# 【中国新闻网】如何确定台风路径走向？中国团队研发AI- 物理集合预报系统实现科学判断 - 中国科学院 *Источник: 中国科学院* *Дата: 2026-07-29* *Язык: zh* **Кратко:** 主要职责 办院方针 面向世界科技前沿，面向经济主战场，面向国家重大需求，面向人民生命健康，率先实现科学技术跨越发展，率先建成国家创新人才高地，率先建成国家高水平科技智库，率先建设国际一流科研机构，加快打造原始创新策源地，加快突破关键核心技术，努力抢占科技制高点。 科技奖励 科技期刊 科技专项 中国科学院学部 中国科学院院部 语音播报 每到台风季，台风登陆及其影响路径预报的准确性，不仅关乎个人出行、渔船出海、学校上课，更直接关系到国家层面的防灾部署和应急响应，因此备受关注。 科学判断台风路径多种可能走向 记者7月29日从中国科学院大气物理研究所获悉，该所段晚锁研究员团队与复旦大学李昊研究员团队深度合作，以中国自主研发的人工智能（AI）气象大模型“伏羲”（FuXi）为核心，创造性引入具备物理机制的正交条件非线性最优扰动（O-CNOPs）方法，联合研制FuXi-CNOPs集合预报系统，其通过生成具有物理可解释性的初始扰动，实现对台风路径多种可能走向的科学判断。 《大气科学进展》封面。中国科学院大气物理研究所供图 大量台风个案的预报试验结果显示，该系统预报能力明显优于目前国际主流的业务集合预报系统，从而为发展“可解释、可信赖”的AI气象预报提供了新的技术路径。 这项台风预报领域重要研发成果论文，近日在最新一期专业学术期刊《大气科学进展》（AAS）以封面文章形式发表。 研究团队介绍说，台风天生受制于大气系统的混沌特性——初始状态一丝微小的扰动，就足以让它偏离“预定”的路线。因此，预报员要回答的不只是“台风最可能往哪走”，更要判断“它还有可能往哪里偏”。这正是台风路径集合预报需要解决的核心问题。 FuXi-CNOPs的计算流程图。中国科学院大气物理研究所供图 近年来，AI气象大模型发展迅猛，运行效率远超传统数值模式，但在预报台风这种路径“变幻莫测”的高影响天气时，光有“算得快”的本事还不够，要想真正派上用场，AI还得学会像经验丰富的预报员那样，合理评估各种初始条件的微小差异，最终给出一组“都有可能”的、令人信服的台风路径展望。 最终实现台风路径预报精度提升 本项研究选取62个台风个例，开展了91次集合预报对比试验。结果显示，与包含51个集合成员的国际主流业务集合预报系统相比，使用31个集合成员的FuXi-CNOPs在短时效24小时内预报技巧相当，但在24小时至120小时的预报中，优势逐渐显现并持续扩大，路径误差最大降幅占比达32.33%。 同时，FuXi-CNOPs能更稳定刻画台风的移动速度与方向，且更可靠量化台风路径的预报不确定性，其不确定性量化准确度最大提升可达29.2%。 FuXi-CNOPs还以精准的敏感区定位特性，能更合理刻画台风大尺度引导气流的不确定性，最终实现台风路径预报精度的提升。因此，FuXi-CNOPs的核心价值不仅体现在台风路径预报技巧的优化上，更为AI驱动的可靠集合预报体系提供了关键的物理可解释性支撑。 台风“灿都”路径袭击概率。中国科学院大气物理研究所供图 FuXi-CNOPs探索出一条AI气象模型的集合预报创新路径，不仅能直接推动台风等灾害性天气的预报技巧提升，更从底层逻辑上强化了AI预报结果的物理可解释性，打破了纯数据驱动模型的“黑箱”局限。相较于当前主流的纯生成式AI集合预报方案，该系统无需额外训练超大规模生成模型，在计算资源消耗、业务落地适用性上更具优势。 段晚锁表示，面向未来，研究团队将在现有进展基础上进一步优化升级，有望进一步提升台风路径预报技巧，甚至强度预报的水平，并逐步将该技术体系拓展至其他高影响天气的集合预报场景。 主要职责 办院方针 面向世界科技前沿，面向经济主战场，面向国家重大需求，面向人民生命健康，率先实现科学技术跨越发展，率先建成国家创新人才高地，率先建成国家高水平科技智库，率先建设国际一流科研机构，加快打造原始创新策源地，加快突破关键核心技术，努力抢占科技制高点。 科技奖励 科技期刊 科技专项 中国科学院学部 中国科学院院部 语音播报 每到台风季，台风登陆及其影响路径预报的准确性，不仅关乎个人出行、渔船出海、学校上课，更直接关系到国家层面的防灾部署和应急响应，因此备受关注。 科学判断台风路径多种可能走向 记者7月29日从中国科学院大气物理研究所获悉，该所段晚锁研究员团队与复旦大学李昊研究员团队深度合作，以中国自主研发的人工智能（AI）气象大模型“伏羲”（FuXi）为核心，创造性引入具备物理机制的正交条件非线性最优扰动（O-CNOPs）方法，联合研制FuXi-CNOPs集合预报系统，其通过生成具有物理可解释性的初始扰动，实现对台风路径多种可能走向的科学判断。 《大气科学进展》封面。中国科学院大气物理研究所供图 大量台风个案的预报试验结果显示，该系统预报能力明显优于目前国际主流的业务集合预报系统，从而为发展“可解释、可信赖”的AI气象预报提供了新的技术路径。 这项台风预报领域重要研发成果论文，近日在最新一期专业学术期刊《大气科学进展》（AAS）以封面文章形式发表。 研究团队介绍说，台风天生受制于大气系统的混沌特性——初始状态一丝微小的扰动，就足以让它偏离“预定”的路线。因此，预报员要回答的不只是“台风最可能往哪走”，更要判断“它还有可能往哪里偏”。这正是台风路径集合预报需要解决的核心问题。 FuXi-CNOPs的计算流程图。中国科学院大气物理研究所供图 近年来，AI气象大模型发展迅猛，运行效率远超传统数值模式，但在预报台风这种路径“变幻莫测”的高影响天气时，光有“算得快”的本事还不够，要想真正派上用场，AI还得学会像经验丰富的预报员那样，合理评估各种初始条件的微小差异，最终给出一组“都有可能”的、令人信服的台风路径展望。 最终实现台风路径预报精度提升 本项研究选取62个台风个例，开展了91次集合预报对比试验。结果显示，与包含51个集合成员的国际主流业务集合预报系统相比，使用31个集合成员的FuXi-CNOPs在短时效24小时内预报技巧相当，但在24小时至120小时的预报中，优势逐渐显现并持续扩大，路径误差最大降幅占比达32.33%。 同时，FuXi-CNOPs能更稳定刻画台风的移动速度与方向，且更可靠量化台风路径的预报不确定性，其不确定性量化准确度最大提升可达29.2%。 FuXi-CNOPs还以精准的敏感区定位特性，能更合理刻画台风大尺度引导气流的不确定性，最终实现台风路径预报精度的提升。因此，FuXi-CNOPs的核心价值不仅体现在台风路径预报技巧的优化上，更为AI驱动的可靠集合预报体系提供了关键的物理可解释性支撑。 台风“灿都”路径袭击概率。中国科学院大气物理研究所供图 FuXi-CNOPs探索出一条AI气象模型的集合预报创新路径，不仅能直接推动台风等灾害性天气的预报技巧提升，更从底层逻辑上强化了AI预报结果的物理可解释性，打破了纯数据驱动模型的“黑箱”局限。相较于当前主流的纯生成式AI集合预报方案，该系统无需额外训练超大规模生成模型，在计算资源消耗、业务落地适用性上更具优势。 段晚锁表示，面向未来，研究团队将在现有进展基础上进一步优化升级，有望进一步提升台风路径预报技巧，甚至强度预报的水平，并逐步将该技术体系拓展至其他高影响天气的集合预报场景。 [Оригинал](https://www.cas.cn/cm/202607/t20260729_5117328.shtml)