提前、准确地预报台风的强度，是防灾减灾工作中的关键一环。2024年度“中国十大气象科技进展”之一——由南京大学联合南京信息工程大学合作完成的“融合深度学习、数值模拟、动力和物理约束的一体化台风强度预报新方法”研究成果，为台风预报改进提供了新的思路。这项工作以物理规律为“指挥棒”，将人工智能，尤其是深度学习，与传统天气预报方法深度融合，有效提升了台风强度预报的准确性和时效性。

尽管近年来台风路径预测已取得显著进展，但强度预报仍是台风预报中的一大难题。造成这一问题的根源主要包括：初始条件不够准确，对台风当前的“真实状态”掌握不全面；预报过程中对物理机制的理解存在不足，导致对台风内部复杂演变过程的模拟出现偏差。

该研究借助深度学习技术，辅助物理约束，构建一种台风强度和尺度的估计模型，快速识别台风在卫星云图中的形态特征，结合物理知识对其强度和大小进行智能估算，并对初始条件进行优化，从而更准确地反映真实的台风状态。这一步如同“校正起跑线”，让台风预报从更贴近实际的位置出发。研究通过结合深度学习和超高分辨率的大涡模拟，提出了针对近地面台风能量交换过程的台风边界层参数化方案，使数值模式可以更加合理地反映台风在“汲取能量”过程中的效率与路径，从而提升对台风强度演变的刻画能力。此外，研究还将深度学习算法与资料同化方法相结合，提出适应性局地化方法、模式误差在线估计和订正算法，用于识别初始条件和模式内部的误差。这一过程犹如为预报系统安装了一套“自我诊断装置”，能够在运行过程中自动发现并修正偏差，从而提高预报系统的稳定性和可靠性。最后，研究构建一个结合深度学习与数值模式的长时效预报框架，通过提高对台风移动轨迹和风雨分布的分析能力，显著降低了台风强度两周预报误差，为提前采取应对措施提供信息支持。

这项研究的核心理念是“让人工智能听懂物理的语言”。在物理知识的指导下，深度学习技术与传统预报方法实现有机融合，不仅改善了预报的“起点”，也优化了预报的“过程”，从而更准确地“看到”未来的台风强度走向。（雷荔傈、谈哲敏系南京大学教授，刘昊炎系南京信息工程大学副教授，张熠系南京大学副教授）

（作者：雷荔傈 刘昊炎 张熠 谈哲敏 责任编辑：张林）