微软开源 PBC 工具以机器学习修正气象模型偏差并延长预测周期

微软与 MIT、ECMWF 等机构合作的研究成果已在《Nature》发表，其提出的概率偏差校正（Probabilistic Bias Correction, PBC）工具通过机器学习识别并修正现有气象模型的系统性偏差，将天气预报的可靠周期从两周延伸至六周。该工具并非独立的新模型，而是作为插件式框架运行于现有物理或 AI 模型之上，目前代码已开源。

关键事实显示，PBC 在测试中将欧洲中期天气预报中心（ECMWF）主流物理模型的降水预测准确率提升了 98%，温度目标准确率提升了 92%，同时也使 ECMWF 新推出的 AI 预报系统精度翻倍。与传统依赖超级计算机的物理建模或需要强大 GPU 支持的生成式 AI 不同，PBC 仅需 CPU 即可运行，显著降低了算力门槛和基础设施成本。

这一技术突破对全球气象服务格局具有潜在影响，特别是对于缺乏资源的经济欠发达地区。文章提到，肯尼亚气象局正利用盖茨基金会资助，结合 Rhiza Research 与非营利组织探索此类轻量级模型的应用，以应对极端天气预警。这标志着 AI 在垂直领域的落地正从单纯追求 SOTA 转向解决具体的工程瓶颈和资源约束问题。