风暴潮是我国沿海地区破坏性强、影响范围广的海洋灾害之一，常与强风、低气压过程叠加，引发沿岸增水、漫堤及港口与岸线设施受损；渤海海域，海湾形态复杂、近岸浅水广布、人口与产业密集，一旦发生极端过程，防灾减灾对预警的时效性、精细度和可信度提出更高要求。长期以来，风暴潮预报多依赖确定性模式或单一数值结果，能够给出“可能发生什么”，但对“发生的把握有多大、误差可能在哪里”刻画不足，难以满足分级响应、精准调度等精细化管理需求。 该不足的根源在于，风暴潮预报链条中存在多源不确定性：气象强迫场（风、气压）预报误差会随时效累积放大；渤海沿岸浅水与湾内动力过程非线性强，局地地形“漏斗效应”易放大增水；同时，传统方法往往假定误差分布较为理想，难以刻画尾部极端误差与非高斯特征，导致在关键的极端风险时段，预报区间不够可靠或不够敏感。 围绕上述问题，中国科学院烟台海岸带研究所近岸河口物理海洋研究团队开展专项研究，提出面向渤海的风暴潮概率预报深度学习框架，构建可解释的混合建模体系：在时序刻画上引入双向长短期记忆网络，增强对风暴潮演变过程中前后信息的联合提取能力；在不确定性建模上引入自适应带宽核密度估计方法，通过带宽随样本分布变化自动调整，改善尾部拟合与局部细节刻画；在特征选择上结合序列前向选择方法，形成可追溯、可解释的关键因子组合。研究指出，融合后的模型能够更有效处理非高斯残差，使概率预报不仅给出点值，还能提供具有统计意义的预测区间与可信度信息。 从验证结果看，该框架在点预测层面能够较好追踪风暴潮水位的整体演变；在区间预报层面，构建90%预测区间时兼顾覆盖率与区间宽度，呈现“平稳阶段收敛、剧烈变化阶段适度展宽”的自适应特征，更贴近防灾决策对“稳态不夸大、突变不漏报”的需求。这意味着预报产品可由单一数值向“区间+概率”升级，为港口作业安排、海堤巡查布防、应急力量前置等提供更具操作性的参考。 研究还更刻画了渤海风暴潮预报不确定性的空间分布与随时效变化的规律：总体不确定性水平相对较低，但高值区主要出现在沿岸带及三大海湾的近岸浅水区域，而中央盆地保持低值且空间梯度平缓。尤其在近岸海湾与湾顶区域，受地形收敛与浅水强非线性动力过程叠加影响，不确定性更易聚集。随着预报时效从短时延伸到12小时、24小时，全海域不确定性显著上升，沿岸与湾内高值区的增幅及影响范围扩大并向外海辐射。研究认为，这与气象输入误差随时效延长持续累积放大密切对应的，同时特定海域受水体堆积与动力响应滞后等因素影响，在长时效下表现出更明显的不确定性扩张特征。 在“为何会增水、何时更可能增水”的物理解释层面，研究通过特征筛选识别出“中心气压—最大风速—纬度”为更优特征组合，并解释其驱动机制：最大风速与中心气压共同构成风暴潮增水生成的能量基础；纬度对水动力相位具有关键约束作用，可理解为影响渤海盆地“向岸填充”与“离岸排空”状态转换的重要空间开关。研究显示，引入纬度因子可显著降低全局预测不确定性；而经度信息与路径纬度存在较高冗余，对物理约束贡献有限。这一结论为预报要素精简、观测与业务产品优化提供了依据，有助于把有限的数据与算力投入到最关键的驱动信息上。 业内人士认为，概率预报的价值在于把“不确定性”从“误差”转化为可被利用的决策信息：一上，可为风险评估提供更贴近实战的概率指标，支持分区域、分时段、分等级的预警发布；另一方面，可帮助管理部门识别不确定性高的重点岸段与湾区，提高巡查布防、工程调度与公众提示的针对性。对渤海这样的半封闭海域而言，概率产品的引入有望进一步推动预警从“经验阈值驱动”向“风险概率驱动”转变。 下一步，相关研究仍需在更长时间序列、更丰富极端样本与业务化场景中持续检验，并推动与海洋数值模式、气象集合预报及多源观测数据的协同融合，形成可移植、可迭代的业务链条。同时，面向沿海重大工程与港航密集区的应用需求，建立“概率区间—影响评估—响应建议”的联动机制，将是提升预警效能、降低灾害损失的重要方向。
有效的防灾减灾不仅需要及早发现风险，更要准确评估和利用风险信息；从确定性预报到概率预报的转变，代表着海洋预警技术的进步。随着这些成果的推广应用，我国风暴潮预警能力将继续提升，为沿海安全和发展提供更有力的保障。