每到台风季，人们最关心的就是那个反复刷新的路径图：台风会不会登陆？风雨会影响到哪里？这背后，考验的是气象预报能否在混沌大气中，给出最可靠的可能性判断。
2026年台风“巴威”及其致灾（图源：网络）
记者日前从中国科学院大气物理研究所获悉，我国科学家将人工智能气象大模型“伏羲”与非线性动力学方法深度融合，研制出一套名为“FuXi-CNOPs”的台风路径集合预报系统。它不仅能更准地“画”出台风可能怎么走，还能像侦探一样“指认”出导致路径偏差的关键不确定性源头，让AI天气预报不再是“黑箱”。
集合预报，通俗讲就是不只给出一条“最可能路径”，而是同时给出多条合理路径，告诉公众和决策者“台风还可能往哪里偏”。台风路径天生受混沌效应支配，初始状态下哪怕一丝极其微小的差异，都可能导致后期路径大相径庭。因此，好的集合预报必须学会刻画这种不确定性。
元股证券:ygzq.hk线上炒股配资中国科学院大气物理研究所段晚锁研究员团队，联合复旦大学李昊研究员，以及中国气象局地球系统数值预报中心韩威研究员等，将我国学者自主提出一种具备物理机制的正交条件非线性最优扰动（O-CNOPs）方法植入我国自主研发的AI气象大模型“FuXi”中，构建了FuXi-CNOPs系统。这套方法并非简单随机改变初始条件，而是通过精妙算法，专门筛选出未来增长最快、对台风路径影响最显著的那类初始小扰动。这相当于提前告诉AI：“哪里的观测误差最可能酿成大偏差”，从而让集合成员更精准地覆盖风险来源。
针对62个台风、91次预报试验的对比显示，新系统优势突出。在预报前24小时，其表现与国际主流的欧洲中期天气预报中心业务集合预报系统（IFS_EPS）相当；而从24小时到120小时，优势开始扩大，台风路径误差最大降幅达到32.33%，对预报不确定性的量化准确度最大提升29.2%。尤其值得注意的是，ECMWF系统使用了51个集合成员，而FuXi-CNOPs只用了31个成员，却取得了整体更高的预报技巧——更少的成员，更好的效果。
更有价值的是，这套系统生成的初始扰动具有清晰物理图像，不再“不知所以然”。分析显示，这些扰动能量在水平方向上高度集中在台风核心区、螺旋雨带，以及副热带高压与台风环流的相互影响区域；垂直方向上则呈现中高层和低层两个峰值，分别对应着台风暖心结构的不确定性与对流潜热过程的不确定性。这恰好就是预报误差易被非线性放大的关键敏感区。预报员借此可以不仅知道台风可能偏到哪里，还能理解不确定性从何而来。
该成果日前发表于《大气科学进展》2026年第9期并荣登封面。研究团队表示，FuXi-CNOPs无需额外训练超大规模的生成模型，在计算资源和业务落地方面更具优势。未来，他们计划进一步引入模式扰动模块，使初始误差与模式误差实现协同优化，有望进一步提升台风路径乃至强度预报水平，并逐步将该技术体系拓展至其他高影响天气的集合预报。
《大气科学进展》2026年第9期封面
从“算得对”到“讲得清”，这一探索为构建兼具高效率、强物理可解释性与业务实用性的新一代智能集合预报系统，提供了值得期待的发展路径。
（光明日报全媒体记者崔兴毅）股票杠杆配资平台服务
股票配资网|在线查询官网 - 元股证券提示：本文来自互联网，不代表本网站观点。
