Do AI weather models forecast extremes better than GFS? A station-based verification over China with a common initialization source, 2022-2025
本研究证实，在以共同的 GFS 数据作为初始场的情况下，AI 天气模型（GraphCast、Pangu-Weather 和 FourCastNet）在预测中国范围内的极端气温方面普遍优于业务化的 GFS，尽管它们在强降水方面的优势在样本外表现中有所减弱，并且对初始化数据和验证设置具有敏感性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
长期以来，天气预报一直是基于物理学的超级计算机的领域，这些机器通过求解复杂的方程组来描述空气在全球范围内如何移动、受热和降温。几十年来，这些传统的系统一直是预测从微风到剧烈风暴等各种天气的金标准。然而，随着人工智能技术的兴起，新一代工具已经出现。AI 模型并不通过逐步求解方程来工作，而是通过研究过去海量的气象数据档案，学习识别大气随时间变化的模式，从而学会预测未来。现在科学家面临的问题不仅是这些 AI 模型能否预测平均状况，而是它们是否能够应对最危险的时刻：极端热浪、突如其来的寒潮以及造成严重破坏的强降雨。如果一个 AI 模型漏掉了破纪录的风暴或低估了一次热浪，其后果将远比日常温度预测中的微小误差要严重得多。
最近的一项研究旨在通过在中国进行的一项严谨的现实世界测试来回答这个问题。研究人员将三种领先的 AI 天气模型与全球预报系统（GFS）进行了对比，后者是美国国家气象局使用的标准物理模型。为了确保公平竞争，研究人员并没有让 AI 模型使用它们自己对当前天气的最佳猜测。相反，他们强制要求所有模型（无论是 AI 还是传统模型）都必须从完全相同的气象状态快照开始。这个快照本身就来自于全球预报系统。通过保持起始点一致，研究人员可以隔离出 AI 算法真正的预测能力，剔除任何可能源于拥有更优初始气象图谱的优势。他们在全中国 334 个气象站进行了测试，该地区跨越了热带丛林、干旱沙漠和高海拔高原，覆盖的时间段从 2022 年初到 2025 年中。
结果呈现出一个微妙的局面：AI 的表现往往优于传统模型，但其方式并非人们预想的那样。对于温度，AI 模型展现出了明显的优势。在预测每日最高温和最低温时，AI 模型的准确度显著高于传统系统，其预测技能通常提升了两位数百分比。这在高温天气和低温夜晚都成立。AI 模型特别擅长捕捉分布的“尾部”，这意味着它们比传统模型更能准确预测最热的天气和最冷的夜晚。然而，这种优越性并非在每一个小时都绝对存在。虽然 AI 模型在日预测方面表现出色，但在六小时间隔的预测中却有时显得吃力，这表明它们的优势在于宏观的日间节奏，而非每一个细微的瞬间。
当研究人员观察风力和降水时，情况发生了变化。对于风速，AI 模型仅提供了边际性的改进，在某些情况下，尤其是在较短的时间尺度上，它们的表现甚至略逊于传统模型。最显著的区别出现在对强降水的预测上。虽然提供降水数据的 AI 模型在预测降雨方面表现出一定的技能，但其相对于传统系统的优势要小得多，且不够可靠。当研究人员使用一段 AI 从未见过的时期的数据来测试其预测极端降水事件的能力时，这种优势基本消失了。该模型可以预测降雨的一般模式，但在面对最猛烈的降雨时，它并不能持续超越传统的基于物理学的系统。
研究还强调，这些 AI 模型的表现高度依赖于你所处的位置。在气候温和且气象模式在训练数据中有充分体现的中国东部温带地区，AI 模型表现优异。但在高海拔山区和干旱沙漠地区，结果则褒贬不一。在高原地区，AI 模型的表现有时甚至不如传统系统，尤其是在预测日最高气温时。这表明，通过学习全球数据而训练出的 AI 模型，可能难以捕捉地形复杂性以及极端环境下快速温度变化带来的局部效应。传统的基于物理的模型在这些崎岖困难的地形中依然保持着优势，因为它们会计算空气在山脉上的实际运动。
这项研究最关键的发现之一涉及初始数据的来源。研究人员发现，AI 模型的技能深度取决于初始快照的质量。当 AI 模型获得来自欧洲气象系统的更高质量的起始点时，它们的表现得到了显著提升，短期内的预测技能甚至往往翻了一番。这表明 AI 模型并不是无论输入什么都能完美工作的“魔术盒”；它们高度依赖于喂给它们的数据质量。研究结论认为，尽管 AI 天气模型为预测温度极端情况开启了新的潜力，但它们尚未成为传统物理模型的普遍替代品。它们在预测最危险天气事件（如强降雨）方面的能力仍在追赶阶段，且其成功程度在很大程度上取决于当地的气候以及接收到的初始数据的质量。未来的天气预报之道可能不在于在两者之间做选择，而在于准确理解每种工具的擅长之处，并将它们结合起来，为公众提供最可靠的预警。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。