台风预警窗口能多出一天：AI 把路径和强度一起算准了

台风预报有两条曲线：一条是路径，一条是强度。过去二十年，路径预报的误差缩小了一半以上，强度预报的进展却慢得多——尤其是快速增强，往往是登陆前才被确认。

差别不在算力。路径主要由大尺度环流决定，物理规律清晰、数值模式擅长；强度取决于海洋热含量、风切变、眼壁置换等一堆尺度更小、耦合更复杂的过程，一直是数值模式的软肋。

图1：同样是台风预报，两条曲线的进度差了很多年

数据驱动模型补上了哪一块

近两年出现的气象大模型换了个做法：不直接解流体力学方程，而是从几十年的再分析数据里学天气演化的统计规律。这类模型在路径预报上很快追平甚至超过传统数值模式，推理成本还低几个数量级。

《自然》9 月 4 日的一篇 News & Views（作者 Tom Beucler 与 Milton Gomez）讨论的正是下一步：当 AI 模型把路径和强度一起算准，有效预警时间可以往前提大约一天。

一天意味着什么

预警提前量直接换算成转移时间。对沿海城市来说，24 小时是港口调度、渔船回港、低洼地带人员转移的分水岭；对内陆则是山洪与地质灾害的预案窗口。强度预报准确还有一个附加价值：避免「过度撤离」带来的代价——每一次高估都在消耗公众对下一次预警的响应意愿。

图2：从再分析数据到预报员的判断

需要说清楚的边界

评论文章特意强调了共享责任。极端样本本来就稀少，快速增强的个例更少，模型在小样本上的表现很难用常规指标衡量；而气象数据的获取能力在不同国家之间差异巨大。如果先进模型只服务少数地区，受益的仍是有资源的一方。

另一个老问题是可解释性。数据驱动模型给出预测，但不告诉你为什么。预报员需要知道模型依据的是什么结构，才能在关键时刻判断该不该信它。把 AI 输出和物理约束结合起来，是眼下更现实的做法。

关联推荐

• AI 提前 200 毫秒预判等离子体 — 另一个「来不及靠人」的预测场景
• 气候在逼它进化，传粉者在拖后腿 — 长期变化里的生态账