人工智能（AI）技术在天气预报领域已逐步展示出业务应用的潜力，特别是在提高运行效率、延长预报时效及提高预报准确率等方面显示出明显优势。最近，在《Environmental Research Letters》期刊上发表的一项研究成果，凸显了这一AI天气预报大模型的应用前景。这项由中国气象科学研究院灾害天气国家重点实验室的徐洪雄研究员领衔完成的创新性研究，成功将Pangu-weather天气AI预测大模型与区域数值预报模式WRF-ARW结合。此研究旨在深入探讨和验证AI技术在提高极端降水和台风强度预报准确率方面的潜力，研究结果标志着AI在天气预报领域应用的重要进步。

       具体研究结果显示：针对23·7华北极端降水事件，由AI模型驱动的WRF-ARW在预测这类极端天气事件方面，与传统的全球预报系统（GFS）驱动的WRF-ARW相比，表现出了更高的预报精度和更强的预报能力（图1）。

图 1 盘古模型从2023年7月23日12时UTC起预报至2023年7月29日00时UTC。展示了在（a）2023年7月23日12时（Pangu_2312）、（b）2023年7月26日00时（Pangu_2600）和（c）2023年7月28日12时（Pangu_2812）整层水汽输送通量（矢量表示）及其量值（色阶表示；单位：kg m-1 s-1）。图中的（d）、（e）和（f）则分别展示了在2023年7月29日00时，Pangu_2312、Pangu_2600 和 Pangu_2812 模拟情景与ERA5再分析数据集之间的水汽通量及其量值的差异。

       通过将Pangu-weather AI集成作为初始场和侧边界条件驱动WRF-ARW区域模式，这种方法不仅成功地捕捉到了极端天气事件的关键物理过程，还显著提升了预报时效。例如，AI驱动的WRF模式成功将400毫米降水量的有效预测期延长至8.5天，表现出明显的预测能力提升（见图2）。此外，这种方法在处理复杂天气系统的多尺度相互作用方面也展示了其显著的优势。

图 2 显示了2023年7月29日00时 UTC至8月1日00时 UTC期间的72小时累积降水量（单位：毫米），分别对应于（a）WRF_Pangu_2312、（b）WRF_Pangu_2600和（c）WRF_Pangu_2812试验。图中的（d）、（e）和（f）与（a）、（b）、（c）相同，但对应的是WRF_GFS传统NCEP GFS全球模式驱动的WRF试验。

       另外，尽管利用AI技术在全球天气要素预报已取得显著进展，但准确预测台风强度仍然是一项复杂的挑战。这主要是由于AI本身回归算法的限制以及粗分辨率在捕捉天气精细过程中的不足。为了精确预测台风强度，作者开发了一项创新方法，该方法在AI天气预测模型驱动的WRF区域数值模式基础上，融入了台风涡旋的重定位与初始化技术（图3）。

图3 AI天气模型驱动区域台风模式流程图

       初步研究成果表明：尽管Pangu-weather AI大模型在预测台风强度方面存在明显缺陷，但Pangu-weather驱动的WRF区域模式则显著提升了预测的准确性（图4）。对台风杜苏芮(2023)和天鸽（2017）的模拟试验表明，与Pangu-weather模型相比，AI驱动的WRF-ARW模型在均方根误差（RMSE）上分别达到了87%和63%的显著降低。此外，AI驱动的WRF-ARW模型在预测台风强度和风速细节方面也显示出超越传统全球数值模型驱动的WRF-ARW模型的能力。

图4台风路径和强度的比较分析。（a，b）台风杜苏芮（a）和天鸽（b）的路径模拟与最佳路径对比。（c，d）台风杜苏芮（c）和天鸽（d）的最大10米风速。

       本研究工作为AI天气模型在驱动区域数值天气预报中的首次应用，其成功实施，标志着AI有助于开辟预报极端天气事件的新科学方法和技术途径。我们期待这项技术能在未来的天气预报和灾害预警中发挥更大作用，为气象防灾减灾和应急管理决策提供更为有力的科技支撑。

       该成果主要完成人包括中国气象科学研究院灾害天气国家重点实验室的徐洪雄研究员、中国海洋大学海洋与大气学院赵阳教授、灾害天气国家重点实验室的赵大军高工、端义宏研究员以及徐祥德院士等。该研究得到了国家重点研发计划（2023YFC3008005）、国家自然科学基金（42375015, 42192554, 61827901, 41905095, 42275082, 42105011）、中国气象局重点创新团队（台风团队CMA2023ZD06）以及中国气象科学研究院基本科研业务费重点项目（2023Z020）的联合资助。

1.Xu, H., Zhao, Y., Zhao, D., Duan, Y., & Xu, X. (2024a). Improvement of disastrous extreme precipitation forecasting in North China by Pangu-weather AI-driven regional WRF model. Environmental Research Letters, 19(5), 054051. https://dx.doi.org/10.1088/1748-9326/ad41f0

2.Xu, H., Zhao, Y., & Zhao, D. (2024b). Exploring the Typhoon Intensity Forecasting through Integrating AI Weather Forecasting with Regional Numerical Weather Model. PREPRINT (Version 1) available at Research Square. https://doi.org/10.21203/rs.3.rs-4494070/v1