Nature重磅发布：利用AI技术实现热带气旋业务化精准预报

点击蓝色字体，锁定我们的动态

论文标题：Operational Tropical Cyclone Forecasting with AI

论文译名：基于AI技术的热带气旋业务化预测

作者名单：Ferran Alet, Tom R. Andersson, Ilan Price, Stratis Markou, Andrew El-Kadi, Dominic Masters, Amy Li, Samier Merchant, Natalie Williams, Gregory Thornton, Ken MacKay, Olivia Graham, Akib Uddin, Ben Gaiarin, Devaja Shah, Elinor Kruse, Wallace Hogsett, David Zelinsky, John Cangialosi, Jonathan Martinez, James Franklin, Mark DeMaria, Kate Musgrave, Caroline L. Bain, Helen Titley, Jacklynn Stott, Remi Lam, Aaron Bell, Paul Komarek, Matthew Willson, Alvaro Sanchez-Gonzalez, Peter Battaglia

期刊来源：Nature

发布日期：2026年8月6日

DOI编号：10.1038/s41586-026-10953-2

摘要

热带气旋是极具破坏性的天气现象，准确预测难度极大。本研究推出了WeatherNext Cyclones (WN-C)模型，这是一款AI业务天气模型。它利用全球分析数据和历史数据库训练，能生成未来15天的全球气旋情景集合。2023-2025年的测试表明，WN-C在路径、强度和风圈半径上的预测比主流模型提前预警一天以上，这一进步堪比过去十年的总和。研究还发现，使用较粗分辨率的数据也能实现高精度预报，证明了数据中蕴含的强度信号比想象中更丰富。WN-C支持多达1000个成员的集合，能更好地捕捉罕见事件，为预报员提供指导，有助于防灾减灾。

引言

热带气旋（台风/飓风）在温暖洋面形成，破坏力巨大。过去50年造成数十万人伤亡和经济损失。精准预报对预警和救援至关重要。长期以来，全球数值模型擅长路径预测但精度不足，高分辨率模型擅长强度但牺牲路径精度。AI虽强大，但受限于低分辨率训练数据，常在强度预测上表现不佳。本研究开发的WN-C系统，结合全球大气数据与高质量气旋数据库，成功打破了路径与强度预测的瓶颈。

结果

研究证实WN-C模型在路径、强度及快速增强指标上全面领先，预警价值和经济收益显著。

路径预测：WN-C在所有提前期内路径误差均大幅下降，5天预报期平均误差仅230公里，比ENS模型减少140公里，意味着多出30多小时预警。

强度与结构：WN-C解决了AI模型强度预测偏弱的通病，3天强度预报优于高分辨率HAFS模型（提升3.75节），且风圈半径预测更准。

快速增强（RI）：针对24小时内极速增强的预测，WN-C提升了临界成功指数（CSI）至0.5左右，概率预测校准可靠。

概率风速与经济价值：相比传统50成员集合，WN-C能高效生成1000个物理轨迹成员，在各种成本损失比下均提供了更优的相对经济价值（REV）。

图1 | WN-C集合预报示意。该图展示了2024年飓风米尔顿的预报。a, 各WN-C成员使用ECMWF分析数据初始化，自回归生成未来15天的气旋轨迹。WN-C被训练用于生成额外通道，通过跟踪算法提取位置、强度及风速范围。N=1000的集合由随机采样生成。b-d, 展示了WN-C集合在4天预报窗口内，34节、50节和64节风速的累积概率分布。

图2 | WN-C在确定性路径、强度和风圈半径预报上技巧高超。对比ENS、GenCast和HAFS，WN-C在2023-2024测试年中表现最佳。a, 平均路径误差。b, 最大1分钟持续风速的平均绝对误差。c, 各象限34节风圈半径的平均绝对误差。真实数据来自IBTrACS，基准数据来自NHC和ECMWF。

图3 | WN-C生成了高技巧且校准良好的气旋路径与强度集合。误差均基于IBTrACS最佳路径评估。