AI正显著提升天气预报的生成效率，但预报是否准确，关键并不只在模型本身。分析认为，能否快速、准确地掌握当前大气状态，仍是决定预报质量的重要因素。
当地时间24日，Rainbow AI首席执行官Alexander Matveenko在IT媒体TechRadar撰文指出，天气预报首先要尽可能准确地刻画当前大气状态。雷达、卫星、地面观测站、气象探空球和飞机等获取的数据，在分辨率、更新频率和误差水平上并不一致。把这些观测信息与既有预报结果融合，以推断当前大气状态，这一过程被称为“数据同化”。如果初始场不准确或已经滞后，再优秀的模型也难以输出可靠预报。
其中，短时间内生成并迅速发展的雷暴尤难预测。传统方法往往根据雷达回波外推降水移动路径，但对云团突发生成、分裂或合并等演变的捕捉往往不足。同一城市内部，不同区域的降水和风况也可能存在明显差异。对于无人机、机场、光伏发电和物流等高度依赖精细气象信息的行业而言，这类偏差带来的影响更为直接。
世界气象组织（WMO）将未来6小时内的精细区域预报称为Nowcasting（临近预报）。在这一场景下，持续接入观测数据并在数分钟内完成预报更新的能力尤为关键。
AI可以用更快的速度、消耗更少的算力生成预报。欧洲中期天气预报中心（ECMWF）的AI预报系统AIFS在多项指标上优于传统物理模型，但其预报起点仍是融合数千万条观测数据后形成的分析场。这也是ECMWF同时运行AIFS和基于物理的IFS的原因。
文章指出，在AI时代，天气预报的核心不仅是拥有更强的模型，也在于能否更快接入更及时、更准确的观测数据。
记者信息
Jae-won Choi
ittt_0801@d-today.co.kr