谷歌台风预报模型登《Nature》封面，路径预报领先超一天

A5站长网9月18日消息，谷歌联合多家气象机构研发的热带气旋预报模型 WeatherNext Cyclones 登上最新一期《Nature》封面，论文题为《Operational tropical cyclone forecasting with AI》。该模型可以生成未来 15 天全球气旋路径、强度与尺度的集合预报，路径预报时效相比目前最好的全球模型领先超过 1 天，强度预测优于专用区域模型。模型自 2025 年 6 月起实时运行，已被美国国家飓风中心采用。

人工智能气象模型此前的通病是强度预报偏弱。原因在于分辨率：全球分析数据约为 0.25 度，折算成网格边长接近 28 公里，气旋核心的细节在这种尺度下会被抹平。研究团队的做法是建立确定性映射，把稀疏的表格化历史气旋记录转换成 0.25 度网格上的张量做端到端训练，模型输出网格化预测之后，再用追踪算法映射回气旋轨迹空间，让气旋的存在、位置与物理属性由同一套学习到的表征支配。

一个值得注意的结果是，WeatherNext Cyclones 使用的输入分辨率比全球模型更粗，比区域模型的精细网格粗好几个数量级，却给出了更好的强度预报。研究团队认为，这说明高分辨率并非准确预报气旋强度的必要条件，大尺度大气数据中包含的强度信号比此前认识到的更多，这一判断为后续模型设计留出了新的空间。

集合规模也扩大了。成员数量由 2024 年的约 50 个提升到 2025 年的约 1000 个。数量上的提升意味着预报员能够看到低概率但高影响的情形，例如突然转向、突然增强或者路径分裂，这类场景用较小的集合很难被稳定采样到。对沿海地区的应急决策来说，知道存在一种小概率的急剧增强路径，往往比知道最可能的路径更有价值。

实战案例里，2025 年大西洋飓风季的飓风 Melissa 从一级快速增强为五级，WeatherNext Cyclones 提前约 5 天给出了路径与强度判断，包括它最终在牙买加的登陆位置，为当地应急管理留出了疏散与基建加固的时间。公开的基准评估显示，其路径误差与强度误差均优于对照系统，气象学者测算，这样的进步幅度大致相当于这一领域二十年的自然演进节奏。