8月28日8时05分左右，今年第18号台风“沙德尔”在浙江台州玉环市坎门街道沿海登陆，登陆时中心附近最大风力12级，达到35米/秒。
今年夏天，浙江玉环仿佛被盯上了。
7月11日，“巴威”登陆玉环坎门，近中心风力13级；
8月9日，“白海豚”登陆玉环坎门，登陆时风力14级；
8月28日，“沙德尔”再次登陆玉环坎门，中心风力12级。
48天内，台风3次登陆或直接涉及玉环，甚至几乎都接近精确到了坎门街道。AI是如何分析这样的巧合。
首先，从气象学角度看，玉环显然不是“吸引”台风，而可能是受到相似大气环流形势的反复影响。
台风的生成位置、海温、副热带高压、引导气流、垂直风切变以及台风自身结构，都会影响最终路径。当这些因素以相近方式叠加时，不同台风就可能进入相似的移动通道，反复影响浙江中南部沿海。
图片为AI生成
我们使用多款AI进行分析。AI的回答近乎一致，玉环并非“台风体质”，而是存在“路径聚类”：今年似乎出现了一条把远洋台风引向浙江中南部沿海的“大气通道”。
巧合是巧合，科学是科学。玉环的巧合不能直接反证相关气候变化。我们需要明确，AI可以识别相关性，不能替代科学上的因果归因。
再从AI的角度来看，AI的作用已经不只是预测登陆点。
中国科学院大气物理研究所与复旦大学团队依托国产AI气象大模型“伏羲”，研发了一套系统。这套系统可以计算台风可能出现的多种路径，并识别哪些微小气象扰动最可能让台风“跑偏”。在相关试验中，其24至120小时中长期路径预报误差最高降低32.33%。
也就是说，AI的作用，不光是回答我们为什么是“玉环”，还可以进一步判断：登陆玉环的概率是多少？不同路径会造成多大影响？
如果把人口、电网、道路、水库、山体和历史积水点等数据纳入模型，AI还可以辅助判断哪个村庄需要提前转移、哪段海塘风险最高、哪条道路最可能积水。
图片为AI生成
这意味着，AI的价值不只是猜中台风登陆点，而是把路径预测转化为具体的风险判断。从“天气预报”，走向“灾害影响预报”。
另外，被台风盯上的玉环，也被AI提示了另一个风险：上一场灾害留下的影响不会随着天气转晴而消失。
土壤含水量、受损树木、边坡状态、水库水位和基础设施损伤，都可能改变下一场台风的影响。此前强降雨造成的地质灾害隐患和城市积水风险，也可能在后续台风中被放大。
因此，未来的AI防灾系统不能只计算“这一次会下多少雨”，还要知道“前几次已经下过多少雨”；不能只判断风雨强度，还要评估城市的承灾能力是否已经下降。
这要求系统持续记录灾害过程，并把气象变化与城市状态连接起来。对同一座城市而言，每个台风不是彼此独立的事件，而可能是连续风险链条中的一环。
这也是我们今天想说的结论：一座城市需要一个“记住过去”的数据库乃至AI系统。
48天内多个台风先后影响浙江沿海，未必说明台风路径背后存在单一、确定的规律，但它至少提醒我们：相似的大气环流可能让台风反复进入相近路径，而连续影响又会让灾害风险不断叠加。
面对这种复杂情形，城市需要的不只是一个更准确的天气预报员，还需要一个能够整合气象、地理和城市运行数据，记住上一场灾害、推演下一场风险的系统。
它最终要回答的，不只是“台风会在哪里登陆”，而是：哪里最危险，谁需要先撤离，城市还能承受多少。
这或许才是AI参与防灾减灾的真正方向——成为一座城市能够记住过去、推演未来的“AI风险大脑”。
按天配资提示：文章来自网络，不代表本站观点。
