WeatherNext Cyclones 預報平均早一日，唔等於香港風球會提早

iThome 報道，Google DeepMind 公開咗 WeatherNext 2 同 WeatherNext Cyclones 嘅程式碼及模型權重。同期刊登喺《Nature》嘅研究，就用 2023 至 2024 年歷史熱帶氣旋，將模型同其他主流預報系統比較。結果顯示，WeatherNext Cyclones 預測路徑、強度同風圈範圍時，預報時間平均早逾 24 小時，誤差仍然可以維持喺相若水平。呢個進步值得睇，但個數字要拆清楚先有意思。

「早一日」講緊準確度曲線

研究所講嘅 24 小時，係將唔同預報時效嘅平均誤差放埋一齊比較。簡化嚟講，WeatherNext Cyclones 三日前交出嘅結果，準確度大約追到其他模型兩日前嘅水平。個結果唔代表每個風暴、每條路徑或者每個沿岸城市都固定多一日準備時間，遇上突然增強、轉向或者結構古怪嘅風暴，落差一樣可以好大。Google 公布嘅個別大西洋颶風案例亦只可以證明嗰次預報有幫助，唔足以直接推算香港附近都有相同表現。

圖片：Google DeepMind

一套模型同時睇大氣同風暴核心

熱帶氣旋預報一直有個麻煩：風暴行去邊，主要受大範圍氣流帶動；風力會升到幾強，就牽涉風眼附近細尺度嘅熱力同海氣變化。WeatherNext Cyclones 用全球大氣資料配合經專家整理嘅歷史氣旋紀錄訓練，Google 話數據量接近 20TB，涵蓋近 5,000 個風暴。模型會反覆推演未來大氣狀態，再追蹤氣旋中心、最高風速同風圈伸展，最長可以產生 15 日預測。

路徑、強度同風圈要一齊睇，原因好實際。風暴中心冇正面靠近，外圍烈風區仍然可能掃過陸地；相反，路線睇落接近，細小風圈帶嚟嘅影響又可能較集中。模型亦可以一次產生大量可能情境，用概率圖顯示某個地方遇上熱帶風暴或颶風級風力嘅機會。呢類資料方便預報員比較低機率但後果嚴重嘅走法，亦有用過淨係睇一條預測線。

圖片：香港天文台

開源之後，研究機構實際攞到啲咩

Google 個程式庫提供完整模型、預先訓練權重、示範資料同追蹤氣旋嘅工具，研究團隊可以重現論文結果，再用自己熟悉嘅區域同個案驗證。大型版本以 TPU 為主要運行平台，用 GPU 就要有足夠顯示記憶體；官方亦提供低解像度 Mini 版，方便用單一 TPU 試跑，不過表現預期追唔上完整模型。換句話講，開放下載降低咗研究門檻，但建立穩定資料流、修正地區偏差同長期驗證仍然要落好多工夫。

授權亦要分開睇。Google GitHub 說明列明，Colab notebook 同相關程式碼採用 Apache 2.0，其餘材料採用 CC BY 4.0；輸入用到嘅 ECMWF、ERA5 或其他第三方資料，就可能另有條款。研究機構可以改模型同開發本地工具，但正式投入預報業務之前，仍要逐項核對資料權限、硬件成本、模型穩定性同責任安排。

香港已有 AI 預報，但強度仍係難題

香港天文台自 2023 年中起實時試行風烏、伏羲、盤古同 AIFS 等 AI 天氣模型。天文台按 2024 年西北太平洋及南海風暴做嘅比較顯示，AI 模型預測中期路徑普遍準過傳統模式，不過第五日平均位置誤差仍可達 300 至 400 公里；成熟熱帶氣旋嘅強度亦經常估得太弱。超強颱風蘇拉就係現成例子：盤古對香港附近風力嘅估算，明顯低過傳統模式。

天文台公開資料暫時冇列出 WeatherNext Cyclones，亦冇證據顯示香港預報已經採用呢套模型。風球要幾時發，預報員仲要綜合雷達、衞星、地面觀測、多套模型、風暴穩定性同本地風力影響。WeatherNext 多畀一組較早而且可能更準嘅情境，預報團隊就有多啲時間比較同準備；至於西北太平洋同南海係咪同樣有 24 小時優勢，就要等獨立地區驗證先講得實。

參考來源

• iThome — Google開源WeatherNext天氣模型，熱帶氣旋預報平均提前一天 — original report
• Nature：Operational tropical cyclone forecasting with AI — WeatherNext Cyclones 同行評審研究，交代評估方法及結果
• Google DeepMind：WeatherNext Cyclones 公告 — 核對模型原理、訓練資料、預報時效同官方限制
• Google DeepMind WeatherNext GitHub — 核對公開程式碼、模型版本、硬件要求、權重同授權說明
• 香港天文台：AI 模型喺天氣預報嘅應用 — 核對香港試行緊嘅 AI 模型、路徑表現同強度預測限制

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。