WeatherNext: AI model achieves breakthrough in forecasting cyclones

2026-08-20 · Google DeepMind

WeatherNext:AI模型在气旋预测上取得突破

主要成就

WeatherNext团队于2026年8月6日在《Nature》杂志发表论文,宣布其AI模型在热带气旋(飓风、台风)预测上取得突破。该模型在路径、强度和风结构预测上达到国际领先水平。

其核心优势是为预报员额外提供一天的可靠预测时间:WeatherNext的三天预报准确度,相当于此前模型对未来两天的预测水平。这一改进大约相当于过去十年气象学常规进步的总和。

现实世界应用

该技术已在实际业务中发挥作用。在2025年飓风季,WeatherNext帮助美国国家飓风中心(NHC)对飓风Melissa做出历史性精准预测,成功预报了其快速增强过程及在牙买加的登陆时间,使当地获得关键提前预警。

今年,研究团队进一步将每个气旋的集合预报成员数扩大至1000个,以帮助预报员更好评估不确定性和极端情景。

技术原理:打破传统建模权衡

传统气旋预报长期面临两难:

  • 路径预测依赖粗分辨率全球模型捕捉大尺度大气环流;
  • 强度和结构预测则需要高分辨率局部模型聚焦核心区细尺度热力学过程。

WeatherNext用单一AI模型同时解决了这两个问题。它从全球大气初始条件(如2024年10月飓风Milton时期数据)出发,可迭代预测全球天气格局和精细气旋路径,最长预报15天,并生成1000成员集合以绘制局部风力概率图。

训练数据与架构创新

模型采用端到端联合训练方式,数据包括:

  • 近20TB全球大气动态数据;
  • IBTrACS数据库中近5000个历史热带气旋记录。

它使用功能生成网络(Functional Generative Networks,FGNs)高效生成多样化集合预报,捕捉天气内在不确定性。可在TPU上以不到一分钟的速度完成一次15天预报。

今年集合规模从去年的50成员扩展至1000成员,显著提升了对快速增强等小概率高影响事件的捕捉能力。

性能突破与意外发现

在2023-2024年历史气旋测试中,WeatherNext在确定性与概率性指标上均优于主流天气模型,平均获得超过24小时的领先时间优势。

更令人惊讶的是,该模型仅需28×28公里分辨率(比传统高分辨率模型粗糙约100倍)即可实现高精度强度预测。更小的WeatherNext 2-mini版本甚至可在111×111公里分辨率下保持良好性能。这一现象超出传统认知,具体机理仍是开放的研究课题。

开放源码与未来展望

为扩大技术影响,WeatherNext团队现将曾在飓风季实际使用的WeatherNext 2和WeatherNext Cyclones模型完全开源。与《Nature》论文同步发布。

开源旨在赋能全球研究社区和各地气象机构,提升防灾减灾能力、支持可再生能源发展和极端天气预警,最终帮助建设更具韧性的社区。

原文链接