在今年美国AMS年会上，华盛顿大学（UW）Clifford Mass 教授给出了关于众包数据收集与应用的报告，题目为《基于众包和非标准表面压力观测对高分辨率数值天气预报的影响》（The Impacts of Crowdsourced and-NonStandard Surface Pressure Observations on High-Resolution Numerical Weather Prediction）。这是一个UW团队与 NOAA 全球系统实验室（GSL） 合作的一项已开展的研究项目, 由Cliff Mass教授领衔，NOAA给与了多年支持。

该项研究试图正面回应这样一问题，在美国，随着智能手机普及和民用气象网络的快速发展，每小时可获取的地表气压观测数据已从传统的数千站点跃升至数十万个，这一通过"众包"数据导致的数量级跨越式增长，真的能让天气预报变得更准吗？

众包数据整合了三大数据来源，构建了高密度观测网络，包括来自Weather.com / IBM的智能手机气压数据，每小时可获取281000条信息；来自民用气象站Tempest的信息，每小时约37600条；来自空气质量传感器PurpleAir的信息，每小时约21,400条。

三个信息源合计，每小时超过34万条覆盖美国大陆的气压观测信息，数量上远超传统美国天气局ASOS气象站网提供的信息。数据在传输前需经过偏差校正、质量控制和匿名化处理，再实时提供给NOAA，用于3公里分辨率的RRFS数值模式。

最初的分析评估令人沮丧，在全域平均统计指标上，加入众包气压数据并未显著提升预报技巧。但研究团队并未放弃实验，适时调整了研究方向。

他们提出了进一步的假设，问题或许不是出在数据上，而是如何建立合理的评估方式。全国尺度的平均误差指标，会平滑掉局地改善效果，从而造成对高密度观测网性能的低估。基于这一判断，研究团队将目光转向了更具针对性的场景，认为高密度的众包气压数据最有可能在提高小尺度大气特征的可预测性具有重要价值，如小尺度对流系统、强雷暴、局部由地形影响形成的天气、冷池结构天气、数据稀疏区域天气等。

2025年1月洛杉矶发生野火期间，众包网络在洛杉矶盆地实现了每小时超过2000条的气压观测，有助于捕捉到了推动野火蔓延的局地气压梯度结构。

实际案例表明，尽管全域统计效益尚不明显，但在极端天气事件的精细化分析与临近预报中，众包气压数据展现出不可忽视的价值，这也成为团队进一步开展工作的方向，项目仍在进行中。