重磅！陈浩南副教授团队开发出AI驱动降水预报框架

陈浩南副教授团队开发人工智能驱动方法（CSU-PCAST），将预报时效提前数周

Credit: Unsplash/CC0 Public Domain

科罗拉多州立大学电气与计算机工程系副教授陈浩南及其团队发表了一项研究成果，可将降水预报的准确率提升至提前两周（中期时效） 的水平。

Xiong, T., Chen, H., Mahoney, K. et al. CSU-PCAST: a dual-branch transformer framework for medium-range ensemble precipitation forecasting. npj Clim Atmos Sci (2026). https://doi.org/10.1038/s41612-026-01475-9

该论文近期发表于 npj Climate and Atmospheric Science。论文提出了一种新颖的人工智能框架：它不再给出单一确定性预报，而是生成多种可能的降水情景（即集合预报）。这种方法能够更完整地刻画未来天气的不确定性，并更深入地揭示可能出现的气象条件范围。

该成果建立在陈浩南利用人工智能推进天气预报的系列工作之上。

Haonan Chen. Credit: Colorado State University

"我们此前的项目侧重于改进基于人工智能的短临/短期预报，并深化对大气过程的理解；而本研究针对的是预报中最具挑战性的变量之一——中期时效的降水，陈浩南表示。

通过生成一组可能结果的集合，该框架提升了降水预报的准确率，并帮助研究人员更好地量化不确定性。更可靠的降水预报可为农业生产、水资源管理、应急准备和灾害响应等领域的决策提供支撑。

陈浩南及其研究团队希望将这一方法拓展至更长期时效的预报、更高分辨率的预测，以及更多气象要素。

来源：EarthAi

END

声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。