每年秋季，随着北半球逐渐进入冬季，麻省理工学院土木与环境工程系的研究科学家犹大·科恩（Judah Cohen）开始拼凑一幅复杂的大气拼图。科恩几十年来一直致力于研究北极地区的气候条件如何影响欧洲、亚洲和北美的冬季天气。他的研究起源于博士后期间与巴卡迪和斯德哥尔摩水基金会教授达拉·恩特哈比（Dara Entekhabi）合作，研究西伯利亚地区的积雪覆盖及其与冬季天气预报的关联。

科恩对2025-26年冬季的展望显示，借助新一代人工智能工具，从北极地区浮现出的多项指标有助于构建完整的大气图景。

超越传统气候驱动因素

冬季天气预报通常依赖于厄尔尼诺-南方涛动（ENSO）诊断指标，即热带太平洋及其大气状况对全球天气的影响。然而，科恩指出，今年ENSO信号较弱。

“当ENSO较弱时，北极的气候指标就显得尤为重要，”科恩说。

在季节内预报中，科恩关注高纬度的多项指标，如西伯利亚十月的积雪覆盖、早期季节的温度变化、北极海冰范围以及极地涡旋的稳定性。“这些指标能讲述一个关于即将到来的冬季的详尽故事，”他说。

科恩最为稳定的预测数据之一是西伯利亚十月的天气。今年北半球经历了异常温暖的十月，而西伯利亚却比往年更冷，且积雪较早出现。“寒冷的温度加上早期积雪往往会加强冷空气团的形成，这些冷空气随后可能扩散至欧洲和北美，”科恩解释道。这种天气模式历史上与冬季频繁的寒潮有关。

巴伦支海和卡拉海的海水温度偏暖，以及准两年振荡的“东风”阶段，也暗示极地涡旋在初冬可能较弱。当这种扰动与十二月的地表条件相结合时，欧亚大陆和北美部分地区的气温往往低于正常水平。

人工智能助力季节内预报

尽管人工智能天气模型在短期（一至十天）预报方面取得了显著进展，但在更长时间段的应用仍面临挑战。涵盖两至六周的季节内预报一直是气象领域最难攻克的问题之一。

正因如此，今年可能成为季节内天气预报的转折点。科恩带领的研究团队在2025年由欧洲中期天气预报中心（ECMWF）举办的AI WeatherQuest季节内预报竞赛中获得秋季赛冠军。该竞赛评估AI模型捕捉多周温度模式的能力，而这正是传统预报的薄弱环节。

获胜模型结合了机器学习的模式识别技术和科恩数十年精炼的北极诊断指标，显著提升了多周预报的准确性，超越了领先的AI和统计基线模型。

“如果这种表现能持续多个季节，这将是季节内预报的一大进步，”科恩表示。

该模型还提前数周预测了美国东海岸12月中旬可能出现的冷空气爆发，这一预报在媒体上广泛传播。科恩解释说，这表明结合北极指标与人工智能有望延长对重要天气事件的预警时间。

“提前三到四周预警极端天气事件将是一个里程碑，”他补充道，“这将为电力、交通和公共机构争取更多准备时间。”

今年冬季展望

科恩的模型显示，冬季中后期欧亚大陆部分地区和北美中部更可能出现低于正常的气温异常，且异常最强烈的时间可能在冬季中期。

“现在还处于早期阶段，天气模式可能会变化，”科恩说，“但形成寒冷冬季的条件已经具备。”

随着北极变暖加速，其对冬季气候的影响日益明显，理解这些联系对于能源规划、交通运输和公共安全变得尤为重要。科恩的研究表明，北极蕴藏着尚未充分利用的季节内预报潜力，而人工智能可能帮助突破传统模型的限制。

今年11月，科恩甚至成为《华盛顿邮报》填字游戏中的线索，显示他的研究已广泛进入公众对冬季天气的讨论。

“对我来说，北极一直是值得关注的地方，”他说，“现在人工智能为我们提供了新的解读其信号的方式。”

科恩将在整个冬季持续更新他的天气展望，详情可见他的博客。