华东极端降水受梅雨锋面、低空急流水汽输送、低涡或热带气旋残余环流以及暖区辐合等多类天气系统共同影响，具有显著的多尺度耦合、强非线性和稀有事件特征。近年来，FuXi、Pangu-Weather、GraphCast和GenCast等人工智能天气预报模型显著提升了中期大尺度预报能力，但其确定性降水输出仍难以直接转化为可信的区域极端降水概率风险产品。尤其在物理约束深度学习框架中，如何既保持大尺度水汽和动力场的一致性，又不削弱局地极端降水的高强度尾部，是当前AI气象预报中的关键问题。
本文围绕物理约束如何影响华东极端降水尾部表征及其控制机制开展研究。首先，基于FuXi预报和ERA5再分析资料，构建条件扩散模型及一系列物理约束配置，诊断物理约束对降水分布不同部分的影响。结果表明，物理约束能够改善降水分布主体部分的平均误差，但可能导致极端降水上尾部被系统性压缩，即表现为高端雨强、超阈概率和极端事件命中能力同步减弱的“尾部收缩”现象。机制诊断进一步表明，当前物理约束主要调节大尺度水汽输送和动力一致性，相当于一种低波数正则化过程；这种约束有利于平滑的大尺度降水结构，却可能抑制与极端降水相关的局地非线性增强、强水汽辐合和高波数降水结构。通过引入结构解耦的双专家或混合专家框架，将普通降水主体和极端降水尾部分别表征，可在一定程度上缓解尾部收缩，但仍不能完全解决稀有极端事件的预报难题。
在此基础上，本文进一步发展机制感知的物理约束概率订正框架MAPP-FuXi，将FuXi多变量中期预报转化为华东24h累积极端降水的可校准概率风险产品。模型显式构建整层可降水量、整层水汽输送、水汽通量辐合、低层散度、850hPa涡度、相当位温梯度、低空急流指数、柱相对湿度和不稳定度代理量等物理诊断量，并引入水汽、抬升、不稳定度和降水效率四类过程瓶颈。同时，模型通过机制门控区分锋面/梅雨锋型、低空急流/水汽输送型、低涡/热带气旋低涡型和暖区辐合型强降水过程。2019–2025年时间外推实验表明，Raw FuXi对R24>50mm和R24>100mm强降水事件存在明显时效退化、低命中率和低频预报倾向；机制合成分析显示，四类强降水机制分别对应热力梯度、水汽输送、低层涡度和暖区辐合等不同物理指纹。消融实验进一步表明，物理诊断、过程瓶颈和机制门控能够提高极端降水概率排序、分位数预报和个例落区刻画能力，而独立验证集上的概率校准对于形成可靠风险概率是必要环节。
综合来看，华东极端降水的控制机制不能仅从单一大尺度物理约束角度理解，而应同时考虑大尺度水汽—动力一致性、局地非线性尾部放大、天气机制差异以及概率校准过程。物理约束扩散模型揭示了“平滑物理一致性”与“局地极端尾部保持”之间的张力，MAPP-FuXi则提供了通过机制门控、过程瓶颈和校准概率将FuXi确定性预报转化为可解释风险产品的实现路径。该研究为发展面向极端降水的可信AI预报模型提供了新的机制认识和方法框架。
 

华东极端降水；物理约束扩散模型；尾部收缩；机制门控；过程瓶颈；概率校准