贵州
AI预报台风，比人类多花了一天时间做准备
SINOVITA
热带气旋是最危险也最昂贵的天气现象，每年造成数百人死亡、数百亿美元损失，预报它们一直是科学界的硬骨头。传统数值天气预报依赖物理方程，算力需求巨大，区域模型分辨率精细到公里级，但强度预报长期是短板。Peter Battaglia和Google DeepMind团队推出了WeatherNext Cyclones，一个AI业务化天气模型，专门生成热带气旋的路径、强度和尺度集合预报。这不是实验室玩具，是已经投入业务运行的系统，面向全球人类预报员提供决策支持。
WN-C的训练数据有两块。全球分析数据提供大气状态背景，历史热带气旋数据库提供风暴演变规律，AI从中学到了气旋生成、发展、移动的统计模式。输出是15天预报时效的大集合，每个成员是全球天气和热带气旋的可能情景，不是单一确定性预报，是概率分布。评估用的是2023到2025年的真实热带气旋，和领先的业务模型比，路径、强度、风半径预报平均提前一天以上，这个改进幅度相当于过去十年业务发展的总和。用粗得多的输入达到这个精度，说明高分辨率不是强度预报的严格前提，粗分辨率大气数据里藏了比以前认为的更多的强度信号。
集合规模是WN-C的另一个优势，传统业务集合通常50个成员，WN-C可扩展到1000个，稀有事件被捕捉的概率大幅提高。极端气旋、突然增强、异常路径，这些低概率高影响的情景在50成员里可能漏掉，在1000成员里更容易现身。加权平均共识集合里加入WN-C预报，整体技巧显著提升，说明AI预报和人类预报不是替代关系，是互补关系。人类预报员的经验判断加上AI的统计优势，决策质量比单一来源更高。
分辨率悖论值得深究，区域模型把网格细化到几公里，以为越细越准，但WN-C用粗一个数量级的输入反而更好。可能的原因是，强度预报的关键信号在大尺度环流里，细网格的噪声掩盖了信号，粗网格反而保留了可学习的模式。也可能AI的统计学习能从粗数据中提炼出人类物理模型捕捉不到的关联。这个发现对数值天气预报社区有冲击，分辨率竞赛可能不是正确方向，数据质量和算法设计更重要。
业务化部署的挑战不只是精度，预报系统需要稳定运行、及时输出、易于解释，人类预报员需要信任AI的建议。WN-C的设计考虑了这些，集合预报的可视化、概率产品的解读、与现有工作流的整合，都是业务化的关键。热带气旋预报涉及多国协调，国际共享数据、统一标准、联合预警，AI系统的全球覆盖能力有助于这种协作。但发展中国家的基础设施和培训需求不能忽视，技术优势的全球公平分配是伦理问题。
所以AI预报台风，比人类多花了一天时间做准备，这一天可能意味着疏散完成、船只回港、医院待命。粗分辨率反而更准，热带气旋的强度信号藏在意想不到的地方，挑战了分辨率至上的传统观念。一千个模拟同时跑，极端天气终于不再漏网，稀有事件的概率评估更可靠。Battaglia团队的工作说明，AI在气象业务化上迈出了实质性一步。
Alet F, Andersson TR, Price I, et al. Operational tropical cyclone forecasting with artificial intelligence. Nature. 2026;656. DOI: 10.1038/s41586-026-08265-5
官网：http://sinovita.com.cn/ wx公众号同名，欢迎关注
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
