【人工智能每日精选】从公里级天气预报到30米精细风场：机器学习如何看见地形背后的风？

风能评估、风机选址、山火蔓延预测和复杂地形安全评估，都需要知道一个地点附近的真实风场。但常规天气预报通常以公里级网格描述大气状态，山脊、山谷、坡面和粗糙度差异会在这个尺度上被平均掉。问题并不是天气预报完全不准确，而是预报所提供的空间分辨率不足以回答更具体的工程问题：某一座山脊上风速会不会加速？山谷中的气流会不会转向？背风侧是否会出现回流？近地面风会不会产生明显的垂直运动和湍流？要回答这些问题，传统上需要建立高分辨率 CFD 模型，显式求解复杂地形中的流动过程。但 CFD 虽然物理基础扎实，计算成本也很高。单个复杂地形区域的高分辨率模拟可能需要数小时甚至更久，难以直接用于实时预测和大范围扫描。FuXi-CFD 的思路，是学习一个“地形响应算子”：输入粗分辨率的大气风场和高分辨率地形信息，输出复杂地形下的三维风场。flowchart LR A["公里级水平风场"] -- C["FuXi-CFD\n地形响应算子"] B["30 m 地形高程\n地表粗糙度"] -- C C -- D["30 m 三维风场\nu、v、w、k"]一、为什么公里级风场不够用？在平坦地区，公里级平均风速有时可以作为局地风况的近似。但在山地和丘陵地区，地形会直接改变气流的速度、方向和垂直运动。典型现象包括：气流沿山坡被压缩并加速，形成 slope jet；山谷限制气流横向扩散，使风向发生通道化偏转；气流越过山脊后发生分离，在背风侧形成回流区；坡度和地表粗糙度变化引起局地剪切，从而增强湍动能；近地面流动结构随高度迅速变化，不能用单一水平层代表。