高质量数据集典型案例 | CMA-RA V1.5：10公里分辨率全球大气再分析数据集

推荐单位：中国气象局

申报单位：国家气象信息中心

一、背景

为打破我国气象业务对欧美再分析产品的依赖，解决高分辨率、高频次气象数据供给不足问题，中国气象局启动全球大气再分析系统研制项目。采用了国际先进的四维集合变分混合同化方法，同化了全球常规和116颗卫星观测资料，水平分辨率可达10公里逐小时。这一数据集的构建，能有效提升我国气象数据保障能力与国际影响力，为气象核心业务提供坚实数据支撑，同时为 AI 预报模型训练奠定高质量数据基础。

10公里分辨率全球再分析数据集赋能AI气象预报模型

二、方案和成效

一是锚定高质量气象数据集研制目标，实现国外AI预报模型训练数据集的国产替代。基于国际先进的资料同化技术，构建全球45年长度10km分辨率逐小时的大气再分析产品，目标是使产品质量达到国际主流再分析水平，从而实现对国外AI预报模型训练数据集的国产替代，为气象领域的AI发展提供可靠的基础数据支撑。

二是采用以四维集合变分混合同化技术为核心的实施方案，提升产品质量。攻克集合初始化、偏差订正等20余项关键技术，实现全球常规及215种卫星资料整合与高效同化；建立全链路数据质量管理体系，在观测、预处理、同化三阶段实施闭环质控，确保数据完整、一致、准确。研发出全球首个10km再分析产品，能够精准刻画45年天气演变，精度优于国际第三代产品。

三是优化服务方式，提升用户体验，在多个领域发挥重要作用。对标国际先进水平，优化服务界面，实现用户注册即享秒级定制检索，大幅提升用户体验该产品服务18个行业的4200个用户；作为AIM-FDP计划AI模型训练基准数据集，支撑了全国14家AI模型的训练，这些模型可预报天数最长超过10天，成功实现对国外再分析数据集的国产替代；此外，还支撑了三维立体预报等国家级业务的开展。

三、创新点

CMA-RAV1.5凭借技术体系创新，推动我国再分析实现从“跟跑”“并跑”到“局部领跑”的跨越：

一是实现同化技术升级。引进四维集合变分混合同化技术，攻克多项关键技术，前20年卫星资料同化应用量增13%；构造流依赖Be矩阵提升同化效益，产品质量优于CRA-40和JRA-55等。

二是实现国产观测资料自主可控。整合国内特有数据，自主研发探空偏差订正技术，同化全球116颗215种卫星资料，其中国产37颗45种，占比最高达18%。

三是分辨率与时效性国际领先。模式分辨率13公里（后处理为10公里），小时级实时更新，优于ERA5（25公里，滞后5天更新）。