人工智能将应用于日常的天气预报

天气预报和人工智能有着天然耦合的关系。天气预报需要大量的、多种多样的资料，人工智能天生就是处理大数据的工具；现有资料的时空数据密度不够，人工智能具有对不完全不确定信息的推断能力；此外人工智能还可以总结专家的知识经验，提高平均预测水平以及利用统计与数值模式中无法利用的抽象预报知识等。

更快速、更高效是天气预报不懈的追求。但随着观测卫星、雷达和传感器网络持续不断地产生大量数据，如何处理海量的、多种多样的气象资料成为天气预报的一个挑战。而人工智能出色的大数据处理能力成为助力天气进一步精准预报的重要工具。

近日，我国南方多地持续多日的暴雨天气导致各地水位上涨，险情频发，部分地区不同程度受灾。目前救援工作正在紧张有序进行中，各式各样的“智能＋”手段也正广泛运用到天气预测、抗洪抢险中，为高效调度决策提供科学依据。

那么，人工智能在极端天气预报、灾害预警及救援方面有哪些具体应用呢？就相关问题，科技日报记者近日采访了国家气象中心高级工程师朱文剑。

应用大幅提升　深度神经网络使预报准确率提高40％

2010年以来，随着新一代信息技术引发的信息环境与数据基础变革，海量图像、语音、文本等多模态数据不断涌现，计算能力的大幅提升，使得人工智能迎来爆发期。那么，目前在天气预报中，人工智能究竟发挥了哪些作用？

“最近两三年，国外人工智能在天气预报领域的应用大幅增长，并且呈现出由传统的机器学习向深度学习发展的趋势。”朱文剑表示。

目前，人工智能在天气预报领域的应用包括观测数据质量控制、数值模式资料同化、数值模式参数化、模式后处理、天气系统识别、灾害性天气（台风、强对流、雾霾等）监测和临近预报、预报公文自动制作等方面。

朱文剑介绍说，相比传统机器学习方法，深度学习在海量数据处理、图像识别与处理、非线性时空预测方面具有较明显优势。目前欧洲中期天气预报中心已经将深度学习用于卫星观测资料的同化分析。而在气象卫星资料应用方面，人工智能同样具有巨大前景，如用于卫星观测图像修复、基于卫星观测的天气系统识别、时空降尺度、数据同化等。

“国内气象行业对人工智能技术的关注度也正在快速提高。”朱文剑表示，中央气象台在定量降水融合预报、强对流天气分类潜势预报、台风智能检索、预报公文自动制作等方面采用了人工智能技术，取得鼓舞人心的效果。例如，中央气象台和清华大学联合开发出的一种基于深度神经网络的雷达回波外推方法，该方法比之前运用传统方法进行回波预报的准确率提高约40％。

凭借超强算力　灾害性临近预报预警结果超越人类

“以前巡堤，要靠人到现场看，再通过口述、笔记记录反馈巡查情况，汛情研判效率较低。”近日，江西九江共青城市农业农村水利局标准化项目部经理王嘉龙说，如今系统自动记录管辖段水情变化，实时显示堤防沿线视频监控画面，一旦发现异常，管理员即将画面配以文字描述及时上传，研判效率大幅提高。

“更高更快更强”是天气预报不懈的追求，更高分辨率、更快给出结果、更准确的预测等追求考验着现代大气科学。“人工智能凭借其超强的计算能力和强大的算法，在某些方面的能力已经远远超过了人类。”朱文剑指出。

比如，美国有一个关于雷暴生命史的实时预测模型做出的预报结果已明显优于人的主观经验，调查表明在该项业务上，预报员在面临模棱两可的情况下，更愿意相信人工智能的预报结果。

朱文剑介绍说，国外已实现基于深度神经网络和气象卫星观测资料的数据同化算法研发，在一定的准确率容忍范围内，与传统方法相比，人工智能方法的计算效率可大幅提高。近年来，欧洲中期天气预报中心较为全面地评估了人工智能技术在天气预报数值模式中各个技术环节的应用潜力，对人工智能的应用给出乐观的预期，并已在部分环节如物理过程参数化中开展技术试验。

据介绍，目前对于冰雹、短时强降水、雷暴大风等灾害性天气的临近预报预警（6小时以内），国外气象科学家基于人工智能技术，结合多种遥感观测和快速更新的数值模式预报资料，预报准确率已超过人类预报员，但这些技术还处于研究或实验阶段，尚未形成业务支撑能力。目前对于持续性暴雨、极端强度暴雨的预报则具有一定的难度，不过，行业从业者正在努力借助包括人工智能技术在内的多种技术攻克这一难题。

据了解，人工智能用于观测数据质量控制，如用于气象雷达回波的质量控制，滤除地物等非气象回波，国内某些气象科技企业在这方面做了很多工作；用于数值模式产品后处理，可以提高准确率和产品的时空分辨率，如中央气象台和清华大学合作研发的格点降水订正和超分辨率处理算法，可在保证准确率的同时，有着更高的计算效率，并能输出超高分辨率的智能网格预报产品。

物联网技术加持　未来每个人都可能成为气象数据源

天气影响消费行为、交通物流，甚至决定体育竞赛的胜负，因此人们需要精准的天气预报。那么，在灾害预警中，大数据如何分析研判做出决策，促使AI对于极端天气的预测更为精准呢？

朱文剑介绍说，大数据有四大特性：数据体量大、数据类型繁多、处理速度快和商业价值高。在灾害预警中可以充分发挥其前3个特点，最终实现其高价值。尤其是可以充分利用历史上长时序的多种来源的资料，比如人口分布数据、历史上的气候数据、地形数据、受灾数据、来自于气象、水文等多种观测来源的实况数据等构建智能分析模型，再结合气象部门提供的实时高分辨率智能网格预报数据，利用智能分析模型快速进行影响分析，为决策提供支撑。

为了加强台风、强对流、雾霾等灾害性天气的智能化监测和预报，各地气象监测部门均对于利用人工智能进行精准预报进行了探索。“如基于卷积神经网络的雨带订正技术以及卷积神经网络的雾霾格点化预报技术，中央气象台自主研发了冰雹、短时强降水、雷暴大风等分类强对流短时短期预报技术；上海市气象局研发的基于机器学习的无缝隙短时临近预报技术；深圳市气象局和香港天文台合作研发的雷达回波临近预报技术等。”朱文剑说。

此外，中央气象台与国内一些科研院所展开合作：与北京邮电大学联合研发的基于机器学习的台风定强技术，和清华大学合作研发的基于深度学习的雷达回波临近预报技术等。

目前气象单位通过卫星、雷达等设备监测天气，而今后物联网技术或将引领天气预报进入一个全新的时代。朱文剑认为：“在物联网技术的帮助下，任何物品，包括手机、车辆、雨伞等都可能成为潜在的获取气象数据的通道，尤其是随着可穿戴设备的不断发展，未来每个人都可能成为气象数据源。以色列创业公司ClimaCell借由物联网技术，将行人的手机、路灯、监视器变成气象侦测器，可获得时间分辨率至分钟级、空间分辨率精细至街道的温度、降水、风向风速等观测数据。”

有专家提出，天气预报和人工智能有着天然耦合的关系。天气预报需要大量的、多种多样的资料，人工智能天生就是处理大数据的工具；现有资料的时空数据密度不够，人工智能具有对不完全不确定信息的推断能力；此外人工智能还可以总结专家的知识经验，提高平均预测水平以及利用统计与数值模式中无法利用的抽象预报知识等