Nature新研究：校准天气概率，改善三到四周预测

AI for Science / 天气预测 · 8.4/10 · 建议深挖

10月14日发表于Nature的研究提出概率偏差校正（PBC）。它学习已有天气模型的历史预测与真实观测之间的系统误差，修正输出的概率分布。重点是两到六周的次季节预报：在这个时间尺度上，逐步推演的误差积累很明显，部分预报甚至不如气候平均值。

方法分成两个互补部分。一部分按地点、日期和概率分位学习偏差，另一部分结合近期观测与季节规律，再将校正结果约束成有效的概率分布并合并。这样调整的不只有平均温度，也包括分布的宽度和尾部；判断极端事件风险时，后两者尤其重要。它可以接在物理模型或AI模型之后，不需要重新训练一个完整的大气模拟器。

作者在全球1.5度网格上，主要评估第3周和第4周的温度、降水和气压预测。PBC将ECMWF次季节AI模型平均约0.03的RPSS提高到约两倍。RPSS衡量相对气候基准的概率预测表现，这里的“翻倍”不是所有天气预测准确率翻倍。将两套校正模型组合而成的MicroDuet，还参加了2025年实时预测竞赛，在论文报告的各变量和时段中领先；这比只在历史数据上回测多了一层检验。

这项工作的价值在于利用已有系统的错误记录，把“知道自己通常怎样出错”变成低成本的修正能力。它依赖足够的历史预测与观测，具体增益也受基准、地区和预报时段影响，仍要在本地业务上验证。论文的代码与实验实现已公开，MIT报道也解释了方法的使用背景。