WeatherNext 預測颱風平均早一日:AI 點樣一併追路徑、強度同風圈
Tech News

WeatherNext 預測颱風平均早一日:AI 點樣一併追路徑、強度同風圈

圖片:via Ars Technica — https://arstechnica.com/science/2026/08/deepminds-hurricane-model-bought-forecasters-an-extra-day/
TechLab 編輯部(譯)·

Melissa 五日前已亮紅燈,但平均進步唔等於場場都早一日

五日前已估中 Melissa 會急升級

2025 年 10 月,Melissa 仲係加勒比海上一個弱熱帶低氣壓,各套模型對佢去海地定牙買加、會唔會急速增強,分歧相當大。Google DeepMind 表示,WeatherNext 當時已用 80% 機率預測佢會以五級颶風強度吹襲牙買加,到登陸前三日更升至接近 100%。呢個 80% 係當時提供畀美國國家颶風中心(NHC)嘅模型輸出,唔係事後倒推,亦唔係 NHC 官方預報本身嘅信心值。NHC 仲有參考 HAFS 物理模型、衛星同颶風偵察機資料,先決定點出預報同警告。Google DeepMind 嘅個案紀錄講得幾清楚:AI 喺呢次預報有份,但冇單獨話事。

WeatherNext 由全球大氣狀態推算颱風路徑,再用多個情景整出唔同風力級別機率圖嘅流程

圖片:Google DeepMind

一套模型同時追三樣嘢

傳統全球模型擅長捉住引導氣流,所以路徑通常較穩;高解像度區域模型就集中處理風眼附近嘅對流、熱力同海氣作用,較有機會估準強度。WeatherNext Cyclones 嘅做法係將兩邊資料一齊學:接近 20TB 全球大氣數據,加上 IBTrACS 收錄、橫跨約 45 年嘅近 5,000 個熱帶氣旋紀錄。模型由當刻全球大氣狀態開始,逐步推算未來最多 15 日,一次過輸出路徑、最高風速同風圈範圍。今年個系統仲可以跑 1,000 個可能情景,預報員睇到低機率但高破壞力嘅急速增強情況,唔使只望住一條「最可能路線」。

「平均早一日」要點理解

Nature 論文用 2023 至 2025 年全球熱帶氣旋評估 WeatherNext Cyclones,再同主流營運模型比較。結果係路徑、強度同風圈預報平均都有約 24 小時技巧優勢,即係佢三日前嘅準確度,大致做到舊模型兩日前嘅水平。呢個係多場風、多個預報時效平均出嚟嘅研究結果,唔代表每個颱風都會提早一日估中,更唔代表警告必然早一日發出。預警時間仲會受觀測資料、模型之間有幾大分歧、當地風險門檻同預報員判斷影響,Melissa 只係一個相當成功嘅實時案例。

風圈預報其實同路徑一樣實用

平時大家最易睇嗰條颱風中心線,但中心喺邊只答到一半。風暴可以細而集中,亦可以風圈好闊;兩條幾乎一樣嘅路徑,受烈風影響嘅沿岸範圍可以差好遠。WeatherNext 同時估風圈結構,先可以整出某個地區遇上熱帶風暴、烈風或颶風級風力嘅機率圖,畀應急部門安排撤離、停課、交通同物資。呢點實際過淨係話「AI 又估中一條線」好多。不過風暴潮、暴雨同山泥傾瀉仲牽涉海洋狀態、地形同細尺度對流,單靠呢套全球模型仍然處理唔晒。

28 公里資料都估到強度,科學家都未完全解通

最令人意外嘅地方係,WeatherNext Cyclones 用嘅輸入網格約為 28 × 28 公里,明顯粗過專門追風眼嘅高解像度區域模型,強度預報卻做到領先水平。開發團隊估計,聯合訓練令模型由大尺度環流同歷史氣旋紀錄搵到以前低估咗嘅強度訊號,不過佢點樣喺咁粗嘅資料重建急速增強能力,暫時仍係研究問題。模型學到相關模式,唔等於已解釋風眼牆對流同海氣交換嘅物理過程;碰上訓練紀錄入面極少見、甚至從未出現嘅極端情況,可信度仍要逐次驗證。Google 今次公開程式碼同模型權重,至少方便外界獨立重跑同挑錯。

香港已經用 AI 輔助,但未見 WeatherNext

天文台自 2023 年中起已實時試行 Fengwu、Fuxi、Pangu 同 ECMWF AIFS 等 AI 模型,亦會參考佢哋嘅熱帶氣旋路徑、風速同大尺度天氣圖。天文台 2024 年驗證發現,AI 模型喺西北太平洋同南海嘅中期路徑誤差普遍細過傳統模型,但五日前平均仍可差 300 至 400 公里;強度預報反而通常較差,Pangu 當年亦明顯低估超強颱風蘇拉附近嘅風力。WeatherNext 正正想補強呢個缺口,但暫時冇公開資料顯示天文台已採用 WeatherNext,加勒比海嘅 Melissa 成績亦唔可以當成香港實戰證明。下一步要睇佢喺西北太平洋多個風季嘅穩定度,同加入現有預報組合後係咪真係持續減少誤差。


參考來源

本文根據原文及公開資料整理;資料有出入時,以原文及官方資料為準。

分享:WhatsAppThreadsTelegramFacebook