AI修正三至四週天氣預報，微軟PBC研究登《Nature》
AI如何改善三至四周後的天氣預報準確性？
微軟與跨國研究團隊開發的PBC（機率偏差修正）方法，能學習既有天氣模型的歷史錯誤，以改善三至四周後溫度、雨量與氣壓的機率預報。該研究於10月14日刊登於《Nature》期刊，並在即時預報競賽中取得領先成績。PBC透過Debias++和Persistence++兩路修正，調整預報機率，輸出特定週落在不同範圍的可能性，這類資訊有助於農務與用水規劃。
（媒角抵加／林承志綜合報導）微軟與跨國研究團隊提出PBC機率偏差修正方法，學習既有天氣模型過去的錯誤，改善提前三至四週的溫度、雨量與氣壓機率預報。研究於10月14日刊登《Nature》，並有即時預報競賽成績。這類資訊可支援農務與用水規劃；台灣導入仍涉及在地資料驗證，微軟相關商業服務目前限特定客戶預覽。
關鍵資訊
- 研究主角：微軟研究院與哈佛、多倫多大學、ECMWF等機構研究者。
- 預報時段：方法面向兩至六週，主要評估第19至25天、第26至32天。
- AI任務：修正既有模型的預報機率，輸出週平均溫度、累積雨量與平均氣壓的分布。
- 發表狀態：《Nature》於9月4日接受論文、10月14日正式刊登，並公開審稿報告。
- 使用條件：研究程式已開源；地方預報試行與商業預覽各有資料、專業及服務門檻。
AI先學模型錯在哪裡，再修正預報機率
《Nature》原論文介紹的PBC，全名為Probabilistic Bias Correction，意為機率偏差修正。它接收既有模型產生的一組可能天氣結果，再加入歷史預報與觀測資料，學習模型反覆出現的偏差。
修正分成兩路：Debias++依地點、日期及雨量或溫度的分類門檻調整機率；Persistence++加入近期觀測與歷年同期資料。系統最後整理、合併兩路結果，形成新的機率預報。
這類輸出描述的是「某一週落在較乾、較濕、較冷或較暖範圍的可能性」。ECMWF競賽評測規則將氣溫、雨量等依歷史分布切成五組，分別評估預報機率與後來實際發生情況的差距；氣溫與雨量主要評估陸地區域。
第三、四週的即時預報，已有競賽成績
研究團隊把PBC修正後的ECMWF預報，與另一套經AI處理的預報組合成MicroDuet，參加AI Weather Quest。這個系統仍使用既有動力模式提供的天氣訊號，AI負責後續修正與組合。
ECMWF於2026年3月13日公布的競賽彙整指出，MicroDuet在2025年9至11月、2025年12月至2026年2月兩期競賽中，於第三、四週預報的跨變數平均分數均居領先。主辦方也指出，當時表現突出的系統，多仍透過後處理或混合設計使用動力預報資料。
競賽看的第三週，是預報發布後第19至25天；第四週為第26至32天。週平均溫度與整週累積雨量，是這項研究主要展示改善的預報尺度。
AIFS原始技能分數0.03，修正後約加倍
論文的2025年AIFS-SUBS測試顯示，跨變數與預報時段的平均機率預報技能分數RPSS，原為0.03，經PBC修正後約加倍。ECMWF的評分說明指出，RPSS衡量相較於歷史氣候機率基準的改善程度：0代表與基準相當，正值代表較好，1代表完美預報。
《Nature》公開的審稿報告記載，審查者要求同時呈現絕對分數與相對增幅，並釐清極端事件與大氣可預測性的表述。修訂後，兩名審查者均表示先前疑慮已獲處理。論文於9月4日獲接受，10月14日正式發表。
肯亞氣象人員試行，商業服務仍採預覽
微軟研究院的原始訪談記載，肯亞氣象人員Phillip Okello已測試PBC，當地團隊正在利用它辨識偏多雨或偏少雨的機會，協助準備每週預報更新。這類訊息關係到農民選種、播種及施肥安排；預報仍由氣象人員研判與發布。
微軟另說明，Microsoft Weather的次季節至季節預報模型S2S，提供最遠六週的每週機率指引，目前已即時運作，但商業服務仍為特定客戶的私人預覽。官方這次公告未列出台灣客戶的開放時程或公開價目。
台灣導入的關卡，在格點、測站與雨量門檻
台灣已有把週尺度預報用於水資源規劃的服務。中央氣象署的水資源氣候服務說明列出提前1至4週的偏差修正高解析雨量預報，包含不同週累積雨量門檻的機率；提前1至7天的集水區雨量預報，則納入預報員綜合研判。
PBC論文的主要評估使用全球1.5度經緯度格點，未提供台灣測站或個別集水區的專項驗證。台灣農務與水利單位若評估導入，可先以本地觀測比對修正前後的週雨量機率，再檢查實際用水或農務所關心的門檻，由氣象與現場人員決定如何納入作業。
對一般使用者，週尺度資訊提供的是提早調整農務、用水或備援計畫的機會；接近執行日期時，還有較短期預報與現場條件可供更新判斷。本站的天氣變化與AI交通調度研究，也涉及預測結果如何接上實際作業的問題。
程式已開源，重跑仍需資料與專業環境
PBC公開程式庫提供偏差修正與重跑研究結果的步驟，採MIT授權。作者公布的測試環境為Rocky Linux與Python3.13.3；資料下載另涉及Copernicus Climate Data Store存取權杖、IRI帳號及資料授權條款等設定。
目前較具體的使用入口，是氣象研究者或具資料處理能力的團隊，以公開程式評估自身資料與預報任務。研究成果的評議與驗收流程，可延伸閱讀本站AI數學證明與公開評議報導；相關應用收錄於AI工作流專題。
資料來源與更新紀錄
- Guan等人：Advancing subseasonal forecasting with machine learning，《Nature》，2026年10月14日；9月4日接受。公開審稿報告入口包含兩輪匿名審查與作者回覆。
- 微軟研究院：PBC研究說明、具名訪談與S2S使用狀態，2026年10月14日。
- ECMWF：AI Weather Quest前兩期競賽彙整，2026年3月13日；評測規則，查閱日期2026年10月15日。
- PBC公開程式與資料取得說明、MIT授權，查閱日期2026年10月15日。
- 中央氣象署：面對乾旱風險，氣象預報的水資源應用，2024年5月17日。
- 更新紀錄：2026年10月15日完成稿件，依正式論文、公開審稿紀錄、主辦方評測規則、原訪談與台灣官方服務說明整理。
PBC機率偏差修正方法如何運作？
PBC方法接收既有模型產生的天氣結果，並結合歷史預報與觀測資料，學習模型常出現的偏差。接著透過Debias++依地點、日期等調整機率，以及Persistence++加入近期觀測與歷年同期資料，最後合併兩路結果形成新的機率預報。
AI天氣預報競賽的成績如何？
由PBC修正的ECMWF預報與另一套AI處理的預報組成的MicroDuet系統，在AI Weather Quest競賽中，於第三、四周預報的跨變數平均分數均居領先。這項研究展示了PBC能將預報技能分數（RPSS）約加倍，顯著提升預報準確性。
這項AI天氣預報技術在台灣的應用情況？
肯亞氣象人員已試行PBC方法，協助辨識降雨機會以支援農務規劃。然而，台灣導入此技術仍需在地資料驗證，且微軟相關的商業服務目前僅限特定客戶進行私人預覽，尚未公布在台開放時程或公開價目。
