丹娜絲路徑迂迴曲折 傳統與人工智能預報孰優孰劣？

熱帶氣旋丹娜絲採取罕見路徑，其胚胎在菲律賓以東海域形成後緩慢向西移動，風暴其後於南海東北部發展，並加速轉向東北移動，最終直接登陸台灣西部。迂迴曲折的路徑背後，是甚麼天氣系統「作怪」？就此複雜個案，不同電腦模式又有何表現？

丹娜絲路徑較難預測，主因是近期熱帶對流層上部槽活躍，並不斷有高空冷渦分離發展。這些高空冷渦的位置稍有出入，已足以影響風暴對流發展。由於風暴胚胎階段中心不穩，對流發展的細微差異，足以影響系統整合，並對後續路徑造成「骨牌效應」。

另一方面，近期副熱帶高壓脊主體偏北，與丹娜絲之間不時有高空冷渦相隔，導致未能取得引領風暴的主導權。隨著副高主體進一步往東北調整，更接近丹娜絲，位於風暴東南側的赤道反氣旋便取得優勢，並引導丹娜絲往東北移動。

在本次個案中，無論是傳統還是人工智能電腦模式，在丹娜絲成旋前均未能提供穩定、準確的預報。以近年聲名大噪的中國盤古人工智能模式為例，雖然一度預測丹娜絲沿台灣西部北上，但亦「彈出彈入」，不時顯示風暴登陸廣東沿岸。

而觀乎丹娜絲成旋前四、五日的預報，則可發現不少人工智能模式預測風暴胚胎移動速度較快，因此在副高主體東退前，風暴已經「直衝」廣東沿岸。相比之下，主流傳統模式預測風暴胚胎整合位置偏東，導致風暴未進入南海已轉向東北移動。最終丹娜絲初期移動速度不如人工智能模式預測快，但整合位置亦不如傳統模式預期東。

電腦模式準確程度，可透過事後統計的數據驗證。但正如評估學生能力一樣，設卷設計，是否「一試定生死」，甚至何時開始「計分」等因素，均會影響學生成績。若抽取單一預報便斷言某一電腦模式較準確，這份「成績表」其實未必全面反映學生能力。

至於涉及高空冷渦的大氣形勢，電腦模式「炒車」其實有不少先例。事實上，以前電腦模式甚至會「鬼遮眼」無視高空冷渦，導致預測與實況差天共地。現今電腦模式較以往成熟，對高空冷渦有所拿捏，但亦不是「百發百中」。若在風暴初生階段遇上這種大氣形勢，分析電腦模式時應更為謹慎，不應將預報結果「照單全收」。