大西北網(wǎng)訊 天氣預報和人工智能有著(zhù)天然耦合的關(guān)系。天氣預報需要大量的、多種多樣的資料，人工智能天生就是處理大數據的工具；現有資料的時(shí)空數據密度不夠，人工智能具有對不完全不確定信息的推斷能力；此外人工智能還可以總結專(zhuān)家的知識經(jīng)驗，提高平均預測水平以及利用統計與數值模式中無(wú)法利用的抽象預報知識等。
更快速、更高效是天氣預報不懈的追求。但隨著(zhù)觀(guān)測衛星、雷達和傳感器網(wǎng)絡(luò )持續不斷地產(chǎn)生大量數據，如何處理海量的、多種多樣的氣象資料成為天氣預報的一個(gè)挑戰。而人工智能出色的大數據處理能力成為助力天氣進(jìn)一步精準預報的重要工具。
近日，我國南方多地持續多日的暴雨天氣導致各地水位上漲，險情頻發(fā)，部分地區不同程度受災。目前救援工作正在緊張有序進(jìn)行中，各式各樣的“智能+”手段也正廣泛運用到天氣預測、抗洪搶險中，為高效調度決策提供科學(xué)依據。
那么，人工智能在極端天氣預報、災害預警及救援方面有哪些具體應用呢？就相關(guān)問(wèn)題，科技日報記者近日采訪(fǎng)了國家氣象中心高級工程師朱文劍。
應用大幅提升深度神經(jīng)網(wǎng)絡(luò )使預報準確率提高40%
2010年以來(lái)，隨著(zhù)新一代信息技術(shù)引發(fā)的信息環(huán)境與數據基礎變革，海量圖像、語(yǔ)音、文本等多模態(tài)數據不斷涌現，計算能力的大幅提升，使得人工智能迎來(lái)爆發(fā)期。那么，目前在天氣預報中，人工智能究竟發(fā)揮了哪些作用？
“最近兩三年，國外人工智能在天氣預報領(lǐng)域的應用大幅增長(cháng)，并且呈現出由傳統的機器學(xué)習向深度學(xué)習發(fā)展的趨勢。”朱文劍表示。
目前，人工智能在天氣預報領(lǐng)域的應用包括觀(guān)測數據質(zhì)量控制、數值模式資料同化、數值模式參數化、模式后處理、天氣系統識別、災害性天氣（臺風(fēng)、強對流、霧霾等）監測和臨近預報、預報公文自動(dòng)制作等方面。
朱文劍介紹說(shuō)，相比傳統機器學(xué)習方法，深度學(xué)習在海量數據處理、圖像識別與處理、非線(xiàn)性時(shí)空預測方面具有較明顯優(yōu)勢。目前歐洲中期天氣預報中心已經(jīng)將深度學(xué)習用于衛星觀(guān)測資料的同化分析。而在氣象衛星資料應用方面，人工智能同樣具有巨大前景，如用于衛星觀(guān)測圖像修復、基于衛星觀(guān)測的天氣系統識別、時(shí)空降尺度、數據同化等。
“國內氣象行業(yè)對人工智能技術(shù)的關(guān)注度也正在快速提高。”朱文劍表示，中央氣象臺在定量降水融合預報、強對流天氣分類(lèi)潛勢預報、臺風(fēng)智能檢索、預報公文自動(dòng)制作等方面采用了人工智能技術(shù)，取得鼓舞人心的效果。例如，中央氣象臺和清華大學(xué)聯(lián)合開(kāi)發(fā)出的一種基于深度神經(jīng)網(wǎng)絡(luò )的雷達回波外推方法，該方法比之前運用傳統方法進(jìn)行回波預報的準確率提高約40%。
憑借超強算力災害性臨近預報預警結果超越人類(lèi)
“以前巡堤，要靠人到現場(chǎng)看，再通過(guò)口述、筆記記錄反饋巡查情況，汛情研判效率較低。”近日，江西九江共青城市農業(yè)農村水利局標準化項目部經(jīng)理王嘉龍說(shuō)，如今系統自動(dòng)記錄管轄段水情變化，實(shí)時(shí)顯示堤防沿線(xiàn)視頻監控畫(huà)面，一旦發(fā)現異常，管理員即將畫(huà)面配以文字描述及時(shí)上傳，研判效率大幅提高。
“更高更快更強”是天氣預報不懈的追求，更高分辨率、更快給出結果、更準確的預測等追求考驗著(zhù)現代大氣科學(xué)。“人工智能憑借其超強的計算能力和強大的算法，在某些方面的能力已經(jīng)遠遠超過(guò)了人類(lèi)。”朱文劍指出。
比如，美國有一個(gè)關(guān)于雷暴生命史的實(shí)時(shí)預測模型做出的預報結果已明顯優(yōu)于人的主觀(guān)經(jīng)驗，調查表明在該項業(yè)務(wù)上，預報員在面臨模棱兩可的情況下，更愿意相信人工智能的預報結果。
朱文劍介紹說(shuō)，國外已實(shí)現基于深度神經(jīng)網(wǎng)絡(luò )和氣象衛星觀(guān)測資料的數據同化算法研發(fā)，在一定的準確率容忍范圍內，與傳統方法相比，人工智能方法的計算效率可大幅提高。近年來(lái)，歐洲中期天氣預報中心較為全面地評估了人工智能技術(shù)在天氣預報數值模式中各個(gè)技術(shù)環(huán)節的應用潛力，對人工智能的應用給出樂(lè )觀(guān)的預期，并已在部分環(huán)節如物理過(guò)程參數化中開(kāi)展技術(shù)試驗。
據介紹，目前對于冰雹、短時(shí)強降水、雷暴大風(fēng)等災害性天氣的臨近預報預警（6小時(shí)以?xún)龋?，國外氣象科學(xué)家基于人工智能技術(shù)，結合多種遙感觀(guān)測和快速更新的數值模式預報資料，預報準確率已超過(guò)人類(lèi)預報員，但這些技術(shù)還處于研究或實(shí)驗階段，尚未形成業(yè)務(wù)支撐能力。目前對于持續性暴雨、極端強度暴雨的預報則具有一定的難度，不過(guò)，行業(yè)從業(yè)者正在努力借助包括人工智能技術(shù)在內的多種技術(shù)攻克這一難題。
據了解，人工智能用于觀(guān)測數據質(zhì)量控制，如用于氣象雷達回波的質(zhì)量控制，濾除地物等非氣象回波，國內某些氣象科技企業(yè)在這方面做了很多工作；用于數值模式產(chǎn)品后處理，可以提高準確率和產(chǎn)品的時(shí)空分辨率，如中央氣象臺和清華大學(xué)合作研發(fā)的格點(diǎn)降水訂正和超分辨率處理算法，可在保證準確率的同時(shí)，有著(zhù)更高的計算效率，并能輸出超高分辨率的智能網(wǎng)格預報產(chǎn)品。
物聯(lián)網(wǎng)技術(shù)加持未來(lái)每個(gè)人都可能成為氣象數據源
天氣影響消費行為、交通物流，甚至決定體育競賽的勝負，因此人們需要精準的天氣預報。那么，在災害預警中，大數據如何分析研判做出決策，促使AI對于極端天氣的預測更為精準呢？
朱文劍介紹說(shuō)，大數據有四大特性：數據體量大、數據類(lèi)型繁多、處理速度快和商業(yè)價(jià)值高。在災害預警中可以充分發(fā)揮其前3個(gè)特點(diǎn)，最終實(shí)現其高價(jià)值。尤其是可以充分利用歷史上長(cháng)時(shí)序的多種來(lái)源的資料，比如人口分布數據、歷史上的氣候數據、地形數據、受災數據、來(lái)自于氣象、水文等多種觀(guān)測來(lái)源的實(shí)況數據等構建智能分析模型，再結合氣象部門(mén)提供的實(shí)時(shí)高分辨率智能網(wǎng)格預報數據，利用智能分析模型快速進(jìn)行影響分析，為決策提供支撐。
為了加強臺風(fēng)、強對流、霧霾等災害性天氣的智能化監測和預報，各地氣象監測部門(mén)均對于利用人工智能進(jìn)行精準預報進(jìn)行了探索。“如基于卷積神經(jīng)網(wǎng)絡(luò )的雨帶訂正技術(shù)以及卷積神經(jīng)網(wǎng)絡(luò )的霧霾格點(diǎn)化預報技術(shù)，中央氣象臺自主研發(fā)了冰雹、短時(shí)強降水、雷暴大風(fēng)等分類(lèi)強對流短時(shí)短期預報技術(shù)；上海市氣象局研發(fā)的基于機器學(xué)習的無(wú)縫隙短時(shí)臨近預報技術(shù)；深圳市氣象局和香港天文臺合作研發(fā)的雷達回波臨近預報技術(shù)等。”朱文劍說(shuō)。
此外，中央氣象臺與國內一些科研院所展開(kāi)合作：與北京郵電大學(xué)聯(lián)合研發(fā)的基于機器學(xué)習的臺風(fēng)定強技術(shù)，和清華大學(xué)合作研發(fā)的基于深度學(xué)習的雷達回波臨近預報技術(shù)等。
目前氣象單位通過(guò)衛星、雷達等設備監測天氣，而今后物聯(lián)網(wǎng)技術(shù)或將引領(lǐng)天氣預報進(jìn)入一個(gè)全新的時(shí)代。朱文劍認為：“在物聯(lián)網(wǎng)技術(shù)的幫助下，任何物品，包括手機、車(chē)輛、雨傘等都可能成為潛在的獲取氣象數據的通道，尤其是隨著(zhù)可穿戴設備的不斷發(fā)展，未來(lái)每個(gè)人都可能成為氣象數據源。以色列創(chuàng )業(yè)公司ClimaCell借由物聯(lián)網(wǎng)技術(shù)，將行人的手機、路燈、監視器變成氣象偵測器，可獲得時(shí)間分辨率至分鐘級、空間分辨率精細至街道的溫度、降水、風(fēng)向風(fēng)速等觀(guān)測數據。”
有專(zhuān)家提出，天氣預報和人工智能有著(zhù)天然耦合的關(guān)系。天氣預報需要大量的、多種多樣的資料，人工智能天生就是處理大數據的工具；現有資料的時(shí)空數據密度不夠，人工智能具有對不完全不確定信息的推斷能力；此外人工智能還可以總結專(zhuān)家的知識經(jīng)驗，提高平均預測水平以及利用統計與數值模式中無(wú)法利用的抽象預報知識等。
(責任編輯：蘇玉梅)
