 及同事 (2015) 点明了混杂因素，即降水持续性，而 Tuttle 与 Salvucci (2016) 随后将其条件化剔除。

参考文献

1. Crook, N. A. (1996). Sensitivity of moist convection forced by boundary layer processes to low-level thermodynamic fields. Monthly Weather Review, 124, 1767–1785. https://doi.org/10.1175/1520-0493(1996)124<1767:SOMCFB>2.0.CO;2
2. Engelbrecht, E. H., Landman, W. A., & Landman, S. (2021). The impact of high-resolution soil moisture states on short-term numerical weather prediction of convective initiation over South Africa. arXiv. https://arxiv.org/abs/2102.08523
3. Findell, K. L., & Eltahir, E. A. B. (2003). Atmospheric controls on soil moisture–boundary layer interactions. Part I: Framework development. Journal of Hydrometeorology, 4(3), 552–569. https://doi.org/10.1175/1525-7541(2003)004<0552:ACOSML>2.0.CO;2
4. Findell, K. L., Yin, Z., Seo, E., Dirmeyer, P. A., Arnold, N. P., Chaney, N., Fowler, M. D., Huang, M., Lawrence, D. M., Ma, P.-L., & Santanello, J. A., Jr. (2024). Accurate assessment of land–atmosphere coupling in climate models requires high-frequency data output. Geoscientific Model Development. https://doi.org/10.5194/gmd-17-1869-2024
5. Gao, Y., Li, R., Foufoula-Georgiou, E., & Vrugt, J. A. (2025). Functional data decomposition reveals unexpectedly strong soil moisture-precipitation coupling over the Great Plains. arXiv. https://arxiv.org/abs/2506.13939
6. Guillod, B. P., Orlowsky, B., Miralles, D. G., Teuling, A. J., & Seneviratne, S. I. (2015). Reconciling spatial and temporal soil moisture effects on afternoon rainfall. Nature Communications, 6, 6443. https://doi.org/10.1038/ncomms7443
7. Hohenegger, C., Brockhaus, P., Bretherton, C. S., & Schär, C. (2009). The soil moisture–precipitation feedback in simulations with explicit and parameterized convection. Journal of Climate, 22(19), 5003–5020. https://doi.org/10.1175/2009JCLI2604.1
8. Klein, C., & Taylor, C. M. (2020). Dry soils can intensify mesoscale convective systems. Proceedings of the National Academy of Sciences. https://doi.org/10.1073/pnas.2007998117
9. Koster, R. D., Dirmeyer, P. A., Guo, Z., Bonan, G., Chan, E., Cox, P., Gordon, C. T., Kanae, S., Kowalczyk, E., Lawrence, D., Liu, P., Lu, C.-H., Malyshev, S., McAvaney, B., Mitchell, K., Mocko, D., Oki, T., Oleson, K., Pitman, A., Sud, Y. C., Taylor, C. M., Verseghy, D., Vasic, R., Xue, Y., & Yamada, T. (2004). Regions of strong coupling between soil moisture and precipitation. Science, 305(5687), 1138–1140. https://doi.org/10.1126/science.1100217
10. Lee, J., & Hohenegger, C. (2024). Weaker land–atmosphere coupling in global storm-resolving simulation. Proceedings of the National Academy of Sciences, 121(12), e2314265121. https://doi.org/10.1073/pnas.2314265121
11. Lee, J., Warnau, S., Lim, K.-S. S., Benedict, I., & van Heerwaarden, C. (2026). Spatial and temporal preferences for afternoon precipitation over morning soil moisture in global storm-resolving simulations. Geoscience Letters, 13, 13. https://doi.org/10.1186/s40562-026-00461-6
12. Liang, X. S. (2016). Information flow and causality as rigorous notions ab initio. Physical Review E, 94, 052201. https://doi.org/10.1103/PhysRevE.94.052201
13. Maybee, B., Klein, C., Taylor, C. M., Burns, H., & Marsham, J. H. (2025). Homogeneous soil moisture fields suppress Sahelian MCS frequency. arXiv. https://arxiv.org/abs/2509.12118
14. Moon, H., Guillod, B. P., Gudmundsson, L., & Seneviratne, S. I. (2019). Soil moisture effects on afternoon precipitation occurrence in current climate models. Geophysical Research Letters. https://doi.org/10.1029/2018GL080879
15. Rahmati, M., Amelung, W., Brogi, C., Dari, J., Flammini, A., Bogena, H., Brocca, L., Chen, H., Groh, J., Koster, R. D., McColl, K. A., Montzka, C., Moradi, S., Rahi, A., Sharghi S., F., & Vereecken, H. (2024). Soil moisture memory: State-of-the-art and the way forward. Reviews of Geophysics. https://doi.org/10.1029/2023RG000828
16. Runge, J., Nowack, P., Kretschmer, M., Flaxman, S., & Sejdinovic, D. (2019). Detecting and quantifying causal associations in large nonlinear time series datasets. Science Advances. https://doi.org/10.1126/sciadv.aau4996
17. Schreiber, T. (2000). Measuring information transfer. Physical Review Letters, 85, 461–464. https://doi.org/10.1103/PhysRevLett.85.461
18. Sun, J., Yang, K., He, X., Wang, G., Wang, Y., Yu, Y., & Lu, H. (2025). Causal pathways underlying global soil moisture–precipitation coupling. Nature Communications. https://doi.org/10.1038/s41467-025-63999-7
19. Taylor, C. M., Birch, C. E., Parker, D. J., Dixon, N., Guichard, F., Nikulin, G., & Lister, G. M. S. (2013). Modeling soil moisture-precipitation feedback in the Sahel: Importance of spatial scale versus convective parameterization. Geophysical Research Letters, 40. https://doi.org/10.1002/2013GL058511
20. Taylor, C. M., de Jeu, R. A. M., Guichard, F., Harris, P. P., & Dorigo, W. A. (2012). Afternoon rain more likely over drier soils. Nature, 489, 423–426. https://doi.org/10.1038/nature11377
21. Taylor, C. M., Gounou, A., Guichard, F., Harris, P. P., Ellis, R. J., Couvreux, F., & De Kauwe, M. (2011). Frequency of Sahelian storm initiation enhanced over mesoscale soil-moisture patterns. Nature Geoscience, 4, 430–433. https://doi.org/10.1038/ngeo1173
22. Tuttle, S., & Salvucci, G. (2016). Empirical evidence of contrasting soil moisture–precipitation feedbacks across the United States. Science, 352(6287), 825–828. https://doi.org/10.1126/science.aaa7185
23. Wilson, J. W., & Mueller, C. K. (1993). Nowcasts of thunderstorm initiation and evolution. Weather and Forecasting. https://doi.org/10.1175/1520-0434(1993)008<0113:NOTIAE>2.0.CO;2
24. Yin, J., & Porporato, A. (2024). Coupling hotspots: Distinguishing between positive and negative land-atmosphere interaction. arXiv. https://arxiv.org/abs/2412.03049

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

本期的两个新来源现在都已是文献库的馆藏，于 2026 年 9 月 15 日读入，两者都作为预印本以低权重进入，遵循的规则是冻结的证据不能关闭或逆转一个未决问题。Antonio (2026) 挂接在其中四个问题上：它支持文献库关于确定性模糊问题、关于概率检验标准应当是什么样、以及关于评分应给一次险些命中多少分的陈述，并部分回答了较新的空间评分本身是否同样能被模棱两可的预报所利用这一问题。在最后这一点上，文献库记载它是对其所由产生的那个问题的第一个解析式回答，仅限于邻域评分家族，没有在真实预报上做演示，也没有分析任何基于对象或场变形的评分，问题仍然保持开放。Park et al. (2026) 挂接在七个问题上，其中包括确定性模糊问题、集合离散度不足的归因、长时效的强降雨技巧、强降雨检验以及单一区域的泛化，同样没有推动其中任何一个。因此，本期为文献库贡献的是两篇佐证而不定论的论文，而这正是本期自身的覆盖评估所暗示的。

这一集没有贡献新的框架，这是第二次阅读对第一次阅读的修正。本集的组织性论点，即模糊是对固有不确定性的误差最小化响应，而非有待工程手段消除的缺陷，正是文献库自己对这一问题的表述，本集是针对这一表述写成的；其背后的机制在库中已有三个方向的支撑：多模态分布下条件均值的坍缩（Prudden et al., 2020），任何在高度不可预测变量上最小化均方误差的统计模型都无法避免这一坍缩（Foresti et al., 2019），以及同一架构下的损失函数消融实验，其中均方误差模型抹去细节，而风格损失与对抗损失保留了类雷达的纹理（Veillette et al., 2020）。本集自称通过阅读原始文献而厘清的两处细节，即 Ravuri et al. (2021) 中三套深度学习系统（包括有效分辨率 32 km 的 U-Net）在 critical success index 上对 PySTEPS 的优势全部成立，以及 Zhang et al. (2023) 中事后首选率背后经重要性采样的极端事件子集，都已记录在这两篇论文的卡片上。既然本集自身引用的来源现在可以完整阅读，那么对本集贡献的诚实表述是：两篇预印本，加上对自身解读的一组修正。

• Antonio (2026) 与 Park 及合作者 (2026) 现已成为文献库卡片，作为低权重预印本录入；按文献库自身的规则，它们不能关闭或反转任何问题。
• Antonio (2026) 与 Park 及合作者 (2026) 合计触及文献库中关于确定性模糊、空间评分的保守策略、近失预报的得分、集合欠离散、长预报时效的强降水技巧以及单区域泛化的问题，但没有推动其中任何一个。
• 本集赖以建立的框架，即模糊是对不确定性的误差最小化响应，是文献库自身对这一问题的表述，并非本集所提供。
• 本集自称厘清的两处细节，即 Ravuri 及合作者 (2021) 中 U-Net 的 32 km 有效分辨率，以及 Zhang 及合作者 (2023) 中百分比数字背后经重要性采样的极端事件子集，已经写在这两篇论文的卡片上。
• 第二次阅读之后，本集所增添的是两篇预印本，以及对自身解读的一组修正。

与库中结论的差异

完整阅读两篇新来源，修正了本集依据摘要写作的部分。在检验一侧，本集的归因方向反了：能够通过高估邻域平均频率而抬高的是 fractions skill score，而非 Brier divergence skill score，这正是 Antonio (2026) 主张使用百分位阈值的具体理由；Brier divergence skill score 完全不会因高估而改善。在平滑一侧，本集的排序正确，但没有给出幅度：两种评分都奖励低估邻域标准差，fractions skill score 奖励得少一些，在邻域相关系数为 0.5 时两者相差约十倍；在小邻域极限下，fractions skill score 在完全不平滑时取得最大值；百分位阈值只有在配合反射填充时才能消除频率方面的保守策略，而且永远无法消除平滑方面的保守策略。在集合一侧，漏报强降水像元 38% 到 47% 的找回率属于 2023 年韩国雷达上的两次高影响事件，而非 MeteoNet；MeteoNet 上的结果是单独训练的复现，不是权重迁移。在 2023 年完整测试期内找回率更低，因为该时期主要由确定性母模型本身几乎探测不到任何强降水的天气型占据，可供找回的东西很少。3.4 秒是单个成员的耗时，三十成员集合在单块 GPU 上顺序抽样约需一百秒。

本集对文献库既有内容所作的限定，在第二次阅读后原样成立。文献库对模糊问题的表述把深度生成模型相对 PySTEPS 的技巧优势与其谱保真度并列，这容易让人读成分类评分是在奖励锐度；由于模糊的 U-Net 在同一评分上同样胜过 PySTEPS，这一优势是落区技巧的证据，而非锐度的证据，Ravuri et al. (2021) 写道标准检验指标与专家判断并不互为价值的指示，得出的正是这一结论。RainNet 的标题结论，即该网络在所有预报时效上于平均绝对误差和 critical success index 两项上显著优于基准（Ayzel et al., 2020），必须与同一篇论文的另一发现一并阅读：它在最初几分钟之后完全无法预报每小时 15 mm 的超阈值事件；也要与 Antonio (2026) 一并阅读：平滑模型胜出所依据的评分，现已被证明奖励平滑，因此这一标题结论并不是在发布预警的降水强度上具有价值的证据。Leinonen et al. (2023) 描述为准确的不确定性量化，被 Bonte et al. (2026) 收窄：后者在二十次比利时事件上的五十成员集合在 5 km 以上尺度略微欠离散，并且无法定位集合平均的误差，值分布与谱相匹配但空间相位随机化的替代集合得到几乎相同的评分。

本集自身的论断也依次受到限定，其中一个原先悬而未决的事项现已关闭。本集结尾说没有人证明过在约一小时以外、约 10 km 以下尺度存在技巧，而且也许根本没有技巧可证明；按文献库的表述，这是一个测量极限，而非已被证明的不存在：Germann and Zawadzki (2002) 指出对于波长低于 10 km 的尺度，其生命期无法作任何论断，Surcel et al. (2015) 则指出由于观测场本身的不确定性，无法推断 12 km 以下的可预报性。NowcastNet 的独立测试（Das et al., 2024）在分类评分上是一次真实的胜利，但 NowcastNet 由同一幅雷达拼图初始化并以之为检验对象，而 HRRR 是一个独立模式，且其预报的降水像元中 62% 到 97% 为虚警。原先悬而未决的事项是 Park et al. (2026) 的三十个成员是否携带任何离散度信息，摘要没有说明。全文有说明：Brier skill score 从十个成员起为正，可靠性随成员增加而改善；秩直方图在十分钟时接近均匀，到六十分钟时右端出现过剩，达到均匀水平的 2.3 倍，在强降水子集上强烈得多，因此该集合恰恰在最要紧的地方欠离散。作者把原因留在残差表述、冻结的主干网络与采样器三者之间未作定夺，文献库把这一结果记录为第三个作者互不重叠的案例：仅靠噪声生成的集合表现为欠离散，而归因尚未确定。

• Antonio (2026) 表明，能够通过高估平均频率而抬高的是 fractions skill score，而非 Brier divergence skill score，这正是使用百分位阈值的全部理由。
• Antonio (2026) 还表明两种邻域评分都奖励低估的方差，在邻域相关系数为 0.5 时 fractions skill score 的奖励约为前者的十分之一，而百分位阈值永远无法消除这第二种保守策略。
• Park 及合作者 (2026) 报告的 38% 到 47% 强降水找回率来自 2023 年的两次韩国事件，而非法国数据集，他们在完整时期上的数字更低。
• 本集对 Ravuri 及合作者 (2021)、Ayzel 及合作者 (2020) 和 Leinonen 及合作者 (2023) 的解读全部成立：是落区技巧而非锐度，标题结论在每小时 15 mm 以上失效，不确定性在总量上准确而在位置上不准确。
• Park 及合作者 (2026) 报告的秩直方图到六十分钟时达到均匀水平的 2.3 倍，在强降水子集上更差，这关闭了本集留下的唯一悬而未决事项，并且是以不利于该集合的方式关闭的。

与未决问题的关系

这些来源最直接地关系到文献库的一个问题：确定性像素损失临近预报能否在长预报时效上同时做到锐利与准确，以及该问题下两个尚未解决的子问题。第一个子问题是，对预测分布建模能否在不牺牲分类技巧的前提下恢复锐度；现在 Park et al. (2026) 提供了集合层面的证据，与文献库记录的残差扩散（Yu et al., 2024）和以模糊确定性预报为条件的级联生成（Gong et al., 2024）的单样本增益并列；但 Antonio (2026) 表明，用来衡量技巧是否保持的标尺本身向平滑场倾斜，因此锐利预报与模糊预报在邻域评分上任何报告出的持平，有一部分是评分的人为产物。文献库对该论文的处理方式是更深一层的教训：它被记录为对保守策略问题的第一个解析解答，同时问题仍然保持开放，因为该结果是推导而来，未在真实预报上得到验证，而且只覆盖了一个评分族中的两种评分。

第二个子问题是，模糊中有多少由损失函数引起、有多少是不可约的；Ayzel et al. (2020) 的谱分解给出了部分回答，把五分钟时 16 km 以下细节的丢失归于网络学到的空间平滑，即一种把空间不确定性计入的高效方式，把这一丢失在六十分钟时增长到 32 km 归于把网络自身输出反复喂回所产生的类似数值扩散的伪迹。文献库中另一个关于滚动预报的问题提醒不要把这一拆分当作完整答案：Sønderby et al. (2020) 和 Espeholt et al. (2022) 的直接式、以预报时效为条件的模型不做任何递归，仍然随预报时效而模糊，因此去掉滚动只去掉了一个分量。Seed (2003) 早已在构造上把每个尺度按其自身测得的生命期衰减写进预报，并指出加入一个噪声项就把同一模型变成条件模拟的生成器；Roberts and Lean (2008) 则建议平滑到最小有用尺度，把更小的尺度当作随机噪声处理。按文献库的解读，本集描述的生成式转向，是重新加回一个在第一个卷积 LSTM（Shi et al., 2015）之前十二年就已写下的噪声项，而其后两年失败的条件 GAN（Shi et al., 2017）标出了这一步走了多久。

在概率一侧，本集的结尾论断，即一群样本知道自己的误差有多大，却不知道误差在哪里，正是文献库现在用来归档两篇新来源的区分。Park et al. (2026) 回答的是一个幅度问题，被记录在欠离散、强降水和泛化三个问题之下，而没有推动其中任何一个；位置问题属于 Bonte et al. (2026)，其替代集合检验在匹配值分布与谱的同时随机化空间相位，正是能够显示三十个成员携带的是动力信息还是统计离散度的工具，而这一检验尚未在这些成员上运行。跨领域的相邻文献没有变化：Lim and Zohren (2021) 指出迭代式多步预报的递归结构会在预报时域内累积误差，直接式序列到序列预测可以缓解；Benidis et al. (2022) 补充说，即便只需要点预报，概率预报仍然重要。临近预报中去掉滚动并不去掉模糊这一证据是二维的结果，那些一维综述并不包含。

• Park 及合作者 (2026) 在 Yu 及合作者 (2024) 的单样本增益之外增添了集合层面的证据，而预测分布能否在不损失技巧的前提下恢复锐度的问题仍然开放，因为他们的成员是围绕一个冻结的确定性母模型抽取的，并且表现为欠离散。
• Antonio (2026) 表明标尺本身向平滑场倾斜，因此锐利预报与模糊预报在邻域评分上任何报告出的持平，有一部分是评分的人为产物。
• Antonio (2026) 的证明是解析的，覆盖一个评分族中的两种评分，且未在任何真实预报上验证，这就是文献库让保守策略问题保持开放的原因。
• Ayzel 及合作者 (2020) 把模糊拆成学到的平滑与递归伪迹两部分，但 Sønderby 及合作者 (2020) 和 Espeholt 及合作者 (2022) 在没有递归的情况下同样模糊，因此去掉滚动只去掉了一个分量。
• 幅度与位置仍是两个问题：Park 及合作者 (2026) 回答了前者，而能回答后者的 Bonte 及合作者 (2026) 的替代集合检验尚未在他们的成员上运行。

参考文献

1. Antonio, B. (2026). Investigating how the Fractions Skill Score and Brier Divergence Skill Score reflect forecast error. arXiv. https://arxiv.org/abs/2603.15247
2. Ayzel, G., Scheffer, T., & Heistermann, M. (2020). RainNet v1.0: A convolutional neural network for radar-based precipitation nowcasting. Geoscientific Model Development. https://doi.org/10.5194/gmd-13-2631-2020
3. Benidis, K., Rangapuram, S. S., Flunkert, V., Wang, Y., Maddix, D., Turkmen, C., Gasthaus, J., Bohlke-Schneider, M., Salinas, D., Stella, L., Aubet, F.-X., Callot, L., & Januschowski, T. (2022). Deep learning for time series forecasting: Tutorial and literature survey. ACM Computing Surveys. https://doi.org/10.1145/3533382
4. Bonte, M., De Cruz, L., Debal, F., & Vannitsem, S. (2026). Spread/error relationship and spatial error structure of precipitation ensemble nowcasting: Comparison of STEPS and generative AI. arXiv. https://doi.org/10.48550/arXiv.2601.19298
5. Das, P., Posch, A., Barber, N., Hicks, M., Vandal, T. J., Duffy, K., Singh, D., van Werkhoven, K., & Ganguly, A. R. (2024). Hybrid physics-AI outperforms numerical weather prediction for extreme precipitation nowcasting. npj Climate and Atmospheric Science. https://doi.org/10.1038/s41612-024-00834-8
6. Espeholt, L., Agrawal, S., Sønderby, C., Kumar, M., Heek, J., Bromberg, C., Gazen, C., Carver, R., Andrychowicz, M., Hickey, J., Bell, A., & Kalchbrenner, N. (2022). Deep learning for twelve hour precipitation forecasts. Nature Communications. https://doi.org/10.1038/s41467-022-32483-x
7. Foresti, L., Sideris, I. V., Nerini, D., Beusch, L., & Germann, U. (2019). Using a 10-year radar archive for nowcasting precipitation growth and decay: A probabilistic machine learning approach. Weather and Forecasting. https://doi.org/10.1175/WAF-D-18-0206.1
8. Germann, U., & Zawadzki, I. (2002). Scale-dependence of the predictability of precipitation from continental radar images. Part I: Description of the methodology. Monthly Weather Review. https://doi.org/10.1175/1520-0493(2002)130<2859:SDOTPO>2.0.CO;2
9. Gilleland, E., Ahijevych, D., Brown, B. G., Casati, B., & Ebert, E. E. (2009). Intercomparison of spatial forecast verification methods. Weather and Forecasting. https://doi.org/10.1175/2009WAF2222269.1
10. Gong, J., Bai, L., Ye, P., Xu, W., Liu, N., Dai, J., Yang, X., & Ouyang, W. (2024). CasCast: Skillful high-resolution precipitation nowcasting via cascaded modelling. Proceedings of the 41st International Conference on Machine Learning (ICML 2024). https://doi.org/10.48550/arXiv.2402.04290
11. Leinonen, J., Hamann, U., Nerini, D., Germann, U., & Franch, G. (2023). Latent diffusion models for generative precipitation nowcasting with accurate uncertainty quantification. arXiv. https://doi.org/10.48550/arXiv.2304.12891
12. Lim, B., & Zohren, S. (2021). Time series forecasting with deep learning: A survey. Philosophical Transactions of the Royal Society A. https://doi.org/10.1098/rsta.2020.0209
13. Park, D., Song, C., Chang, T., Ham, Y.-G., & Hong, Y. (2026). Diffusion-based refinement for kilometer-scale probabilistic precipitation nowcasting. arXiv. https://arxiv.org/abs/2608.30205
14. Prudden, R., Adams, S., Kangin, D., Robinson, N., Ravuri, S., Mohamed, S., & Arribas, A. (2020). A review of radar-based nowcasting of precipitation and applicable machine learning techniques. arXiv. https://doi.org/10.48550/arXiv.2005.04988
15. Pulkkinen, S., Nerini, D., Pérez Hortal, A. A., Velasco-Forero, C., Seed, A., Germann, U., & Foresti, L. (2019). Pysteps: An open-source Python library for probabilistic precipitation nowcasting (v1.0). Geoscientific Model Development. https://doi.org/10.5194/gmd-12-4185-2019
16. Ravuri, S., Lenc, K., Willson, M., Kangin, D., Lam, R., Mirowski, P., Fitzsimons, M., Athanassiadou, M., Kashem, S., Madge, S., Prudden, R., Mandhane, A., Clark, A., Brock, A., Simonyan, K., Hadsell, R., Robinson, N., Clancy, E., Arribas, A., & Mohamed, S. (2021). Skilful precipitation nowcasting using deep generative models of radar. Nature. https://doi.org/10.1038/s41586-021-03854-z
17. Roberts, N. M., & Lean, H. W. (2008). Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events. Monthly Weather Review. https://doi.org/10.1175/2007MWR2123.1
18. Seed, A. W. (2003). A dynamic and spatial scaling approach to advection forecasting. Journal of Applied Meteorology. https://doi.org/10.1175/1520-0450(2003)042<0381:ADASSA>2.0.CO;2
19. Shi, X., Chen, Z., Wang, H., Yeung, D.-Y., Wong, W.-K., & Woo, W.-C. (2015). Convolutional LSTM network: A machine learning approach for precipitation nowcasting. Advances in Neural Information Processing Systems 28. https://doi.org/10.48550/arXiv.1506.04214
20. Shi, X., Gao, Z., Lausen, L., Wang, H., Yeung, D.-Y., Wong, W.-K., & Woo, W.-C. (2017). Deep learning for precipitation nowcasting: A benchmark and a new model. Advances in Neural Information Processing Systems 30. https://doi.org/10.48550/arXiv.1706.03458
21. Sønderby, C. K., Espeholt, L., Heek, J., Dehghani, M., Oliver, A., Salimans, T., Agrawal, S., Hickey, J., & Kalchbrenner, N. (2020). MetNet: A neural weather model for precipitation forecasting. arXiv. https://doi.org/10.48550/arXiv.2003.12140
22. Song, C., Chang, T. Y., & Hong, Y. (2026). Extreme weather nowcasting via local precipitation pattern prediction. The Fourteenth International Conference on Learning Representations (ICLR 2026). https://arxiv.org/abs/2602.05204
23. Surcel, M., Zawadzki, I., & Yau, M. K. (2015). A study on the scale dependence of the predictability of precipitation patterns. Journal of the Atmospheric Sciences. https://doi.org/10.1175/JAS-D-14-0071.1
24. Veillette, M. S., Samsi, S., & Mattioli, C. J. (2020). SEVIR: A storm event imagery dataset for deep learning applications in radar and satellite meteorology. Advances in Neural Information Processing Systems 33. https://proceedings.neurips.cc/paper/2020/hash/fa78a16157fed00d7a80515818432169-Abstract.html
25. Yu, D., Li, X., Ye, Y., Zhang, B., Luo, C., Dai, K., Wang, R., & Chen, X. (2024). DiffCast: A unified framework via residual diffusion for precipitation nowcasting. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2024). https://doi.org/10.1109/CVPR52733.2024.02622
26. Zhang, Y., Long, M., Chen, K., Xing, L., Jin, R., Jordan, M. I., & Wang, J. (2023). Skilful nowcasting of extreme precipitation with NowcastNet. Nature. https://doi.org/10.1038/s41586-023-06184-4

发布后读入论文库：

• Investigating how the Fractions Skill Score and Brier Divergence Skill Score reflect forecast error arXiv:2603.15247
• Diffusion-Based Refinement for Kilometer-Scale Probabilistic Precipitation Nowcasting arXiv:2608.30205

与论文库对照

这一集与听众自己的论文库对照。覆盖程度：已覆盖。

这些来源补充了什么

本期节目的三个来源于 2026 年 9 月 14 日读入知识库，而再读一遍首先发现的，是知识库此后对它们做了什么。Doswell 与 Schultz（2006）被记录为重新界定了综合参数如何跨事件选取、风暴移动定义、分析系统和业务约束迁移的问题，权重高，但明确标注为不带新数据的立场论文；它还支撑另外三个问题：强天气样本中的空个例是否完整，地面水汽通量辐合是否曾被确立为预报变量而非诊断变量，以及结果能否归因于垂直结构，其中那对对流有效位能相等的探空被当作示例而非证据。Zhang 等（2025）以中等权重部分回应了迁移问题，之所以是暂定，是因为该文低于知识库的引用门槛；它还支撑远离探空站点的分析探空保真度问题和空个例完整性问题。Maddox 与 Crisp（1999）以低权重进入，作为一个以 1948 年数据密度记录的 1948 年单一个例，仅触及中尺度细节能在多大程度上增强龙卷潜势的问题。三者都没有关闭任何问题，而知识库关于原因的记录现在比节目本身更具体。

本期节目在其所引论文之外补充的，是一个业务事实和一种论述框架，按本次核读，两者在文献库中仍然缺失。风暴预报中心（SPC）自 2026 年 3 月 3 日起实施的条件强度分组，保持展望概率不变，并以出现报告为条件单独给出预期强度 (Storm Prediction Center, 2026)。库中没有任何卡片记录这一变化。这是对 Doswell and Schultz (2006) 所作区分的业务化采纳：诊断变量描述某一时刻的大气状态，而预报参数必须与其要预报的天气表现出时滞相关；在本期节目的全部材料中，这也是唯一一处这一区分被付诸行动而非仅被论证的地方。

这一框架是本期节目的统领性论点：邻近探空设计回答的是风暴类型这一条件问题，而对风暴是否发生这一无条件问题保持沉默。文献库中至今没有任何地方以这种形式陈述它，尽管它的各个组成部分都已在库中。Thompson et al. (2003) 对显著龙卷参数的评估是“在我们的依赖样本内”进行的，并提醒“显著龙卷的实际频率很可能低于此处所示”。Rasmussen and Blanchard (1998) 的结论是，探空信息“只能划定条件是否总体有利”，此后预报员必须转向边界等中尺度特征。Taszarek et al. (2020) 提供了有利环境的再分析总体，任何发生基率都必须以它为分母来计算。因此，这一框架是对库内材料的组装，而非一项新发现；对于一个已被充分覆盖的主题，这正是对其所能增添内容的诚实描述。

• Doswell and Schultz (2006)、Maddox and Crisp (1999) 和 Zhang 等人 (2025) 现已成为文献库卡片，分别挂靠在库中关于复合参数可迁移性、非事件个例完整性、分析探空保真度和垂直结构归因的问题之下，但没有一篇能关闭其中任何一个问题。
• 风暴预报中心（SPC）自 2026 年 3 月 3 日起投入业务的条件强度分组，在文献库的任何卡片上都没有记录。
• 这一变化，是一个预报机构把 Doswell and Schultz (2006) 所主张的区分付诸行动：一种变量描述此刻的大气，另一种则必须在某个提前期上与天气相关。
• 本期节目的论点，即邻近探空回答的是风暴类型而非风暴是否发生，在文献库中没有任何地方被陈述过，尽管 Thompson 等人 (2003)、Rasmussen and Blanchard (1998) 和 Taszarek 等人 (2020) 提供了它的每一块拼图。

与库中结论的差异

没有任何来源与文献库中的某项发现相矛盾。Doswell and Schultz (2006) 把样本内的区分结果重新归类为诊断价值而非预报价值，理由是邻近探空评估把指数值与已知发生的事件配对，因此从未检验过时滞相关、对非事件的区分，以及在独立于开发集的个例集上的技巧。按这一解读，显著龙卷参数为 1 可区分显著龙卷超级单体与非龙卷超级单体的指导线 (Thompson et al., 2003)，以及能量螺旋度指数是最佳超级单体判别量的排序 (Rasmussen and Blanchard, 1998)，是被重新界定，而非被质疑；后者经由对同一 1992 年样本的后续重评，被重新陈述为：给定一个超级单体，出现显著龙卷的概率大约为 50%，依据是每类约 30 个个例。文献库中有一份部分回应：Thompson et al. (2012) 把有效层复合参数应用于 2003 至 2011 年 22901 次事件的独立样本，发现显著龙卷参数随 EF 等级单调上升。该样本来自同一作者团队，而且正如作者所指出的，其对较弱事件的排除“妨碍了对非事件个例的完整评估”。因此，Doswell and Schultz 设定的标准只是被提出，而没有被文献库中的任何文献满足，包括他们自己的论文在内。

三项库内文献在具体依据上被收窄了适用范围。Zhang et al. (2025) 基于 2002 至 2021 年中国 273 个超级单体的 ERA5 邻近探空发现，对流有效位能、抬升凝结高度、对流抑制能和低层湿度不能区分显著龙卷风暴与非龙卷风暴；按美国资料标定的显著龙卷参数各版本，真实技巧统计量降至 0.29 和 0.14，而在美国高于 0.45；最佳判别量是最低 300 m 内的螺旋度和风切变。Thompson et al. (2003) 报告的混合层云底高度差异在中国的湿润环境中并不出现，这使云底高度成为区域性而非普适性的指标；而重新拟合的参数是在整个样本上对一千个阈值取最大值得到 0.51，没有留出验证，因此它继承了它本想摆脱的依赖样本局限。Coffer et al. (2025) 发现，用观测的风暴移动替代估计的风暴移动，会逆转越浅的螺旋度层技巧越高的趋势：龙卷超级单体移动更慢且略偏估计值右侧，非龙卷超级单体移动更快且明显偏左；同时他们建议，在事先不知道风暴移动的情况下，预报员“或许仍然更宜使用 SRH500”。Coniglio and Thompson (2024) 在仅 240 条廓线、37 次显著龙卷中找到了同样的逆转。Maddox and Crisp (1999) 反驳了 Miller 关于 1948 年 3 月两次形势相似的记述，发现地面形势相似但高空条件明显不同，并得出结论：一份新的基地强天气预案和 Borum 将军的在场，对那次预报的推动作用至少不亚于形势相似性。

文献库反过来也对本期节目作出了限定，针对的是其论证中第一轮核读未曾检验的那一半。本期节目认为，环境分析不擅长判断风暴是否会生成。这一点对探空成立，对边界却不成立，而证据早已在架上。Wilson and Schreiber (1986) 发现，在其研究区域内触发的 418 个风暴中，有 79% 形成于雷达观测到的边界层辐合线附近，对于达到 60 dBZ 的风暴这一比例升至 95%，并由此得出结论：看似随机的雷暴生成“通常是确定性的”。Roberts and Rutledge (2003) 补充了卫星观测到的这些特征之上的积云发展：云顶越过 0°C 层并在 15 分钟内降温超过 8°C，比首次雷达回波提前约 15 分钟，比 35 dBZ 的风暴提前约 30 分钟；15 分钟对流触发临近预报的探测概率相对于仅用雷达的基线从 0.25 升至 0.85，而虚警几乎没有增加。这两张卡片对文献库来说都不是新的；两者在本期节目撰写之前就已在库中，而节目最初的六次检索都没有把它们检出。因此，风暴是否发生的问题并非无法回答，而是可以由另一种仪器来回答，提前期是几十分钟而非几小时；这使本期节目关于探空的论点更加锐利，而非削弱它。

• Doswell and Schultz (2006) 把 Thompson 等人 (2003) 与 Rasmussen and Blanchard (1998) 的样本内结果重新归类为诊断证据而非预报证据，因为邻近探空设计从不检验时滞相关或对非事件的区分。
• 文献库中的独立样本回应，即 Thompson 等人 (2012) 对 2003 至 2011 年 22901 次事件的研究，出自同一作者团队并排除了较弱事件，因此 Doswell and Schultz (2006) 的检验标准仍然只是被提出，而未被满足。
• Zhang 等人 (2025) 发现，按美国资料标定的龙卷参数在 273 个中国超级单体上的真实技巧统计量降至 0.29 和 0.14，而达到 0.51 的重新拟合是在整个样本上调优的，没有留出验证。
• Coffer 等人 (2025) 和 Coniglio and Thompson (2024) 都发现，用观测的风暴移动替代估计的风暴移动，会逆转哪一层螺旋度判别效果最好，这使近地面信号成为一个诊断结果，而非预报时刻可得的结果。
• Wilson and Schreiber (1986) 统计出 418 个风暴中有 79% 在雷达观测到的辐合线附近触发，因此本期节目关于该方法不擅长判断风暴是否生成的论点，对探空成立，对边界不成立。

与未决问题的关系

这些来源最直接关系到文献库中的这一问题：复合参数如何跨事件选择、风暴移动定义、分析系统和业务约束迁移。该问题现在以本期节目自身的材料作为其标准陈述：一个“完全独立于开发数据集”的检验数据集、对事件与非事件的区分，以及事件前 12、6、3 和 1 h 的列联表 (Doswell and Schultz, 2006)。Zhang et al. (2025) 对其区域迁移这一侧面给出了针对中国的否定回答，但并未达到这一标准；Coniglio and Thompson (2024) 与 Coffer et al. (2025) 的风暴移动结果落在其事件选择、风暴移动和分析系统几个侧面之下，在那里同样悬而未决。自本期节目以来读入文献库的任何内容都没有推动这一问题。

对流触发这一半建立在文献库记录为未解决的问题之上，其中一个问题已经有了一个候选驱动因子。触发不确定性中有多少是观测性的、多少是内在的，仍然悬而未决：Crook (1996) 表明，1°C 的温度变化和 1 g/kg 的湿度变化，都在观测变率范围之内，却足以决定触发发生与否；Weckwerth and Parsons (2006) 报告 2002 年外场试验中大多数针对干线的目标观测任务都是非事件个例；但两者都没有给出一个数值上的界限。本期节目之后的新进展，是边界本身的一个物理成因。Taylor et al. (2011) 根据西非上空的卫星观测发现，风暴在强土壤湿度梯度之上触发的可能性是均匀土壤之上的两倍；37% 的触发发生在 10 到 40 km 尺度上梯度最陡的四分位区域之上；而且这种敏感性在大尺度条件本不利的情况下最强，这意味着中尺度地表格局触发了原本不会发生的风暴。Maybee et al. (2025) 在 78 组模式试验中发现，把所有次天气尺度的土壤湿度变率均一化之后，中尺度对流系统的峰值数量减少 23%。因此，Wilson and Schreiber (1986) 所统计的辐合线有了一个早晨即可观测到的候选来源，这是任何探空参数都给不出的另一类对发生问题的回答；而它目前依赖于一个区域、一项卫星分析和一篇预印本。

有两个相邻领域被触及，其中一个在本期节目之后已经变得具体。在数据驱动天气预报领域，对单标量复合参数的批评延伸到 McGovern et al. (2026) 的 Extreme Weather Bench，它以 Craven-Brooks 复合参数作为唯一的对流风险代理指标。在时间序列分析领域，Doswell and Schultz (2006) 提出的时滞相关判据现在在文献库中有了正式归属：它就是 Granger 因果性。Runge et al. (2019) 将其描述为检验省略一个序列的过去是否会使另一个序列下一步的预测变差，并指出它仅限于时滞依赖，且在欠采样序列上性能退化，这一提醒直接关系到按事件前 12、6、3 和 1 h 构建的列联表。同一批库内文献还通过 Reichenbach 原理点出了邻近探空设计无法消除的混杂因素：相互依赖的变量要么互为因果，要么受共同驱动因子驱动。一次有利的探空和一次龙卷可能都是产生它们的天气尺度形势的结果，这正是为什么时滞相关是 Doswell and Schultz 所要求的最低证据，而不是充分证据。

• Doswell and Schultz (2006) 设定了文献库现在用来陈述其复合参数问题的标准：一个独立的检验集、对非事件的区分，以及 12、6、3 和 1 h 的列联表；此后读入文献库的任何内容都没有达到这一标准。
• Crook (1996) 与 Weckwerth and Parsons (2006) 让触发问题停留在原地，因为两者都没有把观测不确定性与内在增长区分开来，此后读入的文献也都没有做到。
• 新增的是一个驱动因子，而不是一个答案：Taylor 等人 (2011) 发现萨赫勒地区的对流触发在强土壤湿度梯度上空的可能性翻倍，其中 37% 发生在 10 到 40 km 尺度上梯度最陡的四分位区域之上。
• Maybee 等人 (2025) 在 78 组模式试验中把萨赫勒地区峰值风暴数量的 23% 归于这种非均匀性，这使该驱动因子在早晨即可观测，而迄今只在一个区域、由一项卫星分析和一篇预印本得到证明。
• Runge 等人 (2019) 给本期节目的时滞相关判据赋予了正式名称，即 Granger 因果性，同时指出了它在欠采样序列上的弱点，以及邻近探空设计无法通过条件化消除的共同驱动因子。

参考文献

1. Chavas, D. R., & Dawson, D. T., II. (2021). An idealized physical model for the severe convective storm environmental sounding. Journal of the Atmospheric Sciences, 78(2), 653–670. https://doi.org/10.1175/JAS-D-20-0120.1
2. Coffer, B. E., Parker, M. D., Coniglio, M. C., & Homeyer, C. R. (2025). Supercell environments using GridRad-Severe and the HRRR: Addressing discrepancies between prior tornado datasets. Weather and Forecasting, 40, 1405–1428. https://doi.org/10.1175/WAF-D-24-0251.1
3. Coniglio, M. C., & Thompson, R. L. (2024). Impacts of sampling and storm-motion estimates on RUC/RAP-based discriminations of nontornadic and tornadic supercell environments. Weather and Forecasting, 39(10), 1417–1434. https://doi.org/10.1175/WAF-D-24-0027.1
4. Crook, N. A. (1996). Sensitivity of moist convection forced by boundary layer processes to low-level thermodynamic fields. Monthly Weather Review, 124, 1767–1785. https://doi.org/10.1175/1520-0493(1996)124<1767:SOMCFB>2.0.CO;2
5. Doswell, C. A., III, & Schultz, D. M. (2006). On the use of indices and parameters in forecasting severe storms. Electronic Journal of Severe Storms Meteorology, 1(3), 1–22. https://doi.org/10.55599/ejssm.v1i3.4
6. Maddox, R. A., & Crisp, C. A. (1999). The Tinker AFB tornadoes of March 1948. Weather and Forecasting, 14, 492–499. https://doi.org/10.1175/1520-0434(1999)014<0492:TTATOM>2.0.CO;2
7. Maybee, B., Klein, C., Taylor, C. M., Burns, H., & Marsham, J. H. (2025). Homogeneous soil moisture fields suppress Sahelian MCS frequency. arXiv. https://arxiv.org/abs/2509.12118
8. McGovern, A., Mandelbaum, T., Rothenberg, D., Loveday, N., Potvin, C., Flora, M., Magnusson, L., Gilleland, E., & Allen, J. (2026). Extreme Weather Bench: A framework and benchmark for evaluation of high-impact weather. arXiv. https://doi.org/10.48550/arXiv.2605.01126
9. Rasmussen, E. N., & Blanchard, D. O. (1998). A baseline climatology of sounding-derived supercell and tornado forecast parameters. Weather and Forecasting, 13, 1148–1164. https://doi.org/10.1175/1520-0434(1998)013<1148:ABCOSD>2.0.CO;2
10. Roberts, R. D., & Rutledge, S. (2003). Nowcasting storm initiation and growth using GOES-8 and WSR-88D data. Weather and Forecasting, 18. https://doi.org/10.1175/1520-0434(2003)018<0562:NSIAGU>2.0.CO;2
11. Runge, J., Bathiany, S., Bollt, E., Camps-Valls, G., Coumou, D., Deyle, E., Glymour, C., Kretschmer, M., Mahecha, M. D., Muñoz-Marí, J., van Nes, E. H., Peters, J., Quax, R., Reichstein, M., Scheffer, M., Schölkopf, B., Spirtes, P., Sugihara, G., Sun, J., Zhang, K., & Zscheischler, J. (2019). Inferring causation from time series in Earth system sciences. Nature Communications, 10. https://doi.org/10.1038/s41467-019-10105-3
12. Storm Prediction Center. (2026). Conditional intensity in SPC convective outlooks. National Oceanic and Atmospheric Administration, National Weather Service. https://www.spc.noaa.gov/exper/conditional-intensity-information/
13. Taszarek, M., Allen, J. T., Púčik, T., Hoogewind, K. A., & Brooks, H. E. (2020). Severe convective storms across Europe and the United States. Part II: ERA5 environments associated with lightning, large hail, severe wind, and tornadoes. Journal of Climate, 33, 10263–10286. https://doi.org/10.1175/JCLI-D-20-0346.1
14. Taylor, C. M., Gounou, A., Guichard, F., Harris, P. P., Ellis, R. J., Couvreux, F., & De Kauwe, M. (2011). Frequency of Sahelian storm initiation enhanced over mesoscale soil moisture patterns. Nature Geoscience, 4, 430–433. https://doi.org/10.1038/ngeo1173
15. Thompson, R. L., Edwards, R., Hart, J. A., Elmore, K. L., & Markowski, P. (2003). Close proximity soundings within supercell environments obtained from the Rapid Update Cycle. Weather and Forecasting, 18, 1243–1261. https://doi.org/10.1175/1520-0434(2003)018<1243:CPSWSE>2.0.CO;2
16. Thompson, R. L., Smith, B. T., Grams, J. S., Dean, A. R., & Broyles, C. (2012). Convective modes for significant severe thunderstorms in the contiguous United States. Part II: Supercell and QLCS tornado environments. Weather and Forecasting, 27, 1136–1154. https://doi.org/10.1175/WAF-D-11-00116.1
17. Weckwerth, T. M., & Parsons, D. B. (2006). A review of convection initiation and motivation for IHOP_2002. Monthly Weather Review, 134, 5–22. https://doi.org/10.1175/MWR3067.1
18. Wilson, J. W., & Schreiber, W. E. (1986). Initiation of convective storms at radar-observed boundary-layer convergence lines. Monthly Weather Review, 114. https://doi.org/10.1175/1520-0493(1986)114<2516:IOCSAR>2.0.CO;2
19. Zhang, R., Xue, M., & Yu, X. (2025). Environments of tornadic and non-tornadic supercells in China and optimized significant tornado parameter for China region. Quarterly Journal of the Royal Meteorological Society, 151(772), e5027. https://doi.org/10.1002/qj.5027

发布后读入论文库：

• On the Use of Indices and Parameters in Forecasting Severe Storms 10.55599/ejssm.v1i3.4
• The Tinker AFB Tornadoes of March 1948 10.1175/1520-0434(1999)014<0492:TTATOM>2.0.CO;2
• Environments of tornadic and non-tornadic supercells in China and optimized significant tornado parameter for China region 10.1002/qj.5027