计算机科学与探索

作者：吴若飞, 方巍, 蒋鸿儒, 鲍艳松

单位：1. 南京信息工程大学 计算机学院，南京 2100442. 南京信息工程大学 江苏省大气环境与装备技术协同创新中心，南京 2100443. 中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室 中国气象局武汉暴雨研究所, 武汉 4302054. 中国气象科学研究院灾害天气国家重点实验室, 北京 1000815. 南京信息工程大学 大气物理学院，南京 210044

关键词：气象学,多模态,数据融合,深度学习

基金：广西重点研发计划（桂科AB25069126）；国家自然科学基金面上项目（42475149）；中国气象局流域强降水重点开放实验室开放研究基金（2023BHR-Y14）；灾害天气国家重点实验室开放课题（2024LASW-B19）。

多源观测技术的进步开启了多模态气象数据时代。单一模态的气象数据在表征复杂多变的大气系统时存在固有局限性，难以满足更精准的预测需求，因此融合多模态数据来实现信息互补和性能提升，成为气象研究的前沿方向。针对如何有效融合不同模态的气象数据这一核心问题，对气象领域的多模态数据融合方法进行了系统性的综述。系统梳理了多模态融合技术的发展脉络，重点对基于深度学习的融合策略进行了深入探讨，详细阐述了编码器-解码器、注意力机制、图神经网络以及生成对抗网络等主流模型在融合多模态数据时的核心思想、架构特点与优势。对多模态融合技术在气象领域的应用现状进行了全面的归纳与分析。在系统整理现有公开多模态气象数据集的基础上，聚焦于该技术在几个关键气象任务中的具体应用，包括临近降水预报、台风与热带气旋的路径及强度预测等，并总结了不同融合方法在这些场景下的研究进展与效果。进一步分析了当前气象多模态融合所面临的核心挑战。根据所提出的挑战对该领域的未来发展方向进行了展望。

来源：2026年第4期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2026年第4期