AI赋能复杂地形三维风场重建取得新进展

近日，复旦大学人工智能创新与产业研究院（以下简称“AI³院”）林晨森团队联合李昊团队，在国际学术期刊《Nature Communications》发表题为《Reconstructing fine-scale 3D wind fields with terrain-informed machine learning》的研究成果。该研究首次将计算流体力学（CFD）与深度学习有机融合，使AI能够“读懂”地形对风场演变的影响，从而实现复杂地形区域高分辨率三维风场的秒级重建。

从“公里级”迈向“十米级”：

突破风场建模的尺度难题

在风能利用、低空飞行保障以及山地灾害预警等应用中，风场的细小变化常常起到决定性作用。但当前天气预报模型的空间分辨率大多停留在公里尺度，难以呈现地形对风场产生的“微尺度改造”——例如坡面增速、山谷绕流和流动分离等，这些现象通常发生在数十米到数百米范围内。传统CFD模拟虽然能够描述这类细节，却往往需要数小时完成一次计算，因此难以满足实时预测需求。

“这就像在一张不够清晰的地图上寻找街巷纹理。”如何打破“公里级”分辨率限制，在计算精度和运行效率之间实现兼顾，始终是微气象和风工程研究中的关键挑战。

技术突破：FuXi-CFD，让AI真正学会“读风”

针对这一问题，研究团队提出了FuXi-CFD模型。其关键理念在于：把高分辨率风场数据作为AI的“物理导师”。团队通过开展大规模CFD模拟，建立了高质量训练数据集，使模型能够掌握大尺度风场与复杂地形耦合作用下的气流变化规律——这不仅是简单的数据拟合，更体现了对物理一致性的学习。完成训练后的FuXi-CFD，除可准确预测水平风速外，还能进一步推断垂直风速、湍流等重要物理量，从而完整还原三维风场结构。

在效率方面，这一提升可谓显著：传统CFD需要数小时的计算过程，被缩短到秒级完成。为检验模型的实际能力，团队在多个独立复杂地形区域进行了测试，并将预测结果与风塔实测数据进行比对。结果表明，FuXi-CFD在不同地形环境和不同高度条件下，都表现出优秀的跨区域泛化能力。

应用前景：覆盖风机选址与低空安全

这项成果具备广阔的应用潜力。在风能场景中，精细化三维风场能够支持更准确的风机选址和发电量评估；在低空经济领域，可为无人机、飞行汽车等提供局地风场“导航”，进一步提升飞行安全；在应急应用中，还可为山地火灾蔓延模拟、污染物扩散研判等提供重要输入。

“这就像在汽车出现之前，与其想着造更快的马车，不如先去设想汽车的形态。”正如AI³院院长漆远教授对前沿探索所作的形象比喻，这项研究正开启一条新的路径——让AI学会“读风”（read the wind），也为AI for Science在气象与地球科学领域中的应用树立了新的示范。

复旦大学人工智能创新与产业研究院是该研究的第一完成单位。青年副研究员林晨森与博士生铁瑞安为论文共同第一作者，研究员李昊担任通讯作者，青年副研究员胡子欣、助理教授仲晓辉、硕士生衣世鸿以及南京市气象台高级工程师刘冬晴为共同作者。论文详情见：https://www.nature.com/articles/s41467-026-70562-5

林晨森，复旦大学人工智能创新与产业研究院青年副研究员、硕士生导师，主要研究方向为AI流体大模型。

详见：https://ai3.fudan.edu.cn/info/1075/1344.htm

李昊，复旦大学人工智能创新与产业研究院研究员、博士生导师，主要研究方向为视频生成与气象大模型。

详见：https://ai3.fudan.edu.cn/info/1075/1384.htm