S2S-JEPA：在次季节至季节时间尺度上预测可预测的部分

次季节至季节（S2S）时间尺度大致涵盖提前两周至两个月的预报窗口，对于农业、能源和水资源管理等领域至关重要。然而，这一时间尺度也被广泛称为“可预测性荒漠”。近期的 AI 天气模型在提前两周以内的预报中表现出色，但在更长时效上性能会下降，主要原因在于它们接受训练去预测那些在 S2S 时间尺度上既不可预测又不重要的精细尺度细节。我们认为，更符合物理规律的目标是只预报那些变化缓慢且仍具有可预测性的成分。计算机视觉领域通过 Joint-Embedding Predictive Architecture（JEPA）也得出了相同结论：在潜空间中进行预测，从而舍弃不可预测的细节。在本项工作中，我们提出 S2S-JEPA，将 JEPA 范式引入 S2S 预报。通过借鉴当前最先进 AI 天气模型中的设计要素，S2S-JEPA 针对这一任务进行了定制。在第5至第6周的预报时效上，S2S-JEPA 达到了与黄金标准 ECMWF 基于物理的集合预报相当的预报水平，并在多个指标上超过了后者。