当前主流天气预报系统在 10 天内的预测精度较高，能够较为准确地反映气温、降雨量、风力及天气模式的变化时间。然而，当预报周期延伸至季节前（2 至 6 周）时，现有系统的可靠性显著下降，往往只能提供概率性的温度异常或降雨风险提示。
提升中长期气象预报的准确性对农业生产和应急管理具有关键意义。更精准的预测能帮助农民提前应对干旱或洪涝风险，从而优化播种、灌溉、施肥及收获计划；同时也能增强灾难预警与应急响应的能力。
麻省理工学院（MIT）的研究团队近期在《自然》杂志发表研究成果，提出了一种利用人工智能改进现有气象模型的新方法。与传统直接训练 AI 模型进行预测不同，该研究聚焦于使用机器学习算法识别并修正现有预测模型中存在的系统性误差。
实验数据显示，将这一 AI 校正技术应用于行业领先的“黄金标准”预测模型后，2 至 6 周的预报可靠性提高了一倍。此外，该技术同样适用于性能较弱的传统预测模型，显著缩小了其与顶尖模型之间的性能差距。
研究人员表示，未来希望在全球范围内推广这项技术，以进一步提升各地中长期气象预报的水平。
