AI在大气科学技术中的应用

20XX/XX/XXAI在大气科学技术中的应用汇报人:XXXCONTENTS目录01

引言：AI与大气科学的融合02

大气数据处理与AI技术基础03

天气预报与预警AI技术应用04

气候模拟与预测AI创新突破CONTENTS目录05

大气环境监测AI技术应用06

气象服务与决策支持AI应用07

关键AI气象模型技术解析08

AI气象技术挑战与未来展望引言：AI与大气科学的融合01大气科学的传统挑战与AI机遇传统数值模型的计算瓶颈传统数值模型需耦合大气化学传输与天气模拟，求解数万方程，计算成本高昂，如极端强降雨风险报告生成耗时较长，难以满足实时性要求。监测盲区与时空分辨率局限传统雷达监测存在盲区，对小尺度、突发性强对流天气捕捉能力不足，如龙卷风三维精细结构获取困难，导致预警时效性和准确性受限。非线性过程刻画与数据整合难题传统模型对大气非线性过程（如气溶胶与天气系统多尺度相互作用）刻画不足，且面对卫星遥感、地面传感器等海量多源数据，处理能力有限，数据互操作性差。AI赋能：提升预报精准度与时效性AI模型能精准捕捉小尺度、突发性强对流天气，如广东X波段相控阵雷达网实现提前1小时分镇街临灾靶向预警；南海台风数值预报AI耦合模式72小时路径预报误差下降25%。AI赋能：提高计算效率与降低成本AI模型可显著提升计算速度，如AI-GAMFS模型1分钟内完成全球范围5天、逐3小时的业务化预报；传统需超级计算机运行数周的气候模拟，AI模型可缩短至几天甚至几小时。AI赋能大气科学的核心价值01提升预报精准度与时效性AI模型能精准捕捉小尺度、突发性强对流天气，如广东X波段相控阵雷达网实现提前1小时分镇街临灾靶向预警；南海台风数值预报AI耦合模式72小时路径预报误差下降25%，120小时误差大幅下降45%。02提高计算效率与降低成本AI模型可显著提升计算速度，如AI-GAMFS模型1分钟内完成全球范围5天、逐3小时的业务化预报；传统数值模式需超级计算机运行数周的气候模拟，AI模型可缩短至几天甚至几小时，大幅降低计算成本。03增强复杂气候系统模拟能力AI能整合多源异构数据，模拟大气气溶胶与气象要素的复杂相互作用，如AI-GAMFS模型覆盖5类关键气溶胶组分；还能改进对厄尔尼诺-南方涛动（ENSO）等气候模态的模拟，提升气候预估可靠性。04优化气象服务与决策支持AI推动气象服务向精细化、场景化发展，如深圳“鹏城互动式穿衣指数”分人群提供专属指引；“风铃天气”APP实现实况、预警、预报产品智能集成推送，赋能党政领导科学决策。全球AI气象技术发展趋势物理与AI融合的混合建模范式物理信息神经网络（PINN）将纳维-斯托克斯方程等物理约束嵌入神经网络，确保模型输出符合热力学定律，成为下一代气候模式的重要发展方向。生成式AI推动高分辨率气候模拟NVIDIAcBottle模型作为生成式AI基础模型，可实现公里尺度分辨率的全球气候模拟，数据压缩比高达3000倍，较传统数值模型快数千倍且能效更高。AI模型比对与评估体系建立AI模型比对项目（AI-MIP）框架建立统一的基准测试集和评估指标，如全球气溶胶-气象耦合人工智能预报模型AI-GAMFS在《自然》发表，性能优于欧洲中期天气预报中心的哥白尼大气监测服务模型（CAMS）。AI代理（AIAgent）赋能自主科学发现AI代理能够设计控制实验，优化观测网络布局，甚至从多源数据中自主推导参数化新方案，推动地球科学向因果发现与自主实验范式变革。大气数据处理与AI技术基础02大气数据的特征与来源大气数据的核心特征大气数据具有时序性（如每小时更新的气象数据）、高维度（如卫星图像包含数百个光谱通道）和稀疏性（如地面监测站分布不均导致数据空缺）等显著特征，传统方法难以高效处理。多元化数据来源主要包括地基观测（如芬兰SMEAR站、ACTRIS/ICOS/GAW国际网络）、遥感技术（如Sentinel-5P卫星7km×3.5km分辨率NO₂监测、无人机获取边界层臭氧分布）及新兴IoT技术（如北京500节点PM2.5监测网）。数据规模与处理挑战全球每日产生100TB卫星数据，传统工具面临高维异构数据互操作性差（如ACTRIS/ICOS数据格式差异）、偏远地区设备漂移（如北极站点年维护费超10万美元）等瓶颈，亟需AI技术突破。AI数据预处理关键技术多源数据融合技术

整合卫星遥感（如Sentinel-5P的7km×3.5kmNO₂数据）、地面观测（如北京500节点PM2.5监测网）、数值模拟输出等多源异构数据，通过时空对齐与标准化处理（如NetCDF-HDF5转换），构建统一分析数据集，提升数据全面性与可用性。智能异常值检测与修复

利用机器学习算法（如IsolationForest）自动识别传感器故障、极端值等异常数据，结合历史趋势与空间插值方法（如克里格插值）进行修复，某城市应用该技术使监测数据质量提升30%，减少人工干预误差。缺失值填充与数据增强

针对观测盲区或设备故障导致的数据缺失，采用基于LSTM的时间序列预测模型或生成对抗网络（GAN）进行填充，如对北极偏远站点数据处理，填补率达85%以上；通过数据增强技术（如添加噪声、时空变换）扩展训练样本，提升模型泛化能力。特征提取与降维优化

运用主成分分析（PCA）、卷积神经网络（CNN）等方法，从高维气象数据（如雷达回波、高光谱影像）中提取关键特征，降低数据维度。例如，利用CNN处理卫星云图，将特征维度压缩60%，同时保留90%以上的有效信息，提高后续模型训练效率。监督学习：精准预报与分类支持向量机（SVM）用于预测污染物浓度，如PM2.5；随机森林模型可识别气溶胶新粒子生成（NPF）事件，在Hyytiälä森林站数据中F1分数达0.92。无监督学习：模式识别与聚类k-means聚类算法能有效识别污染源，帮助追溯污染来源；主成分分析（PCA）可对高维气象数据降维，提取关键特征，提升模型训练效率。深度学习：复杂过程建模与预测卷积神经网络（CNN）处理卫星云图，如LSCIDMR数据库准确率98%；长短时记忆网络（LSTM）提升短期天气预测精度20%，在台风路径预报中72小时误差下降25%。物理信息神经网络：融合物理约束PINNs（物理信息神经网络）将纳维-斯托克斯方程等物理约束嵌入神经网络，替代次网格参数化，改善云动力学模拟，确保模型输出符合热力学定律。机器学习与深度学习在大气科学中的应用天气预报与预警AI技术应用03强对流天气AI识别与短临预报

高密度雷达监测网：捕捉精细结构广东建成全国首个X波段相控阵雷达网，时空分辨率达30米/1分钟，1公里高度有效覆盖率超92%，能精准捕捉龙卷风、雷暴大风等小尺度强对流天气的三维精细结构，弥补传统雷达监测盲区。

"珠玑·雨燕"系统：提升预报精准度广东推出基于AI的"珠玑·雨燕"短临预报系统，对雷暴大风的识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，在2025年全国智能预报技术方法大赛等多个项目中性能突出，指标位居前列。

分镇街临灾靶向预警：赢得应急时间依托高密度监测网和AI技术，广东已实现分镇街临灾靶向预警，可提前1小时精准发布预警信息，并利用通信基站大数据解决漫游用户接收难题，为防灾减灾提供"广东范本"。南海台风数值预报AI耦合模式（TRAMS—AICV1.0）由广州热带海洋气象研究所自主研发，2026年3月正式投入业务试运行。72小时台风路径预报误差下降25%，120小时误差大幅下降45%，强度预报能力显著提升。上海台风智能模型1.0版由中国气象局上海台风研究所数值预报团队推出，基于高分辨率台风再分析资料训练。将台风的预报分辨率提高到公里级，预报时间从传统数值预报模型的64分钟压缩至3分钟。融合物理机理与AI的台风强度预报方法该研究成果入选2024年度“中国十大气象科技进展”，通过融合深度学习、物理约束和数值模拟，在台风强度预报这一复杂过程中取得新突破。台风路径与强度AI预报模型极端降水智能预报系统架构

多源数据采集与预处理层整合X波段双偏振相控阵雷达（30米/1分钟分辨率）、卫星遥感、地面传感器等多源观测数据，通过时空对齐、噪声过滤和缺失值填补技术，构建高质量数据集。

AI模型推理与预测层采用基于物理约束的深度学习模型（如omega-GNN），融合大气动力学方程与神经网络，实现对雷暴大风识别命中率超90%、短时强降水TS评分0.4以上的精准预报。

预报产品生成与发布层将AI模型输出转化为分镇街临灾靶向预警信息，通过通信基站大数据解决漫游用户接收难题，实现提前1小时精准发布，为空报率降低提供技术支撑。

系统评估与迭代优化层建立实时性能评估机制，结合WMO短临预报对比示范项目指标，持续优化模型参数与算法，2025年全国智能预报技术方法大赛中多项指标位居前列。分镇街临灾靶向预警技术实现

01高密度雷达监测网支撑广东建成由81部X波段双偏振相控阵天气雷达组成的高密度监测网，时空分辨率达30米/1分钟，1公里高度有效覆盖率超92%，能精准捕捉龙卷风、雷暴大风等小尺度、突发性强对流天气的三维精细结构，有效弥补传统雷达监测盲区。

02短临预报系统精准识别基于AI的“珠玑·雨燕”短临预报系统，对雷暴大风的识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，为分镇街预警提供精准的灾害天气信息。

03临灾预警提前量突破依托雷达监测网和AI预报技术，广东已实现分镇街临灾靶向预警，可提前1小时精准发布预警信息，为基层防灾减灾争取宝贵时间。

04漫游用户接收难题解决利用通信基站大数据，广东有效解决了漫游用户预警信息接收难题，确保预警信息能精准触达受影响区域的所有人员，提升预警覆盖面和实效性。气候模拟与预测AI创新突破04全球气溶胶-气象耦合AI模型

AI-GAMFS模型：全球首创与业务化突破2026年3月，中国气象科学研究院车慧正研究员和张小曳院士团队研制的全球首个气溶胶-气象耦合预报人工智能模型“AI-GAMFS”在《自然》发表，实现全球气溶胶智能预报的高效业务化运行。

核心技术：高效处理与精准模拟基于42年全球12万时次的气溶胶再分析资料训练，集成全局注意力机制、时空编码模块及接力预报策略等关键技术，可在1分钟内完成全球范围5天、逐3小时的业务化预报，空间分辨率达50公里，每日滚动预报8次，输出涵盖54个变量及5类关键气溶胶组分。

性能优势：国际领先的预报能力独立评估表明，AI-GAMFS在气溶胶光学厚度（AOD）及沙尘组分预报等指标上优于欧洲中期天气预报中心的哥白尼大气监测服务模型（CAMS）及多个国际先进区域沙尘物理预报模型，与美国GEOS-FP模型相比全球AOD预报平均误差更低，在中美近地面关键气溶胶组分浓度预报中刻画更精准。

应用落地：从科研到防灾的全链条支撑该模型已在中央气象台及陕西、宁夏等10余个省（自治区）气象部门实现业务应用，通过中国气象局天气预报科技成果中试基地业务准入，在多次沙尘天气过程预报业务会商中发挥关键作用，并正式接入“妈祖（MAZU）”全民早期预警云平台，面向全球提供预报服务。AI驱动的气候模式优化

01物理信息神经网络（PINNs）革新参数化方案PINNs将纳维-斯托克斯方程等物理约束嵌入神经网络，替代传统气候模式中的次网格参数化方案，如改善云动力学模拟，提升模型物理一致性。

02生成式AI实现高分辨率气候模拟NVIDIAcBottle模型作为生成式AI基础模型，可实现公里尺度分辨率的全球气候模拟，数据压缩比高达3000倍，较传统数值模型快数千倍且能效更高。

03Transformer模型提升气候模态预测技巧基于Transformer的AI模型在厄尔尼诺-南方涛动（ENSO）等气候模态预测中表现优异，相关系数可达0.95，显著提升了气候系统变化的可预测性。

04多源数据融合增强模式初始化AI技术能有效融合卫星遥感、地面观测、再分析等多源异构数据，优化气候模式初始场，如AI-GAMFS模型集成42年全球12万时次气溶胶再分析资料训练，提升模拟精度。区域气候变化特征与机制分析

AI驱动的区域气候模式降尺度利用AI技术将全球气候模式输出降尺度至区域尺度，如深圳市气象局与华为云联创研发的“智霁”模型，提供未来7天深圳及周边地区空间分辨率为3公里的气象要素预报产品，提升区域气候特征刻画能力。

局地极端天气事件归因分析通过机器学习算法分析历史气象数据与极端天气事件的关联性，如利用随机森林模型识别特定区域暴雨、高温等极端事件的关键驱动因子，为气候机制研究提供数据支持。

区域气候多要素协同模拟AI模型整合气温、降水、湿度等多要素进行协同模拟，如全球气溶胶-气象耦合人工智能预报模型AI-GAMFS，覆盖5类关键气溶胶组分，能精准模拟区域气溶胶与气象要素的复杂相互作用。

区域气候变异规律智能挖掘基于深度学习技术挖掘区域气候长期变异规律，如Transformer模型分析长时间序列气象数据，识别区域气候周期性变化特征，为理解区域气候变化机制提供新视角。物理引导机器学习模型在气候模拟中的应用

物理信息神经网络（PINNs）的创新融合物理信息神经网络（PINNs）将纳维-斯托克斯方程等物理约束嵌入神经网络，确保模型输出符合热力学定律，成为下一代气候模式的重要发展方向，有效解决了传统纯数据驱动模型可能出现的物理不一致问题，如负湿度等。

次网格参数化方案的AI替代与优化基于物理引导的深度学习模型，如ClimaX融合PINNs，可替代传统气候模式中的次网格参数化过程，在模型参数量减少50%的情况下仍保持精度，显著改善云动力学等复杂过程的模拟效果，提升气候模拟的效率与可靠性。

地球系统模式的多尺度相互作用刻画物理引导机器学习模型能够更好地捕捉大气系统中的多尺度相互作用，例如通过整合全球注意力机制和时空编码模块，如AI-GAMFS模型，实现对气溶胶与气象要素复杂耦合过程的精准模拟，支撑气候变化机制的深入研究。大气环境监测AI技术应用05大气污染物智能识别与监测

AI驱动的多源数据融合监测体系整合卫星遥感（如Sentinel-5P，7km×3.5km分辨率监测NO₂）、地面传感器（如北京500节点PM2.5监测网）及无人机高光谱影像，通过AI技术实现多源异构数据的智能融合与实时分析，填补传统监测盲区。

机器学习模型自动识别污染物种类构建机器学习模型，可自动识别和监测大气中的关键污染物，如二氧化氮、氮氧化物、PM2.5等。例如，基于卷积神经网络（CNN）的高光谱影像分类技术，在半监督学习模式下有效解决标注数据稀缺问题，提升污染物识别精度。

实时监测与污染源追踪技术应用AI技术对污染排放数据进行实时分析，识别主要污染源和排放模式。如北京利用AI智能识别进行扬尘视频巡查，问题识别精准性达80%以上，识别能力提升至小时级，快速发现未采取湿法作业等违规行为并推送执法部门。

预测模型助力污染扩散路径与浓度预警通过机器学习模型预测污染扩散路径和浓度，为污染治理提供科学指导。例如，图神经网络（GNN）融合多源数据，使PM2.5预测误差降低15%，为大气污染预警和应急处置提供有力支撑。空气质量监测网络优化

AI驱动的传感器部署优化AI技术能够计算最优传感器位置，相比传统方法可节约40%的部署成本，有效提升监测网络的覆盖效率与数据代表性。

多源数据融合与预测精度提升结合气象数据与交通流量等多源信息，某城市2023年应用AI融合技术后，空气质量预测准确率提升至88%，为精准治理提供支持。

动态调整与智能监管策略AI通过优化交通信号灯配时等动态策略，某城市2022年成功减少20%的氮氧化物排放；同时，利用AI分析红外图像识别未报备锅炉，某省2023年查处300起违规排放，强化工业排放监控。

视频智能巡查与问题快速响应北京等地通过工地视频AI智能识别，问题识别精准性达80%以上，识别能力提升至小时级，实现对未采取湿法作业等扬尘问题的快速发现与整改督促。AI智能视频巡查与问题识别通过工地视频AI智能识别算法，可精准识别未采取湿法作业等扬尘问题，识别精准性达到80%以上，问题识别能力提升至小时级，如2026年3月北京通过该技术发现并整改建设工程违规施工案例。基于大数据的扬尘问题梳理与重点整治充分利用接诉即办等大数据分析，梳理近两年问题多发和市民投诉集中的扬尘点位，形成重点清单开展闭环整治，2026年3月以来，北京市工地（场站）出入口道路扬尘负荷同比下降18%。AI辅助的监测网络优化与动态调整AI技术可计算最优传感器位置，节约40%监测成本；结合气象数据与交通流量，提升预测准确率至88%；还可优化红绿灯配时等动态策略，如某城市2022年应用后减少20%的NOx排放。AI在扬尘污染治理中的应用多源遥感数据融合与环境评估

多源遥感数据协同观测体系构建空基、星基、地基一体化遥感网络，包括无人机获取边界层臭氧垂直剖面，Sentinel-5P卫星7km×3.5km分辨率监测全球NO₂分布，MODIS卫星1km大范围覆盖，以及地面SMEAR站长期追踪温室气体与气溶胶，形成多尺度、多要素数据采集能力。

AI驱动的数据融合与处理技术应用卷积神经网络（CNN）处理高光谱影像，通过半监督学习解决标注数据稀缺问题；利用超分辨率模型将卫星影像分辨率从10m提升至1m；采用图神经网络（GNN）融合多源异构数据，如北京500节点PM2.5监测网数据与气象数据，提升环境评估精度。

大气环境综合评估与动态监测基于融合后的数据，AI模型可自动识别大气中的污染物如二氧化氮、氮氧化物及PM2.5等，实现对空气质量的实时动态监测。例如，AI-GAMFS模型输出涵盖5类关键气溶胶组分的光学特性与地面浓度，支持全球及区域尺度的大气环境综合评估与污染溯源。气象服务与决策支持AI应用06精细化与场景化气象服务

公众生活场景化服务深圳推出“鹏城互动式穿衣指数”，分职场人士、长辈、儿童提供专属指引，采用八级精细体感温度划分，上线一个月访问量近百万人次，依据用户反馈完成5次优化迭代。

重大活动专项气象保障青岛马拉松提供逐小时预报，细化风速、风向、湿度等要素，逐30分钟推送线路天气实况；2025年青岛国际帆船周期间，精准研判2个强对流天气窗口期，保障总决赛顺利进行。

行业定制化气象服务为电力部门定制气象实况与快速预报产品，联动电网应急系统，监控气象对设备及作业影响；针对网格员开设气象知识专项课程，提升基层防灾服务能力。

城市管理风险预警服务青岛构建精确到路网桩号的公路交通风险模型，开发城市积涝风险预警产品，实现从“天上有雨”到“地上积水”的全链条预测；深圳推出极端强降雨风险报告智能生成服务，助力科学调度与应急处置。重大活动气象保障AI技术赛事级精细气象服务2026青岛马拉松采用AI驱动的递进式气象保障，实现赛道逐小时预报、逐30分钟实况推送，风速、风向等要素精准到路段，助力运动员配速调节与赛事动态调整。高影响天气智能研判依托AI模型多尺度建模能力，针对重大活动期间可能出现的强对流、暴雨等高影响天气，提供“百米级、分钟级”短临预警，如2025青岛国际帆船周精准研判2个赛事窗口期，保障总决赛顺利进行。多源数据融合决策支持整合卫星遥感、地面观测、雷达等多源数据，通过AI技术构建多维度气象风险模型，为赛事组织方提供精细化风险评估与应急处置建议，实现从“天气要素预报”到“影响与风险预警”的转变。农业生产智能气象服务集成AI作物生长模型与精细化网格预报，提供分作物、分生育期的气象灾害风险预警及农事作业建议，助力粮食安全与精准农业。交通运输气象保障系统针对公路、铁路、航空等领域，构建基于AI的能见度、路面温度、强对流天气等专项预报模型，实现路网桩号级风险预警与调度支持。能源行业气象优化方案通过AI技术精准预测风速、太阳辐照等气象要素，优化风电场、光伏电站的发电功率预测与调度，提升新能源利用效率，服务"双碳"目标。重大活动气象保障服务结合活动特点与场地环境，提供递进式、定制化气象服务，如青岛马拉松逐路段逐小时预报、帆船赛事窗口期精准研判，保障活动顺利开展。行业专用气象服务解决方案气象风险评估与应急决策支持多维度气象风险评估模型结合气象数据与地理信息、社会数据等多源数据，构建多维度气象风险预报预警模型，如青岛构建了精确到路网桩号的公路交通风险模型和城市积涝风险模型，实现从“天上有雨”到“地上积水”的全链条预测。智能应急问答与快速报告生成推出风险预警智能问答服务，基层防灾人员可实时查询风险监测、预估及防御指引；借助人工智能模型，提供智能快捷一键生成极端强降雨风险报告，助力科学调度与应急处置，提升决策效率。重大活动气象保障精准服务针对重大活动如青岛马拉松，开展逐小时预报，细化风速、风向、湿度等要素，逐30分钟提供线路天气实况，动态调整保障方案；2025年青岛国际帆船周期间，精准研判2个窗口期，保障总决赛调整时段顺利进行。AI辅助应急任务自动编排根据气象预警信息，AI技术可自动编排应急准备任务，通过对重点地区视频扫描，发现暴雨、洪涝灾害、城市暴雨积涝并自动发出预警，实时评估风险态势，生成应急处置方案，提升安全应急水平。关键AI气象模型技术解析07短时临近预报：“风雷”模型实现公里级、分钟级更新，强回波预报质量提升超25%，为短临灾害天气预警提供有力支撑。中短期预报：“风清”模型仅需几分钟即可完成过去需要数小时的计算过程，生成未来0至15天、逐6小时更新、25公里分辨率的全球预报产品。中长期预测：“风顺”模型对热带大气季节内振荡的预测技巧达32天，提升了中长期气候趋势预测能力。端到端预报：“风源”模型开创端到端预报新模式，无需复杂数据同化，直接读取观测数据生成预报，简化预报流程。气象服务：“风和”语言模型构建专属气象语料库及49万条场景化问答集，实现服务从“人找信息”到“信息找人”的转变。空间天气：“风宇”模型填补空间天气智能预报空白，实现24小时全链式预报，保障空间天气相关领域安全。国家级AI预报模型矩阵地方特色AI气象模型研发广东“珠玑·雨燕”短临预报系统广东推出基于AI的“珠玑·雨燕”短临预报系统，对雷暴大风的识别命中率稳定在90%以上，短时强降水TS评分在0.4以上，空报率显著降低，在2025年全国智能预报技术方法大赛等多个项目中性能突出，指标位居前列。深圳“智霁”“智瞳”“阿福”模型升级2026年，深圳对AI气象模型“三剑客”进行升级：“智霁”发展强降水预测增强技术，改进台风强度预报算法；“智瞳”优化融合多源数据和物理机理技术，提升海上强对流预测能力；“阿福”集成国省语料库，推进小智能体模块研发，实现多情景业务应用。青岛本地化海雾与强对流模型青岛围绕近海海雾预报，建成中国北方海雾卫星遥感监测数据集，研发多类别、长时效海雾能见度预报产品，准确率稳定在80%以上；针对沿海大风和雷暴大风，开发客观算法和随机森林模型，提升预报预警水平。北京扬尘AI智能识别系统北京在扬尘专项治理中，借助AI智能识别进行视频巡查，识别精准性达到80%以上，问题识别能力提升至小时级，可快速发现未采取湿法作业等违规行为，2026年3月以来，全市工地（场站）出入口道路扬尘负荷同比下降18%。AI与数值预报的融合方法

物理信息神经网络（PINN）约束将纳维-斯托克斯方程等物理约束嵌入神经网络，确保模型输出符合热力学定律，成为下一代气候模式的重要发展方向，可改善云动力学等复杂过程模拟。

多源数据智能融合技术通过AI多模态技术，融合卫星云图、雷达数据、地面观测等多种数据源，实现底层基础层面的深度融合与接力式任务承接，提升预报精准度与延伸期预报能力。

模式参数化方案优化AI代理（AIAgent）能够设计控制实验，优化观测网络布局，甚至从多源数据中自主推导参数化新