热带气旋（TC）作为极具破坏性的天气系统，其登陆往往造成严重的灾害性影响。因此，对TC路径等关键要素的精准预报在防灾减灾工作中具有重要的现实意义。
大气与海洋科学系穆穆院士团队与人工智能创新与产业研究院和上海科学智能研究院的李昊研究员、仲晓辉博士开展合作研究，提出了一种基于物理约束的快速初始集合扰动生成方案，通过发展机器学习模型的快速扰动生成器提高台风路径集合预报技巧。该研究近日发表在Npj Climate and Atmospheric Science。
因为TC的发展和移动受到复杂多尺度非线性过程的调控，导致预报结果存在显著的不确定性。传统的单一确定性预报难以定量描述这种不确定性特征。在此背景下，如何发展有效的集合预报方法以准确估计TC未来状态的概率分布，进而定量表征预报不确定性，已成为当前TC预报领域最具挑战性的国际前沿课题。
近年来，人工智能（AI）技术在气象预报领域取得突破性进展，多个基于AI的全球预报大模型相继问世，为大气模拟研究提供了新的技术范式。然而，将AI模型应用于TC集合预报仍面临诸多挑战，核心问题在于其扰动增长动力学机制尚不明确，且缺乏与之相适应的有效扰动方案。
针对上述挑战，穆穆团队研究构建了基于演化动力的扰动生成方案。试验结果显示，新方案能够提供更为平滑的路径误差概率分布，显著提升了对极端路径事件的捕捉能力。
Npj Climate and Atmospheric Science, DOI: 10.1038/s41612-025-01009-9.
来源：大气与海洋科学系
