[论文解读] StormDiT: A generative AI model bridges the 2-6 hour 'gray zone' in precipitation nowcasting

Haofei Sun, Yunfan Yang+7 more|arXiv (Cornell University)|Jan 28, 2026

Tropical and Extratropical Cyclones Research被引用 0

一句话总结

StormDiT 是一个统一的扩散-Transformer 生成模型，在 6 分钟步长下对 2–6 小时降水预报进行现在时预测，超越分解式方法并设立新的 SEVIR 基线。

ABSTRACT

Accurate short-term warnings for extreme precipitation are critical for global disaster mitigation but are hindered by a persistent predictability barrier at the 2-6 hour horizon -- the "nowcasting gray zone." In this window, traditional observation-based extrapolation fails due to error accumulation, while numerical weather prediction is computationally too slow to resolve storm-scale dynamics. Recent generative AI approaches attempt to bridge this gap by decomposing precipitation into separate deterministic advection and stochastic diffusion components. However, this decomposition can sever fundamental causal links between entangled atmospheric processes, such as the dynamic initiation of convection triggered by boundary advection. Here we present StormDiT, a unified generative model that treats weather evolution as a holistic spatiotemporal problem, learning the coupled physics of the gray zone without human-imposed structural priors. Trained on a massive dataset of 7,720 precipitation events from China, our model achieves a breakthrough in long-horizon stability. On a heavy-rainfall test set, it maintains skillful prediction for strong convection ($\ge$ 35 dBZ) with a Critical Success Index (CSI) near 0.2 across the full 6-hour forecast at 6-minute resolution. Crucially, the model exhibits superior probabilistic calibration, accurately quantifying operational risks. On the public SEVIR benchmark, our unified paradigm more than doubles the state-of-the-art 1-hour performance for heavy rain and establishes the first robust baseline for 3-hour forecasting. Furthermore, interpretability analysis reveals that the model attends to non-local physical precursors, such as outflow boundaries, explicitly validating its emergent understanding of convective organization.

研究动机与目标

• 在传统外推和快速数值天气预报难以覆盖的 2–6 小时现在时灰区内推动预报。
• 提出一个统一的生成框架，在不依赖手工强制分解的情况下学习耦合的动力学与运动学大气过程。
• 在大规模雷达反射率数据和公开基准上展示长时域稳定性与高分辨率性能。
• 提供可解释性证据，显示对非局部物理前兆（如出流边界）的涌现性注意力。

提出的方法

• 通过因果变分自编码器（Causal VAE）在压缩的潜在天气状态空间中运行，以降低像素空间冗余。
• 使用带有 3D 因果自注意力的扩散Transformer骨干来建模时空演化。
• 采用 Rectified Flow 将高斯先验运输到物理数据分布，从而实现直线最优传输轨迹。
• 结合自适应层归一化（adaLN）和时间嵌入以强制连续时间动力学。
• 在通用视频基础模型（Cosmos-Predict2.5）上进行预训练，并在大规模雷达反射率数据上进行后训练，以建立鲁棒世界模型。

实验结果

研究问题

• RQ1 StormDiT 是否能够在实际场景中保持物理一致性与预测能力，覆盖扩展的（2–6 小时）时域？
• RQ2 在公开基准如 SEVIR 上，与最先进的分解式和确定性模型相比，统一的 StormDiT 框架如何泛化与表现？
• RQ3 整体耦合物理学方法是否在高影响降水预报方面优于传统外推和 NWP 启动的局限性？

主要发现

模型	CSI-M ↑	CSI-181 ↑	CSI-219 ↑	SSIM ↑	MSE ↓
ConvGRU	0.2903	0.0879	0.0350	0.6100	368.34
SimVP	0.3108	0.1106	0.0517	0.6508	383.56
Earthformer	0.2892	0.0844	0.0245	0.6633	360.11
PhyDNet	0.3017	0.1040	0.0278	0.6532	357.63
NowcastNet	0.2791	0.0770	0.0351	0.6839	412.94
DiffCast	0.3050	0.1300	0.0582	0.6482	559.59
AlphaPre	0.3259	0.1332	0.0545	0.6884	345.18
StormDiT (ours)	0.3142	0.1682	0.1301	0.7150	329.10

• 在整整 6 小时的时域内对强对流（≥35 dBZ）保持预测能力，6 分钟步长下 CSI 约为 0.2。
• 在 SEVIR 上，相对于高强度事件的 1 小时重降水 CSI 基线，CSI-219 从 0.054 提升至 0.130，且设立了稳健的 3 小时基线。
• 显示出优越的概率校准能力，Spread-Skill Ratio 约为 0.96，表明预测分布良好校正。
• 在 1 小时和 3 小时任务中优于分解式模型（如 DiffCast），并在如阵风线与台风衰减等复杂案例中保留高频、尖锐的反射率结构。
• 注意力分析揭示非局部物理前兆（出流边界、后方输入等）引导预测，支持涌现物理理解而非记忆。
• 在 CHINA 雷达数据（2,624 个事件）上，StormDiT 展现出长时域的稳定性能，随着阈值（5–45 dBZ）和极端强度（≥45 dBZ）的变化，CSI 几乎无崩溃。