AI 與世界的難題 · 地球與氣候科學 · arXiv · 2026-10-20
AirMPA：用於全球空氣品質預報的氣象至污染轉接器
原標題: AirMPA: A Meteorology-to-Pollution Adapter for Global Air Quality Forecasting
對空氣污染物進行準確的即時預報有助於降低健康風險，但傳統數值系統的運算成本高昂，而現有深度學習模型常將氣象變數與污染物變數混在一起。作者提出 AirMPA，這是一種解耦的自迴歸模型，能根據氣象場、排放先驗與過去濃度，以 0.4° 與 12 小時的解析度預測 13 種污染物。在 5 天的預報期間內，其表現始終優於 Aurora，並在約 90% 的污染物—預報時效組合中勝過 CAMS。