观潮 · 模式预报与气象 AI 观察
抢修队该提前几天进驻：AI 预报从 24 小时到 120 小时，覆盖的停电负荷从 0.356 掉到 0.238
> 电力公司在风暴前要把抢修队预置到可能受灾的县，大型事件还要通过互助协议向外单位要人，这个决定一旦做出，人数和位置同时锁死，大型公司一天成本可达数千万美元。这项研究把 NOAA/CIRA 的 AI 天气预报业务存档接到全美县级停电记录（EAGLE-I）上，覆盖 2022—2024 年、提前时间 24 到 120 小时，不按预报准确率、而按它支撑的决策来评估。核心数字：把队伍放在模型排名前 10% 的县，24 小时能覆盖观测停电负荷的 0.356，120 小时只有 0.238，完美预知的上界是 0.893。作者同时给出一个方法论警告——前期地表状态这类预报因子如果在「预报有效时刻」而不是「预报发布时刻」截断滚动窗口，会把预报期间的天气算进去，技巧被系统性抬高，甚至反转结论。
缺的是哪一块
已有大量统计与机器学习模型在预报天气导致的停电，但它们有两个共同限制：一是训练样本来自单一或少数几家电力公司，覆盖的是服务区域而不是全国；二是气象输入来自传统数值预报（通常是 WRF）或再分析。EAGLE-I 全国停电记录的公开解决了第一个限制，第二个限制还在——而天气预报本身这几年已经变了。
AI 模型在气象检验上表现很好，但它们对影响预报意味着什么，研究得少得多。这很关键，因为 AI 预报与传统预报的差异方式会直接影响影响模型：随提前时间增加，AI 预报会把气象场平滑、削弱极端值，对热带气旋强度也有系统性偏差；Charlton-Perez 等（2024）发现它们能抓住风暴整体结构，却低估峰值风速。损失随风速急剧上升，这两条性质都会传导到损失估计。
另外一个更实际的问题是：以往研究把预报当成给定条件，去优化灾后派工或灾前资源预置，却没有把「预报什么时候足够好、值得下决心要人」本身当作一个决策来研究。要早，能抢在别家之前锁定队伍，但依据的是好几天的预报；要晚，预报更好，可队伍可能已经被别人订走了。这两个效应都能量化。
数据和方法怎么搭的
研究区为美国本土各县，时段 2022—2024 年。停电目标来自 EAGLE-I（Oak Ridge 国家实验室）的 15 分钟县级断电用户数记录，定义严重度为断电用户数与住房单元数之比、取 6 小时最大值，连续 24 小时以上超过 0.05 记为一次事件；气象输入来自 NOAA/CIRA 的 AIWP AI 预报存档（GraphCast 与 FourCastNet v2-small，0.25°，提前时间 24、48、72、120 小时）；陆面与暴露度因子用 ERA5-Land（土壤水、积雪、降水、叶面积指数）、NLCD 树冠覆盖度、NOAA 风暴事件库（事件危害类别）和美国社区调查住房单元数。县先按报告天数筛选，从 3031 个筛到 2491 个。评估不只看技巧，而是看决策价值：对每个提前时间，把队伍放在模型给出的发生概率排名前若干位的县里，统计这些县实际承担的观测停电负荷占比（captured burden），并用配对重抽样判断不同提前时间之间的差异是否显著。危害归因按相邻县、前后 24 小时窗口匹配，88.6% 的事件匹配上了。作者还用了成本—损失比框架下的潜在经济价值和「每个县—天的预置成本盈亏平衡点」，从而不需要假设停电损失的价值。值得一提的是，图 1 里把 28 个陆面因子明确标了「滞后到发布时刻」的泄漏控制，这正是后文那节时间泄漏分析的对照。
结果数字
量 · 数值
发生技巧 AUC-PR（全部因子，24 h） · 0.1207
发生技巧 AUC-PR（全部因子，120 h） · 0.0646
发生技巧 AUC-PR（仅气象，24 h → 120 h） · 0.1027 → 0.0625
县级气候参考值 · 0.047
捕获停电负荷（24 h） · 0.356
捕获停电负荷（120 h） · 0.238
完美预知基准 · 0.893
前三天损失 / 三到五天损失 · 0.040 / 0.079
72 h 全队伍 vs 24 h 六成队伍 · 0.316 vs 0.258
盈亏平衡的可获得队伍比例 · 83.4%，95% 区间 [63.3%, 100%]
下降的形状是主要结果：前三天掉 0.040，三到五天再掉 0.079，大部分损失发生在长提前时间端。配对 bootstrap 确认 72 与 120 小时之间的差异不含零，而 24 与 72 小时之间的差异含零；有意思的是 24 与 48 小时之间显著，更大的 24 与 72 小时反而不显著——作者解释这是相邻提前时间共享更多预报初始场、区间更窄所致。
把「决定」的真实约束加进来后，结论更清楚：72 小时带着全部队伍进驻能捕获 0.316，高于 24 小时只拿到六成队伍的 0.258。也就是说，除非一家公司能预期在风暴前一天还拿到 83% 以上的申请队伍，早下决心更划算。作者也说明这个区间很宽、上界到 100%，所以无法排除「对不存在抢人竞争的公司而言晚下决心总是更优」。
原文图
图：从数据到决策的四段流程。第一段数据源：EAGLE-I 县级 15 分钟停电记录（2022—2024）、0.25° 的 AI 预报存档（GraphCast 与 FourCastNet v2-small，提前 24/48/72/120 小时）、ERA5-Land、NLCD 树冠、美国社区调查住房单元数与 NOAA 风暴事件库；第二段目标与特征：严重度定义与事件阈值、县级筛选（3031 筛到 2491 个）、37 个气象特征、28 个滞后到发布时刻的陆面特征（红框标出的泄漏控制）、危害归因与 2022 训练 / 2023 验证加校准 / 2024 检验的时间切分；第三段预测：LightGBM 发生模型与严重度模型组成 hurdle 结构，区间用分位数回归共形化并按危害类别分组；第四段评估与决策：按县级气候参考值看 AUC-PR、按排名预置看捕获负荷、配对比较下决心的提前时间与盈亏平衡的可获得比例、经济价值与诊断项（有效时刻与发布时刻两种拼接方式）。
图：六个面板拆开看决策价值。(a)(b) 是 Hurricane Helene 分别在 72 小时与 120 小时下决心时的预置落点，绿为预置且发生停电、橙为预置但没停电、红为没预置但发生停电——120 小时那次把队伍撒得很开，高负荷县多数被漏掉；(c) 捕获负荷随预置县比例的变化，灰底是完美预知的包络；(d) 捕获负荷随拿到申请队伍比例的变化；(e) 各提前时间对之间捕获负荷差异的置信区间，实心点表示区间不含零；(f) 盈亏平衡的可获得队伍比例的 bootstrap 分布，红线约在 83%。
技巧提高不等于决策变好
这是全文最值得单独摘出来的一条。加入陆面因子后，发生技巧明显提高，但捕获停电负荷在任何提前时间上都没有显著变化。作者用归因分析把这条裂缝连到陆面组的静态分量上——预报越差，静态分量的归因占比越高。换句话说，静态的、不随时间变的东西能让模型「看起来更会预报」，却不能帮它把队伍放到更该放的地方。
同一类问题还出现在事件时长上：长事件在天气过去之后仍在贡献停电窗口。只统计事件发生开始后固定时间内的县，24 小时内起算的捕获负荷从 24 小时的 0.506 降到 120 小时的 0.347，24 与 72 小时的差异变成 +0.075 [+0.030, +0.121]，不含零。作者因此认为，前三天那块「平的」区域有一部分是事件时长造成的，不是预报的问题；他们把不做假设的口径留作主结果，把受限口径当作这条解释的上界。按危害分层也支持这一点：71 个四个提前时间共有的高负荷窗口里，57 个非热带，对这部分 24 与 72 小时的差异是 +0.062 [+0.015, +0.116]，显著。
风场缺的是阵风，不是预报误差
AI 预报的 10 米风整体偏弱：与同分辨率（0.25°）的 ERA5 相比，AIWP 的风速中位数比值在 680 万个「县—窗口」样本上是 0.915，在观测风速最高的十分位上降到 0.901。也就是说整个分布都偏弱，高风速段更偏。
把预报风换成同时刻的 ERA5 分析风，发生技巧从 0.0463 升到 0.0530（差 +0.0071，95% 区间 [+0.0013, +0.0140]）；而加上 AIWP 存档在任何提前时间都不提供的瞬时阵风场，技巧提升大得多——配分析风 +0.0176 [+0.0110, +0.0237]，配预报风 +0.0169 [+0.0113, +0.0219]。两个增益接近，说明阵风带来的信息与预报质量无关。折算下来，完美的风场预报大约只提升 15% 的技巧，而一个阵风观测能提升约 33%。三个分析风场也优于完整模型里 17 个风相关特征，说明这些工程特征已经把存档风能给的榨得差不多了。
作者承认的限制
- ERA5 分析风是上界，不是可达目标。 再分析里包含了事件期间进入同化的观测，所以「换成分析风」给出的是天花板。
- 只覆盖风。 热力因子在模型归因里占比更大，而这部分预报误差没有被界定。
- 百分比增益建立在很小的基数上。 两种风的配置都接近县级气候参考值 0.047，因此这些百分比不能外推到完整模型。
- 存档里若真有阵风预报，它自身也会随提前时间变差，而这是在有效时刻做替换所看不出来的。
- 按危害类别的校准目前只是诊断。 危害类别是事后判定的，要业务化必须先有一个由预报导出的危害类别。
- 美国西部冬季技巧偏低，作者做了三项检验仍未解释，指向预报场与风暴记录都没刻画好的过程，需要更多数据。
- 发生技巧的绝对值本就不高。 AUC-PR 0.12 相对 2.27% 的基准发生率是随机选择的 5.3 倍，但大部分变率仍未解释；至于换个模型类别能否从同样的因子里榨出更多，本文没有给出结论。
- 前期地表因子存在时间泄漏。 滚动窗口若在有效时刻而非发布时刻截断，就会把预报期间的天气算进来，抬高技巧；作者说这个问题在影响预报的前期条件研究中此前没有被量化过。
一句话判断
对抢修队进驻这个具体决策，AI 预报的价值主要丢在第三到第五天，前三天内的损失在排除事件时长后才显著；而要让这类模型真正变好，往预报存档里补一个阵风场，可能比继续改进已经存档的风场更划算。