上海市气象局数值预报团队推出HITS区域台风智能预报模型

台风路径、强度及风雨结构的中期精准预报，一直是气象领域的难点问题。近年来，以盘古气象大模型为代表的全球人工智能天气预报模型在大尺度环流和台风路径预报方面进展显著，但受限于较低分辨率训练资料，其对台风强度和中尺度风雨结构的刻画仍有不足；同时，现有区域AI模型在中长期滚动预报中也面临误差累积和动力一致性不足等问题。

针对这些瓶颈，上海市气象局数值预报团队在上海台风智能模型ISTM（降尺度模型）的基础上，联合复旦大学等高校研发了面向台风中期预报的多尺度混合训练区域智能模型海司HITS（Hybrid Intelligent Typhoon System），为提升台风中期预报能力提供了新的技术路径和框架支撑。HITS模型主要具有以下几个方面的特点：

（1）面向台风预报的区域AI模型。HITS是面向西北太平洋台风中期预报的区域AI模型，可实现5天乃至15天的逐6小时预报，克服了现有区域AI模式主要面向局地短时天气预报的局限性。HITS模型依托构建的9公里高分辨率台风再分析数据集（HiRes）开展训练，显著提升了对台风强度、风场结构及中尺度特征的预报能力，为西北太平洋台风高分辨率智能预报提供了新的视角。

（2）自回归预报—降尺度的混合框架。HITS模型实现了自回归预报与降尺度的融合设计（如图1）。HITS模型通过cross-attention机制将未来时刻的AI大模型预报场（如AIFS）引入作为大尺度动力约束。这样的设计有助于HITS模型在长时效的自回归预测中保持较高的大尺度预报性能。结果表明，该混合框架在降水和台风强度预报方面均优于纯自回归AI预报方案（CTL）和纯AI降尺度方案（ISTM）。

（3）多尺度结构感知的训练策略。为了精准预报台风的多尺度结构特征，本研究采用多尺度结构感知的损失函数（LPIPS）训练了HITS-LPIPS模型，从而保证了台风结构的物理一致性。结果表明，HITS-LPIPS模型在台风强度、降水等方面的预报性能相比于其他模型表现更优（图2-3）。同时，本研究也尝试使用Diffusion Transformer （DiT）来训练，但是由于扩散模型可能会引入随机的小尺度噪声，在台风结构的预报方面表现欠佳。

总体来看，将AI大模型的大尺度约束与高分辨率初始场相结合，是提升台风等中尺度天气预报能力的重要方向。尽管当前模型对极端强台风强度仍有一定低估，但随着更高分辨率台风再分析资料的应用，其预报性能有望进一步提升。目前文章arXiv在线：https://arxiv.org/abs/2603.15127。

作者信息

牛泽毅 | 中国气象局上海台风研究所

黄 伟（通讯作者） | 中国气象局上海台风研究所研究员

黄司戎 | 中国气象局上海台风研究所

王卓 | 伊利诺伊大学香槟分校大气科学系教授

穆穆 | 复旦大学大气与海洋科学系教授

杨梦琪 | 中国气象局上海台风研究所

韩心海 | 中国气象局上海台风研究所

孙昊飞 | 中国气象局上海台风研究所

霍朝阳| 中国气象局上海台风研究所

秦博 | 同济大学助理教授

END

声明：欢迎转载、转发。气象学家公众号转载信息旨在传播交流，其内容由作者负责，不代表本号观点。文中部分图片来源于网络，如涉及内容、版权和其他问题，请联系小编处理。