台风预报一直是天气预报中的难点之一。台风系统高度非线性，使得初始条件即使只有不可觉察的微小扰动，也可能在预报过程中被迅速放大，导致台风预报出现很大不确定性。集合预报是量化预报不确定性的最先进策略，国际上主要的业务预报中心也都采用集合预报策略开展台风预报，但数值预报的高成本、高耗时计算，使得集合预报在满足发展迅猛的台风等极端天气的预报时效性方面具有很大局限性，限制了数值技巧的进一步提高。尽管当前人工智能（AI）技术快速发展，发展了诸多AI气象大模型，但这些AI模型固有的不可解释性，使得它们仍然面临着如何科学表征预报不确定性的关键难题。

为攻克这一难题，本研究基于我国自主研发的AI气象大模型FuXi，创新地引入作者前期研究提出的具有明确物理意义的正交条件非线性最优扰动（O-CNOPs）方法，构建了FuXi-CNOPs 台风路径集合预报系统（图1）。该研究针对62个台风个例，开展了91次集合预报对比试验。结果表明，在24小时短时效内，FuXi-CNOPs与欧洲中期天气预报中心业务集合预报系统IFS_EPS的预报技巧相当，而在24至120小时预报时效内，FuXi-CNOPs的优势快速显现，路径误差最大降幅可达32.33%。与此同时，该系统对预报不确定性的量化也更加准确，量化能力最大提升可达29.2%（图1）。

FuXi-CNOPs的高水平预报技巧，不仅源于FuXi本身对台风系统及其演变的良好刻画，更源于O-CNOPs精准捕捉了台风路径预报不确定性的关键源头，进而使基于AI的台风预报更具可解释性，且更可信赖。FuXi-CNOPs探索出了一条由AI模型新载体与非线性动力新理论深度融合的台风路径集合预报新路径。与纯生成式AI集合预报方案相比，FuXi-CNOPs无需额外训练大规模生成模型，在计算成本和业务应用可行性方面更具优势，从而为构建兼具高效率、可解释性和业务实用性的智能集合预报系统提供了新的发展方向。

论文第一作者为中国科学院大气物理研究所李永辉博士（已毕业），通讯作者为大气物理研究所段晚锁研究员和复旦大学李昊研究员，合作者还有中国气象局韩威研究员、河南省气象局张晗博士、天津市气象局李一诺硕士。该研究得到国家自然科学基金项目（42330111、42505065），以及地球系统数值模拟装置的支持。

文章信息：

Li, Y., Duan, W., Li, H., Han, W., Zhang, H., Li, Y., 2026: A Synergistic Approach: Dynamics–AI Ensemble in Tropical Cyclone Forecasting. Adv. Atmos. Sci., https://doi.org/10.1007/s00376-026-5784-3.

图1. FuXi-CNOPs的计算框架及对台风路径的预报技巧