AI能预测极端事件吗？对热带气旋概率天气模型的评估

arXiv:2610.22077v1 发布类型：新增 摘要：天气预报正经历一项重要转变：数据驱动的 AI 模型在平均表现上超越了领先的数值天气预报系统，而计算成本仅为后者的一小部分。然而，这种成功能否延伸至极端事件，仍存在争议。早期评估已经揭示出一些重要缺陷，但主要聚焦于确定性模型和指标，对最新概率模型的能力仍缺乏充分了解。我们对热带气旋预报开展了广泛基准测试，将 GenCast、FourCastNet 3 和 FGN 与 ECMWF 的业务化物理模型集合预报 IFS-ENS 进行比较。我们构建了一套概率指标和诊断分析方法，用于评估气旋路径追踪、强度偏差、不确定性，以及刻画风暴结构的风压关系。我们发现，尽管在强度和集合离散度方面仍存在局限，领先的 AI 模型在气旋路径追踪方面仍显著优于 IFS-ENS：在 2025 年评估的风暴中，FGN 有 90% 获得了更优的概率位置评分。进一步分析揭示了模型特有的失效模式，并表明预训练数据的影响依然存在，这为有针对性的改进提供了机会。尽管如此，这些结果表明，AI 模型能够捕捉在远超典型天气条件下仍具有预测力的物理关系，从而推动人们进一步研究这些能力是如何形成的，以及如何加以强化。