2026年7月,欧洲中期天气预报中心(ECMWF)发布了一套只用观测数据训练的机器学习再分析模型:模型不读取任何数值预报分析场,只用一天生成了1981至2022年共42年的全球大气状态,多项气候诊断与ERA5相近。 这条路线也招来了质疑,有资料同化学者认为它算不上同化,也有人追问天气预报还需不需要物理模式。
本文将从DOP(Direct Observation Prediction,直接观测预测)的来历与做法、42年再分析的成绩与缺陷、同类系统横向对比、以及围绕它的技术争议等方面展开分析。
所有AI天气模型都站在4D-Var的肩膀上
再分析是把几十年的历史观测与数值模式融合,得到逐小时、全球覆盖的大气状态;融合所用的方法叫资料同化,ECMWF使用的是四维变分同化(4D-Var)。过去几年出现的AI天气模型,包括ECMWF自己在2025年2月业务化的AIFS,几乎都用ERA5再分析训练,而ERA5由4D-Var加物理模式生产。ECMWF科学与创新主任Irina Sandu用这一点论证资料同化的地位只会上升。下一代再分析ERA6已在2026年3月开始生产,分辨率约14公里,但前几十年的数据要到2027年底才陆续发布。
DOP走的是另一条路:训练和推理都不碰再分析,模型从过去的观测直接预测未来的观测。ECMWF在2024年1月的Newsletter 178里首次公开这个设想,之后的进展节奏很快:
| 时间 | 进展 |
|---|---|
| 2024年1月 | Newsletter 178提出从观测直接做预报的构想 |
| 2024年12月 | GraphDOP论文(arXiv 2412.15687),2004至2021年观测训练,有效预报时效约5天 |
| 2026年6月 | AIFS-DOP论文(arXiv 2606.19093),称首次在中期预报上与IFS水平相当 |
| 2026年7月 | 纯观测AI再分析论文(arXiv 2607.07879),42年数据一个工作日完成 |
| 2026年9月 | 实时原型接入ECMWF观测处理系统SAPP,每6小时运行一次 |
ECMWF 2025至2034年十年战略里已经写入“探索不依赖再分析、直接从观测生成预报”,DOP是这条线的具体实现。

模型如何从观测里“算”出一个大气状态
AIFS-DOP迁入了ECMWF的开源AI框架Anemoi,结构与AIFS基本相同,分为编码器、处理器、解码器三段。团队没有使用早期GraphDOP的动态图,改为像资料同化里的“超级观测”那样处理数据:
网格化:把观测按6小时切片,放到O96网格(约100公里)上,缺测处填空值。
只在有观测处算误差:损失函数只在有观测的格点回传,模型却要在所有格点输出完整场,空白区只能靠学到的规律去补。
先同化,再预报:先把约36小时的观测逐窗编码进模型状态,再做自回归滚动,即把上一步的预报当作下一步的输入,逐步推出10天预报。

训练数据刻意选了能追溯到1981年的精简观测集:HIRS红外、多代微波探测仪、SSM/T-2、部分常规观测和NOAA GridSat静止卫星资料,主要来自EUMETSAT和NOAA的长期气候数据记录。GPS掩星、高光谱红外、微波成像仪和散射计都没有进入论文版本。实时版本把训练期延长到2024年,补入CrIS、ASCAT、GPS掩星和IASI,10天预报耗时约0.2秒。
再分析的做法更简单:每6小时做一次T+6预报,把42年的结果拼起来。推理成本低且可以完全并行,团队的Peter Lean说,40年的量“不到一天”,速度只受GPU数量限制。
42年再分析:像ERA5的地方和不像的地方
Lean明确表示,他并不认为这个原型已经和ERA5一样好,更比不上ERA6。团队给出的对比如下:
| 诊断 | 结果 |
|---|---|
| 纬向平均温度与风 | 急流、信风、南半球冬季极夜急流与ERA5高度一致,多数区域温差在±0.5 K以内 |
| ITCZ位置 | 20年季节平均10米风辐合与ERA5非常接近,而训练时没有用散射计 |
| ENSO | El Niño与La Niña的海温距平型、Niño3.4序列重现良好,某次La Niña偏弱 |
| 独立观测检验 | 用两套系统都没同化过的MISR云导风检验,误差与ERA5接近,温带风速偏小 |
| 南极 | 反复出问题的区域,海冰上空存在位势偏差 |
| Hadley环流中层经向风 | 与ERA5不同且不真实,早期版本没有这个问题,是新版本才出现的退步 |
| 南半球风暴轴 | 偏弱 |
| 动能谱 | 热带小尺度明显偏平滑 |

平流层温度距平有一段插曲。2000年代初DOP与ERA5差异明显,团队原以为是缺少GPS掩星所致。ECMWF再分析专家Paul Poli看图后问,对比用的是ERA5还是ERA5.1。ERA5在2000至2006年因背景误差协方差设置问题存在平流层下层冷偏差,ERA5.1专门重跑修正了这段时期。换成ERA5.1之后,两条曲线对上了,出错的一方是参照系。
海洋部分由Phil Browne完成,做法是把海洋变量直接作为额外的变量加入模型。509米深处的位温输入观测极为稀疏,以2021年1月初的一个时次为例,O96网格40320个格点中只有98个有值;DOP输出里却出现大量中小尺度涡旋,与ECMWF下一代海洋再分析ORAS6可比。Lean的解释有两层:模型把前几个同化循环的信息一路带了下来,并学到了深层海温与稠密海表观测(主要是卫星测高)之间的相关关系。他据此认为DOP做的事情比在观测之间插值更接近资料同化。

两个读数长期偏差的探空站,拖垮了整个热带
从论文版本走向实时运行,团队踩过的坑比成绩更有参考价值。
训练集里的坏数据:2025年夏季的初步实时结果在热带出现大误差。排查发现,训练集中菲律宾有两个读数长期存在系统性偏差的探空站,模型努力去拟合它们,把整个热带带偏了。剔除后重训恢复正常。DOP团队的Ewan Pinnington说,类似的问题还有很多,数据不能一股脑丢给模型就不管了。
推理时的坏数据:实时运行中,土耳其一个探空站单层错误值在预报中造成大范围气压误差,剔除后误差消失。4D-Var靠变分质量控制和背景场检查挡住这类观测,DOP目前靠人工检查、IFS黑名单和范围检查,下一步计划用上一窗口的模型预测做背景检查。
观测系统变化:并行做的观测系统试验显示,失去单个微波仪器影响很小,失去全部微波温度探测通道则预报明显变差。IFS可以人工剔除异常仪器,DOP没有背景场可依靠。
检验参照的陷阱:对IFS分析场检验时,DOP在北半球850 hPa温度上初始误差很大,主要来自地形下方的外推;换成英国气象局分析场,DOP又显得很好,同样是假象。做完地形过滤后,IFS在分析检验上仍明显更好。中期时效上DOP的部分优势来自均方误差损失造成的平滑。
模型迭代也暴露过低级错误:6月论文模型的Z500误差图在0°经线出现一条带状伪影,原因是网格化时对±180°附近的观测直接平均经度,把它们错放到了0°。修正数据集、调整跳跃连接(网络中跨层直连的结构)后,9月中旬上线的第二个实时模型噪声大幅下降。
同类系统横向对比
DOP不是唯一试图绕开传统同化的系统。下表按“推理时是否需要背景场”“训练是否依赖再分析”两个维度,对比目前能查到公开资料的7个系统:
| 系统 | 机构 | 推理时背景场 | 训练依赖ERA5 | 分辨率 | 公开结果 |
|---|---|---|---|---|---|
| GraphDOP | ECMWF | 不需要 | 不依赖 | O96,约1° | 有效预报时效约5天 |
| AIFS-DOP | ECMWF | 不需要 | 不依赖 | O96,约100 km | 论文称首次在中期预报上与IFS水平相当 |
| Aardvark Weather | 剑桥大学、图灵研究所、微软等 | 不需要 | 编码器预训练用ERA5 | 1.5° | 多数时效达到或超过GFS,接近HRES(Nature 2025) |
| HealDA | NVIDIA、NOAA、MITRE | 不需要 | 以ERA5为训练目标 | 约1° | 驱动Aurora等模型,相比ERA5初值损失约12至24小时预报时效 |
| FuXi Weather | 上海科学智能研究院、复旦等 | 需要,来自自身短期预报 | 以ERA5为参照 | 0.25° | 15个变量中7个的有效预报时效长于HRES(Nat Commun 2025) |
| FengWu-Adas | 上海人工智能实验室等 | 需要,来自FengWu预报 | 以ERA5为真值 | 0.25° | 只用常规观测,推理约0.6秒 |
| OCELOT | NOAA NCEP/EMC | 不需要 | 不依赖 | 二十面体网格 | 只到12小时,误差仍大于GFS |
表里与DOP最接近的是OCELOT,NOAA的Daryl Kleist介绍它受GraphDOP启发,目标是替代美国的实时中尺度分析系统RTMA。其余系统推理时不需要物理模式,训练时却仍以ERA5为目标,天花板由ERA5决定。DOP摆脱了这层依赖,代价是评估参照变得复杂:用观测训练、又只用观测检验,说服力不够,用分析场检验又会碰上前面说的地形外推问题。
Penny的质疑:DOP算不算资料同化
Steve Penny此前在美国马里兰大学和NOAA从事海洋与耦合资料同化,现任Sofar Ocean天气负责人。他对观测驱动建模的定性很直接:这是“经验性的、非线性的自回归时空插值”,他个人不认为它是资料同化。潜力在于为观测充足的地区快速定制预报,风险在于没有观测的区域和变量无法可靠给出,可能生成看起来很真实的虚假天气。
他对AIFS、GraphCast这类AI模型也有批评:它们本质上是对数值预报分析场的自回归后处理,初始场加入扰动后,模型很快就把扰动“忘掉”,回到训练数据里常见的状态。他引用NOAA的研究(Tian、Holdaway、Kleist,GRL 2026)指出,GraphCast的切线性与伴随模式在垂直方向存在不符合物理规律的噪声,不能直接用于4D-Var。NOAA的另一项研究(Slivinski等,GRL 2025)给出了另一组证据:把NeuralGCM、Pangu、GraphCast放进只同化地面气压的集合卡尔曼滤波循环,没有观测约束的变量变得不符合物理规律,部分模型直接发散。
Penny给出的方案是把大气动力学改写成Hamiltonian形式,dx/dt = J∇H + F。几何矩阵J固定写死,保证能量守恒并正确体现科氏力的作用;神经网络只学习一个标量能量H以及耗散和强迫项。这样得到的模型对小扰动的响应(切线性行为)可控,可以直接交给4D-Var。

他在一个简化的二维大气模型(正压涡度方程)上测试了多个版本:学习外强迫的版本即使有同化,误差仍然失控;固定外强迫、只学能量和耗散的版本,在稠密和稀疏观测网下同化都稳定,他形容“基本完美”。他据此提议给AIFS-DOP加上这种Hamiltonian约束,在观测盲区用物理先验防止模型编造天气。
Sofar自己的业务案例也被他拿来说明AI模型的现实位置:微调带海浪模式的AIFSv2后,一个5月个例中4至8米有效波高预报最多提升约50%,但平均来看,7至8天后能否胜过原模型是五五开,而且初始场仍然来自传统数值预报。
还需要物理吗:围绕纯观测路线的争议
纯观测路线把一个问题推到了台前:如果模型从观测到观测包揽预报、分析和再分析,物理模式还有什么用。有研究者把它说得很重,“我们就不再需要物理,过去十年在这个领域工作的大多数人都将多余”。他要求DOP团队重点检验模型最不擅长的两类情况。一是超出训练数据范围的预报:模型只见过训练期内的天气和气候,遇到没见过的状态能不能报准。二是从来没有观测过的变量:DOP只能从观测里学习,观测网没测的量,它能不能给出可信的结果。
围绕这个问题的主要主张:
对照组选错了:有研究者认为,DOP的基准应该是同为机器学习的AIFS,而不是物理模式IFS,并希望看到200 hPa以上的评分。
做一次极端试验:有研究者提议做去掉全部探空和地面天气报告的观测系统试验。理由是未来气候系统的基本状态发生转变(吸引子迁移)时,只在旧气候上训练的系统风险很大,而且没有物理模式,卫星辐射率该怎么用也成问题。
海洋更依赖物理:海洋长期处于观测受限状态,走向完整地球系统预报时,这个问题对大气、陆面等其他部分同样成立。
最好的临近预报框架:一位曾嘲笑“AI超过物理模式”的研究者说,他的看法在Pangu-Weather和GraphCast出现后改变了。他仍怀疑DOP是资料同化的正道,但认为它是“超级加强版的拉格朗日平流外推”,是最好的临近预报框架。
速度优势可能抢在科学结论之前左右决策:DOP一天就能算出40年再分析,传统方法要两年,这种差距很容易让人直接转向机器学习。有研究者担心,要不要转、什么时候转,最终未必由科学界说了算,决定可能在科学结论出来之前就已经做出。
DOP团队的回应是接受建议:下一步与基于再分析训练的机器学习模型对比,重做观测系统试验。Lean还举了一个例子说明物理直觉仍在起作用:南极海冰上空的位势偏差,团队推测是地表敏感通道把地表发射率差异误判成了温度差异,这类排查靠的是资料同化和辐射传输的经验。
也有观点认为,这几条路线正在从不同方向靠近同一个概念:潜空间(latent space)。潜空间同化、DOP的模型内部状态和Penny的Hamiltonian方案都要回答同一个问题,即如何用一个压缩的状态描述整个地球系统。
纯观测路线改变了什么
对再分析用户:一个工作日生成42年再分析,让“再分析”从每十年一次的旗舰工程变成可以快速迭代的实验。代价同样清楚:Hadley环流经向风、南极、风暴轴这些对气候研究最敏感的量,恰恰是DOP目前表现最差的地方。也有研究者担心,只靠数据的再分析如果不满足静力平衡等物理约束,将不再适合做科学研究,学术界和业务界会因此分道扬镳。
对观测系统:DOP对观测质量控制和观测网稳定性的依赖,比4D-Var更直接。两个坏探空站就能拖垮热带,失去微波温度通道就显著退化。在英国观测经费削减、探空站流失、多颗微波卫星陆续退役的背景下,纯观测路线反而让观测网的价值更容易被量化。
对海洋:509米深位温的涡旋重建是最出人意料的结果,但它依赖卫星测高提供的稠密海表信息。海洋次表层观测本来就稀疏,这个结果离业务海洋分析还有很远,“海洋更依赖物理”的判断目前没有被推翻。
接下来值得关注的几件事
DOP团队列出的下一步包括:分辨率从O96提高到n320(约30公里),初步运行已明显降低2米温度误差;改用概率损失函数缓解平滑;把观测扩展到ERA5使用的全集;以及同行提出的两项对比,即与AIFS同场比较、做去掉常规观测的系统试验。
另一条时间线是ERA6:前几十年数据计划2027年底发布,四十年数据2028年初完成。届时AI模型会获得一套更好的训练数据,DOP也会多一个更可靠的检验参照。两条路线在未来两年里将第一次在同一时期、同一机构内正面比较。
References
- https://www.ecmwf.int/en/about/media-centre/news/2026/machine-learning-opens-new-opportunities-global-reanalysis
- https://arxiv.org/abs/2607.07879
- https://arxiv.org/abs/2606.19093
- https://arxiv.org/abs/2412.15687
- https://www.ecmwf.int/en/newsletter/178/earth-system-science/red-sky-night-producing-weather-forecasts-directly
- https://www.ecmwf.int/en/about/media-centre/news/2025/ecmwfs-ai-forecasts-become-operational
- https://www.ecmwf.int/en/about/media-centre/news/2025/new-10-year-ecmwf-strategy-emphasises-collaboration-and-machine
- https://climate.copernicus.eu/copernicus-climates-era6-reanalysis-production-starts
- https://gdex.ucar.edu/news/era51-corrections-to-era5-stratospheric-temperature-2000-2006/
- https://www.nature.com/articles/s41586-025-08897-0
- https://arxiv.org/abs/2601.17636
- https://www.nature.com/articles/s41467-025-62024-1
- https://arxiv.org/abs/2312.12462
- https://arxiv.org/abs/2607.14196
- https://arxiv.org/abs/2411.14677
- https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2024GL114396
- https://github.com/StevePny/DataAssimBench
- https://github.com/ecmwf/anemoi-core