论文的核心内容是，微软研究院开发的“概率偏差校正”（PBC）框架。它并没有重新训练一个天气模型，而是学习现有模型过去预测中的系统性错误，再对这些错误进行校正。
在对ECMWF模型的测试中，PBC在降水、温度和气压预测目标上的表现分别提升了98%、92%和91%，并将ECMWF的AI Forecasting System准确率提高了一倍。
在ECMWF举办的AI Weather Quest全球实时竞赛中，基于PBC的MicroDuet在首个三个月赛季的所有天气变量和预测提前时间上均排名第一，并曾提前19至26天预测到2026年初美国的两场严重冬季风暴。
目前，PBC也已开始应用于肯尼亚农业天气预报，并作为开源软件开放。
以下为论文全文——
天气预报在未来两到六周这一时间窗口内一直存在较大的不确定性，这给众多行业和公共机构的决策者留下了一个至关重要的预测空白。
概率偏差校正（Probabilistic Bias Correction，PBC）是微软研究院开发的一种全新的机器学习框架，它能够从天气模型过去的预测错误中学习，并帮助修正这些错误，从而使天气预报更加准确、可靠。
在早期测试中，PBC在一项旨在改善延伸期，即次季节天气预报能力的全球竞赛中获得第一名。它也正在现实环境中展现潜力，其中一个突出应用是，在肯尼亚帮助改善对农民至关重要的季风预报。
如今，天气预报在未来两周内已经相当可靠，而长期气候预测也越来越准确。但在两到六周这一时间尺度上，次季节预报仍存在一个关键空白，目前的模型在这一范围内表现不足。
如果能够改善这一时间窗口的预测，将有助于农业生产、野火管理、水资源和能源配置，以及应对极端天气等关键决策。
2026年1月29日，由PBC驱动的MicroDuet预测到了2026年北美暴雪，这场发生于2月22日至24日的暴风雪，是美国部分地区有记录以来规模最大的冬季风暴。
多年来，微软研究人员及外部合作伙伴一直在研究这一挑战。但他们没有继续在已经拥挤的领域中开发另一个新模型，而是开始关注如何纠正现有模型中那些可以预测的错误。他们将这种新方法称为概率偏差校正（PBC）。
初步评估显示，这项研究有望帮助生成更加可操作、或者说更加具有预测能力的次季节温度、降水和大气压力预报。
基于物理的模型首先测量当前天气，然后利用描述大气和海洋随时间变化规律的科学方程，模拟未来天气。更新一代的AI模型则依赖大量数据进行训练。这两类模型在未来约10天的预测上都表现良好。
但在两到六周的时间尺度上，无论是基于物理的模型还是AI模型，都面临困难，原因包括误差不断累积，以及全球地球系统与局地天气系统之间复杂的相互作用。
“我们的新流程（PBC）把你最喜欢的模型作为输入，学习它通常会以哪些方式产生错误，然后对这些错误进行修正，从而为次季节范围生成更好的预测结果。”
——Lester Mackey，微软研究院新英格兰实验室高级首席研究员
近期发表于科学期刊《Nature》的一篇论文介绍了PBC的工作方式。它采用一个轻量级机器学习系统，对任何模型过去的预测进行分析，以发现其中存在的系统性偏差。
PBC将全球领先的业务化偏差校正次季节模型——欧洲中期天气预报中心（ECMWF）的模型——的表现进一步提升：在降水预测目标上提升了98%，温度预测目标上提升了92%，气压预测目标上提升了91%。
同时，它还将ECMWF的AI Forecasting System（AIFS）预测准确率提高了一倍。
2025年8月，ECMWF启动了AI Weather Quest，这是一项实时竞赛，目标是改善概率性次季节天气预报。
MicroEnsemble团队由微软研究人员、科学家以及外部合作伙伴组成，他们部署了基于PBC的解决方案，并最终获得第一名。
他们的方案名为MicroDuet，将PBC应用于ECMWF领先的动力学模型，以及一个混合模型——PoET。PoET结合AI与动力学模型，通过Transformer提升概率预测集合的能力。
在首个为期三个月的赛季中，MicroDuet在每一种天气变量和每一个预测提前时间上都排名第一，超过了全球6家领先的业务化天气预报中心以及来自全球34个团队的预测系统。
在完整一年的实时预测中，MicroDuet同样取得了最准确的结果。
它甚至提前19至26天预测到了2026年初袭击美国的两场严重冬季风暴。
三幅并排地图展示了美国本土2025年12月15日至21日期间的观测和预测低温情况。左图（Observed/ERA5）显示，美国西部大部分地区气温高于平均水平（红色），东部地区则低于平均水平（蓝色）。中间的MicroDuet和右侧的Debiased ECMWF显示了处于最低气温五分位区间的概率，其中美国中西部、五大湖地区和东北部部分地区的概率较高。
MicroDuet显示的低温风险范围更广，一直延伸至美国中部；Debiased ECMWF则将最高概率集中在更偏北的地区。
2025年11月20日，由PBC驱动的MicroDuet预测到了美国东部12月中旬的寒潮。这场极端低温事件没有被ECMWF领先的偏差校正动力学模型预测到。
“AI Weather Quest为次季节预测提供了一个独特的实时基准测试平台。MicroEnsemble团队的贡献展示了机器学习如何通过后处理增强传统动力学天气预报系统的预测能力。”
——Joshua Talib博士，ECMWF次季节预测科学家
ECMWF仍在持续开发能够提高次季节预测能力、可靠性和可用性的预测系统与工具，同时也在推进完全由数据驱动的预测方法。
2026年1月1日，由PBC驱动的MicroDuet预测到了Winter Storm Fern（图中为卫星影像），这场严重的冰雪风暴发生于1月23日至27日，据报道造成174人死亡和40亿美元损失。
在实验室之外，PBC也开始解决现实世界中的问题，其中一个重要应用场景位于东非。
Genevieve Flaspohler运营着Rhiza Research，这是一家专注于改善AI天气预报的小型非营利机构。她为肯尼亚气象服务局（KMSA）提供咨询，并与KMSA、加州大学圣塔芭芭拉分校气候灾害中心（CHC）以及德国卡尔斯鲁厄理工学院（KIT）的科学家合作，为小农户提供对农业生产至关重要的天气预报。
一名男子站在一大片玉米地里检查玉米植株。绿色玉米行一直延伸到地平线，在晴朗天空下，植株之间可以看到干燥的红褐色土壤。
气候灾害中心野外科学家Johnson Barasa在肯尼亚开展作物评估调查。2026年长期雨季降雨低于平均水平，导致当地玉米收成下降。
“在正确的时间，通过正确的传播渠道提供准确的天气预报，可以成为农业生产结果的一个重要差异因素。尤其是在东非，他们近年来经历了有记录以来最干旱的年份和有史以来最湿润的年份之间剧烈摆动。”
——Flaspohler
随着肯尼亚两个雨季之一开始，Flaspohler正在帮助肯尼亚气象预报员测试和试用包括PBC在内的AI模型。
准确的天气预报可能意味着这一地区农场成功与失败之间的差别。当地农业大多缺乏灌溉设施，依赖降雨。农民购买什么种子、何时播种、何时施肥，都取决于天气预报。
最理想的情况，是持续、温和的降雨，既没有严重干旱，也没有可能摧毁幼苗的暴雨。
“由于我们正处于有记录以来最温暖的厄尔尼诺状态之中，政府和气候科学界都非常担心它将如何表现出来。对于简单、可靠且能够稳定工作的预测方法，存在巨大的需求。”
——Flaspohler
肯尼亚气象服务局发布的降雨和气温预报示例。
本雨季，PBC正在帮助KMSA团队识别极强降雨或极少降雨发生的可能性，同时协助他们准备肯尼亚气象服务局的每周天气预报更新。
KMSA首席气象学家Phillip Okello博士曾测试PBC，他认为这种方法很有潜力。
“多数偏差校正只是调整预测中会下多少雨。PBC校正的是概率本身，而且在大非洲之角地区，它对我们预测能力的改善超过了我们测试过的其他任何方法。下一步是进一步提高它对强降雨和干旱间歇期的预测能力，因为这些情况对农民最重要。”
——Phillip Okello，肯尼亚气象服务局首席气象学家
对Flaspohler而言，近年来天气的大幅波动让这项工作更加紧迫。
“随着降雨越来越难以预测，我们必须不断提高预测能力。这意味着持续推出新方法和更好的科学，让农民获得尽可能好的信息。”她说。
PBC近期取得的成功表明，天气预报能力可能存在进一步突破的空间。目前生长季尚处于早期阶段，但最初的报告显示出积极迹象。
本季降雨受到肯尼亚公众高度关注。PBC的次季节预测针对不同地区进行了本地化训练，可以帮助当地预报员更好地利用全球模型输出，为本国提供天气信息。
“这在为本次雨季做好准备，以及将信息传递给农民方面，产生了很大的不同。”
——Flaspohler
10张地图组成的网格，展示未来两周肯尼亚各地的降雨概率预测。这些地图将每周降雨量划分为五个类别，从最干燥的20%（Q1）到最湿润的20%（Q5），并显示每一类别出现的概率。较高的高于正常水平降雨概率集中在肯尼亚大部分地区，尤其是在Q4和Q5区域。
本雨季，PBC正在帮助团队识别极强降雨或极少降雨出现的可能性，从而为肯尼亚气象服务局准备每周预报更新。
随着PBC在研究评估和早期现实应用中都取得了令人鼓舞的结果，微软正在继续探索如何应用和扩展这项技术。
其中包括研究哪些应用最能从PBC相关工具中受益，以及哪些天气模型可以通过PBC的机器学习校正得到显著改善。这些工作也将进一步提出新的研究问题，并可能推动这项技术继续升级。
一个例子是Microsoft Weather的次季节至季节（S2S）模型。该模型可以提供最长提前六周的每周概率性次季节预测指导。
该模型已经实现实时运行，目前处于私有预览阶段，并向部分客户开放测试，作为Microsoft Weather整体天气解决方案的一部分。
Microsoft Weather是微软的AI天气预报团队，为Windows、Bing、Copilot、Edge、MSN以及其他微软产品提供天气体验，同时向企业客户提供高质量天气数据，帮助他们进行关键的运营和业务决策。
如果希望探索S2S模型在商业或组织层面的应用，可以联系Microsoft Weather团队。
目前，PBC也已经作为开源软件开放，研究人员和开发者可以探索、评估并进一步开发这一框架。
该团队希望，通过与更广泛的天气预报研究社区持续合作，进一步推动这项技术及其潜在应用的发展。
