台风“巴威”登陆后强度或减弱，上海将受外围间接影响

根据徽声在线7月9日发布的最新气象动态，今年第X号台风“巴威”正以每小时10-15公里的速度稳定向西北方向推进，其强度在移动过程中保持相对稳定。气象部门预测，该台风将于10日逼近台湾东部海域，存在较大可能性擦过或直接登陆台湾北部地区。随后，在11日夜间至12日白天期间，“巴威”有望在浙江中南部至福建北部沿海地区二次登陆，亦不排除在浙江北部登陆的可能性。受此影响，上海地区自明日起将感受到台风外围的间接影响，预计将出现频繁的阵雨天气，同时风力也将显著增强。

超强台风“巴威”的动态持续牵动着公众的心弦。包括由复旦大学团队精心研发的伏羲气象大模型在内的多个先进气象预测系统，均一致预测“巴威”将于7月11日夜间在浙江中南部至福建北部沿海地区登陆。尽管台风环流规模庞大，但受近海多种复杂气象因素的制约，其登陆后的强度预计将大幅减弱。然而，即便如此，上海地区仍将受到一定程度的风雨侵扰。针对网络上流传的关于台风的种种未经证实的信息，记者特地采访了人工智能气象预报领域的权威专家及知名气象科普博主，旨在通过他们的专业解读，还原台风实况，并揭秘气象预报技术的最新进展。

持续能量补给，助力“巴威”维持超强台风状态已达4日之久

据中央气象台的严密监测，自7月4日凌晨成功升级为超强台风以来，“巴威”已持续保持这一强度级别长达约100小时，其中心附近的最大风力更是高达17级以上。叠加其庞大的风圈规模，该台风被网友形象地称为“巨无霸”台风。目前，“巴威”正稳步向西北方向移动，逐渐逼近台湾岛东部沿海地区。

“持续而充足的能量供给，是‘巴威’能够自7月4日以来一直维持超强台风等级的关键所在。”拥有百万粉丝的气象科普博主“风云梦远”、中国气象爱好者核心成员、复旦大学大气科学博士生梁涵洲在接受采访时表示，“巴威”的移动路径全程穿越温暖的海域，海水蒸发后凝结释放的热量不仅维持了台风自身的强度，甚至支撑其进一步增强与规模扩大。这也是以台风中心为圆心，其北侧七级风圈半径能够达到500千米的重要原因。他强调，“这无疑是一个非常典型的大型台风，且其较大的环流规模大概率会维持到登陆前后。”

上海创智学院的全时导师、复旦大学人工智能创新与产业研究院的资深研究员李昊团队，正利用其自主研发的伏羲气象大模型对“巴威”进行持续而严密的监测，并不断更新其路径、风速、移动方向等关键信息。李昊指出，“AI气象模型的最大优势在于其推理速度极快，一台常规服务器即可完成全球范围内的天气预报任务。特别是在数小时内的短时预报方面，AI模型的输出时效明显领先于传统方法，能够显著提升气象灾害的应急响应效率。”他透露，目前其团队已与国家气候中心携手合作，共同研发“风顺”气象预报大模型。

台风登陆后，其外围区域的影响相对有限

“实际上，台风真正登陆后的强度往往远低于其在远海的级别。”针对近期网络上关于“18级台风”、“精准定点登陆”、“双台风”等谣言的广泛传播，梁涵洲明确表示，17级是“巴威”当前在远海的强度级别，而真正登陆后其强度将大幅减弱。他解释称，当台风靠近我国沿海时，会受到东海大陆架暖水层变薄、干空气入侵与干扰等多重因素的影响，导致其强度显著减弱。预计登陆时，“巴威”最可能处于台风级上限至超强台风级下限之间，中心附近的最大风力为13-16级。而深入内陆后，由于地面摩擦的作用，其强度还将进一步减弱。

针对网络上流传的江苏将遭受17级台风袭击的谣言，梁涵洲澄清道，江苏地区仅受台风外侧环流的影响，并非核心影响区域，因此风雨强度会相对较小。不过，他提醒道，江苏大部地区在周六夜间至周日仍将受到“巴威”的一定影响，自东南向西北方向将出现较强的阵风与阵雨天气。其中，南部及沿海部分地区的最大阵风可能较强，因此仍需做好相应的防范措施。

他建议公众在面对台风这类极端天气的信息时，应以气象部门的官方发布为准，并结合基础气象常识进行自主判断。“例如，我国的风力等级最高只到17级，再往上只能称作‘17级以上’。因此，目前网络上流传的所谓‘18级台风’的说法本身就不符合气象学的规范。”他强调道。

AI与气象预报经验的深度融合，成为未来突破的重要方向

“人工智能正在成为台风预报领域的一股重要力量，然而其在强度预测方面仍存在一定的短板。”李昊在接受采访时坦言。他指出，台风预报的两个最重要指标就是路径与强度。此前，AI大模型在台风路径预报的精度上已经明显优于传统的数值仿真方法，但在强度预测方面却容易低估。不过，为了攻克这一难题，李昊团队已经提出了融合深度学习与物理模型的生成式预报框架，成功补上了台风强度预报的这块短板。相关研究论文即将发表，为气象预报领域带来新的突破。

然而，李昊也强调，在短期内，AI模型与传统模式的相结合仍然是做出最优预报决策的关键。他举例说，此次台风路径的预报就融合了多个AI模型的输出结果。他认为，只有将AI与物理机理进行深度融合，比如通过增加观测站点、提升数据密度等方式，才能从底层提升天气预报的可靠性。

梁涵洲也表达了类似的观点。他提到，要推动AI技术与传统数值模式、气象预报经验等的深度融合，引导模型持续进行优化与改进。他特别期待AI能够在突破历史观测数据训练集的限制方面取得进展，从而在气候变化产生深远影响的未来里，能够更准确地预报预测那些曾经少见甚至未曾见过的极端天气气候过程。