把天气轨迹倒着生成:Rewind-AR 让同一场极端事件的前兆更集中,但 66 小时内最多 22% 成员失稳
给定一个已观测的极端天气终态,能否反推出通向它的多种前兆路径,是情景规划需要的样本。此前 cBottle-video 用视频扩散生成 66 小时终点约束集合,但集合离散度偏低、地转关系不自洽,且只能近似重现约束帧。Rewind-AR 改用 FourCastNet 3 骨干做反向时间概率自回归,在 2021 年太平洋西北热浪与飓风 Ian 两个案例中,其前兆 500 hPa 位势高度主导模态解释的成员间方差明显高于 cBottle-video;代价是 66 小时内最多 22% 的成员数值失稳。