WeatherBridge 是一种统一的、基于来源条件的适配器，能够将异构的业务 NWP 初始场映射到 ERA5 参考场，而无需更新预训练的预测模型。它使用 Swin‑UNet 预测结构化残差，并在多个空间尺度注入来源嵌入，以捕获共享的大气结构和来源特有的差异。
训练目标结合纬度加权的 ERA5 重建损失和“一步滚动对齐”（One‑step Rollout Alignment, ORA），后者通过冻结的 FuXi 模型将一步预测误差反向传播，从而同时优化初始场的保真度和下游预报的兼容性。
在 2025 年 1 月 1 日至 11 月 22 日的实验中，使用每日 GFS、HRES 和 CMA 初始场，对六个变量和 0‑240 小时的预报进行评估。相较于直接使用原始来源初始化的 FuXi，WeatherBridge 在 18 组来源‑变量组合中有 17 组的 6‑240 小时滚动 RMSE 均有所下降，中位数降低 10.2%，最大降幅达 46.3%。此外，在冻结 FuXi 的条件下，使用相同适配器还能提升 FengWu 在 GFS 输入上的预报表现，且无需重新训练适配器或 FengWu。
这些结果表明，面向预报的输入自适应能够显著提升来自不同业务 NWP 系统的输入质量，并可跨预训练的 ERA5‑基模型迁移。
点评