“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19] 系统已通过国家气象中心组织的业务化评审。多个集合成员呈现不同的可能天气演变,可用于表达预报不确定性;这不同于只给出单一演变结果的确定性预报。[17][19] 官方公布的11天有效预报时效,针对的是全球500百帕位势高度的集合平均预报;现有公开信息没有给出详细评分,也不足以证明系统在各类天气、地区和时效上普遍优于其他系统。[18][19]
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案

Create a landscape editorial hero image for this Studio Global article: What is the China Meteorological Administration’s Fengqing AI global short- and medium-range ensemble forecasting system (CMA-AIM-GFS-Fengqi. Article summary: CMA-AIM-GFS-Fengqing-ENS-V1.0, or “Fengqing Ensemble V1.0,” is CMA’s AI system for global short- and medium-range probability weather forecasting, developed under the National Meteorological Centre’s leadership.[9] Octob. Topic tags: general, general web, academic, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
中国气象局的“风清集合V1.0”(CMA-AIM-GFS-Fengqing-ENS-V1.0)是一套面向全球短中期天气的人工智能集合预报系统。它已经通过国家气象中心组织的业务化评审,但中国气象局后续公告明确说,系统计划从2026年11月10日起正式业务运行。官方公布的一个醒目结果是:针对全球500百帕位势高度的集合平均预报,有效预报时效达到11天。17
19
按照中国气象局公布的规格,系统每天发布两次全球预报,覆盖未来0至360小时,以6小时为间隔,水平分辨率为0.25°,每次包含51个集合成员。预报要素包括位势高度、比湿、风场、气温等高空变量,以及10米风场、2米气温和海平面气压等地面变量。19
“集合预报”可以简单理解为:不只给出一条可能的天气演变,而是同时生成多个成员结果。成员之间的差异有助于呈现预报的不确定性,并支持概率预报。相比之下,确定性预报通常只给出一条预测结果。
“风清集合V1.0”的业务化评审在国家气象中心举行,系统经专家评议后通过,意味着具备投入业务运行的条件。17 10月中旬的部分报道将其描述为已投入运行;而中国气象局10月26日发布的公告进一步明确,正式业务运行日期为11月10日。
18
19
中国气象局称,系统由国家气象中心牵头,联合雄安气象人工智能创新研究院、国家气象信息中心等单位研发。评审相关报道还将曙光列为研发合作方。17
19
“风清集合”与中国气象局此前联合清华大学开发的“风清”气象AI模型同名。中国气象局和清华大学介绍,早期模型在设计和训练中融入大气物理及物理守恒特性。33 这些信息介绍的是早期模型的技术思路,不能据此断定集合版采用了相同架构或约束。
一些报道提到,“风清”模型可在约3分钟内生成未来15天、分辨率为25公里的全球预报;这些规格对应的是早期模型后续升级的V1.5版本,并非已由官方公告确认的“风清集合V1.0”规格。38
19 中国气象局对集合版公布的参数是51个集合成员、0.25°水平分辨率和0至360小时预报范围;现有官方信息没有说明其具体神经网络架构或单次预报需要多长时间。
19
中国气象局称,基于2025年1月至2026年8月的独立样本检验,“风清集合V1.0”对全球500百帕位势高度的集合平均预报,有效预报时效达到11天。公告还称,连续分级概率评分(CRPS)和离散度—误差比等集合预报指标表现良好。19
这个11天结论对应的是特定变量和检验结果,不能直接理解为暴雨、台风、强对流等所有天气现象都能提前11天准确预报。公开公告也没有列出CRPS和离散度—误差比的具体分数,因此读者难以据此判断成绩差距究竟有多大。19
中新网报道提到,系统部分指标优于欧洲中期天气预报中心(ECMWF)的数值集合预报和人工智能集合预报系统。18 但现有报道没有提供覆盖不同天气变量、地区和预报时效的详细对照分数,因此尚不足以据此认定其整体表现普遍领先。
同一报道还称,系统训练依托国家超算互联网核心节点的十万卡AI4S计算集群,并将其数据、模型和算力描述为自主可控。18 这是报道中的研发方说法,并不等同于对每个组成部分的独立审计;训练集群规模也不能直接说明系统每次正式预报需要多少算力。
“风清集合V1.0”将多成员概率预报引入中国气象局的全球短中期业务系统,预报范围最长覆盖至360小时。需要区分的是,系统已通过业务化评审,而中国气象局公布的正式业务运行日期是2026年11月10日。11天结果值得关注,但它针对的是500百帕位势高度的集合平均预报;要评价系统对不同天气要素和灾害性天气的实际能力,还需要更完整、可比较的验证数据。17
19
Studio Global AI
此页面包含一个有来源支持的答案,您可以在 Studio Global 内继续。
“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19]
“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19] 系统已通过国家气象中心组织的业务化评审。多个集合成员呈现不同的可能天气演变,可用于表达预报不确定性;这不同于只给出单一演变结果的确定性预报。[17][19]
官方公布的11天有效预报时效,针对的是全球500百帕位势高度的集合平均预报;现有公开信息没有给出详细评分,也不足以证明系统在各类天气、地区和时效上普遍优于其他系统。[18][19]
“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19] 系统已通过国家气象中心组织的业务化评审。多个集合成员呈现不同的可能天气演变,可用于表达预报不确定性;这不同于只给出单一演变结果的确定性预报。[17][19] 官方公布的11天有效预报时效,针对的是全球500百帕位势高度的集合平均预报;现有公开信息没有给出详细评分,也不足以证明系统在各类天气、地区和时效上普遍优于其他系统。[18][19]
发布者使用 GPT-6 Luna 编辑图片由 GPT Image 2 生成
研究答案

Create a landscape editorial hero image for this Studio Global article: What is the China Meteorological Administration’s Fengqing AI global short- and medium-range ensemble forecasting system (CMA-AIM-GFS-Fengqi. Article summary: CMA-AIM-GFS-Fengqing-ENS-V1.0, or “Fengqing Ensemble V1.0,” is CMA’s AI system for global short- and medium-range probability weather forecasting, developed under the National Meteorological Centre’s leadership.[9] Octob. Topic tags: general, general web, academic, education. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
中国气象局的“风清集合V1.0”(CMA-AIM-GFS-Fengqing-ENS-V1.0)是一套面向全球短中期天气的人工智能集合预报系统。它已经通过国家气象中心组织的业务化评审,但中国气象局后续公告明确说,系统计划从2026年11月10日起正式业务运行。官方公布的一个醒目结果是:针对全球500百帕位势高度的集合平均预报,有效预报时效达到11天。17
19
按照中国气象局公布的规格,系统每天发布两次全球预报,覆盖未来0至360小时,以6小时为间隔,水平分辨率为0.25°,每次包含51个集合成员。预报要素包括位势高度、比湿、风场、气温等高空变量,以及10米风场、2米气温和海平面气压等地面变量。19
“集合预报”可以简单理解为:不只给出一条可能的天气演变,而是同时生成多个成员结果。成员之间的差异有助于呈现预报的不确定性,并支持概率预报。相比之下,确定性预报通常只给出一条预测结果。
“风清集合V1.0”的业务化评审在国家气象中心举行,系统经专家评议后通过,意味着具备投入业务运行的条件。17 10月中旬的部分报道将其描述为已投入运行;而中国气象局10月26日发布的公告进一步明确,正式业务运行日期为11月10日。
18
19
中国气象局称,系统由国家气象中心牵头,联合雄安气象人工智能创新研究院、国家气象信息中心等单位研发。评审相关报道还将曙光列为研发合作方。17
19
“风清集合”与中国气象局此前联合清华大学开发的“风清”气象AI模型同名。中国气象局和清华大学介绍,早期模型在设计和训练中融入大气物理及物理守恒特性。33 这些信息介绍的是早期模型的技术思路,不能据此断定集合版采用了相同架构或约束。
一些报道提到,“风清”模型可在约3分钟内生成未来15天、分辨率为25公里的全球预报;这些规格对应的是早期模型后续升级的V1.5版本,并非已由官方公告确认的“风清集合V1.0”规格。38
19 中国气象局对集合版公布的参数是51个集合成员、0.25°水平分辨率和0至360小时预报范围;现有官方信息没有说明其具体神经网络架构或单次预报需要多长时间。
19
中国气象局称,基于2025年1月至2026年8月的独立样本检验,“风清集合V1.0”对全球500百帕位势高度的集合平均预报,有效预报时效达到11天。公告还称,连续分级概率评分(CRPS)和离散度—误差比等集合预报指标表现良好。19
这个11天结论对应的是特定变量和检验结果,不能直接理解为暴雨、台风、强对流等所有天气现象都能提前11天准确预报。公开公告也没有列出CRPS和离散度—误差比的具体分数,因此读者难以据此判断成绩差距究竟有多大。19
中新网报道提到,系统部分指标优于欧洲中期天气预报中心(ECMWF)的数值集合预报和人工智能集合预报系统。18 但现有报道没有提供覆盖不同天气变量、地区和预报时效的详细对照分数,因此尚不足以据此认定其整体表现普遍领先。
同一报道还称,系统训练依托国家超算互联网核心节点的十万卡AI4S计算集群,并将其数据、模型和算力描述为自主可控。18 这是报道中的研发方说法,并不等同于对每个组成部分的独立审计;训练集群规模也不能直接说明系统每次正式预报需要多少算力。
“风清集合V1.0”将多成员概率预报引入中国气象局的全球短中期业务系统,预报范围最长覆盖至360小时。需要区分的是,系统已通过业务化评审,而中国气象局公布的正式业务运行日期是2026年11月10日。11天结果值得关注,但它针对的是500百帕位势高度的集合平均预报;要评价系统对不同天气要素和灾害性天气的实际能力,还需要更完整、可比较的验证数据。17
19
Studio Global AI
此页面包含一个有来源支持的答案,您可以在 Studio Global 内继续。
“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19]
“风清集合V1.0”每天两次生成全球预报,覆盖未来0至360小时,包含51个集合成员;中国气象局称系统计划于2026年11月10日起正式业务运行。[19] 系统已通过国家气象中心组织的业务化评审。多个集合成员呈现不同的可能天气演变,可用于表达预报不确定性;这不同于只给出单一演变结果的确定性预报。[17][19]
官方公布的11天有效预报时效,针对的是全球500百帕位势高度的集合平均预报;现有公开信息没有给出详细评分,也不足以证明系统在各类天气、地区和时效上普遍优于其他系统。[18][19]