#热点新知#将人工智能与传统气候模型结合，可比标准模型更快预测热浪。

下图是去年四月，迪拜单日降雨量超过该地区全年平均降雨总量（《自然》截图）。

《自然》2025年12月11日报道，人工智能工具通过学习历史观测数据中的规律模式，预测未来气候变化趋势，从而彻底改变了天气预报领域。但迄今为止，模型在预测前所未见的极端天气事件时仍存在困难，而随着全球变暖，此类事件正日益频繁。

正如马萨诸塞州波士顿大学数据科学家雅各布·兰兹伯格所言，这如同试图“用昨日的气候预测未来”。

一种正在取得成效的新方法，是将人工智能模型与传统气候模型相结合，并辅以描述罕见事件的数学工具，从而更有效地预测极端天气。在早期测试中，这种混合方法对极端热浪概率的模拟精度，已与耗时更长的传统非人工智能方法相当。

伊利诺伊州芝加哥大学气候物理学家佩德拉姆·哈桑扎德表示：“我们认为这是未来的发展方向”。他参与了多项早期研究。团队成员今年在arXiv平台发布了一系列预印本论文，并将在本月举行的美国地球物理联合会会议等学术论坛上探讨这项工作。

一、有限的训练数据

当极端天气超出人类通常的经验范围时，其危害尤为严重。例如2021年导致数百人死亡的德克萨斯州严寒，以及2010年造成逾万人丧生的莫斯科热浪。但哈桑扎德指出，此类罕见事件的统计数据难以复现，未来变化趋势也难以精准预测。人工智能模型可能仅基于40年的训练数据，却需要预测千年一遇的极端天气事件。

以2024年4月迪拜遭遇的史无前例暴雨为例，单日降雨量超过全年平均值。芝加哥大学大气科学家孙强与哈桑扎德带领的研究团队运用两种人工智能模型分析该事件。令他们惊讶且赞叹的是，其中一款由伦敦谷歌DeepMind开发的GraphCast模型竟能在事件发生前八天准确预测此次暴雨。

但当研究人员转向热带气旋研究时，情况并不乐观。另一款由加州圣克拉拉英伟达开发的FourCastNet气象模型，在训练数据集缺乏极端风暴的情况下，难以预测最强热带气旋。

这看似坏消息，但研究人员发现了希望曙光：该模型似乎能从大西洋等单一洋盆的风暴中学习经验，并将所学应用于太平洋等其他洋盆。它基本能通过将信息转化到全球不同区域来提升区域预报精度。哈桑扎德表示：“这种能力赋予了它们强大潜力”。

二、混合方法

在最新研究中，科学家借助深圳华为云开发的Pangu-Weather人工智能模型开辟了新路径。他们将其与基于物理学的全球气候模型及罕见事件统计分析数学方法相结合，以验证能否预测中纬度热浪。

这种混合方法能够比单独使用气候模型更快地预测芝加哥或法国遭遇极端高温的概率。这项由巴黎动态气象学实验室的阿莫里·兰塞林和芝加哥大学的亚历山大·维克纳领导的研究，已于10月在arXiv平台发表预印本。

本质上，人工智能模型通过识别最可能引发极端天气的场景，引导传统气候模型集中模拟这些特定情境，从而加速预报流程。维克纳表示：“在首次概念验证测试中，该方法表现极为出色”。

但仍有大量工作待完成。下一步计划将采用更精密的尖端气候模型进行验证，维克纳解释道：“这将使我们能够对不同气候变化情景的潜在影响作出评估，而此前因估算不确定性过高始终无法实现。”

最终，科学家们希望能够预测极端天气，帮助社会做好准备。研究人员说：“也许明年会发生历史上从未有过的事件。我们希望了解如何做好更充分的准备。”