颶風米爾頓在佛羅里達登陸前重新塑造了風暴科學 - 彭博社
Lauren Rosenthal, Eric Roston
10月8日的米爾頓颶風衞星圖像。
來源：NOAA在風平浪靜、重建工作開始很久之後，負責預測颶風的科學家們將不斷回放米爾頓颶風。他們將專注於如何未能預測米爾頓的突然增強。
米爾頓在週一的風速加速至每小時95英里（每小時150公里），成為大西洋盆地記錄中最強大的颶風之一，這一增速比2005年的威爾瑪颶風更快。這個標誌幾乎是科學家所稱的“快速增強”標準定義的三倍。這使得通常穩重的美國國家颶風中心（NHC）稱米爾頓的增強為“爆炸性”。
彭博社綠色六百萬佛羅里達人被敦促逃離米爾頓即將來臨的怒火米爾頓颶風以傾覆房屋的狂風逼近佛羅里達的坦帕地區法國考慮向南非提供約3億歐元的氣候貸款北伏特被告知15億美元的貸款擔保遙不可及米爾頓“基本上超出了圖表”，國家大氣研究中心的氣象學家克里斯托弗·羅佐夫説。風暴從墨西哥灣汲取力量，而該地區在這個季節異常温暖。這令人震驚地提醒人們，模型並不一定能捕捉到在比工業化前時期高出1.3攝氏度（2.3華氏度）的世界中，主要颶風的特徵。
經歷極端快速增強的風暴名單是致命的，充滿了數十億美元的災難。2005年，卡特里娜颶風經歷了兩次這樣的情況，幾周後威爾瑪緊隨其後。根據一份風暴後報告，後者經歷了“超快速增強”，從每小時70英里的熱帶風暴迅速增強到每小時185英里的5級巨獸。
80%的主要颶風——定義為3級及以上——都會經歷這個階段。温室氣體污染使這種情況在大西洋和其他氣旋盆地中變得更加可能，因為它加速了海洋熱量。例如，對海倫颶風的快速分析發現，這場風暴在創紀錄的熱帶海灣中變得更可能性增加了500倍。這使得氣候變化成為天氣模型中一個越來越複雜的因素，用於預測風暴。
閲讀更多：米爾頓颶風即將結束坦帕的百年好運
“數值模型很難準確把握[快速增強]的時機和幅度，”美國國家海洋和大氣管理局(NOAA)颶風研究部門主任古斯·阿拉卡説。“但這比十年前好得多。”
NOAA自2007年以來開展了一項改善颶風預測的計劃，該機構去年推出了其颶風分析和預測系統模型，顯示出改善預測增強能力的效果。根據最近的NOAA評估，1990年大西洋風暴強度的預測誤差約為11英里每小時，而2022年則降至不到8英里每小時，自2010年以來“誤差顯著減少”。
颶風海倫的殘骸在佛羅里達州的珍珠島，颶風米爾頓預計登陸之前仍未被清理。前者也經歷了快速增強。攝影師：特里斯坦·維洛克/彭博社閲讀更多：為什麼“快速增強”正在改變颶風季節
但像米爾頓這樣的風暴顯示了模型的侷限性，使得改善快速增強預測的需求在氣象學家的待辦事項列表上愈發重要。這不是一項小任務：根據定義，快速增強發生在非常短的時間內，並且由海洋和大氣中的局部條件驅動，這些條件可以將像米爾頓這樣的風暴變成怪物。
賓夕法尼亞州立大學的颶風研究員科林·扎爾齊基表示，瞭解海洋與天空交匯處發生的事情以及它如何從內部改變颶風，對於預測快速增強至關重要。“即使是我們擁有的最佳氣候模型也無法看到這些過程。”
觀察數據的缺乏也阻礙了研究人員的努力。阿拉卡表示，偵察數據可以提高颶風預測的準確性10%到20%。直到最近，這主要由聯邦政府負責收集，包括衞星、浮標和颶風偵察飛機等來源。
在過去幾年中，國家颶風中心開始支付新一波天氣監測初創公司和科技公司收集信息。“航行無人機”——可以在颶風的漩渦中操作的自主機器人——正在收集波浪高度和風速。國家海洋和大氣管理局已經測試或部署來自黑色迅猛科技、安杜里爾工業和德拉戈科技等公司的海洋無人機，以從內部觀察氣旋。
NOAA也在與WindBorne Systems進行談判，以便在無需載人飛行的情況下從天空收集數據，聯合創始人約翰·迪恩説。該初創公司部署了專門的氣象氣球，包括一種新版本，能夠在颶風內部測量温度、壓力、濕度和風速。通過將傳感器附加到可以深入風暴內部並且易於控制和回收的氣球上，“我們可以收集颶風內部的垂直剖面，”迪恩説，這可以為模型提供目前短缺的數據。
人工智能也可以幫助氣象預報員更快地判斷風暴可能會增強。NHC在其工作流程中已經整合了人工智能多年，威斯康星大學麥迪遜分校的研究人員在訓練人工智能識別風暴圖像中的快速增強標記方面取得了成功，NCAR的羅佐夫説。
氣候變化增加了緊迫感。扎爾齊基和賓州州立大學的一位同事以及國家實驗室的研究人員最近進行了一項研究，以觀察在不同温升水平下過去的颶風將如何發展。他們發現熱帶風暴通過快速增強變成強大颶風的可能性大大增加，包括那些過去沒有這樣發展的風暴。“隨着世界變暖，快速增強變得越來越普遍，”扎爾齊基説，這給氣象預報員帶來了更多複雜性。
颶風米爾頓的突然升級在本週引發了大氣科學家的心碎和擔憂，因為風暴朝着坦帕灣駛去，這是美國最脆弱的地區之一。 這引發了一個新的問題，將推動研究：極端快速增強的概率是否在發生變化？
“我不知道這個問題的答案，”羅佐夫説，“但我認為這是一個我們應該問的重要問題。”