Microsoft PBC 天气预报在不取代模型的情况下提升预测效果
Microsoft 发布了一个机器学习框架，旨在攻克天气预报中顽固的两至六周预测空白。Microsoft PBC 天气预报方法并不取代既有模型，而是从这些模型反复出现的误差中学习，并调整它们给出的概率。
这一差异构成了 10 月 14 日发布内容的核心张力。多年来，科技公司一直在打造愈发雄心勃勃的 AI 天气模型。Microsoft 则主张，一个轻量级校正层能够从现有模型中挖掘出更多价值。
这一框架名为 Probabilistic Bias Correction，即 PBC。Microsoft 及其研究合作伙伴在一项同行评议研究中发表了该方法，同时还将其实现作为开源软件发布。
Microsoft 表示，PBC 改善了基于物理、AI 以及混合系统的预测。其最有力的证据包括历史评估结果，以及一整年实时竞赛中的表现。这些发现意义重大，但并未消除提前数周预测天气所固有的不确定性。
因此，实际问题比 AI 能否“解决”天气预报更为具体：在局地细节尚无法预测之前，经过更好校准的概率能否帮助人们作出更安全的决策。
Microsoft PBC 天气预报改变了什么
Microsoft 的重要举措，是为改进现有预报提供了一种新方式，而不是推出另一款独立天气模型。
传统数值天气预报始于当前观测数据，随后利用数学方程模拟大气和海洋将如何演变。
较新的 AI 系统则从大规模历史数据集中学习关联关系。它们生成预报的速度可以远快于许多基于物理的系统。但随着时间推移、误差不断累积，这两种方法都会丢失有用信息。
PBC 在另一模型生成预报之后发挥作用。它分析该模型的历史预测，识别系统性误差，并调整其未来的概率分布。
最后一点很重要。普通的偏差校正通常会调整某个预测值，例如预期降雨量；PBC 调整的则是分配给不同可能结果的概率。
一份预报可能将概率分配到五个历史类别，即五分位数。这些类别从异常干燥状况延伸至异常潮湿状况。
该框架接收确定性预报、近期观测数据和气候阈值，随后为每个预测目标生成经过校准的概率分布。
Microsoft 的研究人员利用两个互补组件构建了 PBC。Debias++ 学习与地点、日期和概率类别相关的校正；Persistence++ 则纳入近期状况与正常季节性模式。
系统会在确保最终概率构成有效分布后，结合两者的输出。这种组合旨在保留有用信号，同时减少可预测的误差。
这份研究摘要将 PBC 描述为一个可兼容动力学、AI 和混合模型的轻量级层。随着新的预报和观测数据到来，它还可以逐步重新训练。
研究人员测试了每周平均气温、总降水量和平均海平面气压。其主要评估涵盖第 19 至 25 天以及第 26 至 32 天。
这些时段属于次季节预报，即传统天气预报与季节性气候展望之间的困难区间。在这一时间尺度上作出的决策通常涉及风险，而非精确的每日天气状况。
农民不需要在五周前获知准确的降雨总量才开始规划。异常干燥天气的可靠概率，便可影响种子、劳动力和灌溉决策。
应急管理人员也可以采用同样的逻辑。异常高温、低温或降水概率上升，即便没有精确的局地预报，也能支持提前准备。
Microsoft 还以 MIT 许可证发布了开源代码。这使预报机构能够检查其实现，并用自己的模型进行测试。
这种开放性使 PBC 比封闭的商业演示更容易受到检验，也降低了小型研究团队的门槛——只要它们已拥有存档预报和观测数据。
这项发布并未为这些团队提供一套完整的预报业务体系。它们仍需要可靠的输入模型、历史记录、计算基础设施和气象专业知识。
PBC 改变的是这一体系中的一个环节。它提供了一种可复用的方法，可从机构已信赖的预报体系中提取校准效果更好的概率。
为什么修正预报可能胜过取代它们
PBC 将 AI 天气竞赛从模型替代转向在多个预报系统中实现可衡量的改进。
次季节天气预报依然困难，因为大气具有混沌特性。模型初始状态中的微小误差，会随着预报向更远未来延伸而扩大。
在这一时期，较慢变化的因素可以提供一些指引。海洋温度、土壤湿度、积雪覆盖和大尺度大气模式都会影响未来状况。
但这些信号很少能确定无疑地决定局地天气。一个有用的系统必须表达不确定性，而不是给出单一且自信的结果。
Microsoft 的方法正是围绕这一限制构建。它并不声称能够恢复任何预报都不包含的信息，而是在同时含有系统性误差的预报中寻找有用信号。
Nature 论文使用排序概率技巧评分，即 RPSS，来评估 PBC。该指标衡量概率预报是否优于历史气候基线。
正分意味着该预报相较于该地点和日期的常态增加了价值；负分则意味着气候平均水平会表现得更好。
在涵盖 2016 至 2024 年的测试中，PBC 将原始 ECMWF 动力集合预报的正向降水技巧提升至三倍。它还将原本为负的全球气温和气压技巧转变为正向结果。
与 ECMWF 业务偏差校正方法的比较更为严格。PBC 在 98% 的已评估网格单元中提升了降水表现。
气温在 91% 至 92% 的网格单元中得到改善。平均海平面气压则在 89% 至 91% 的网格单元中得到改善，具体取决于预报窗口。
研究人员报告称，相比经过业务校正的 ECMWF 预报，气温技巧提升了 26% 至 37%，气压提升幅度为 16% 至 32%。
这些百分比描述的是对较低基线技巧分数的改进，不应解读为日常预报准确率获得了等比例提升。
PBC 不仅校正基于物理的输出，也改善了一个 AI 模型。应用于 ECMWF 的次季节 AI Forecasting System 时，它在 2025 年测试中将该模型平均 0.03 的 RPSS 提升至两倍。
这一结果支持了 Microsoft 更广泛的主张，即 PBC 与模型无关。即使底层预报已由机器学习生成，校正层仍可发挥作用。
该方法还改善了 POET——一个将神经网络和 transformers 应用于 ECMWF 集合预报的混合系统。因此，POET 此前已接受了复杂的后处理。
在 2024 年评估期间，PBC 将 POET 的降水技巧提高了 68% 至 98%。气压提升了 15% 至 23%，气温则提升了 5% 至 7%。
这些差异揭示了一个重要规律：在输入模型基线技巧仍最弱的地方，PBC 带来的相对提升最大。
这很有用，但需要谨慎解读。将一个较小分数翻倍，可能代表真正的进展，却未必能形成可靠的局地预警。
该框架的价值在于组合模型，而不是宣称存在一位普遍适用的赢家。预报中心可以保留值得信赖的动力学系统，同时加入学习得到的校正。
与替换整条预报流水线相比，这一路径的业务风险更低。它也让团队能够将校正后的输出直接与既有产品进行比较。
真正的较量是校正与替代之争
Microsoft 正在挑战这样一种假设：最佳 AI 天气策略始于构建一个更大的预测模型。
Google DeepMind 的 GenCast 展示了这场较量中“替代”路线的一面。GenCast 通过从历史数据中学习全球大气行为，生成概率预报。
其已发表的概率天气模型在许多中期预报基准中优于 ECMWF 的集合预报系统。该模型重点关注提前约 15 天的预报。
其他研究则将机器学习进一步推进到次季节尺度。FuXi-S2S 使用数十年的再分析数据，预测数周后的全球状况。
已发表的FuXi-S2S 结果显示，其表现优于传统次季节模型。研究人员还将对 Madden-Julian Oscillation 的有效预测从 30 天延长至 36 天。
这些系统之所以重要，是因为它们试图直接生成预报本身。它们在特定时间尺度和变量上与数值天气预报直接竞争。
PBC 采取了不同立场。它假定强大的预报模型将继续共存，并进一步改善它们所生成的概率分布。
这一校正策略带来了多项实际优势。预报机构不必放弃对动力学模型、观测流程或专家工作流的既有投入。
它们还可以将同一校正框架应用于多个系统。这种灵活性很重要，因为没有任何单一模型能在每个变量、区域和时间尺度上都表现最佳。
PBC 的 MicroDuet 参赛作品在 ECMWF 的 AI Weather Quest 中展示了这一策略。MicroDuet 结合了经过 PBC 校正的 ECMWF 预报与经过 PBC 校正的 POET 预报。
这一实时基准测试要求团队每周提交全球预测。其主要评估窗口涵盖第 19 至 25 天和第 26 至 32 天。
该竞赛吸引了 55 多个团队的 250 多名参与者。这些参与者提交了来自 100 多个 AI 和机器学习模型的预报。
在最初的 2025 年 9 月至 11 月赛季中，MicroDuet 在每个已评估变量和预报时效上均排名第一。它与 34 个团队和六个业务预报中心展开竞争。
这些中心包括 ECMWF、NOAA、Environment and Climate Change Canada，以及来自英国、韩国和日本的机构。
Microsoft 表示，MicroDuet 还在完整一年的实时预报中取得了最高综合成绩。实时表现很重要，因为它降低了模型针对已完成事件进行定制的风险。
这一结果仍未终结校正与替代之争。MicroDuet 依赖于那些替代型系统力图超越的底层模型。
当每个输入模型都错过某一事件时，校正层无法创造有用信号。只有当历史关系依然具有相关性时，它才能改善校准效果。
因此，最有力的解读并不是 PBC 让大型预报模型变得不再必要，而是它将这些模型的误差转化为可重复利用的训练数据来源。
这可能会促使模型开发者将校准视为核心能力。当低成本的后处理层能够带来显著提升时，原始模型性能本身就不再那么具有决定性。
业务气象机构则面临另一种压力：它们必须判断既有的去偏流程是否仍值得保留在生产环境中。
据称，PBC 在大多数评估网格单元上都优于传统去偏方法。各机构如今可以利用开源代码和自己偏好的观测数据复现这些比较。
这种方法也为较小机构提供了一个可行的切入点。构建全球基础模型仍然困难，而修正一个可访问的预报档案则是一项范围更窄的工程任务。
结果是形成一个更多元的气象生态系统。物理模型、AI 模型和混合系统依然是竞争者，但它们也都可以成为同一校正框架的输入。
强劲的基准表现并不保证本地预警能力
头条结果是进步的可信证据，但并不能证明每一种极端事件都能获得可靠的本地预报。
第一个限制在于指标本身。RPSS 会在许多地点和日期中，将概率分布与气候态进行比较。
一个模型即使提高了平均 RPSS，仍可能漏报一场危险风暴。它也可能给出更好的概率，却无法识别事件的精确发生时间或地点。
全球平均值可能掩盖区域性弱点。广泛温度场上的表现，不一定能转化为对极端降雨同样有用的预测。
降水尤其难以预测，因为它会在短距离内剧烈变化。局地地形、对流和水汽输送，都让提前数周的预测变得复杂。
Nature 的评估采用全球网格，每个单元横跨 1.5 度纬度和经度。这一尺度适合观察大范围异常，而非社区级天气。
其主要预测目标是周平均值或周总量。这些目标可以支持规划，但不同于针对某一天特定风暴的预报。
论文的历史评估还将 ERA5 再分析数据作为真实值。再分析结合观测和建模，构建一致的全球记录。
该数据集被广泛使用，但并不等同于每一个本地观测网络。在一些地区，稀疏的测量可能带来额外不确定性。
研究人员还通过实时竞赛应对了另一项常见弱点。MicroDuet 的结果并不限于在结果已知后挑选的回顾性测试。
即便如此，一年仍是较短的业务运行记录。罕见事件需要更长时间的评估，因为最严重的失败发生得并不频繁。
Microsoft 的 PBC 天气预报故事还包括生动的风暴案例。Microsoft 表示，MicroDuet 在 19 至 26 天前就预判了美国两场重大冬季风暴。
这些案例有助于说明该框架的潜力。但不应将其视为 PBC 能够在这一提前期内持续预测单次风暴的证据。
提前数周的预报通常识别的是大范围异常概率上升。它们并不像临近登陆时展示的详细风暴路径那样具体。
Microsoft 关于 PBC 将 AIFS-SUBS 技能翻倍的说法也需要类似背景。论文报告称，经校正系统将平均 RPSS 从 0.03 提升了一倍。
这一改进在研究范围内具有统计意义。不过，起始分数并不高，预报是否有用取决于每项决策的成本和阈值。
西班牙 Science Media Centre 发布的一位独立专家回应强调了这一差异。有限技能翻倍，并不会自动产生有用的业务预报。
这种谨慎并不否定 PBC。它指出了 Microsoft 和预报机构下一步必须达到的标准。
用户需要可靠性图、区域细分结果，以及高影响事件期间的表现。他们还需要与真实决策中已在使用的预报进行比较。
误报会带来成本。若农民根据预报调整种植计划，而预测条件最终没有出现，便可能损失收入。
漏报同样重要。如果较高的平均分数掩盖了危险极端事件上的薄弱表现，应急机构可能会高估系统的价值。
PBC 的设计足够透明，能够支持这种审查。论文说明了输入数据、评估目标和组成模型。
其代码发布也为独立测试提供了另一条路径。研究人员可以更改区域、观测数据、变量和概率分箱，而无需依赖 Microsoft 的产品界面。
这比笼统声称准确度更高更有价值。复现将显示该框架在哪些地方适用良好，以及在哪些地方需要本地化调整。
肯尼亚雨季是实际检验
只有当校准后的概率改变决策时，PBC 才真正具有意义，而不只是提高一个全球分数。
Microsoft 及其合作伙伴正与肯尼亚国家气象部门测试该框架。工作重点是该国两个雨季之一的预报。
当地许多小农户直接依赖降雨。灌溉有限，这使得种植和施肥决策对预期天气条件格外敏感。
农民必须决定购买哪些种子以及何时播种。他们还需要权衡干旱间歇、强降雨和破坏性暴雨的风险。
这些选择契合概率化次季节天气预报的优势。每周概率分布可以支持规划，而无须承诺精确的每日结果。
从事 AI 天气预报的非营利机构 Rhiza Research 正在支持这项工作。该机构与肯尼亚预报员，以及美国和德国的研究团队合作。
Microsoft 表示，PBC 正帮助团队评估异常强降雨或异常少雨的概率。预报员随后在编制每周更新时使用这些结果。
肯尼亚气象部门首席气象学家 Phillip Okello 用具体方式说明了差异。他表示，常规方法主要调整预测降雨量。
PBC 则校正概率本身。根据 Okello 的说法，它在大非洲之角地区的预报改善幅度超过了其他测试方法。
他的下一项优先任务也暴露了剩余差距。预报必须在强降雨和干旱间歇方面变得更精准，因为这些结果对农民最为重要。
这一说法比笼统的认可更具信息量。它承认了有意义的改进，同时指出最难解决的目标仍未得到解决。
预报的传播渠道与模型得分同样重要。概率必须尽早传达给用户，以他们能理解的语言呈现，并附带与实际选择相关的指引。
如果种子购买之后才收到五周预报，它几乎没有价值。即便技术上准确的概率，也可能因用户将其理解为确定性结果而失效。
这正是成本论点变得相关之处。Microsoft 将 PBC 定位为一个计算高效、建立在既有预报输出之上的框架。
公开代码库称，演示程序可在常规研究硬件上快速运行。该示例并未衡量完整业务预报服务的全部成本。
机构仍需下载数据、维护流程、验证预报，并负责任地传达预报。这些运营成本可能超过校正模型的计算需求。
不过，轻量级设计仍可能扩大获取范围。国家气象部门可以调整 PBC，而无需从头训练全球 AI 天气模型。
本地化调整也让气象学家拥有更多控制权。他们可以针对本国境内重要的观测和误差进行优化。
这种采用模式不同于购买成品全球预报产品。它将本地机构视为技术合作伙伴，而非被动接收者。
Microsoft 也拥有商业化路径。其自有的次季节至季节模型可提供最远六周的每周概率指引。
该公司称，该模型正实时运行，并将与选定客户进入私密预览阶段。Microsoft Weather 已为多项 Microsoft 产品提供预报。
这在开放研究和商业交付之间形成了有益张力。PBC 的代码是公开的，而完整业务服务则包括专有数据、基础设施和支持。
独立部署将显示价值有多少来自框架本身。商业采用则将检验机构是否会信任它来支持具有重要后果的规划。
因此，肯尼亚试点不只是展示项目。它检验改进后的校准能否经受稀疏数据、本地极端事件和人类决策的考验。
未来应关注两至六周预报的什么
下一批证据应来自独立复现、极端事件表现和持续的业务使用。
第一个信号是 Microsoft 研究网络之外的复现。预报机构和大学团队现在可以利用已发布的代码，对照自己的档案运行测试。
研究人员应报告成功与失败。区域比较将揭示，这些提升是否能在不同气候和观测系统中保持广泛有效。
最有说服力的测试将使用留出日期和实时预报。这种设计限制了在看过天气结果后再调优框架的机会。
结果还应将 PBC 与各机构当前的偏差校正流程进行比较。击败未经校正的模型固然有用，但业务去偏才是更强的基线。
持续的独立增益将强化 Microsoft 的核心论点。区域结果参差不齐则意味着，PBC 可能需要比其整体设计所暗示的更多本地调优。
第二个信号是极端事件技能。平均温度、气压和降水得分无法完整代表农民和应急管理者面临的风险。
评估者应将普通异常与危险尾部事件分开。他们应衡量强降雨、持续干旱、严寒和长期高温。
这些研究需要在成功预警之外报告误报。如果一个系统只是通过持续提高概率来发现更多风险，其实际价值可能很小。
提前期也需要谨慎处理。有用的第三周信号可能在第四周消失，而不同变量的衰减速度也可能不同。
如果 Microsoft PBC 天气预报能在不破坏校准的前提下提高罕见事件概率，它将最具影响力。这一标准比提高平均全球分数更难达到。
第三个信号是持续的业务采用。Microsoft 的私密预览将显示，能源、农业、物流和公共机构能否将输出纳入日常决策。
采用情况不应只通过客户公告衡量。更有力的证据将是重复使用、已记录的预报验证，以及与明确概率阈值关联的决策。
肯尼亚为这一进程提供了早期检验。预报员已在实时雨季期间评估 PBC，并识别其预测在哪些方面需要更高的精准度。
ECMWF 持续举办的竞赛提供了另一项公开测试。随着新团队、新 AI 模型和更多预报周期进入基准测试，MicroDuet 必须保持其位置。
竞争者也会采用类似的后处理思路。如果校正成为标准，即使另一种实现最终表现更好，PBC 仍可能影响天气预报。
这一结果将证实 Microsoft 此次发布背后的战略转向。真正重要的竞争不再是物理学与 AI 之间的较量，也不再是 Microsoft 与 Google 的竞争。
它将成为完整预测系统之间的竞争。这类系统结合了观测数据、动力学模型、学习模型、校准层以及专家沟通。
因此，读者应避免得出两种过于简单的结论。PBC 并未解决限制长期天气预报的根本不可预测性。
它提供了经过同行评审、可复现的证据，表明现有模型仍遗漏了可被纠正的信息。其在实时竞赛中的结果，使这些证据更难被忽视。
接下来的问题很实际：当这些概率信息在天气到来前两到六周传递给人们时，哪些决策会因此得到改善？
研究人员可以利用本地历史资料测试代码。预报服务提供商可以公布区域性及极端天气事件的结果。决策者则可以界定何种准确度足以支持采取行动。
这一过程将决定 Microsoft PBC 天气预报会成为广泛使用的业务化能力层，还是仍仅仅是一项令人印象深刻的研究基准。
