高分辨率区域天气预报始终面临一大难题，模式长时间积分过程中误差不断累积，进而造成大尺度环流出现系统性偏移。针对该问题，本研究构建了同步耦合混合建模框架，将数据驱动机器学习方法与区域数值模式相融合，探究该框架对热带气旋演变过程的物理作用机制。
区别于积分结束后开展外部松弛逼近的传统方案，本系统将盘古大模型预报场与中国气象局南海台风模式（CMA-TRAMS）的预报偏差，转化为动力倾向项；并将倾向项直接嵌入半隐式半拉格朗日亥姆霍兹求解器内部，实现背景场约束与模式固有物理过程同步积分，构建了 TRAMS-AIC的混合模式。
通过 2025 年27个西北太平洋台风回算试验表明，TRAMS-AIC能有效降低中强台风长时效路径预报误差，提升整体预报结果的时间稳定性。技术优化效果存在明显的系统依赖性，对弱台风及结构松散台风的预报改进效果较为有限，这类台风移动路径随机性强的特征始终是各类预报技术难以突破的难点。相较于基础CMA-TRAMS数值模式，新构建的混合模式可以有效缩减台风强度预报误差的离散程度，但会在一定程度上限制超强台风的强度发展上限。选取2025年超强台风桦加沙开展动力诊断分析后能够发现，动量与热力变量的全域同步耦合会产生尺度选择性数值耗散效应，动量与热力变量的全域同步耦合会产生尺度选择性数值耗散效应，模式持续的外源强迫作用会消耗40至400 km波段的中尺度动能，弱化台风眼墙的持续性上升运动，进而抑制台风的快速增强过程。
本研究证实同步耦合混合预报框架存在固有的动力学制衡特征，模式难以同时实现大尺度环境场精准订正与小尺度涡旋结构完好维持。后续模式优化工作可依托空间分区耦合技术开展，以此平衡两项核心预报需求，进一步提升台风整体预报性能。

混合区域模式,台风