Vào giữa tháng 9 năm 2025, các dự báo thử nghiệm từ Trung tâm Nghiên cứu Khí quyển Quốc gia (NSF NCAR) của Hoa Kỳ đã dự đoán thành công sự phát triển của Siêu bão Ragasa. Cơn bão này sau đó đã mạnh lên thành cấp 5, với sức gió đạt 165 dặm/giờ, trở thành cơn bão mạnh nhất trong năm.
Mô hình Máy tính Đa Tỷ lệ (MPAS) của NSF NCAR, một phần mềm tiên tiến mô phỏng đồng thời các điều kiện cục bộ và toàn cầu ở các độ phân giải khác nhau, đã được sử dụng để đưa ra các dự báo thử nghiệm về bão. Cách tiếp cận mô hình máy tính sáng tạo này đã tạo ra các dự báo toàn cầu theo thời gian thực với độ phân giải 3,75 km, mô phỏng bầu khí quyển Trái đất với chi tiết chưa từng có. Độ phân giải chi tiết này đã nắm bắt được các cơn giông trên toàn cầu và tiết lộ cách các hệ thống thời tiết ở xa có thể ảnh hưởng đến sự tiến hóa của bão nhiệt đới. Falko Judt, nhà khoa học của NSF NCAR và là người đứng đầu nỗ lực này, cho biết: "Về cơ bản, điều này đưa thời tiết vào độ nét cao trên toàn cầu". Ông tin rằng điều này có thể cải thiện đáng kể việc dự báo các sự kiện cực đoan như bão và lũ quét trên quy mô toàn cầu.
Dự báo thử nghiệm theo thời gian thực này đã chạy trong suốt tháng 9, trùng với thời kỳ cao điểm của mùa bão Đại Tây Dương. Cách tiếp cận của NSF NCAR đã chứng tỏ hiệu quả của nó bằng cách nắm bắt được sự tăng cường nhanh chóng của Bão Gabrielle trên Đại Tây Dương. Để tạo ra các dự báo này, Judt đã sử dụng Mô hình Dự báo Đa Tỷ lệ (MPAS) dựa trên NSF NCAR, sử dụng siêu máy tính Derecho. Trọng tâm chính là các cơn bão nhiệt đới ở Đại Tây Dương, đông Thái Bình Dương và tây Thái Bình Dương, với mục tiêu đánh giá hiệu suất trong việc dự đoán lượng mưa cực đoan.
Nỗ lực này tương tự như một sáng kiến tương tự được NSF NCAR khởi động vào mùa xuân năm trước. Trong trường hợp đó, các nhà khoa học chủ yếu quan tâm đến thời tiết cực đoan ở vĩ độ trung bình đã sử dụng MPAS cho các dự báo theo thời gian thực, độ phân giải 3 km kéo dài đến 60 giờ. Trọng tâm hiện tại vào các cơn bão nhiệt đới, lớn hơn và phát triển trong thời gian dài hơn, liên quan đến việc chạy dự báo lên đến 120 giờ với độ phân giải hơi giảm là 3,75 km để tiết kiệm chi phí tính toán.
Các mô hình thời tiết như MPAS biểu diễn bầu khí quyển bằng hệ thống lưới và áp dụng các định luật vật lý để mô phỏng các đặc tính khí quyển. Độ phân giải cao hơn, được biểu thị bằng các điểm lưới gần nhau hơn, thường dẫn đến các dự báo chính xác hơn. Tuy nhiên, việc đồng hóa dữ liệu cũng đóng một vai trò quan trọng trong độ chính xác của biểu diễn khí quyển ban đầu. Judt lưu ý rằng việc mô phỏng toàn bộ hành tinh ở độ phân giải cao không chỉ có thể nắm bắt các cơn bão ở bất kỳ đâu chúng xảy ra mà còn hỗ trợ dự đoán các cơn bão nhiệt đới trước khi chúng hình thành. Điều này có thể dẫn đến các dự báo chính xác hơn kéo dài từ 7 đến 10 ngày trong tương lai.
Có vẻ như đó là trường hợp của Siêu bão Ragasa. Judt nhận xét, "Điều nổi bật đối với tôi là MPAS đã dự báo hệ thống này sẽ trở thành một siêu bão ngay cả trước khi cơn bão hình thành." Ông nói thêm rằng dự đoán này sớm hơn nhiều mô hình hoạt động và với khả năng dự đoán cường độ tốt hơn. Loại nỗ lực này cũng có thể có lợi cho việc đào tạo các thế hệ mô hình thời tiết trí tuệ nhân tạo mới. Dữ liệu chất lượng cao, độ phân giải cao do MPAS tạo ra sẽ nâng cao đáng kể các mô hình AI hiện tại được đào tạo trên dữ liệu thô hơn. Dự đoán và theo dõi thành công Siêu bão Ragasa nêu bật tiềm năng của các kỹ thuật mô hình hóa tiên tiến để cải thiện độ chính xác và kịp thời của các dự báo thời tiết, đặc biệt là đối với các sự kiện cực đoan.