欧洲中期天气预报中心的AI发展路

本文转自：中国气象报

2022年2月，美国英伟达（Nvidia）公司首次将气象大模型 FourCastNet论文发布在学术文章在线发表服务器（Arxiv）上，成为在数据驱动人工智能全球天气预报模型发展进程中的一项里程碑式成果。其预报精度接近欧洲中期天气预报中心（ECMWF）的综合预报系统（IntegratedForecasting System，简称 IFS），水平分辨率为0.25°，速度则较传统数值算法缩短数万倍。其后，越来越多的人工智能研究开始将解决天气预报问题作为实验或应用的目标。2023年1月，美国微软团队发布了第一个基于 AI的天气和气候基础模型

ClimaX，在中分辨率下，其在中短期预测方面与 IFS性能相当，甚至更好，在长期预测上也显示出更明显的优势。2023年11月，美国谷歌 DeepMind实验室将关于智能预报模型 GraphCast的论文发表在《科学》杂志上，研究结果显示，在500百帕高度场上，均方根误差 RMSE和异常相关系数 ACC指标都显著优于 ECMWF的高分辨率预报模型 HRES，GraphCast计算速度大幅提升，且开放了全部源代码。

那么，作为在传统数值天气预报领域中一枝独秀的 ECMWF有何变化？又该如何看待或推进 AI技术的应用？通过梳理，可以发现 ECMWF近年来在这一领域发展的大致脉络。

2019年11月，ECMWF召开了首次人工智能技术研讨会，地球系统建模室主任彼得·杜本（PeterDueben）在“利用深度学习改进天气预报的进展和挑战”的演讲中阐述了利用 AI改进天气预报的总体想法，认为人工智能在天气和气候预测领域有着广泛的应用前景，这些应用涵盖了数值天气预报的整个工作流程，包括利用 AI技术处理数据，从数据中学习非常复杂的非线性动力过程，通过深度学习模拟已知的微分方程，构建不太复杂的预报模型，利用机器学习硬件加速预报过程等。从这些论述中，可以看出 ECMWF对于 AI在天气预报领域的影响已有了比较完整的认识，且这些认识并不仅是一些构想，而是通过实践取得了初步进展。

2020年1月，ECMWF举办一次内部研讨会，旨在让从事机器学习方法的科学家们开展交流，为他们的协同合作创造条件。会上展示的项目涵盖了数值天气预报工作的整个流程，包括卫星观测资料的反演订正、数据同化改进、预报过程不确定性模拟、预报结果的后处理等，与会专家还探讨了如何增加足够的图形处理资源，支持机器学习应用程序的训练。

从2021年开始，ECMWF与欧洲太空局（ESA）每年联合举办一期地球系统观测和预测机器学习研讨会，所研讨的问题较以上所涉及的内容更为广泛，如提出要探讨 AI应用中的可解释性问题，了解预报模型的内部结构和决策原理，揭开“黑匣子”的奥秘；从需求角度关注 AI技术在极端事件预报方面能力不足的问题；在发挥 AI模型优势方面则探讨了怎样建立更合理有效的集合预报系统。2024年联合研讨会预计在5月召开。

另外，ECMWF密切关注着 AI预报模型研发的每项成果，并进行技术分析，做出研判。ECMWF执行总裁弗洛伦斯·拉比尔（Florence Rabier）对 AI模型的特点做出了积极评价，认为 AI对于天气预报贡献了不可否认的技巧，他特别指出，在计算功耗上 AI模型显著低于传统方法，并给出了一张非常形象的大象和蚂蚁反差对比图，这一特点使 AI模型非常有利于向欠发达地区推广，其可以作为早期预警的工具，显著降低运行成本。

2023年夏天，ECMWF组建了自己的技术团队，在分析比较了已发布的各类 AI模型后，最终在技术框架上选择了与 GraphCast类似的图形神经网络（GNN）方案，以达到网格处理的灵活性和提升参数效率的目的。经过数月研发，2023年10月13日，ECMWF发布了基于 AI技术的天气预报模型（Artificial Intelligence/Integrated ForecastingSystem，简称 AIFS）alpha版本，垂直方向包括13个等压层级，水平分辨率约110公里，可以对温度、湿度、压力、风等要素进行预测，以6小时为间隔，1分钟可以完成10天的全球预报。从对2023年6月至8月500百帕高度场的均方根误差（RMSE）检验中来看，AIFS已较传统模式 IFS有了显著改进。2024年1月10日，ECMWF又推出了新的

AIFS版本，水平分辨率提升到28公里，准确率较老版本也有了新的提升，该版本产品已同传统模式 IFS的产品一起对外发布，供用户使用。

我们也应该认识到，AI技术在构建天气气候预报模型方面虽然取得了重要进展，但仍处于起步阶段，还有很多问题需要解决。为了使各成员国在 AI领域建立更为紧密的合作联系，ECMWF今年启动了一项为期4年的推进计划，其任务包括挖掘其成员内部资源，扩大在 AI领域的工作范围；加强已在进行的混合模型工作，将传统方法和 AI方法相结合，开发出更为完整的数据驱动预报系统；进一步发展完善 AIFS模型，建立通过仅使用机器学习方法的完整预测链；加强机器学习在地球系统模型中的使用，以支持在数字孪生地球系统开发中不确定性问题的处理能力等。从 ECMWF已取得的进展和正在启动的研发计划来看，科学家在传统数值模式预报方法上仍在继续发力，同时系统地融入 AI元素已成为既定的发展方向。

在新的赛道上，ECMWF能否保持一枝独秀的地位，取决于其自身的努力和竞争对手们的选择以及创新能力，也取决于在 AI理论和技术领域谁能走得更远，谁能实现更多新的突破。