M$^2$Weather：联合多站点与多变量天气预报基准

arXiv:2610.00370v1 公告类型：新 摘要：站点天气预报从根本上受到站点之间复杂空间依赖关系以及天气变量之间强物理耦合的共同影响。然而，现有研究通常将这些关系分开考虑，并采用不同的数据集和实验设置，从而阻碍了对它们各自贡献及联合贡献的系统评估。本文介绍了 $M^2$Weather，这是一个用于联合多站点与多变量天气预报的基准。通过多标准质量控制和站点分层，我们收集了2,809个高质量站点，涵盖5个具有物理耦合关系的天气变量，并覆盖法国、欧洲和全球三个空间尺度。这种多尺度设计使我们能够考察相关结论能否从国家级站点网络延续到全球站点网络。我们还引入了统一的训练和评估协议，以便公平比较不同的站点—变量建模范式。为进一步考察建模站点—变量关系的益处，我们设计了一种轻量级、即插即用的适配器。在已有训练好的天气预报模型基础上，该适配器无需重新训练模型，即可引入缺失的站点或变量关系。这使得对站点—变量关系进行公平且高效的研究成为可能。对16个具有代表性的模型进行系统评估表明，联合建模站点关系和变量关系能够带来益处。在三个数据集上，为所有适配模型补全缺失关系均可进一步降低MSE。总体而言，这些结果表明，站点之间和变量之间的互补信息是改进站点天气预报的重要资源。我们的代码可从 https://github.com/hnu-vis/M2-Weather 获取。