解码北极以预测冬季天气
在人工智能的帮助下，麻省理工学院的研究科学家犹大·科恩正在重塑季节内气象预测，旨在延长对高影响天气的预报提前量。
每年秋天，随着北半球进入冬季，犹大·科恩便开始拼凑一个复杂的大气谜题。作为麻省理工学院土木与环境工程系的研究科学家，科恩数十年来一直致力于研究北极的状况如何为整个欧洲、亚洲和北美洲的冬季天气设定路径。他的研究可以追溯到其在博士后期间，与 Bacardi and Stockholm Water Foundations 教授达拉·恩特哈比共同开展的工作，当时他们关注的是西伯利亚地区的积雪及其与冬季预报的关联。科恩对2025-26年冬季的展望，突出了一个由北极出现的新指标所描绘的季节特征，这些指标借助新一代人工智能工具来构建完整的大气图像。
超越常规的气候驱动因素 冬季预报在很大程度上依赖于对厄尔尼诺-南方涛动（ENSO）的诊断，即影响全球天气的热带太平洋海洋和大气状况。然而，科恩指出，今年的ENSO相对较弱。 科恩表示：“当ENSO较弱时，来自北极的气候指标就变得尤为重要。” 在季节内预报中，科恩监测高纬度地区的诊断指标，例如西伯利亚十月份的积雪覆盖情况、季节初期的温度变化、北极海冰范围以及极地涡旋的稳定性。他表示：“这些指标可以为即将到来的冬季描绘出令人惊讶的详细图景。” 科恩最稳定的数据预测指标之一是西伯利亚十月份的天气。今年，当北半球经历了一个异常温暖的十月时，西伯利亚却比正常情况更冷，并且降雪提前。“低温加上早期积雪往往会加强冷气团的形成，这些冷气团随后可能蔓延到欧洲和北美，”科恩说——从历史上看，这种天气模式与冬季后期更频繁的寒潮有关。 巴伦支海-卡拉海温暖的海洋温度以及准两年振荡的“东风”相位也表明，初冬时极地涡旋可能会减弱。当这种扰动在12月与地表状况相结合时，会导致季节早期欧亚大陆和北美部分地区出现低于正常水平的气温。
人工智能驱动的季节内预报 虽然人工智能天气模型在短期（1到10天）预报方面取得了令人瞩目的进展，但这些进步尚未应用于更长的周期。涵盖2到6周的季节内预报仍然是该领域最艰巨的挑战之一。 正是这一空白，使得今年可能成为季节内天气预报的一个转折点。一个与科恩合作的研究团队，在欧洲中期天气预报中心举办的2025年AI WeatherQuest季节内预报竞赛中，获得了秋季赛季的第一名。该竞赛旨在评估人工智能模型在数周时间内捕捉温度模式的准确性，而这一直是预报历史上的难点。 获胜模型将机器学习模式识别与科恩数十年来不断完善的那些北极诊断指标相结合。该系统在多周预报方面展现出显著的性能提升，超越了领先的人工智能基线和统计基线。 科恩表示：“如果这种性能水平能跨越多个季节保持下去，那将代表季节内预测领域真正向前迈进了一步。” 该模型还比往常提前数周，探测到美国东海岸在12月中旬可能出现的寒潮，这比此类信号通常出现的时间早了许多。这一预报当时被媒体广泛实时报道。科恩解释说，如果这一预测能力得到验证，将表明将北极指标与人工智能相结合可以延长高影响天气的预报提前量。 他补充道：“提前三到四周标记出潜在的极端天气事件将是一个分水岭时刻。这将为公用事业、交通系统和公共机构提供更多的准备时间。”
今年冬天可能会怎样 科恩的模型显示，冬季后期，欧亚大陆部分地区和中北美地区出现比正常情况更冷天气的可能性更大，最强的异常可能出现在季中。 “我们还处于早期阶段，模式可能会发生变化，”科恩说。“但形成更冷冬季模式的要素已经具备。” 随着北极变暖加速，其对冬季天气的影响正变得越来越明显，理解这些联系对于能源规划、交通和公共安全也愈发重要。科恩的工作表明，北极蕴藏着未被充分利用的季节内预报潜力，而人工智能或许能够在传统模型长期难以应对的时间尺度上，帮助我们释放这种潜力。 去年11月，科恩甚至作为一条线索出现在《华盛顿邮报》的填字游戏中，这小小的迹象表明他的研究在公众关于冬季天气的讨论中已如此广泛地传播。 “对我来说，北极一直是个值得关注的地方，”他说。“现在人工智能给了我们解读其信号的新方法。” 科恩将在其博客上持续更新整个冬季的预测观点。FINISHED
