显然,这次竞赛选择第3—4周有其特殊考虑,这一时段短期天气预报所依赖的初始大气状态信息已经明显衰减,而海洋、陆面、平流层以及厄尔尼诺-南方涛动(ENSO)、热带季节内振荡(MJO)等较慢变化过程虽然能提供一定可预报信号,但通常较弱、分散,尚不足以像季节尺度那样稳定地主导大气演变。正因如此,第3—4周往往成为天气预报与季节预测之间技巧相对较低的过渡区,常被称为“可预报性荒漠”。比赛真正要检验的,是人工智能(AI)能否从这些微弱而分散的可预报信号中提取更多有效信息。竞赛英文名称为 AI Weather Quest,也体现了探索的味道。
AI Weather Quest的结果还不能理解为 AI突破了大气混沌极限。比赛预报的是周平均气温、周累计降水和周平均气压的概率分布,而不是第30天某地一次暴雨的精确位置和时间。AI可能在三个方面具有优势,即识别动力模式系统误差;利用不同模型之间的互补信息构建更好的概率分布;在MJO、ENSO、海温、土壤湿度、积雪和平流层等本已存在但较弱的低频可预报信号中,提取非线性和跨尺度统计关系。