人工智能技术怎样应用于天气预报

本文转自：中国气象报

双向奔赴

人工智能技术怎样应用于天气预报

历史上，气象工作者很早就尝试将人工智能技术用于天气预报。

传统的人工智能方法最早在1980年代就被我国气象业务人员用于天气预报。如上海气象工作者在当时基于数值预报产品建立了包含大风、雷雨、台风、暴雨等要素在内的天气预报专家系统，之后也有很多研究将机器学习算法用于天气预测，多采用具有标注样本的监督式学习方法，如利用K近邻算法进行概率预报，利用 Bayes分类和Logistic回归进行强对流潜势预报，利用神经网络进行中短期的数值预报释用和台风路径预报等。

近年来，大数据和人工智能尤其是深度学习的不断成熟，使得人工智能技术在天气预报业务的多个关键环节上都体现了重要的应用价值。人工智能技术与气象融合发展早期以短临雷达外推预报为主，其中香港科技大学研究团队在2015年提出的 ConvLSTM预报改进光流法的降水临近预报，降水预报 准 确率超过传统业务预报模型，标志着人工智能特别是深度学习技术在本领域的融入取得了突破。我国气象工作者2017年前后大范围开展人工智能技术的研究探索，在传统数值预报发展的同时，气象部门、高校、科研部门也开始合作研发，寻找利用新技术突破预报难点的方法——

2019年，卷积神经网络预测厄尔尼诺事件取得较好效果；

2021年，建立基于卫星多通道数据的冰雹云识别的神经网络模型；

2022年，提出基于时空尺度自适应的数值模式降水预报订正模型；

……

当前我国已在气象数据处理、气象实况监测、短中期天气预报服务、延伸期气候预测、行业气象服务中开展了人工智能预报核心技术研发和应用。其中，灾害天气特征智能识别、雷达短临外推智能降水预报等业务已走在了国际前列。人工智能技术在气象领域很多方面都进行了探索和应用，包括观测数据质量控制、数值模式资料同化、雷达短临预报、模式参数优化、模式预报结果订正、天气系统识别、极端天气预报、气候预测等。

近期，最新的人工智能模型已经开始挑战现代气象预报基础的数值预报。如英伟达公司于2022年初提出FourCastNet模型，其短期时效的部分要素全球预报水平在测试数据上达到与当前最先进的欧洲中期天气预报中心IFS预报相当的效果。之后，华为和DeepMind公司又分别提出Pangu-Weather气象大模型和GraphCast模型，已经能在10天时效的多种连续气象要素的全球预报评分上领先于IFS，在气象领域和公众范围内都引发热烈讨论。