AI气候建模将重点从广泛预测转向针对性韧性计划

人工智能气候建模现在能生成区域特定预测，这改变了政府分配灾害资金的方式。

新型系统将卫星数据与机器学习相结合，将预测范围从数百公里缩小到单个流域。这种变化给传统全球气候中心带来压力，因为它们的模型不再符合机构要求的精度。NYTimes

这种转变始于多家机构要求2025年预算周期达到10公里以下的精度。无法达标的模型被排除在考虑之外。

区域预测取代全球平均值

人工智能气候建模运行在神经网络集合上，这些网络基于40年再分析数据进行训练。每次运行在数小时内完成，而非传统超级计算机所需的数周。机构获得每日更新而非季节性报告。

欧洲中期天气预报中心和NASA的研究团队报告，河流流域内降水时机的预测有可衡量的提升。这些提升使防洪机构能够比以往提前数天部署设备。Reuters

建立在物理方程上的大型政府实验室现在与仅用观测数据训练模型的初创公司展开竞争。初创公司声称，由于跳过了完整物理分辨率，每次预测的成本更低。实验室则反驳称，纯数据驱动模型在两周后会失去技能。Bloomberg

紧张局势集中在验证上。政府资助方要求对留存的极端事件提供有记录的性能表现。几个仅数据驱动的项目尚未发布这些测试分数。

非洲部分地区和南大洋的卫星覆盖仍然稀疏。因此，当训练数据稀薄时，人工智能气候建模会继承盲点。专家指出，一旦预测超出已观测事件类型，误差会急剧增长。The Verge

国家机构将于9月前发布2026年热浪和洪水事件的验证分数。该发布将显示新的AI集合是否至少将提前期改善了两天。

世界银行2027年韧性拨款的资助决定取决于这些分数。数据驱动模型与基于物理的模型之间若出现明显差距，将改变拨款要求。

最后，下一轮IPCC技术文件将说明人工智能方法是否被接受用于官方区域章节。接受将锁定当前精度标准，用于下一个评估周期。NYTimes