文章已正式上线《自然》

大气气溶胶通过影响辐射强迫、云微物理及大气化学过程，在地球气候系统中扮演着关键角色。由于其来源多样、成分复杂，气溶胶对天气、气候及空气质量产生广泛而深远的影响。因此，准确预报气溶胶的分布与变化，对于提升空气质量管理、保障公共健康及应对气候变化具有至关重要的科学意义与现实价值。

然而，气溶胶预报的复杂程度与计算成本远高于传统天气预报。这要求预报系统必须同时解析气溶胶的多种来源、复杂的化学转化及其与天气系统的多尺度相互作用。传统的物理模型（如欧洲中期天气预报中心的哥白尼大气监测服务CAMS、美国国家航空航天局的戈达德地球观测系统前向处理GEOS-FP等）通过耦合数值天气预报与大气化学传输模型来实现预报，需处理数以万计的大气化学反应。这不仅带来巨大的计算负担，更因对非线性过程的刻画能力不足，导致气溶胶预报结果存在显著偏差。近年来，机器学习方法在提升天气预报效率与精度方面展现出巨大潜力；然而，从纯气象预报迈向气溶胶-气象耦合预报，系统所涉及的变量维度与过程复杂性均显著跃升，人工智能能否精准模拟这一高度复杂的耦合系统，仍是亟待探索的前沿科学与技术问题。

针对这一关键挑战，中国气象科学研究院（以下简称气科院）车慧正研究员和张小曳院士团队联合国内外多家研究机构，在国际顶刊《Nature》以“Advancing operational global aerosol forecasting with machine learning”为题发布全球首个气溶胶-气象耦合人工智能预报模型“AI-GAMFS”。该模型可在1分钟内实现全球范围5天、逐3小时的业务化预报，预报变量涵盖沙尘、硫酸盐、黑碳、有机碳、海盐等气溶胶关键组分的光学特性、地面浓度及相关气象要素。基于全球多个气溶胶光学与化学组分观测网资料的独立评估表明，AI-GAMFS在气溶胶光学厚度（AOD）及沙尘组分预报上，性能优于CAMS及多个国际先进的区域沙尘物理模型；与GEOS-FP相比，其对全球AOD预报误差更低，沙尘预报能力相当，并对美国和中国近地面关键气溶胶组分浓度的预报实现了更精准的刻画。这一突破性成果标志着机器学习推动气溶胶预报能力迈上新台阶，也为沙尘暴、野火、雾-霾等全球气溶胶污染事件的精准预警提供了有力支撑。

图1. 模型架构及预报策略

AI-GAMFS通过集成全局注意力机制、时空编码模块及接力预报策略等关键技术，精准刻画了气溶胶与气象之间复杂的非线性相互作用，显著提升了对高维环境气象数据的特征提取能力（图1）。模型基于42年全球12万时次的气溶胶再分析资料训练，以GEOS-FP分析场作为初始场进行预报。在预报效率方面，AI-GAMFS优势显著：每日可完成8次滚动预报，单张GPU卡每次推理仅需39秒（以L40为例）；模型输出涵盖54个预报变量，空间分辨率达50公里，实现了全球气溶胶-气象耦合智能预报的高效业务化运行。

图2. 全球气溶胶光学厚度及沙尘光学厚度5天业务化预报性能：AI-GAMFS与CAMS对比评估

图3.亚洲沙尘暴5天业务化预报性能：AI-GAMFS与多个区域沙尘物理模型对比评估

基于全球气溶胶自动观测网（AERONET）和中国气象局气溶胶遥感观测网（CARSNET）的独立观测评估，业务化运行的AI-GAMFS在5天逐3小时的全球AOD及沙尘光学厚度（DUAOD）预报上优于CAMS：在全球范围内，61.6%的AERONET站点上AOD预报误差更低，86.0%的站点上DUAOD预报误差更低；中国区域CARSNET验证中，模型在63.3%的预报时效内相关系数更高，61.5%的站点上均方根误差（RMSE）更低（图2）。

在亚洲沙尘暴预报关键领域，AI-GAMFS与CAMS及亚洲沙尘暴预警咨询评估系统下的多个区域物理模型对比同样表现优异：以气溶胶再分析为基准，72小时沙尘地面质量浓度误差较主流区域物理模型降低34.4%–74.1%（图3）。

图4. 全球气溶胶光学组分及区域近地面组分浓度5天业务化预报性能：AI-GAMFS与GEOS-FP对比评估

基于全球多个气溶胶地面组分浓度观测网络的独立评估，业务化运行的AI-GAMFS在气溶胶关键组分的近地面浓度预报上同样展现出显著优势。以美国IMPROVE和EPA-CSN网络为基准，AI-GAMFS在5天预报时效内对黑碳、有机碳及硫酸盐的RMSE较GEOS-FP分别降低64.4–86.2%、74.5–88.3%和42.2–61.0%（图4），其中黑碳和有机碳的改进在美国西部野火频发区尤为突出，硫酸盐的改进则集中于人为排放主导的东部地区。基于中国气象局大气成分观测网（CAWNET）的评估进一步证实，AI-GAMFS在中国区域对黑碳、有机碳和硫酸盐的地面浓度预报全面优于GEOS-FP：黑碳在62.5–72.5%的站点上RMSE更低，有机碳与硫酸盐在多数站点上也展现出类似优势。

图5. 央视新闻频道播出新闻《全球首个气溶胶-气象耦合预报人工智能模型试运行》，报道了AI-GAMFS模型投入试运行，实现对局地沙尘过程的精准预报

（https://tv.cctv.cn/2025/11/27/VIDE96ClOmon0RNlBMSS3vbt251127.shtml）

当前，AI-GAMFS已在多个业务平台实现落地应用并取得积极成效：响应全民早期预警中国方案“妈祖（MAZU）”，接入云端国际早期预警平台“MAZU-Cloud”，推广应用至中央气象台及陕西、宁夏、内蒙古等全国10余个省（自治区）气象部门，并于近期通过中国气象局天气预报科技成果中试基地的业务准入，获得央视新闻等权威媒体的广泛报道（图5）。特别是在2025至2026年间，AI-GAMFS已在多次环境气象预报会商和沙尘天气过程复盘中发挥了关键作用。

气科院桂柯副研究员和博士生张栩滔为论文共同第一作者，气科院车慧正研究员和张小曳院士为共同通讯作者。合作作者包括气科院李雷副研究员、郑宇副研究员、缪育聪研究员、王宏研究员、王志立研究员、王亚强研究员，国家气象中心代刊正高工、安林昌高工，中国气象局沈阳大气环境研究所赵胡笳研究员，法国里尔大学Oleg Dubovik教授，美国国家航空航天局Brent Holben博士、Pawan Gupta博士、Elena S. Lind博士，美国爱荷华大学Jun Wang教授，西班牙巴利亚多利德大学Carlos Toledano教授，中科院大气所夏祥鳌研究员，清华大学黄小猛教授和中国气象局许小峰研究员。

研究得到国家自然科学基金委卓越创新群体（B类）项目、青年科学基金（B类）、重大项目，国家重点研发计划项目，中国气象局青年创新团队以及气科院基本科研业务费等资助。

论文链接：

https://www.nature.com/articles/s41586-026-10234-y

模型链接：

https://zenodo.org/records/18298799

预报链接：

http://ew4all.wmc-bj.net/EW4ALL/warning

http://tapdata.org/