WeatherNext：AI模型在飓风预测中取得突破
WeatherNext：AI模型在飓风预测中取得突破
===================================================================
WeatherNext团队
WeatherNext使得准确的飓风预测成为可能，为人们提供多出一天的预警时间。现在我们已经将该模型开源。
预测飓风的危险性一直是一个长期的挑战，每一小时都是至关重要的。热带气旋——也称为飓风或台风——是地球上最具破坏性的天气现象之一，在过去50年中造成超过700,000人死亡和1.4万亿美元的经济损失。对于预报员来说，及时发布准确的警报是一场与时间的不断较量。
今天，我们在[*Nature*](https://www.nature.com/articles/s41586-026-10953-2)上发表的论文中展示了我们的WeatherNext AI模型在预测飓风的轨迹、强度和风结构方面达到了业界领先的准确性。平均而言，我们的模型为预报员提供了多出一天的预测准确性：我们的三天天气预报与以往模型只能提供的两天预报相当。这一改进的规模大致相当于十年气象学的进步。
这一合作工作聚集了Google DeepMind和Google Research的AI研究人员与工程师，以及[国家飓风中心](https://www.nhc.noaa.gov/)（NHC）、[大气研究合作研究所](https://www.cira.colostate.edu/)（CIRA）、[英国气象局](https://www.metoffice.gov.uk/)及全球其他气象机构的专家预报员。
我们的研究已经取得了实际的影响。在2025年的飓风季节中，我们的模型帮助NHC做出了[针对飓风梅利莎的历史预报](https://deepmind.google/blog/how-weathernext-helped-the-national-hurricane-center-better-predict-hurricane-melissas-historic-landfall-in-jamaica/)，准确预测了风暴的快速强化和在牙买加的登陆。这使得NHC能够提前发出警告，给地面团队留出了关键的准备时间。今年，我们继续协同工作，现在对于每个气旋预测1,000种可能的情景，以帮助支持预报员的决策。
天气影响着每一个人。鉴于其广泛影响，我们现在将[WeatherNext 2和WeatherNext Cyclones模型](https://github.com/google-deepmind/weathernext)开源，供飓风季节使用。通过让这项技术公开可用，我们希望赋能研究社区，扩大AI在建设更具韧性的社区中的影响——无论是为地方预报员提供准备自然灾害所需的工具，支持可再生能源的增长，还是预测极端天气。
WeatherNext如何预测天气和气旋
---------------------------------------------
从2024年10月米尔顿飓风期间的全球大气条件出发，WeatherNext Cyclones迭代地预测全球天气模式和精细的气旋轨迹，提前最多15天。运行1,000个集成生成热带风暴到飓风强度风速的局部化概率图。
预测气旋通常需要对两种不同建模技术进行权衡。一方面，气旋的轨迹（它的运动方向）受到巨大的全球气流的影响，以前最好的模型采用的是较粗的全球模型。然而，气旋的强度（它的强度）则是由其核心周围高度局部的精细热力学物理过程驱动，最适合通过专业的、高分辨率的局部模型进行建模。
我们的WeatherNext模型弥合了这一差距，改善了全球天气和气旋的预报。它是一个单一的AI模型，可以以业界领先的准确性预测热带气旋的轨迹、强度和风结构。通过训练、架构和对低分辨率输入的独特处理方式，它实现了这一突破。
我们对2023年至2024年的历史气旋进行了WeatherNext Cyclones的评估，将其确定性和概率性能与其他顶级气象模型进行基准比较。平均而言，WeatherNext Cyclones在预测气旋的轨迹、强度和风结构方面提供了超过一天（24小时）的提前量。
该模型在两个不同的数据模式上共同训练：全球天气动力学和专家策划的历史气旋观测。通过在近20TB的全球大气数据和近5,000个历史气旋的IBTrACS数据库上进行端到端训练，该模型学习复杂的气象模式以及如何对极端天气进行建模。
气旋预测的准确性在最近几十年间稳步提高。图表显示ECMWF-ENS轨迹预测的三天准确性(a)和HWRF强度预测的三天准确性(b)，以及WeatherNext Cyclones如何为轨迹和强度的准确性提供的重大提升。这一改善相当于根据过去20年的趋势具有十年的进步。
我们的模型使用[功能生成网络（FGNs）](https://arxiv.org/pdf/2506.10772)有效地产生多种不同的预测，以捕捉天气的固有不确定性。我们现在可以在不到一分钟的时间内在TPU上生成单一的15天预测，使得预报员能够迅速评估潜在灾难性尾部风险的概率分布。去年，我们的系统能同时生成50个预测，与全球物理模型相匹配。今年，我们将集成规模扩大到1,000个成员，捕捉到像2025年梅利莎飓风期间发生的快速强化事件这样的罕见但重要的情景。
迄今为止，保持非常高的空间分辨率已被认为是制作准确强度预测的主要驱动因素。然而，WeatherNext Cyclones只需要28x28公里分辨率的数据，约比传统模型粗100倍。模型的较小版本WeatherNext 2-mini以粗111x111公里的分辨率运行，也展现出卓越的性能。这让科学家感到惊讶，目前仍有一个开放的研究问题是完全理解我们的模型如何在这一分辨率下产生如此准确的预测。我们希望与研究社区一同探索。
将WeatherNext开放给研究社区
------------------------------------------------
与我们的*Nature*论文一起，我们将代码和模型权重开源，供任何人免费使用。这包括学术研究、运营预测或开发更专业的本地化模型。我们希望加速全球天气社区的进步，赋能气象机构、研究人员和非营利组织更好地预测各种天气事件，并做出关键决策以保护生命和基础设施。
我们还将发布两组相似的模型：在飓风季节使用的WeatherNext Cyclones（结果见于论文）和后来在10月投入使用的WeatherNext 2。此外，我们还将发布WeatherNext 2-mini，一个可以在公共[Colab笔记本](https://colab.research.google.com/github/google-deepmind/weathernext/blob/master/docs/weathernext2/wn2_demo.ipynb)中运行的紧凑版模型。
您可以通过[天气实验室](https://deepmind.google.com/science/weatherlab/)探索我们最新的气旋预测，我们最近对其界面进行了刷新，并扩展以包括全球天气预报和气旋轨迹。天气实验室现在让您在一个视图中可视化WeatherNext的温度、降水量、风速等预测。天气实验室和WeatherNext模型都是[Google Earth AI](https://ai.google/earth-ai/)的一部分。
推动天气预报AI的前沿
---------------------------------------------------
我们通过提前超过一天的时间来预测气旋，实现了历史性的突破 - 相当于十年的气象学进步。随着我们为未来的风暴季节做准备，我们邀请研究人员、气象机构和专家与我们合作，利用我们的开源模型，并在天气实验室中探索我们的预测。通过将先进的机器学习与人类预报员不可或缺的实际专业知识相结合，我们旨在创建一个协作的天气预报生态系统，以挽救生命并帮助社区适应气候变化。
**注意：有关正式的天气预报和警告，请参考您所在地区的气象机构或国家天气服务。**
[阅读我们的Nature论文](https://www.nature.com/articles/s41586-026-10953-2)[下载代码](https://github.com/google-deepmind/weathernext)[探索天气实验室](https://deepmind.google.com/science/weatherlab)[阅读NHC的2025年验证报告](https://www.nhc.noaa.gov/verification/pdfs/Verification_2025.pdf)
致谢
----------------
本研究由Google DeepMind和Google Research团队共同开发。
我们要感谢我们的合作伙伴NOAA/NWS/NCEP国家飓风中心、大气研究合作研究所（CIRA）和英国气象局的合作与贡献。
这项工作反映了论文共同作者的贡献：Ferran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、Natalie Williams、Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、John Cangialosi、Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez和Peter Battaglia。
---
原文链接：[点击查看](https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/)
===================================================================
WeatherNext团队
WeatherNext使得准确的飓风预测成为可能，为人们提供多出一天的预警时间。现在我们已经将该模型开源。
预测飓风的危险性一直是一个长期的挑战，每一小时都是至关重要的。热带气旋——也称为飓风或台风——是地球上最具破坏性的天气现象之一，在过去50年中造成超过700,000人死亡和1.4万亿美元的经济损失。对于预报员来说，及时发布准确的警报是一场与时间的不断较量。
今天，我们在[*Nature*](https://www.nature.com/articles/s41586-026-10953-2)上发表的论文中展示了我们的WeatherNext AI模型在预测飓风的轨迹、强度和风结构方面达到了业界领先的准确性。平均而言，我们的模型为预报员提供了多出一天的预测准确性：我们的三天天气预报与以往模型只能提供的两天预报相当。这一改进的规模大致相当于十年气象学的进步。
这一合作工作聚集了Google DeepMind和Google Research的AI研究人员与工程师，以及[国家飓风中心](https://www.nhc.noaa.gov/)（NHC）、[大气研究合作研究所](https://www.cira.colostate.edu/)（CIRA）、[英国气象局](https://www.metoffice.gov.uk/)及全球其他气象机构的专家预报员。
我们的研究已经取得了实际的影响。在2025年的飓风季节中，我们的模型帮助NHC做出了[针对飓风梅利莎的历史预报](https://deepmind.google/blog/how-weathernext-helped-the-national-hurricane-center-better-predict-hurricane-melissas-historic-landfall-in-jamaica/)，准确预测了风暴的快速强化和在牙买加的登陆。这使得NHC能够提前发出警告，给地面团队留出了关键的准备时间。今年，我们继续协同工作，现在对于每个气旋预测1,000种可能的情景，以帮助支持预报员的决策。
天气影响着每一个人。鉴于其广泛影响，我们现在将[WeatherNext 2和WeatherNext Cyclones模型](https://github.com/google-deepmind/weathernext)开源，供飓风季节使用。通过让这项技术公开可用，我们希望赋能研究社区，扩大AI在建设更具韧性的社区中的影响——无论是为地方预报员提供准备自然灾害所需的工具，支持可再生能源的增长，还是预测极端天气。
WeatherNext如何预测天气和气旋
---------------------------------------------
从2024年10月米尔顿飓风期间的全球大气条件出发，WeatherNext Cyclones迭代地预测全球天气模式和精细的气旋轨迹，提前最多15天。运行1,000个集成生成热带风暴到飓风强度风速的局部化概率图。
预测气旋通常需要对两种不同建模技术进行权衡。一方面，气旋的轨迹（它的运动方向）受到巨大的全球气流的影响，以前最好的模型采用的是较粗的全球模型。然而，气旋的强度（它的强度）则是由其核心周围高度局部的精细热力学物理过程驱动，最适合通过专业的、高分辨率的局部模型进行建模。
我们的WeatherNext模型弥合了这一差距，改善了全球天气和气旋的预报。它是一个单一的AI模型，可以以业界领先的准确性预测热带气旋的轨迹、强度和风结构。通过训练、架构和对低分辨率输入的独特处理方式，它实现了这一突破。
我们对2023年至2024年的历史气旋进行了WeatherNext Cyclones的评估，将其确定性和概率性能与其他顶级气象模型进行基准比较。平均而言，WeatherNext Cyclones在预测气旋的轨迹、强度和风结构方面提供了超过一天（24小时）的提前量。
该模型在两个不同的数据模式上共同训练：全球天气动力学和专家策划的历史气旋观测。通过在近20TB的全球大气数据和近5,000个历史气旋的IBTrACS数据库上进行端到端训练，该模型学习复杂的气象模式以及如何对极端天气进行建模。
气旋预测的准确性在最近几十年间稳步提高。图表显示ECMWF-ENS轨迹预测的三天准确性(a)和HWRF强度预测的三天准确性(b)，以及WeatherNext Cyclones如何为轨迹和强度的准确性提供的重大提升。这一改善相当于根据过去20年的趋势具有十年的进步。
我们的模型使用[功能生成网络（FGNs）](https://arxiv.org/pdf/2506.10772)有效地产生多种不同的预测，以捕捉天气的固有不确定性。我们现在可以在不到一分钟的时间内在TPU上生成单一的15天预测，使得预报员能够迅速评估潜在灾难性尾部风险的概率分布。去年，我们的系统能同时生成50个预测，与全球物理模型相匹配。今年，我们将集成规模扩大到1,000个成员，捕捉到像2025年梅利莎飓风期间发生的快速强化事件这样的罕见但重要的情景。
迄今为止，保持非常高的空间分辨率已被认为是制作准确强度预测的主要驱动因素。然而，WeatherNext Cyclones只需要28x28公里分辨率的数据，约比传统模型粗100倍。模型的较小版本WeatherNext 2-mini以粗111x111公里的分辨率运行，也展现出卓越的性能。这让科学家感到惊讶，目前仍有一个开放的研究问题是完全理解我们的模型如何在这一分辨率下产生如此准确的预测。我们希望与研究社区一同探索。
将WeatherNext开放给研究社区
------------------------------------------------
与我们的*Nature*论文一起，我们将代码和模型权重开源，供任何人免费使用。这包括学术研究、运营预测或开发更专业的本地化模型。我们希望加速全球天气社区的进步，赋能气象机构、研究人员和非营利组织更好地预测各种天气事件，并做出关键决策以保护生命和基础设施。
我们还将发布两组相似的模型：在飓风季节使用的WeatherNext Cyclones（结果见于论文）和后来在10月投入使用的WeatherNext 2。此外，我们还将发布WeatherNext 2-mini，一个可以在公共[Colab笔记本](https://colab.research.google.com/github/google-deepmind/weathernext/blob/master/docs/weathernext2/wn2_demo.ipynb)中运行的紧凑版模型。
您可以通过[天气实验室](https://deepmind.google.com/science/weatherlab/)探索我们最新的气旋预测，我们最近对其界面进行了刷新，并扩展以包括全球天气预报和气旋轨迹。天气实验室现在让您在一个视图中可视化WeatherNext的温度、降水量、风速等预测。天气实验室和WeatherNext模型都是[Google Earth AI](https://ai.google/earth-ai/)的一部分。
推动天气预报AI的前沿
---------------------------------------------------
我们通过提前超过一天的时间来预测气旋，实现了历史性的突破 - 相当于十年的气象学进步。随着我们为未来的风暴季节做准备，我们邀请研究人员、气象机构和专家与我们合作，利用我们的开源模型，并在天气实验室中探索我们的预测。通过将先进的机器学习与人类预报员不可或缺的实际专业知识相结合，我们旨在创建一个协作的天气预报生态系统，以挽救生命并帮助社区适应气候变化。
**注意：有关正式的天气预报和警告，请参考您所在地区的气象机构或国家天气服务。**
[阅读我们的Nature论文](https://www.nature.com/articles/s41586-026-10953-2)[下载代码](https://github.com/google-deepmind/weathernext)[探索天气实验室](https://deepmind.google.com/science/weatherlab)[阅读NHC的2025年验证报告](https://www.nhc.noaa.gov/verification/pdfs/Verification_2025.pdf)
致谢
----------------
本研究由Google DeepMind和Google Research团队共同开发。
我们要感谢我们的合作伙伴NOAA/NWS/NCEP国家飓风中心、大气研究合作研究所（CIRA）和英国气象局的合作与贡献。
这项工作反映了论文共同作者的贡献：Ferran Alet、Tom Andersson、Ilan Price、Stratis Markou、Andrew El-Kadi、Dominic Masters、Amy Li、Samier Merchant、Natalie Williams、Gregory Thornton、Ken MacKay、Olivia Graham、Akib Uddin、Ben Gaiarin、Devaja Shah、Elinor Kruse、Wallace Hogsett、David Zelinsky、John Cangialosi、Jonathan Martinez、James Franklin、Mark DeMaria、Kate Musgrave、Caroline L. Bain、Helen Titley、Jacklynn Stott、Remi Lam、Aaron Bell、Paul Komarek、Matthew Willson、Alvaro Sanchez-Gonzalez和Peter Battaglia。
---
原文链接：[点击查看](https://deepmind.google/blog/weathernext-ai-model-achieves-breakthrough-in-forecasting-cyclones/)
评论
暂无评论。