AI解码北极：提升冬季天气预报精度

解码北极以预测冬季天气

借助人工智能，某机构的研究科学家朱达·科恩正在重塑次季节天气预报，其目标是延长预测有影响力的天气的提前时间。

超越常规气候驱动因素

冬季预报严重依赖于厄尔尼诺-南方涛动（ENSO）的诊断数据，即影响全球天气的热带太平洋海洋和大气条件。然而，科恩指出，今年的ENSO相对较弱。

“当ENSO较弱时，来自北极的气候指标就变得尤为重要，”科恩表示。

科恩在其次季节预报中监测高纬度诊断指标，例如西伯利亚十月的积雪覆盖、季节早期的温度变化、北极海冰范围以及极地涡旋的稳定性。“这些指标可以相当详细地揭示即将到来的冬季情况，”他说。

科恩最一致的数据预测指标之一是西伯利亚十月的天气。今年，当北半球经历了异常温暖的十月时，西伯利亚却比往常更冷，并出现了提前的降雪。“低温加上早期的积雪往往会加强冷气团的形成，这些冷气团随后可能扩散到欧洲和北美，”科恩解释道——这种天气模式历史上与冬季后期更频繁的寒潮有关。

巴伦支海-喀拉海的温暖海水温度以及准两年期振荡的“东风”相位也表明，冬初的极地涡旋可能偏弱。当这种扰动与十二月的表层条件结合时，会导致欧亚大陆和北美部分地区在季节早期出现低于正常水平的温度。

人工智能次季节天气预报

虽然人工智能天气模型在短期（1到10天）预报方面取得了令人瞩目的进展，但这些进展尚未应用于更长的周期。覆盖两到六周的次季节预测仍然是该领域最严峻的挑战之一。

这一差距正是为什么今年可能成为次季节天气预报转折点的原因。与科恩合作的一个研究团队在由欧洲中期天气预报中心举办的2025年AI WeatherQuest次季节预报竞赛中，获得了秋季赛季的第一名。该挑战评估人工智能模型在历史预测受限的多周时间尺度上捕捉温度模式的能力。

获胜的模型将机器学习模式识别与科恩数十年精炼的北极诊断指标相结合。该系统在数周预报方面显示出显著优势，超越了领先的人工智能和统计基线。

“如果这种性能水平能在多个季节中保持，这可能代表着次季节预测的真正进步，”科恩表示。

该模型还比通常情况早得多地检测到了美国东海岸十二月中旬可能出现的一次寒潮，比此类信号通常出现的时间提前了数周。这一预测在当时被媒体广泛宣传。科恩解释说，如果得到验证，这将展示如何将北极指标与人工智能结合，从而延长预测有影响力天气的提前时间。

“提前三到四周预警一次潜在的极端事件，这将是一个分水岭时刻，”他补充道。“这将为公用事业、交通系统和公共机构提供更多的准备时间。”

今年冬季可能如何发展

科恩的模型显示，在冬季后期，欧亚大陆和北美中部部分地区出现低于正常温度条件的可能性更大，最强的异常可能出现在季节中期。

“我们仍处于早期阶段，模式可能会发生变化，”科恩说。“但形成更冷冬季模式的要素已经存在。”

随着北极变暖加速，其对冬季天气行为的影响正变得越来越明显，这使得理解这些关联对于能源规划、交通和公共安全变得日益重要。科恩的工作表明，北极蕴藏着尚未开发的次季节预测潜力，而人工智能可能有助于在传统模型长期面临挑战的时间框架内释放这种潜力。

十一月，科恩的名字甚至作为线索出现在《华盛顿邮报》的填字游戏中，这一个小小的迹象表明他的研究已多么广泛地进入关于冬季天气的公众讨论中。

“对我来说，北极一直是值得关注的地方，”他说。“现在，人工智能正在为我们提供解读其信号的新方法。”

科恩将在整个季节继续在他的博客上更新他的展望。FINISHED