AI+物理模型破解台风路径预测难题

每逢台风季节，公众对登陆点及移动轨迹的预测精度关注度极高。这不仅涉及日常出行安全，更与国家层面的防灾部署紧密相连。7月29日，来自中国科学院大气物理研究所与复旦大学的研究团队公布了一项突破性成果，通过融合人工智能与气象物理机制，显著提升了台风路径集合预报的科学性与准确性。

该成果由中科院大气所段晚锁研究员团队与复旦大学李昊研究员团队联合完成。研究以中国自主研发的“伏羲”AI气象大模型为底座，创新性地引入正交条件非线性最优扰动方法。这一组合构建了FuXi-CNOPs集合预报系统，能够生成具备物理可解释性的初始扰动，从而对台风可能出现的多种路径走向进行科学研判。

台风运动受大气系统混沌特性影响，初始状态的微小差异会导致最终路径的巨大偏差。传统预报往往难以兼顾“最可能路径”与“潜在偏离方向”。新系统正是为了解决这一核心痛点，不仅计算速度快，更能像经验丰富的预报员那样，评估初始条件差异，给出一组令人信服的可能性预测。

在针对62个台风个例开展的91次集合预报对比试验中，新系统展现出明显优势。与国际主流业务集合预报系统相比，尽管FuXi-CNOPs仅使用31个集合成员，而在短时效24小时内预报技巧相当，但在24至120小时的长时效预报中，其优势逐渐扩大。数据显示，路径误差最大降幅占比达到32.33%。同时，该系统在刻画台风移动速度与方向上更为稳定，对预报不确定性的量化准确度最大提升了29.2%。

此外，FuXi-CNOPs具备精准的敏感区定位能力，能更合理地刻画大尺度引导气流的不确定性。这一突破打破了纯数据驱动模型的“黑箱”局限，为AI气象预报提供了关键的物理可解释性支撑。相较于需要额外训练超大规模生成模型的纯生成式AI方案，该系统在计算资源消耗和业务落地适用性上更具优势。

相关论文已以封面文章形式发表于《大气科学进展》期刊。研究团队表示，未来将在现有基础上进一步优化升级，有望提升强度预报水平，并将该技术体系拓展至其他高影响天气的集合预报场景，为防灾减灾提供更坚实的技术保障。