近日，由中国气象局联合复旦大学、上海科学智能研究院团队研发的人工智能（AI）全球次季节—季节预测系统“风顺”交出亮眼答卷，在参加由世界气象组织（WMO）和欧洲中期天气预报中心（ECMWF）主办的AI Weather Quest竞赛中暂列前茅。
2024年，“风顺”模型开辟了预测全球15—60天次季节—季节气候的新路径——它是目前国内外首个基于AI方法实现次季节—季节全球气候异常预测的实时业务模型系统。“风顺”从诞生到应用，开拓了气候预测的一条新路径。
难题：次季节—季节气候预测的不确定性
天气、气候的可预报性来源于确定性，包括稳定的大气波动、强信号的气候事件、海洋大气相互作用等外界强迫影响等。介于中短期天气（15天）与长期季节预测（3—6个月）之间的次季节—季节预测却面临诸多不确定性：它既受大气初始场的影响，又受外界强迫的掣肘，且大气初始条件的影响随时间衰减，但缓慢演变的海洋等地球系统尚未显著作用于大气。因此，预报不确定性大，准确率也随之下降。
AI可以帮助解决这个难题吗？国际上早期科学探索认为，以数据驱动的人工智能，在次季节—季节气候尺度预测方面也“力不从心”。但次季节—季节预测在农业规划、水资源调度、灾害预防等领域又至关重要。
“对于气候，我们必须要有一个更长时间的预见期。比如水利水电行业，需要知道的不是明天下不下雨，而是未来一段时间下不下雨，到底是该蓄水还是放水，从而决策如何平衡防洪、供水、发电等多功能需求。”国家气候中心气候变化影响适应室主任、雄安气象人工智能创新研究院副院长陆波说。
探路：用AI模型提高预测准确率
世界上本没有路。陆波和团队希望能探出一条新路，利用AI在把握不确定性和非线性特征上的天然优势来提高次季节—季节的预测技巧。
准确预测次季节—季节尺度的气候，需要更多的可预报信号。如何去抓？团队在“风顺”模型设计时有效融入了海气相互作用，通过关注并抓取海表温度、热带大气季节内振荡（MJO）关键指标等可预报信号来提高预测技巧。
团队还为“风顺”模型创新研制了基于流依赖的集合扰动智能生成技术。据此，“风顺”模型可以基于生成式人工智能算法，刻画出下一个预报时次的气候系统演变概率特征，从而准确把握气候系统演变的不确定性，提高预测准确性。
实践：迈向业务应用愿景成为现实
当“风顺”真正投入实际业务应用，其表现让人欣喜：“风顺”对MJO的有效预测长达32天，优于EC模式的30天，并具有揭示极端事件气候物理机制的潜力。
以2022年巴基斯坦发生的强降水过程为例，“风顺”能够提前一个月左右稳定预测出此次极端事件的强度和落区。最让团队自豪的，是其在防灾减灾方面的表现——无论是对洞庭湖大堤溃口持续性降水的预测上，还是今年主雨带季节内变化的实时预测，“风顺”均有力支撑了业务服务。
风顺赋能全球早期预警中国方案“妈祖（MAZU）” 供图：陆波