本研究立足低空经济上升为国家战略性新兴产业的政策背景，针对复杂地形低空飞行气象保障短板，开展低空气象观测与 AI 智能预测研究。
当前低空经济发展对精细化气象支撑需求迫切，但四川高原山地地形落差大、局地风温场瞬时多变，传统预报难以适配低空通航、物流等场景。研究以四川区域为对象，搭建天—空—地一体化多维观测体系，整合激光雷达、气象无人机、梯度测风塔等设备，在峨眉山开展边界层垂直探空试验，研究地形对低空温湿、风场、边界层高度的扰动规律和低层、中层、高层风场垂直分层特征。
基于此，构建两套深度学习模型：一是融合地形因子的 CNN-GRU-ATT 多步风场预测模型，引入 FiLM、交叉注意力模块实现多源气象数据融合，相较传统模型大幅降低风速风向预报误差；二是改进 U-Net 气温降尺度模型，结合频域分析与时序嵌入，在高海拔、陡坡等复杂地形下气温预测精度显著优于 Bilinear、FNO 等主流方法。
最后研究形成 “数值模式 + AI” 双引擎技术路线，融合多源观测、资料同化、智能预报等技术，成果可支撑低空物流、eVTOL 载人飞行等场景气象保障。本研究将持续完善观测网络，优化模型泛化能力，面向低空经济产业推广定制化气象服务方案。
 

低空气象,无人机,人工智能降尺度