人工智能如何改变天气预报：GraphCast、AIFS和加拿大的GEML

欧洲和北美的气象机构已开始将人工智能模型与有数十年历史的基于物理的预报系统并行运行，在某些情况下还将两者融合。这一转变是由人工智能的能力推动的，能够在单个处理器上在一分钟内生成全球10天预报，而传统数值天气预报则需要超级计算机运行数小时。根据谷歌DeepMind和欧洲中期天气预报中心(ECMWF)的说法。

GraphCast和AIFS的实际功能

GraphCast由谷歌DeepMind构建，是一个机器学习模型，使用图神经网络处理覆盖地球表面的超过100万个网格点的天气数据，分辨率为28乘28公里。它采用六小时前的大气状态和当前状态，然后预测接下来的六小时；重复运行这一步骤会产生10天预报。该模型及其结果于2023年11月14日在《科学》杂志上发表，其代码作为开源软件发布，根据谷歌DeepMind的公告。

欧洲中期天气预报中心建立了自己的系统，即人工智能预报系统(AIFS)，于2025年2月25日投入运行，与该中心传统的基于物理的综合预报系统(IFS)并行运行。AIFS使用与IFS相同的起始数据——来自卫星、飞机、浮标和地面站收集的约6000万个质量控制的观测数据，每六小时收集一次——但应用的是基于历史天气模式训练的机器学习模型，而不是直接求解物理方程，根据欧洲中期天气预报中心的说法。

根据构建这些人工智能模型的组织，这些模型的准确性如何

谷歌DeepMind报告说，GraphCast在超过90%的1,380个测试变量和前导时间上的预测比欧洲中期天气预报中心的高分辨率预报(HRES)——该公司将其描述为行业基准——更准确，在对流层的99.7%的变量上更准确，对流层是大多数天气发生的大气层。DeepMind还表示GraphCast提前九天预测了飓风李登陆新斯科舍省。

欧洲中期天气预报中心报告称，AIFS在许多指标上超过了最先进的基于物理的模型，包括热带气旋轨迹，提高幅度高达20%，同时每次预报的能耗比传统方法低约1,000倍。

加拿大的混合方法：人工智能指导物理模型

加拿大环境和气候变化部采取了不同的方式，在DeepMind的开源GraphCast代码之上构建了一个名为全球环境仿真器(GEML)的加拿大人工智能模型，并在加拿大历史天气数据上对其进行了训练。该机构没有替换基于物理的模型，而是通过一种称为谱约束的技术将两者结合起来：传统模型被温和地引导向GEML生成的大气状态，同时与严重天气相关的更细致尺度的细节仍然使用既定的物理方程演变，根据该机构的官方公告。混合系统在经过一年多的测试后于2026年5月27日投入运行。

加拿大环境和气候变化部表示，人工智能模型可以在大尺度大气模式上超过传统计算机模型，这在较长的前导时间最为重要，但在公告中没有公布具体的改进数字。

人工智能仍有不足之处

欧洲中期天气预报中心和加拿大环境和气候变化部都指出了局限性。欧洲中期天气预报中心的AIFS目前仅作为确定性单一预报运行；提供50个预报变化的集合版本是评估预报不确定性的标准做法，仍在开发中，根据欧洲中期天气预报中心的说法。加拿大环境和气候变化部表示，仅靠自身，现有的人工智能模型只能预报有限数量的变量，这对于业务使用来说还不够，并且它们以能降低某些类型极端天气准确性的方式平滑了更细致的大气细节——这是该机构选择混合设计而不是仅人工智能系统的原因之一。