微软 Nature 新研究：机器学习改进 2 至 6 周中期天气预报

微软研究团队于 2026 年 10 月 14 日在 Nature 发表研究，提出用概率偏差校正方法改善提前 2 至 6 周的次季节天气预报，关注价值在于这一时段通常处于传统天气预报能力下降与长期气候预测之间。

• 论文方法通过机器学习学习历史预报与观测之间的系统性偏差，对已有动力模型、人工智能模型及混合模型的概率预报进行后处理。
• 在欧洲中期天气预报中心相关模型上，作者报告称该方法使 AI 预报的次季节技巧翻倍，并在气压、温度和降水目标上分别改善 91%、92% 和 98% 的目标项。
• 研究还报告其在 ECMWF 2025 年实时预报竞赛中，在各天气变量和预报时效上取得最佳结果；这些结果属于特定数据、评测期和竞争设置下的比较。
• 论文强调方法面向业务部署，但从实验结果到不同地区、不同气候类型及实际预警流程仍需要持续验证。
• 影响/看点：若该方法在独立区域和业务系统中保持稳定，可能为农业、水资源、能源调度及极端天气准备提供更长提前量；实际收益取决于概率预报校准质量和决策部门的使用方式。
• 资料依据:
• Nature《Advancing subseasonal forecasting with machine learning》（2026-10-14）：https://www.nature.com/articles/s41586-026-11126-x
• Microsoft Research《Advancing Subseasonal Forecasting with Machine Learning》（2026-04-01）：https://www.microsoft.com/en-us/research/publication/advancing-subseasonal-forecasting-with-machine-learning/?lang=ko-kr

本内容由 AI 生成，仅供参考，请注意甄别