随着气象观测技术的快速发展，气象行业积累了海量的气象大数据，为构建新型的数据驱动的气象 预测模型提供了机遇。由于气象数据中存在的长时依赖关系和大范围空间关联关系，以及多模态气象要素间 存在的复杂跨模态耦合关系，基于深度学习的气象预测是一个具有挑战性的研究课题。本文针对“温度、相 对湿度、纬向风速、经向风速”四种经典气象要素组成的等气压层时序多模态数据，提出了一种基于多模态 融合的气象预测深度学习模型。具体地，首先采用卷积网络来学习各个模态的特征，并在此基础上引入门控 机制实现多模态加权融合；其次，引入注意力机制，以并行时空轴向注意力代替传统的注意力机制，从而有 效地学习长时依赖关系和大范围空间关联关系。整体结构上，采用了基于Transformer 的编码器-解码器结构。 在 ERA5 再分析数据集（子区域）上进行了对比实验，实验结果表明了所提方法在温度、相对湿度、风速等 预测任务上的有效性和优越性。