AI大模型推动天气预报更准、更快、更大范围

作者／ IT时报记者 范昕茹

编辑／ 潘少颖 孙妍

【资料图】

今天（7月28日）9时55分，“杜苏芮”在福建晋江沿海登陆，登陆时中心附近最大风力15级，已造成福建省72万余人受灾， “杜苏芮”还将北上。

一个国产AI大模型准确预测了“杜苏芮”的路径。在上海人工智能实验室研究人员的电脑上显示着，大模型“风乌”预测路径和台风“杜苏芮”真实路径的对照图。红色虚线的“风乌”预测线路和黄色实线的真实路径有大半的重合，仅在台风登录前的一段路径中出现了小幅度的偏离。

“风乌”大模型准确预报“杜苏芮” 图源：上 海人工智能实验室

南京信息工程大学气候与应用前沿研究院院长罗京佳认为，随着大模型时代的来临，气象大模型的出现，正推动着气象预测发生变化。在他看来，未来，气象大模型将和传统数值预报一起，推动着气象预测朝着更准、更快、更大范围的方向前进，帮助我们更好地解决问题。

“风乌”大模型准确预报“杜苏芮”

今年4月，上海人工实验室联合中国科学技术大学、上海交通大学、南京信息工程大学、中国科学院大气物理研究所及上海中心气象台发布全球中期天气预报大模型“风乌”，如何更准确地预测天气，更精准地了解台风路径，为防灾减灾作出贡献，正是“风乌”研究的课题。

数据显示，基于7月21-7月27日多个起报时刻预报路径及台风实际路径对比，风乌提前24小时误差值为38.7公里。这一数据的精确度要优于气象预报国际权威机构欧洲中期气象预报中心（ECMWF）的54.11公里，和美国国家环境预报中心（NCEP）的54.98公里。

将预报时间提前到120小时，风乌的优势更加明显。数据显示，风乌提前120小时预报误差值为121.4公里，而ECMWF的误差值为293.8公里，NCEP的误差值则更大，为826.5公里。

图源：上 海人工智能实验室

此前，在中国气象局的支持下，上海AI实验室与国家气象中心、上海市气象局合作，对今年首个登陆我国的台风“泰利”进行了路径预测，结果显示，风乌提前12小时预测路径较“泰利”实际路径差值仅为35公里。

台风预测精准度的提升，意味着什么？

每年夏天是我国台风多发时节，在我国濒临的北太平洋西部海区，每年发生的台风数超过全球台风总数的三分之一。对我国东南沿海而言，每一次台风都是一次考验。

数据显示，2021-2022年间，共有9个台风在我国登陆，造成直接经济损失达186.2亿元人民币。而研究表明，对于单个登陆中国的台风而言，24小时路径预报误差每减小1公里，可减少因灾直接经济损失约0.97亿元。“风乌”等气象大模型的出现，将大大降低灾害的发生，提升我国预防灾害的能力。

首个突破10天的气象大模型

对传统的数值预报而言，如何提前精准预测强对流天气和台风路径一直是个难题。

“我们主要是先观测，观测到了再追踪。”一位气象研究员解释说，比如在一个地方观测到雷电云团，气象员会对云团进行跟踪，并根据当时的风向等各种数据，推测出云团运行的方向和路径。从而对云团行进轨迹上的地区进行预报。这也导致一个问题，就是预测时间很短，对传统气象预报而言，强对流等突发天气的预报提前的时间通常在1个小时之内。

图源：中国消防

这一数字正在被大模型刷新，基于美国和中国的雷达观测，清华大学软件学院与国家气象中心、国家气象信息中心联合发布的气象大模型“鬼天气”能对2048公里 × 2048公里的区域内生成合理的降水临近预报，将预报的时间提前到3个小时。

AI大模型之所以能带来预报精准度上的提升，在于大模型不仅懂数据，还“懂”气象。

“气象要素之间，有普遍的联系性。”罗京佳解释说，“比如上海发生一个大暴雨，强对流天气可能会影响到北京或者纽约的天气。”而怎样利用人工智能的算法，去抓住气象要素间的联系，是提升全球性气象预测准确性的关键。

在AI模型的设计和训练过程中，“风乌”的研究团队就利用了这一特性，将多个大气变量间的相互影响看作多任务学习问题。采用多模态神经网络和多任务自动均衡权重解决多种大气变量表征和相互影响的问题。位势、湿度、纬向风速、经向风速、温度以及地表等大气变量这些多模态信息，被结构在多模态网络中。

通过不断学习调整，“风乌”自动学习每个大气变量的重要性，使得多个大气变量之间能够更好地协同优化，不断提升大模型的精准度。

如今，“风乌”在80%的评估指标上超越谷歌旗下DeepMind发布的气象大模型GraphCast。在预报精度方面，相比GraphCast，“风乌”的10天预报误差降低10.87%，相比于传统的物理模型，误差降低19.4%。

过去数十年间，全球中期天气预报囿于气象观测的准确度，大气系统中物理过程的复杂性，以及求解大气模型所需资源规模巨大，全球中期天气预报的有效性每10年才提高1天。

中期天气预报大模型“风乌” 图源：上海人工智能实验室

“ 风乌 ” 却基于再分析数据，将有效预报时长提高到了 10.75 天。此前，全球范围内最好的物理模型 HRES 在此标准范围内，有效预报时长最大仅有 8.5 天。也因此， “ 风乌 ” 是全球首个突破 10 天的气象大模型。

天气预报应用拓宽

相比传统方式，气象大模型最重要也是变化最大的一个特点是效率。

由于传统数值预报需要进行复杂的数学物理方程计算，受限于计算的复杂程度，一台超级计算机往往需要几个小时才能出结果。气象大模型的出现，将气象预测从小时级一下子缩短到了秒级。

公开信息显示，“盘古气象”的推理速度与FourCastNet相当，其在Tesla-V100 GPU上预测24小时的天气只需要1.4秒，而“风乌”仅需30秒即可生成未来10天全球高精度预报结果。

在巨大的算力支撑下，气象大模型的预测效率大大提升。在罗京佳看来，这将大大拓展天气预报的应用范围。“以往一些企业想要获得天气预报数据，往往要等好几个小时。”罗京佳说，现在，几秒钟就能出来，大大增加了预报的时效性。

获取的便利性、更高的时效性，将有利于把天气预报运用到更多的场景中。例如，应用于物流行业，帮助物流行业更好地规划快递配送；应用到渔牧业，帮助渔民牧民更好地执行渔牧计划，规避风险。

据了解，未来“风乌”AI气象大模型将与传统的物理模型形成互补，为各行各业的生产生活提供更准确、更实用的天气预报信息，助力天气预报数字化，为农林牧渔、航空航海等各行业及公共安全保障提供有力的支持。

上海人工智能实验室AI for Earth团队还将把人工智能方法应用到更广泛的气象、环境、天文、地质等地球科学问题研究中，助力“碳中和”、防灾减灾、能源安全等重大需求。

排版／ 季嘉颖

图片／ 上海人工智能实验室 中国消防 东方IC

来源／《IT时报》公众号vittimes

E N D

请加「 星标 」不错过我们】】】