南京信息工程大学气候学教授罗京佳的书包侧袋里，常年放着一把白色折叠伞。
罗京佳做过三年地面气象观测，短时间内会不会下雨，有时抬头看看天，心里就能有个大概判断。但预报说南京有雨，并不等于能准确告诉他，自己经过的那条街会在几点落下雨点。
“带把雨伞不就完了吗？”罗京佳说。随身带着伞，下雨就拿出来，不下雨，也占不了多少地方。
相比之下，罗京佳团队研发的南信大气候预测系统则能够对未来24个月厄尔尼诺的演变进行滚动预测。早在2025年3月，系统预测结果已经显示，今年冬天大概率会发生厄尔尼诺。2026年8月的监测表明，本次厄尔尼诺事件强度超过1982—1983年、1997—1998年和2015—2016年三次超强厄尔尼诺事件同期的强度。
自己团队研发的预测系统，能够把厄尔尼诺的预测窗口向前推到24个月。但对自己出门后会不会淋雨却并不总有把握。一个试图“看见”两年后气候变化的人，为什么还要随时为一场雨做准备？
这或许就是罗京佳的人生哲学：在不可预期的变化中，追寻一种安全感。气象预测的价值也是如此，让人们面对不确定的未来时，能够更早做些准备。
9月29日，中国气象局10月例行发布会召开。据预测，海温指数的峰值将出现在11月前后，为3.2℃～3.5℃，明显高于历史最大值（2.8℃，2014-2016年超强厄尔尼诺事件峰值），将形成一次有监测记录以来最强的超强厄尔尼诺事件。
罗京佳团队厄尔尼诺预测产品的预测结果。
如果关于厄尔尼诺的预测兑现，会发生什么？记者提到一种越来越常见的感受：几十年甚至上百年一遇的高温、暴雨，似乎正不断出现在新闻里，难免让人恐慌。
“也不需要那么恐慌。”罗京佳的回应很平静，但紧接着又说，“对于自然要心存敬畏。”
和罗京佳包里的那把伞一样，气候预测首先提醒人们的是，未来尚未确定，但风险需要被提前“看见”。
历史最强厄尔尼诺？
在南京信息工程大学气候与应用前沿研究院的网站上，罗京佳向记者展示了团队的厄尔尼诺预报系统。
如果预测兑现，这可能成为一次极强的厄尔尼诺事件，并有可能接近或超过有可靠观测记录以来的最强水平。
罗京佳展示团队的厄尔尼诺预测产品。 巩持平摄
对于公众来说，更直接的问题是：海洋上的这片异常暖水，与自己的生活有什么关系？
罗京佳判断，如果这次极强厄尔尼诺如预测般发展，2026年冬春两季，我国南方偏涝的可能性较大；到了2027年夏季，长江中下游的洪涝风险也需要警惕。
从全球宏观经济层面看，厄尔尼诺对农业的影响较为显著。澳大利亚小麦、印度水稻以及巴西咖啡等作物均可能受到不同程度影响；厄尔尼诺发生时，东南亚热带地区和印度尼西亚降水偏少，棕榈油产量也会下降。
干旱导致粮食减产，进而可能引发粮食价格波动，严重时甚至造成饥荒和安全问题，发展中国家尤其是非洲地区对此更为敏感。历史上，许多饥荒、水资源问题乃至国家间战争都与厄尔尼诺有关。
高温干旱还会对电力系统构成挑战。高温推高电力需求；风能、太阳能等清洁能源均属于气象环境敏感型能源。厄尔尼诺影响大气环流，进而影响云量和风力发电，对电力系统稳定性形成考验。
不过，罗京佳提醒，“厄尔尼诺带来的影响很快会过去，更需要警惕的是全球变暖趋势”。
过去约40万年，冰期—间冰期交替明显，每10万年左右的循环相对稳定，人类也在这一系统下逐步适应和发展。但二氧化碳浓度持续增加，如今已处于间冰期温度高点，若继续升温，可能使气候系统突破原有的自然循环，超出其自我调节范围。
在全球变暖背景下，某些地区发生极端暴雨、极端干旱等灾害性事件的概率将有所上升。“确实存在发生超出人类当前认知范围的灾害事件的可能性。”罗京佳说。
国际社会提出，将全球平均温度较工业化前水平的升幅控制在1.5℃以内。二氧化碳排放必须加以控制，具体途径包括减排、将二氧化碳捕集并固态封存、将二氧化碳转化为碳水化合物等资源化利用方式。
罗京佳对技术进步保持乐观，但他并不认为这可以成为无节制消耗能源的理由，并将节能减排付诸实际行动——他几乎不用空调，最近还为家人购置了一辆新能源汽车。
跨界到人工智能
罗京佳是国内最早将人工智能大模型应用于气象预测领域的气候专家之一。
既然传统动力模式已经能将厄尔尼诺预测窗口延伸至24个月，为什么还要用人工智能？
罗京佳选择的这条路起初并不被看好，他回忆，2018年从海外回到南京信息工程大学任教时，“我跟人家谈AI，没多少人接受”。
当时，罗京佳计划申请一个科技部项目，希望在研究项目中引入人工智能，并寻找年轻教师加入团队。他询问谁对AI感兴趣，结果无人响应，很多人甚至未曾听说过这个概念。
每年招收的硕士生中，有人犹豫，也有人明确表示不愿意做。学生们有现实的顾虑：跨学科能不能顺利毕业？
传统气象研究重视物理机制，AI则带有鲜明的工程技术色彩。模型给出了结果，中间的过程却不容易解释：它究竟学到了合理的物理关系，还是仅仅记住了数据中的相关性？一旦遇到不同于训练资料的情形，结果还可靠吗？
这些疑问，也会出现在开题、中期考核和预答辩中。罗京佳回忆，起步阶段，学生的研究常常难以获得认可。
学习本身也是一道门槛。学院当时缺少相关课程，两个领域的术语也不相通。比如计算机领域常说的“鲁棒性”，指模型在受到扰动或条件发生变化时，仍能保持相对稳定的表现。对初次接触AI的气象专业学生来说，连读懂这些概念都需要时间。
最早做AI的学生，论文进度往往较慢。但罗京佳认为，这个方向值得继续。
1997年，IBM“深蓝”击败国际象棋世界冠军；2016年，AlphaGo战胜顶尖围棋棋手。曾经被认为极难跨越的门槛，就这样被机器迈了过去。罗京佳开始研究深度学习的原理，越看越觉得，它与过去的方法很不一样。
在预测领域，传统动力模式以物理规律为基础，用方程描述海水和空气的运动，以及温度、盐度、水汽等要素的变化。研究者把地球划分成许多小格子，将观测资料输入模型，再通过大量计算，让模拟中的海洋与大气一步步向未来演进。
格子分得越细，通常能够表达的细节越多，计算量也越大。复杂的模拟因此依赖超级计算机，每启动一次预报，都要完成大量运算。
人工智能提供了另一条路径：先从大量数据中学习，再利用学到的关系作出预测。训练阶段可能耗费大量算力和时间，但训练完成后，用模型生成预报的“推理”过程可以很快。
罗京佳举例说，在某些预报任务中，动力模式即使用超级计算机，也可能需要运行数小时；训练好的AI模型，则可能用一张计算卡，在分钟量级内完成相应任务。具体差异取决于任务、模型和硬件条件，但计算效率的提升，为更频繁地更新预报、开展更多次模拟提供了可能。
2019年，罗京佳与韩国全南国立大学Yoo-Geun Ham团队合作，利用深度学习构建卷积神经网络模型，改进厄尔尼诺—南方涛动，也就是ENSO的预测，将有效预测的提前量推进到约一年半。
此后，气象领域的AI探索明显加速。2023年发布的“风乌”模型，将高分辨率全球天气的有效预报时效推进到10天以上；2024年发布的“风乌GHR”，进一步探索约9公里分辨率的全球中期天气预报。南京信息工程大学也参与了相关合作。
当年，罗京佳“强迫”课题组一名学生从事AI方向的研究，学生博士毕业后入职上海人工智能实验室，负责AI与地球科学交叉领域研究。“等学生毕业时，正好踩准时机，赶上AI交叉研究的潮流。”罗京佳说，当初让学生担心毕业和就业的方向，后来成了新的机会。
“现在从事AI方向研究的特别多，每个学生几乎都跑过来说要做AI。”罗京佳说，学校开设的AI与气象相关双学位项目才两年，已经成为南京信息工程大学录取分数最高的专业之一。
面对不确定性
一位气候科学家，就这样把一只脚踏进了人工智能领域。不过，回看罗京佳的人生，这并不是他第一次离开熟悉的范围。
小时候，罗京佳生活在山区，出门干活尤其怕遇上下雨。可山里的天气却常常让人捉摸不透：这边下雨，另一边可能还是晴天，有时还能看见彩虹。那些看得见却说不清缘由的变化，让他觉得好奇。
天气也并不总是温和的。罗京佳家住在小溪旁，一次大水几乎把房子冲走。父亲告诉他，更早的时候，老家的房屋就曾被洪水冲毁，后来才重新建起。
还有一次，罗京佳在山里放牛，山路狭窄，旁边有砍伐树木和毛竹后向下运送的滑道，还有大石头。雨天地滑，雨伞撞上石头后，他脚下一滑，顺着山坡滚了下去。母亲挑着一担柴走在后面，听见动静，扔下柴就跑过来。
“要不是有把雨伞缓冲，我小命就没了。”罗京佳回忆。
初中毕业后，罗京佳去了南昌的一所气象学校，学习观测天气。毕业后，他到西安气象局工作，做了三年地面观测。小时候觉得变化无穷的天气，在这份工作里，被拆解成了严格而重复的流程：每到整点，出去查看仪器，记录温度、湿度、气压等数据，测算，再发报。一天24小时，三班倒，每小时一次。“像个机器人。”回忆那段工作时，他反复用了这个比喻。
罗京佳不甘心只记录天气，却一时不知道还能走哪条路。直到有一天，他在报纸上看到一条信息：中专毕业生满足同等学力等相关条件，也有机会报考硕士研究生。1993年，他考入南京气象学院读硕士，1996年毕业后留校工作。又过了一年，他前往日本东京大学攻读博士。
那时，厄尔尼诺研究正受到国际学界的广泛关注。罗京佳阅读文献时，对这个发生在太平洋，却能影响遥远陆地的现象产生了兴趣。厄尔尼诺的名字，来自南美洲沿岸渔民的观察。某些年份，圣诞节前后，沿岸海水异常变暖，渔获也受到影响。人们用西班牙语中的“圣婴”为它命名。后来，科学家逐渐认识到，这并不只是沿岸海水温度的局部变化，而是热带太平洋海洋与大气相互作用的一部分。
一片海域为什么会变暖？海水和风怎样相互推动？这种变化又为什么能影响远方的降雨？罗京佳想追着这些问题往下走。但当时国内相关研究力量更多集中于大气或近海领域，要寻找研究大气海洋耦合的导师和条件并不容易。老行政楼四楼有一间专门办公室可以上网，他通过唯一接口查资料、发邮件，联系海外导师，找到了后来他在东京大学的导师，并申请了日本政府奖学金。
2001年博士研究生毕业后，罗京佳进入日本海洋研究开发机构工作。当时，日本建设的“地球模拟器”超级计算机，为复杂的地球系统模拟提供了强大的计算条件，也正是在那里，他研发了24个月厄尔尼诺预测系统。2011年，他离开日本，此后曾在澳大利亚工作，2018年回国任教。
从地面观测到气候预测，从传统动力模式到人工智能，他几次转换方向。每次出发时，都无法预先知道结果。
如今，罗京佳正在尝试搭建大气海洋耦合的AI预测系统。过去，天气预报和季节预测往往采用不同的系统配置。随着研究深入，科学家不断探索“无缝隙预报”：让相互衔接的预测体系，覆盖从天气到气候的不同时间尺度。AI也在向这个方向发展。大气模型和海洋模型各有所长，罗京佳想把它们整合起来，让模型不仅分别学习空气和海水的变化，也能更好地表达两者之间的相互作用。
“我在学校的工作合同签到了70岁。”罗京佳说。他判断，AI还可以继续做一段时间。至于更远的方向，等有了新迹象再说。
采访最后，记者问：今后有了AI大模型，出门还需要带伞吗？
“大概率还是会一直带伞。”罗京佳说。也许，这把伞就是一个研究预测的人网上配资APP，对不确定性的认真回答。
智慧优配提示：文章来自网络，不代表本站观点。
