近日，由中国气象局联合复旦大学、上海科学智能研究院团队研发的人工智能（AI）全球次季节-季节预测系统“风顺”交出亮眼答卷，在参加由世界气象组织（WMO）和欧洲中期天气预报中心（ECMWF）主办的AI Weather Quest竞赛中暂列前茅。

2024年，“风顺”模型开辟了预测全球15—60天次季节-季节气候的新路径——它是目前国内外首个基于AI方法实现次季节-季节全球气候异常预测的实时业务模型系统。“风顺”从诞生到应用，开拓了气候预测的一条新路径。

难题：次季节—季节气候预测的不确定性

天气、气候的可预报性来源于确定性，包括稳定的大气波动、强信号的气候事件、海洋大气相互作用等外界强迫影响等。介于中短期天气（15天）与长期季节预测（3—6个月）之间的次季节-季节预测面临诸多不确定性：它既受大气初始场的影响，又受外界强迫的掣肘，且大气初始条件的影响随时间衰减，但缓慢演变的海洋等地球系统尚未显著作用于大气。因此，预报不确定性大，准确率也随之下降。

AI可以帮助解决这个难题吗？国际上早期科学探索认为，以数据驱动的人工智能，在次季节—季节气候尺度预测方面也“力不从心”。但次季节-季节预测在农业规划、水资源调度、灾害预防等领域又至关重要。

“对于气候，我们必须要有一个更长时间的预见期。比如水利水电行业，需要知道的不是明天下不下雨，而是未来一段时间下不下雨，到底是该蓄水还是放水，从而决策如何平衡防洪、供水、发电等多功能需求。”国家气候中心气候变化影响适应室主任、雄安气象人工智能创新研究院副院长陆波说。

探路：用AI模型提高预测准确率

世界上本没有路。陆波和团队希望能探出一条新路，利用AI在把握不确定性和非线性特征上的天然优势来提高次季节—季节的预测技巧。

准确预测次季节-季节尺度的气候，需要更多的可预报信号。如何去抓？团队在“风顺”模型设计时有效融入了海气相互作用，通过关注并抓取海表温度、热带大气季节内振荡（MJO）关键指标等可预报信号来提高预测技巧。

团队还为“风顺”模型创新研制了基于流依赖的集合扰动智能生成技术。据此，“风顺”模型可以基于生成式人工智能算法，刻画出下一个预报时次的气候系统演变概率特征，从而准确把握气候系统演变的不确定性，提高预测准确性。

实践：迈向业务应用 愿景成为现实

当“风顺”真正投入实际业务应用，其表现让人欣喜：“风顺”对MJO的有效预测长达32天，优于EC模式的30天，并具有揭示极端事件气候物理机制的潜力。

以2022年巴基斯坦发生的强降水过程为例，“风顺”能够提前一个月左右稳定预测出此次极端事件的强度和落区。最让团队自豪的，是其在防灾减灾方面的表现——无论是对洞庭湖大堤溃口持续性降水的预测上，还是今年主雨带季节内变化的实时预测，“风顺”均有力支撑了业务服务。

“风调雨顺”是中国气象局寄予“风顺”的美好愿望。甲骨文中，“顺”字左边为象征河流的“川”，右边则以人脑袋象征傍水而居的人们，“顺”字寄托了这个极易受季风和雨水影响的古老民族希望早预知大水做好防御的“顺遂”之愿。与“预测风雨更准、防灾减灾更牢”的追求一脉相承，未来，陆波及其团队希望面向地球系统多圈层攻关AI预报，“风顺”也将随团队奔赴这一方向，持续优化升级。

风顺赋能全球早期预警中国方案“妈祖（MAZU）”。陆波 供图

作为世界气象组织气候预测系统专家组核心成员，陆波用“开拓者”描述“风顺”的科研攻关之路。正如AI技术开放包容共享的初心一样，他们希望“风顺”的先进表现向国际证明“这是一条路”，通过赋能全球早期预警中国方案“妈祖（MAZU）”，向世界共享气象人工智能技术红利。

（作者：刘蕊 责任编辑：张林）