原因很简单——雨滴会吸收和散射电磁波，频率越高损耗越大。天穹星座用的是Ka波段，恰好是对降雨最敏感的频段之一。一场大暴雨能让星地链路的信号强度衰减十几个分贝，相当于把一条高速公路瞬间变成泥泞小路。
更棘手的是暴雨的空间分布极不均匀。同一片局域里，可能东边暴雨倾盆，西边晴空万里，两个相距不到五公里的地面终端面对的信道状态天差地别。这种空间不一致性让统一的补偿策略几乎失效。
左城翻遍了蓝湾通信的实测数据库，发现暴雨条件下的数据少得可怜——只有十一组，而且全部采集自同一场降雨过程，空间覆盖范围很窄。
数据不够。又是这个问题。
但这次他没有条件像上次一样扛着设备去实地采集——总不能等老天爷下暴雨再去蹲守。他需要换一种思路。
第十二天晚上，左城在宿舍里对着天花板躺了半个小时，突然坐了起来。
气象数据。
暴雨本身是气象现象，而蓝星的气象监测网络已经积累了几十年的历史数据。如果能把气象部门的降雨强度分布数据和卫星链路的电波传播模型结合起来，就可以用历史气象数据去”合成”大量的暴雨衰减信道样本。
这和陈浩之前做地下空间数据增强的思路一脉相承，但维度更高——不是仿真一个封闭空间的信号环境，而是用真实的气象观测数据驱动一个物理传播模型，生成的合成数据在统计特性上会比纯仿真数据更接近真实情况。
左城当晚就写了一封邮件给韩哲，申请调用蓝湾通信合作的气象数据接口。韩哲第二天上午就批了——天穹项目的技术资源调配优先级很高。
拿到气象数据后，左城花了两天时间搭建了一套”气象驱动的信道合成器”——输入任意一个时间点和地理位置的降雨强度分布，输出映射条件下的星地链路信道状态。合成器的内核是一组Ka波段雨衰经验公式，经过实测数据的标定后，精度控制在可接受的范围内。
有了合成器，他一口气生成了两万组暴雨条件下的信道数据，复盖了从小雨到特大暴雨、从热带到温带、从平原到山区的各种组合。
然后把这些数据喂给双层预测架构去跑。
结果不太好看。
标准条件下超标百分之四十二的精度优势，在暴雨场景下直接腰斩——只剩百分之十九。原因很明确：暴雨带来的信号衰减太剧烈了，上层的自适应补偿模块来不及跟上变化速度，总是慢半拍。
”问题不在补偿速度。”左城对着仿真数据皱眉皱了一个下午，终于找到了症结，”问题在底层的确定性预测里根本没有气象因素。”
双层架构的底层是纯轨道力学——它能精确预测卫星的位置和速度，但它不知道地面正在下暴雨。底层预测出来的信道状态是”晴天版本”，上层拿到一个偏差极大的初始值，补偿起来自然吃力。
解决方案很直接：在底层添加气象信息。
把地面气象站的实时降雨数据接入底层预测模块，让轨道预测的同时考虑当前的气象条件，输出的就不再是”晴天版本”，而是”当前天气版本”的信道预测。上层只需要补偿剩馀的随机误差，压力大幅减轻。
但”直接”不等于”简单”。
气象数据的刷新率和卫星信号的处理频率差了好几个数量级——气象站每五分钟更新一次数据，而信道估计需要毫秒级的响应。五分钟对通信系统来说是一个世纪。怎么在两次气象更新之间填补空白？
左城又卡了一天。
第十六天下午，他去食堂打饭的路上碰到了唐旭。
唐旭端着一盘红烧茄子和一碗米饭，看见左城主动打了个招呼，尤豫了一下，在他对面坐了下来。
”左城，我有个事想问你。”唐旭挠了挠头，憨厚的表情下面藏着点不好意思，”我这边天线数组的波束赋形算法需要信道状态信息做输入，但现有的信道估计方案给出来的数据刷新率太低，我想把刷新率提上去又怕增加计算负担。你那边的预测架构有没有可能提供一个高刷新率的信道预测接口给我用？”
左城夹菜的手停了。
高刷新率的信道预测接口。
唐旭的须求和他正在解决的问题恰好是同一枚硬币的两面——唐旭需要高频率的信道预测输出，左城需要在低频率的气象数据之间做高频率的插值补偿。
如果把气象数据看成一种”低刷新率的外部输入”，那他需要的插值补偿机制和唐旭需要的高刷新率接口，本质上是同一个技术组件。
”你的波束赋形需要多高的刷新率？”左城问。
”理想情况下，毫秒级。”
”那正好。”左城放下筷子，”我现在有一个问题——气