摘要：一项近日发表在Nature的工作通过使用累计上百万小时的地球物理相关数据（包括多样的天气预报、重分析以及气候等方面的数据）来训练一个基于3D Swin Transformer架构的模型[1]，从而构建“地球基石模型”- Aurora；后续只需要低成本、相对低数

一项近日发表在Nature的工作通过使用累计上百万小时的地球物理相关数据（包括多样的天气预报、重分析以及气候等方面的数据）来训练一个基于3D Swin Transformer架构的模型[1]，从而构建“地球基石模型”- Aurora；后续只需要低成本、相对低数据量的针对性fine-tuning训练就可以实现从空气质量预报、海浪预报/预警、台风/飓风轨迹预测到精细天气预报等等方面的应用，并且大部分预测参数优于现有模型[2]。

Aurora的架构和应用概览[2]。

Aurora精准预测台风轨迹和风暴最大风速[2]。

该项工作的通讯作者是来自宾夕法尼亚大学/Microsoft Research的Paris Perdikaris；2025年5月21日在线发表在Nature[2]。

作者们表示该基石模型适用于更广泛的地球物理相关预测（从洪涝火灾预警到植被变化等等），后续增加模型参数和预训练数据量可以实现性能的进一步提升，可进一步开发“端到端”的预测模型（仅使用T0的观测数据进行预测），并且可以探索增加模型的可解释性，从而帮助人们提炼新的气候物理原理[2]。

Comment(s):

这种基石模型看起来对风力风向相关的规律把握尤其好，和风力风向紧密关联的应用表现尤其出色。这或许和多样化数据交叉时空比对风参数有关，后续增加对湿度相关数据的关注或许可以帮助更好地预测降水。

参考文献：

[1] Z. Liu et al., “Swin Transformer: Hierarchical Vision Transformer using Shifted Windows,” Proc. IEEE Int. Conf. Comput. Vis., pp. 9992–10002, 2021, doi: 10.1109/ICCV48922.2021.00986.

[2] C. Bodnar et al., “A foundation model for the Earth system,” Nature, 2025, doi: 10.1038/s41586-025-09005-y.

原文链接：

来源：康康店小二