基于人工智能大模型的上海2024年极端高温事件次季节预测

摘要

近年来高温事件频发、强发，在此背景下提高高温预测的准确性显得尤为重要。目前气象人工智能大模型发展迅速，但其对超大城市极端高温的次季节预测效果尚不清楚。本文以2024年盛夏上海极端高温事件为例，采用3个人工智能气象大模型(Pangu、FuXi和FourCastNet)的预测数据，利用相关技巧、功率谱分析等方法，对比评估了气象大模型对该年高温及其环流的预测效果。结果表明，上海盛夏高温日数与其上空副热带高压强度呈显著的正相关关系，2024年盛夏上海的持续性高温时段与其10～20 d准周期振荡的正位相基本一致，同时受到30～60 d低频振荡的调制。在3个大模型中，Pangu、FuXi在提前15 d内可提供有技巧的高温预测参考，部分大模型(Pangu)对影响高温的副热带高压演变的有效超前预测时效可达16～20 d。不同大模型的次季节预测效果差异与其对高温及其关键环流系统的低频演变的预测能力有关。大模型对影响上海的低频环流演变的预测能力越强，对副热带高压及高温的次季节预测效果就越好。相较于出梅和台风影响阶段，大模型在该年盛夏的其他时段可提供更大的次季节高温预测机会窗口。

关键词

高温 / 人工智能大模型 / 次季节预测 / 低频振荡