科罗拉多州立大学电气与计算机工程学副教授哈南·陈及其团队近期在《npj气候与大气科学》期刊发表论文，公布了一种基于人工智能的中期降水预报新方法。该研究聚焦两周尺度的降水预测难题，通过构建集成预测框架生成多组降雨情景，替代传统单一预测模式，从而显著提升预报准确率并有效量化天气不确定性。 此项技术突破能够完整呈现未来气象条件的演变范围，将原本模糊的不确定因素转化为可评估的决策参数。哈南·陈指出，中期降水一直是气象建模中的高难度变量，该AI框架为农业种植规划、水资源调度、应急管理及灾害响应提供了更可靠的数据支撑，有助于降低极端天气引发的系统性风险。 目前，研究团队正着手将该算法拓展至更长时效的预报周期、更高空间分辨率的网格预测以及温度等其他气象要素。该成果标志着人工智能在复杂大气过程模拟与中长期气象服务领域的应用取得实质性进展，为提升全球气候韧性提供了关键技术路径。