人工智能(AI)将全球异常气候预测的准确度提升了一个档次。亚太经合组织气候中心(APCC)与韩国科学技术研究院(KIST)研究团队利用人工智能深度学习技术,成功大幅提升了马登-朱利安振荡(MJO)的预测性能。
APCC与KIST26日表示,已开发出可比以往更长期、更稳定地预测对全球气象与气候有重大影响的MJO移动及强度的新AI模型。此次研究成果以APCC高级研究员金美爱为第一作者的论文形式,发表在气象与气候领域权威学术期刊《地球物理研究快报》(Geophysical Research Letters)上。该研究作为气象厅研发项目的一部分开展。
MJO是发生于热带印度洋并向太平洋移动的巨大热带云团,以30至90天为周期环绕全球。在此过程中,它扮演着左右干旱、洪水、酷暑、台风等全球异常气候的“遥控器”角色。MJO预测准确度被视为中长期气象展望的核心变量。
以往的AI模型侧重于学习MJO自身的变动信号,因此预测时长存在局限。研究团队由此着眼,引入了将MJO所处背景即季节性气候环境一并纳入学习的新深度学习方法。也就是说,不是单独看待气象现象,而是同时分析围绕其的气候结构与流动。
结果,新AI模型成功实现冬季约26天、夏季最长29天的MJO可靠预测。业界评价认为,该研究尤其从科学上证明了预测时长越长,背景气候信息对提高预测准确度起决定性作用。
APCC高级研究员金美爱表示:“此次研究的意义在于让AI理解气候的整体流动而非局部”,“今后将为主动应对干旱、洪水等气候灾害、预防损失提供很大帮助。”






