預報越來越準，為何大眾仍質疑天氣預測？

草根影響力新視野 夜未央編譯

在科技飛速進展的時代，天氣預報的準確度也大幅提升。根據英國皇家氣象學會執行長、雷丁大學氣象學教授Liz Bentley的說法，如今一天內的預報準確率已超過90%。然而，即便預測能力顯著提高，公眾對天氣預報的信任度卻仍顯不足。調查機構YouGov的資料顯示，英國有多達37%的成年人表示對天氣預報「不太信任」或「完全不信任」。

技術提升與期望落差

預報準確度的提升，反而讓人們對「精準」的期待變得更高。當人們可以即時用手機控制家電、診斷汽車問題時，自然也希望能在同樣精準的條件下得知某地某時是否會下雨。然而，天氣預測涉及的是極為複雜且多變的自然系統，並非每一種天氣變化都能輕易掌握。

氣象預報的基礎建構在龐大的數據觀測與運算之上。英國氣象局（Met Office）透過200多個觀測站收集溫度、風速等資料，再交由超級電腦進行演算。今年初，氣象局更換上雲端系統，期望藉此提升預測速度與精度，同時加強全球氣候研究能力。

預測誤差的根本原因：混沌理論

氣象學中最大的不確定性來自「混沌系統」的特性。即便初始資料僅有0.01°C的誤差，預測結果也可能完全不同。這被稱為「蝴蝶效應」，形象地說，一隻蝴蝶在巴西扇動翅膀，可能影響六天後的歐洲天氣。

此外，越小範圍的天氣預測越具挑戰性。1990年代，氣象模型只能追蹤約160公里以上的天氣系統，而現今英國的模型已能分析約3公里範圍的變化。然而，濃霧這類只影響1公里以內的小型天氣現象，依然難以掌握。

傳遞資訊的挑戰

天氣預報不只是科學，也是一門溝通藝術。氣象學家需將大量數據濃縮為簡潔的預測內容，無論是電視播報還是手機App，都須在有限時間或空間內傳達有效資訊。這過程中，往往難以呈現預報的不確定性。

現代預報方法之一為「集合預報」（ensemble forecasting），即同時運行多組模型，觀察不同參數下的可能變化。如果多數模型趨於一致，預報信心就高；若結果分歧，則表示變數較多。這也是為什麼氣象App常顯示「降雨機率10%」——即降雨可能性極低，但並非完全不會下雨。

圖片取自:(示意圖123rf)

改善預報溝通方式

為提升民眾理解，部分學者主張以「故事線式」的方法呈現天氣狀況，例如將即將到來的天氣與歷史事件對照，幫助大眾從記憶中建立風險感知。這種方式被視為比單純數據更易理解與接受。

英國氣象局自2015年起開始替風暴命名，亦是為提升預報的感受性與可識別度。雖然有專家認為數據百分比同樣重要，例如美國民眾對各項天氣機率已相當熟悉，長期使用後也能正確理解其意義。

人工智慧帶來新可能

人工智慧（AI）正快速改變天氣預報的生態。Google DeepMind的AI模型已能預測15天後的天氣，遠超傳統預測的7天極限。劍橋大學開發的「Aardvark Weather」則是一套完全基於AI的預報系統，不僅運算速度更快，所需資源更少，也能提供更細緻的地區預測，對於資源有限的地區如西非具有潛力。

然而，AI模型的侷限也逐漸浮現。這些系統多半基於過去資料訓練，對「史無前例」的極端天氣（如未來可能出現的英國41°C高溫）難以應對。開發者也承認這是目前需積極改善的技術挑戰。

預報的下一步：影響評估與應用場景

氣象學界正朝向「影響導向預報」發展。未來的天氣預報不僅會說明是否下雨，更會進一步指出天氣對人們日常生活的具體影響，例如建議烤肉聚會改於中午進行，以避開午後降雨風險。

這樣的發展符合現代使用者的需求轉變。相較於單純查詢氣溫或降雨，越來越多民眾希望理解天氣背後的科學原理與長期變化趨勢，例如極光的形成原理或氣候變遷如何影響冰雹強度。

隨著AI推進、數據密度增加，預報資訊勢必更加即時、更加細緻，也更容易造成資訊過載。屆時，如何有效溝通與篩選對生活有用的天氣資訊，將成為氣象專業不可或缺的一環。

資料來源：https://www.bbc.com

[不許轉載、公開播送或公開傳輸]