据世界银行估计,从全球的角度来看,气象预测和预警系统的改进不仅可以拯救数以万计的人的生命,还可以带来每年 1620 亿美元的经济效益;另外,在过去 50 年中,超过 34% 的记录灾害、22% 的相关死亡人数(101 万人)和 57% 的相关经济损失(2.84 万亿美元),也与极端降水事件有关系。
天气预报是大规模科学计算的一个重要应用,旨在预测未来的天气变化。天气预报在帮助拯救生命和减少财产损失方面起着关键作用,特别是近年来全球气候变化导致极端天气事件频发的情况下。
因此,如何及时、准确地预测短时和未来的天气状况,已成为科学家们努力攻破的重要课题之一。
在过去的十年中,高性能计算系统的应用极大地促进了数字化天气预报(Numerical Weather Prediction,NWP)方法领域的研究,这也是迄今为止最准确的天气预报系统。传统的NWP方法主要是利用偏微分方程描述大气状态离散网格之间的转换,然后用数值模拟方法求解。然而,这种方法对算力的要求很高,而且速度很慢,即使在一台拥有数百个节点的超级计算机上,一个为期10天的天气预测模拟也需要好几个小时。此外,传统的NWP算法在很大程度上依赖于参数化,它使用近似函数来捕获未解决的过程,这可能近似值而引入错误。
人工智能(AI)被寄予厚望,被认为是“一个改善极端天气预测的更快、更便宜的替代方案”。
近年来,深度学习(Deep Learning)的快速发展为天气预报系统带来了一个有希望的方向。这种基于人工智能(AI)的方法,通过训练一个深度神经网络来捕获输入(在给定时间点再分析天气数据)和输出(在目标时间点再分析天气数据)之间的关系,能够将天气预测速度相比NWP方法提高好几个数量级,然而,其准确性仍然不能令人满意。
2023年7月5日,国际学术期刊 Nature 同期发表两篇论文报道了人工智能辅助天气预报的潜力。
另一篇论文来自清华大学王建民教授团队,论文题为:Skilful nowcasting of extreme precipitation with NowcastNet。该研究开发了NowcastNet模型,能够预测短时天气,例如极端降水事件。
图1. 华为盘古气象系统
相关阅读