本文提出了一种基于气象学原理的目标检测框架，通过先验知识和残差特征恢复块提升检测性能。研究涉及热带气旋检测、行人检测及人群计数等任务，采用多种深度学习方法优化性能，尤其在恶劣天气条件下表现突出，增强了对气候变化影响下极端天气事件的检测能力。

本研究提出了一种基于视觉问答的极端天气检测与预测方法，利用视觉语言模型和气候问答数据集ClimateIQA，显著提升了检测性能。同时，开发了多天气共存估计方法和基于非结构化文本的事件预测模型，展示了人工智能在气象学中的应用潜力。

实时检测和预测极端天气，通过将其作为一个视觉问答问题重新定义，引入了一种更精确、自动化的解决方案。利用视觉语言模型同时处理视觉和文本数据，我们的研究提供了一种有效的辅助分析气象热图过程的方法。通过介绍气候问答数据集 ClimateIQA 和基于 OpenCV 和 K-Means 聚类的 SPOT 技术，我们的模型集合 Climate-Zoo...

本文介绍了机器学习和深度学习在气象学中的应用，以及构建地球数字孪生体的兴趣。作者提出了成功的标准，期望实现一系列基础模型用于即时预报和天气气候预测，并讨论了这些模型在下游任务中的竞争力。作者认为当前的人工智能方法已经发展到足以设计和实施一个气象基础模型的成熟阶段。