氣象署驗證AI結合數值模式提升颱風預報能力

前言

氣象署近期以**AI 結合數值天氣預報模式（NWP）**驗證出提升颱風預報能力的可行性。2024 年凱米颱風與 2025 年楊柳颱風的實證，顯示「AI 為導航者、數值模式為在地專家」的雙軌策略，已成為未來智慧預報的核心架構。

AI 與傳統數值模式的互補

傳統 NWP 依賴物理方程式與高解析度計算，能精細描繪台灣複雜山脈對風雨的局部影響；而機器學習天氣預報（Machine Learning Weather Prediction, MLWP）則善於捕捉大尺度天氣系統的演變。氣象署數值資訊組長沈里音在 2026 數位政府高峰會指出，兩者並非取代關係，而是透過互補提升颱風路徑、降雨與劇烈天氣變化的預測精度。

實證案例：凱米與楊柳

• 凱米颱風（2024）：在颱風侵台前 4‑5 天，歐洲中期天氣預報中心（ECMWF）開發的 AI 預報系統（AIFS）已指向台灣；相較之下，台灣區域數值模式 TWRF 及其他傳統模型仍預測颱風向北方海域移動，直至登陸前才修正路徑。此例證 AI 在掌握大尺度路徑上具明顯優勢。
• 楊柳颱風（2025）：氣象署將 AI 與 TWRF 融合為 AITWRF，在路徑動態與雨量分布上均優於單一模型。AI 負責捕捉環境大尺度變化，數值模式補足局部降雨細節，成功彌補 AI 在局部天氣預測上的限制。

建置區域 AI 預報平台

氣象署的區域 MLWP 以 Limited Area、Stretched Grid（可變網格）概念設計，強調邊界處理與小尺度天氣呈現。已完成與台大合作的 DLAMP、與美國 NCAR 合作的 CREDIT（於模型中加入物理一致性與能量守恆限制），以及參考歐洲 Anemoi 平台的開放合作框架。硬體方面，以 NVIDIA A100 GPU 建置訓練與推論環境，逐步打造自主的區域 AI 預報能力。

未來藍圖與民生應用

2027 年起，氣象署將推動 DLAMP 準平行作業，以 Hybrid AI＋NWP 為主軸，打造符合台灣山地與海岸特性的智慧預報系統。民生層面，AI 已嵌入「登山助手」與「自行車路線天氣」等服務，提供溫度、降雨、風速等即時圖表與風險建議，讓使用者能依路線自動獲得客製化天氣資訊。

結語

AI 與傳統數值模式的深度融合，正從「導航」到「在地」完整覆蓋颱風預報全流程。透過持續驗證、模型透明化與跨國合作，氣象署有望在未來幾年內，將 AI 天氣預報從實驗室走向日常生活，為防災減災與民眾出行提供更可靠的科學支撐。