近日，我室优秀出站海星博士后李晓辉副研究员和我室与上海交通大学联合培养的博士研究生韩心海以第一作者和第二作者在知名大气科学期刊Advances in Atmospheric Sciences上发表了题为” A Generative Adversarial Network with an Attention Spatiotemporal Mechanism for Tropical Cyclone Forecasts”的研究论文，我室杨劲松研究员和中山大学王久珂教授为共同通讯作者。合作者还有加拿大海洋与渔业部韩国奇研究员，浙江省海洋监测预报中心丁骏高级工程师、沈辉工程师以及严俊高级工程师。

图1 注意力时空生成对抗网络（AST-GAN）的总体架构。AST-GAN模型基于一个多尺度判别器和一个时空序列预测生成器构建。

这项研究基于注意力时空生成对抗网络（AST-GAN），总体架构如图1所示，该模型通过多尺度判别器与时空序列预测生成器的协同作用，实现了从细节到整体的多层次约束，并借助高效通道注意力机制（ECA）及时空长短期记忆（ST-LSTM）单元构建的双记忆机制，有效捕捉台风中心和高风速区域的不对称特征，从而准确预测台风未来15小时（每3小时一次）的风速分布，结果如图2所示。

图2 以3小时为间隔的15小时预报，其中圆形散点表示台风“珊珊”（SHANSHAN），三角形散点表示台风“摩羯”（YAGI）。黄色星号表示热带气旋的当前位置（来自中国气象局的热带气旋最佳路径数据库，数据为6小时间隔）。

实验结果表明，AST-GAN在HWRF和ERA5数据集上均展现了卓越的预报性能，在整体风速与最大风速预测上均实现了较低的均方根误差（RMSE）、更高的结构相似性（SSIM）以及更优的峰值信噪比（PSNR），优于传统的ConvLSTM和先进的PredRNN v2模型。

这一成果充分说明了AST-GAN在台风风场时空预测中的优越性能和应用潜力，为台风预报精度的提升提供了新思路，可为台风监测预警服务。

本研究得到了南方海洋科学与工程广东实验室（珠海）（SML2021SP201）、国家自然科学基金项目（42306200和42306216)、国家重点研发计划项目（2023YFC3008100）、南方海洋科学与工程广东实验室（珠海）创新团队科研建设经费（311021004）和上海交通大学深蓝计划（SL2021ZD203）的资助。

论文引用：Li, Xiaohui, Xinhai Han, Jingsong Yang, Jiuke Wang, Guoqi Han, Jun Ding, Hui Shen, and Jun Yan. 2025. "A Generative Adversarial Network with an Attention Spatiotemporal Mechanism for Tropical Cyclone Forecasts." Advances in Atmospheric Sciences 42 (1): 67–78.

文章链接：https://doi.org/10.1007/s00376-024-3243-6.