资料同化中的人工智能技术：新兴方法、关键挑战与未来展望

近年来，基于人工智能（Artificial Intelligence，AI）的天气预报模型已成为气象学领域的重要工具，能够从海量天气数据集中学习复杂的依赖关系，并在训练后快速生成预报。这些模型的预报精度可与最先进的数值天气预报（Numerical Weather Prediction，NWP）系统相媲美。然而，由于依赖计算密集型资料同化（Data Assimilation，DA）系统来生成精确的初始场，这些模型尚未实现端到端业务化。人工智能技术的最新进展为开发更高效、更准确的DA系统提供了一条有潜力的路径，提高了基于AI的端到端天气预报系统业务化的可行性。尽管研究兴趣日益浓厚，但基于AI的DA领域相关研究仍呈分散状态。因此，亟需开展全面综述，以理清当前进展、总结挑战，为下一代AI驱动的DA系统锚定发展方向。本文将基于AI的DA研究划分为两大领域。第一个领域是AI赋能DA，即利用AI优化观测算子、切线性与伴随模式、不确定性量化等单一组件。这一领域还包括在隐空间执行DA以降低计算成本。第二个领域是基于AI的端到端DA模型，在统一的AI框架内整合观测数据与短期天气预报背景场以生成准确的分析场。我们进一步探讨了关键挑战与机遇，包括数据集标准化、模型评估协议、扩展观测类型的同化、物理约束以及应对业务化的可扩展性等问题。最后，我们强调AI科学家与气象学家跨学科协作的重要性，以开发可靠的业务化AI解决方案，优化DA流程并提升天气预报准确性。本综述为研究界提供了实用的见解，旨在加速AI驱动的DA及端到端天气预报系统的开发和业务化。