AI与世界难题 · 地球与气候科学 · arXiv · 2026-10-20
AirMPA：用于全球空气质量预报的气象到污染适配器
原标题: AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting
对空气污染物进行准确的实时预报有助于降低健康风险，但传统数值系统计算成本高昂，而现有的深度学习模型往往将气象变量与污染物变量混在一起。作者提出了 AirMPA，这是一种解耦的自回归模型，可根据气象场、排放先验和过往浓度，以 0.4° 和 12 小时的分辨率预测 13 种污染物。在 5 天的预报时效内，它始终优于 Aurora，并在约 90% 的污染物-预报时效组合中优于 CAMS。