(NeurIPS25) DAWP: A framework for global observation forecasting via Data Assimilation and Weather Prediction in satellite observation space

1、研究动机

如下图所示，现有人工智能天气预报（AIWP）依赖再分析数据，存在两个问题：

• 数据同化偏差（原始观测信息丢失、物理模型偏差）
• 时间滞后（再分析数据生成滞后近 6 小时）

基于卫星观测数据预测（AI-DOP）存在输入（稀疏观测）与输出（密集预测）的分布偏移，限制了时空动态建模。

为了解决这些问题，作者提出了DAWP框架，由AIDA 数据同化模块和AIWP 预测模块组成，全程在观测空间运行，无需依赖再分析数据。

2、DAWP框架

DAWP （Data Assimilation and Weather Prediction） 框架如图所示，包括 AIDA 和 AIWP 两部分。

AIDA： 基于多模态MAE，填补观测缺失值，将非规则观测转化为统一规则的观测空间，解决分布偏移问题。

**AIWP **：采用时空解耦 Transformer，结合跨区域边界条件（CBC），通过全局状态缓存存储邻域大气状态，实现基于子图像的高效全球预测，保证时空连续性。预测模型更多的是借鉴EarthFormer，论文里细节介绍的不多。

实验部分可以参考作者论文，这里不过多介绍。