资源简介

2025一2026学年度高一下学期素养测评（四）
语文试题
注意事项：
1.答卷前，考生务必将自己的姓名、考场号、座位号、准考证号填写在答题卡上。
2.回答选择题时，选出每小题答案后，用铅笔把答题卡上对应题目的答案标号涂黑，如需
改动，用橡皮擦干净后，再选涂其他答案标号。回答非选择题时，将答案写在答题卡上，写
在本试卷上无效。
3.考试结束后，将本试卷和答题卡一并交回。
考试时间150分钟，满分150分
一、阅读(72分)
(一)阅读I(本题共5小题，19分)
阅读下面的文字，完成1~5题。
材料一：
气象大模型的核心是基于数据驱动的深度学习算法。利用强大的计算能力、巨量历史数据训练和各种
深度学习架构，气象大模型能向快速预测20-25k分辨率的常规气象要素场以及台风路径、极端天气、近
地面风场、降水等关键信息。深度学习模型能够在未实际物理过程及方程的前提下，基于图形处理器
(GPU)从海量的训练数据中自动挖掘潜在规律，从而实现天气的精确预报。
气象大模型相较于传统数值天气预报，首失就解决了上面提到的传统数值预报的问题：无法有效利用
历史观测数据。气象大模型正是从大量的历史观测数据中获得有用的潜在规律来实现未来的模式预报的。
主流气象大模型训练通常使用的是ERA5数据，也就是欧洲中期天气预报中心(ECWT)对1950年1月
至今全球气候的第五代大气再分析数据集。
气象大模型解决的第二个问题便是计算时间和算力。气象大模型在计算时间上大幅领先传统数值模
型，例如盘古大模型仅需数秒即可完成全球7天的气象预报，这比传统方法快了近万倍；GenCast在8分
钟内即可生成未来15天的天气预测，也比传统方法快得多。
原理上，气象大模型寻找历史数据在时间滞后格点的联系，并做卷积、链接计算且建立运算网铬映
射，这使其能淡化掉一部分的边界问题，从而得到收敛的解并输出，规避掉了一开始由理想的物理数学条
件约束的边界条件。而传统的数值预报模式设置了较为理想的物理条件，误差在迭代过程中反而会被放
大。
以热带气旋为例，盘古气象大模型比传统的数值预报EC-IFS HRE$得出了更准确的气旋跟踪结果。
对于这两个强台风，RE$的妤预报结果均出现了较大偏差。相较而言，盘古气象大模型能狗够提前48小时以
上对这两个台风做出正确的路径预报。
深度学习模型通常是“黑盒”模型，对于具体的物理化学过程，模型并没有给出详细解释，这会使得
其预测只具有统计学含义，难以对预报结果提供气象领域所需的可解释依据。气象大模型缺乏足够的数学
理论分析，所以无法取代具有现有的具有物理过程推算能力的模式，而针对可解释性的神经网铬架构和相
应的数学分析工具仍然具有较大的探索空间。
(摘编自等风《AI预报天气很行，但是也没那么行》
材料二：
从面向公众的个性化出行、健康指引，到支撑农业、能源、交通等重点领域的精益化运营决策，人工
智能正深度融入气象服务的全链条，自动化、数字化、智能化的服务范式成为主流。
通过小程序搜索“风和”，向它提问：“元旦假期从北京自驾去山西大同玩，沿途天气怎么样？”
“风和”可化身旅游顾问，不仅提醒途经路段可能遭遇的大风和路面结冰影响，还自动推送“行前车辆检
查注意事项+做好穿衣防赛准备”的组合建议，实现顺畅沟通。不止于科普问答、天气查询、风险预警建
议，“风和”还能覆盖交通、旅游、健康、物流、能源等多个与天气密切相关的场景，为用户提供基于智
能分析的个性化解决方案。
“风和”通过学习海量历史气象数据，精准理解和掌握大气运动规律，从而根据当前气象状态提供更
精准的预报，实现高分辨率、高效率、快速响应的智能气象服务。
升级后的人工智能全球次季节一季节预测系统“风顺”，则精准锚定农业、新能源、水利等行业的核
心需求，新增日最高/最低气温、太阳辐射等10余项关键气象要素。新增日最高气温判断指标后，我们应
对农业气象灾害的能力显著提升，以更精细化的气象服务护航农业生产。
“风清”可精准捕捉台风、暴雨等灾害性天气，输出13层高空要素与11类地面要素预报。目前，该
模型已实现业务化部署并向全国推广，广泛应用于防灾减灾、光伏风，电调度、航空运行保障等关键场景。
近年来，极端天气气候事件频发，“报得快”“报得准”的需求和滩难度也随之增加。人工智能技术以
其高效的计算和多源数据融合能力，正成为连接气象预报、灾害预警和应急响应的关键纽带，是突破传统
顶报局限的“金钥匙”。
聚焦雷暴、短时强降水等灾害性天气的临灾预警，“风雷”模型的表现尤为亮眼。其回波预报产品可
在几分钟内预测对流系统的新生与消散，强回波预报质量提升超过25%。
升级推出的“风雷”定量降水预报模型，已在多次极端天气过程中展现出精准的预报能力。例如，成
功预警“6·29”北京突发强对流；在“6·30”河南南阳极端暴雨过程中，提前2小时预报出超过120毫
米的强降雨；等等。
新发布的“风源”模型，更像是一位专业的气象A虹分析师。它获取观测数据后，无需经过复杂的数
据同化等中间流程，“智慧大脑”可直接分析并给出精准的天气预报；在子预测某地天气时，它不仅会聚焦
目标区域，还能智能关联周边相邻区域的气象信息，让预报结果更精准、更合理。
“风源”v1.0模型最核心的突破，可以用一个词概括：“端到端”，即从“观测”到“服务”。传统
路径是：观测+数值模式消化融合（数据同化）+生成分析场+A虹学习分析场做预报。而“风源”实现
了：观测+AI直接分析并给出天气预报。

展开更多......

收起↑