WeatherNext: AI model achieves breakthrough in forecasting cyclones
2026-08-20 · Google DeepMind
WeatherNext:AI模型在氣旋預測上取得突破
主要成就
WeatherNext團隊於2026年8月6日在《Nature》雜誌發表論文,宣佈其AI模型在熱帶氣旋(颶風、颱風)預測上取得突破。該模型在路徑、強度和風結構預測上達到國際領先水平。
其核心優勢是為預報員額外提供一天的可靠預測時間:WeatherNext的三天預報準確度,相當於此前模型對未來兩天的預測水平。這一改進大約相當於過去十年氣象學常規進步的總和。
現實世界應用
該技術已在實際業務中發揮作用。在2025年颶風季,WeatherNext幫助美國國家颶風中心(NHC)對颶風Melissa做出歷史性精準預測,成功預報了其快速增強過程及在牙買加的登陸時間,使當地獲得關鍵提前預警。
今年,研究團隊進一步將每個氣旋的集合預報成員數擴大至1000個,以幫助預報員更好評估不確定性和極端情景。
技術原理:打破傳統建模權衡
傳統氣旋預報長期面臨兩難:
- 路徑預測依賴粗解析度全球模型捕捉大尺度大氣環流;
- 強度和結構預測則需要高解析度區域性模型聚焦核心區細尺度熱力學過程。
WeatherNext用單一AI模型同時解決了這兩個問題。它從全球大氣初始條件(如2024年10月颶風Milton時期資料)出發,可迭代預測全球天氣格局和精細氣旋路徑,最長預報15天,並生成1000成員集合以繪製區域性風力機率圖。
訓練資料與架構創新
模型採用端到端聯合訓練方式,資料包括:
- 近20TB全球大氣動態資料;
- IBTrACS資料庫中近5000個歷史熱帶氣旋記錄。
它使用功能生成網路(Functional Generative Networks,FGNs)高效生成多樣化集合預報,捕捉天氣內在不確定性。可在TPU上以不到一分鐘的速度完成一次15天預報。
今年集合規模從去年的50成員擴充套件至1000成員,顯著提升了對快速增強等小機率高影響事件的捕捉能力。
效能突破與意外發現
在2023-2024年曆史氣旋測試中,WeatherNext在確定性與機率性指標上均優於主流天氣模型,平均獲得超過24小時的領先時間優勢。
更令人驚訝的是,該模型僅需28×28公里解析度(比傳統高解析度模型粗糙約100倍)即可實現高精度強度預測。更小的WeatherNext 2-mini版本甚至可在111×111公里解析度下保持良好效能。這一現象超出傳統認知,具體機理仍是開放的研究課題。
開放原始碼與未來展望
為擴大技術影響,WeatherNext團隊現將曾在颶風季實際使用的WeatherNext 2和WeatherNext Cyclones模型完全開源。與《Nature》論文同步釋出。
開源旨在賦能全球研究社群和各地氣象機構,提升防災減災能力、支援可再生能源發展和極端天氣預警,最終幫助建設更具韌性的社群。