天气降尺度不再只调主干：PROLA把固定秩预算分给主方向与正交补，Z500误差降到50.58
核心概要
把粗分辨率历史场直接映射为未来高分辨率天气轨迹，需要同时做预报、空间降尺度和时间加密，而现有低秩微调在固定秩预算下没有区分“沿用预训练主方向”和“修正主方向之外”两种需求。PROLA把秩预算拆成主分支与正交分支，并用梯度信号缩放秩一优化器更新；在WeatherBench 2上以3.92M可训练参数适配Aurora，3小时Z500的RMSE为50.58，低于AdaLoRA的53.40。
深度剖析
天气基础模型可以被改造成同时输出更细空间网格和更密时间步的未来场，而不必为每个目标分辨率重新全量微调。 此前的天气预报保持空间与时间网格不变，空间降尺度只在同一时刻细化网格，时间降尺度只在同一网格上加密轨迹，三者通常分开处理。 在WeatherBench 2上以Aurora为预训练主干，PROLA在3小时和6小时两个预报时效、五个代表变量上都取得所比较低秩方法中最低的RMSE和最高ACC。
适配的做法是把预测拆成空间与时间两级：先由主干给出终点时刻的高分辨率场，再据此构造整条轨迹。 PROLA是一种低秩参数高效微调方法，它把固定秩预算分给从预训练权重主奇异方向初始化的主分支，以及投影到这些主方向之外的正交分支。 固定总秩为8时，双分支各4的3小时Z500 RMSE为51.36，低于只用主分支的53.66和只用正交分支的54.54；再加上梯度引导的更新缩放后进一步降到50.30。
固定数值脚手架负责大尺度结构，轻量残差头负责插值补不出的细节。 空间阶段用双线性插值把粗输入抬到目标网格，时间阶段在抬升后的当前场与预测终点之间做线性插值，两个修正头分别学习残差。 去掉两个修正头后3小时Z500 RMSE升到87.73，说明仅靠脚手架不足以完成这一任务；只去掉空间修正头时为84.53，只去掉时间修正头时为53.35。
启示与展望
评估覆盖WeatherBench 2全球再分析基准、ERA5到CERRA的中欧区域降尺度和区域降水预报，主比较使用Aurora主干并以三个随机种子报告均值与标准差。
作者指出该任务受大气混沌性和粗输入中有限细尺度信息的约束，并把扩展到更多区域与目标数据源、引入物理约束和概率预测列为后续方向。