长期以来，国际气溶胶预报领域主要受两大技术瓶颈制约：一是传统数值模型算力消耗高，难以实现高频更新；二是对气溶胶与大气相互作用等非线性过程的刻画仍存偏差；这直接影响沙尘暴预警、空气质量预测等关键业务的响应效率。中国气象科学研究院团队提出多源数据融合训练框架，基于12万时次历史再分析资料，建立气溶胶组分与气象要素的动态关联模型。相比欧洲中期天气预报中心有关系统需数小时完成的运算，新系统约1分钟即可输出包含54个变量的全球预报结果，并支持每日8次滚动更新。其关键突破在于引入深度学习算法改进参数化方案，将硫酸盐、黑碳等5类气溶胶的物理化学过程拆解并转化为可计算模块。该成果的应用效果已在实证研究中得到验证。以2023年春季东亚沙尘过程为例，模型可提前72小时较为准确地给出PM10浓度峰值的时空分布，误差较国际主流系统降低23%。在南海季风区海盐气溶胶预报中，其湿度耦合算法使海洋边界层模拟精度提升37%。相关结果显示，我国在复杂环境系统建模上实现了从跟随到领先的阶段性跨越。 据项目负责人介绍，下一步研发将聚焦三方面：构建基于国产卫星数据的区域千米级预报体系，开发面向民航雾霾预警的垂直剖面模块，以及建立跨境沙尘传输的联合监测机制。生态环境部专家表示，该技术有望将我国重污染天气预警提前量由目前的24小时提升至72小时，为“美丽中国”建设提供重要技术支撑。
从跟跑到并跑，并在部分关键领域实现领跑，中国气象科技自主创新正在提速。AI-GAMFS模型的推出，不仅代表一项关键技术进展，也反映了中国科研力量对全球气候治理的深度参与与责任担当。面对气候变化此全球性挑战，科技创新仍是最有效的解决路径。期待更多中国原创成果走向国际舞台，为全球合作与共同应对气候风险提供更多科学支撑。