GraphCast只负责演化集合扰动：一个月真实观测循环中，背景误差不输物理模式
把机器学习天气预报模型GraphCast放进真实资料同化循环，只让它演化集合扰动、均值仍由物理模式MPAS给出，一个月内集合离散度与协方差结构和纯物理模式基准相当，EnVar背景对GFS分析的RMSE在模式层40以下持续更低，模式顶附近则因插值外推出现退化。
AI 天气模型也读平流层：抹掉150百帕以上的涡旋结构，北半球Z500在120小时偏55米
GraphCast 这类机器学习天气预报模型是否真的用到平流层与湿度信息，此前缺少带对照的输入干预检验。一项审计在72个2016—2021年ERA5十天预报上，把150百帕以上大气替换为纬向平均，北半球Z500在120小时变化55.2米，是同等谱结构随机相位噪声响应的1.49倍；全球湿度缩放则单调改变30—70°N的Z500涡动方差，完全干化时降到对照的0.661。
已读完全部报道