用昔日气候预测未来：AI 天气与气候模型中的温度偏差
大气与海洋物理
2026-03-20 v2 人工智能
摘要
基于 AI 的气候和天气模型迅速普及，提供了更快的预报，其技能可以匹配甚至超越传统动力学模型。尽管取得了这些成功，这些模型面临一个关键挑战：在仅使用历史数据训练的情况下预测未来气候。在本研究中，我们通过分析 AI 天气和气候模型中北半球冬季陆地温度偏差来调查这一问题。我们考察了两个天气模型 FourCastNet V2 Small (FourCastNet) 和 Pangu Weather (Pangu)，评估了它们对 2020-2025 年的预测，以及 Ai2 Climate Emulator version 2 (ACE2) 对 1996-2010 年的预测。这些时间段位于各自模型训练集之外，且明显比其大部分训练数据更近，使我们能够评估模型对新的（即更现代的）条件的泛化能力。我们发现，这三个模型均产生偏冷的平均温度，类似于比其预测时期早 15-20 年的气候。在某些地区，如美国东部，预测结果类似于早 20-30 年的气候。进一步分析表明，FourCastNet 和 Pangu 的冷偏差在最热的预测温度中最为强烈，表明其对现代极端高温事件的训练暴露有限。相比之下，ACE2 的偏差分布更均匀，但在气候变化最显著的地区、季节和温度分布部分最大。这些发现强调了仅基于历史数据训练 AI 模型的挑战，并突出了在将其应用于未来气候预测时考虑此类偏差的必要性。
引用
@article{arxiv.2509.22359,
title = {Forecasting the Future with Yesterday's Climate: Temperature Bias in AI Weather and Climate Models},
author = {Jacob B. Landsberg and Elizabeth A. Barnes},
journal= {arXiv preprint arXiv:2509.22359},
year = {2026}
}
备注
13 pages, 5 figures