封面新聞記者 邊雪

隨著春運大幕拉開，寒潮也趕來湊熱鬧了。在杭州工作的王琪要回老家蘭州過年，提前一週就看過天氣預報的她早早就準備好了羽絨服，“雖然這兩天杭州的氣溫接近20度，但等我週末回家的時候，最高溫就只有1度了”。對多數人來說，出行前看天氣預報早已成為習慣，但正因為是“預報”，也經常出現誤差。

GraphCast預報天氣的流程。（圖片來源：Synced）

《地球與太空科學》曾指出，AI人工智慧技術或將成為改善天氣預報工作的關鍵。近日，作為一種快速且可擴充套件的人工智慧天氣預報模型，谷歌母公司Alphabet旗下人工智慧研究機構Deepmind推出的GraphCast在中期天氣預報測試中，以超過99%的準確率完勝其他天氣預報模型，引發業界熱議。

中期天氣預報以3到7天為時間範圍內，在農業、建築、旅遊等多個行業發揮著舉足輕重的作用。對普通人而言，出差、旅遊等日常工作生活中，也需要中期天氣預報來避免計劃受到極端天氣的影響。

除了中期天氣預報，AI人工智慧在短期天氣預報上，也發揮著巨大的作用。在北京冬奧會賽場，得益於北京大學重慶大資料研究院開發出人工智慧MOML演算法賦能天氣預報模型，氣象短時臨近預報“百米級尺度、分鐘級更新”已經實現。

那麼，天氣預報不準的情況會透過AI得到解決嗎？在未來AI天氣預報是否可能替代傳統的天氣預報？對此，封面新聞記者採訪了北京大學重慶大資料研究院智慧會商與人工智慧天氣預報實驗室主任助理張烺，微博知名科普博主“中國氣象愛好者”（以下簡稱“中氣愛”），揭秘“青出於藍”的AI天氣預報。

AI天氣預報GraphCast和盤古在天氣預報技術方面的資料對比。（圖片來源：Synced）

“解決傳統方法中引數化、初值最佳化將是AI天氣預報未來面臨的難點”

封面新聞：AI氣象預報有哪些型別？應用情況如何？

張烺：

目前，AI在氣象預報裡的直接業務應用主要有兩類：一類是直接基於數值天氣預報模式預報結果的客觀訂正，二是基於雷達影像資料的外推短臨預報。

一些是在傳統預報方法中融合AI技術，透過解決一些複雜物理過程的計算問題來最佳化模式預報結果。比如針對模式輸出的AI預報訂正方法應用效果較好，對氣溫、風場、溼度等的訂正效果在效率和精度上都較以前基於人工經驗的訂正方法有了很大提升；短臨外推預報技術雖然還不能得到較好的定量化預報結果，但可以為強對流引起的災害性天氣提供及時有效的預警資訊。

還有直接基於AI的天氣預報模型，比如華為的盤古以及谷歌的GraphCast，這類模型在針對很多個例的分析上都超過了歐洲中期天氣預報中心的結果，但要在實際預報業務中得到應用還有挺多困難需要解決。

封面新聞：氣象預測是建模中最複雜的場景之一，“牽一髮而動全身”的情況下，AI氣象預報的難點和麵對的挑戰有哪些？

張烺：

AI科學計算本身可以分為兩類：一類是AI完全取代傳統模型；一類是利用AI融合到傳統方法中，解決傳統方法中的一些還沒解決的複雜問題。

目前在天氣預報領域，AI技術的應用主要還是融合到傳統天氣預報流程中解決某些環節的問題。在AI還不能完全取代傳統模式的情況下，對於AI氣象預報來說，解決傳統方法中引數化、初值最佳化等可能還是未來面臨的主流問題。

中氣愛：

雖然AI氣象預報可以不依賴基於大氣物理學人工建立的模型，但同樣非常依賴資料，尤其是歷史資料。如果氣象資料出現數量不夠、質量不足、標準不統一等情況，就會嚴重影響AI氣象預報的結果。

藉助AI，天氣預報實現精細化（圖片來源：網路）

“天氣預報不存在100%準確，但AI理論上可以提升天氣預報結果”

封面新聞：為什麼會遇到天氣預報不準的情況？

張烺：

當前主流的天氣預報手段主要是利用數值計算方法對大氣運動基本方程組進行求解，獲得未來天氣的可能變化資訊。

由於大氣運動過程非常複雜，影響因素很多，一方面大氣運動中的一些複雜物理過程很難透過方程進行完整表達，另一方面對大氣運動方程的數值求解方法本身也會帶來計算誤差，造成以數值預報為基礎的現代天氣預報，模式預報結果與真實狀況常常會存在差異。

但經過氣象人不斷地努力，透過同化大量實時觀測資料，將模式模擬“繫結”在觀測資料的變化方向上，限制模式預報結果不要與真實情況偏離太多，同時結合人工對實況天氣的經驗分析對預報結果進行訂正，目前對3天內的天氣預報結果還是具有比較高的可信度的。

中氣愛：

天氣預測和實況有偏差，主要是初始的資料量不夠大，格點不夠細，以及數值預報固有的資料最佳化問題導致的。隨著氣象觀測資料的增多、精密化和高頻化，以及數值模式的最佳化，數值預報的準確度一直在穩定提高，但天氣預報不存在100%的準確，可預報性的上限也是學術界關心的問題之一。

封面新聞：AI氣象預報能解決天氣預報不準的問題嗎？

張烺：

AI技術主要是資料驅動，可以在不完全清楚內在物理機理的情況下，仍然很好地解決複雜問題。剛剛提到的“大氣中不能透過運動方程來較好描述的那些複雜過程”，如果採用AI技術來解決，在理論上是可以提升目前的天氣預報結果的。

中氣愛：

AI氣象預報和當前天氣預報不一樣的是，它可以不需要人工建立的基於大氣物理學的模型，而是直接從歷史觀測資料中學習規律，推導未來，同樣受制於資料數量以及精密性的問題。

“AI天氣預報要徹底取代傳統天氣預報，還有很長的路要走”

封面新聞：

在短期天氣預報方面，DeepMind曾於2021年9月在Nature上發文稱，其生成模型能以89%的絕對優勢吊打其他方法，AI天氣預報有可能會替代傳統天氣預報嗎？

張烺：

這段時間，華為的盤古、谷歌的GraphCast都比較熱門，雖然表面上看起來它們屬於完全替代傳統模式的端到端AI，但是具體瞭解過這兩個模型的技術路線後，你會發現他們的訓練資料都是歐洲中期天氣預報中心的再分析資料，這個資料是透過數值模式計算得到的，也就是說這兩個模型如果要用於實際的天氣預報，必須先有高質量的全球網格分佈的初始資料，這個資料只能透過數值天氣預報模式得到。

目前看來，單純基於AI的天氣預報仍然存在訓練資料、高質量全球網格化初值資料等如何獲得的問題。

中氣愛：

AI氣象預報只是在研究和實驗階段，依然嚴重依賴IFS資料和ERA再分析資料，是在現有資料框架內的研究，到實際應用還有很長的路要走，所以現在討論AI天氣預報徹底取代傳統天氣預報，還為時過早。

北京冬奧會上的天氣預報員“AI助手” MOMI模型。（圖片來源：網路）

封面新聞：北京冬奧會上，由我國人工智慧MOML演算法賦能天氣預報模型，使冬奧會天氣預報更加精準，請問您如何看待AI天氣預報未來的發展？

張烺：

傳統天氣預報方法採用基於物理模型的數值預報模式進行預報，這種數值模式難以捕捉弱機理的複雜問題。

目前，天氣預報逐步逼近確定性預報的理論上限，而大資料、人工智慧等新一代資訊科技在解決弱機理的複雜問題方面具備先天優勢，在傳統模式中融合AI技術可能是精準天氣預報和精細化氣象服務的一個有效解決方案。

因此，利用AI技術與數值預報模式進行有效融合，以及在傳統天氣預報流程中採用AI技術來實現預報增強應該還是未來AI天氣預報發展的主體。

中氣愛：

AI天氣預報值得被鼓勵和欣賞，但傳統天氣預報也是幾代大氣科學家努力的結果，是全人類的思想、科學結晶，是已經穩定投入執行、經得起實踐驗證的精密系統，所以未來如何應用先進技術讓天氣預報越來越準確，更好地服務人類生產生活，才是AI天氣預報的根本目的。

我國的MOML模型是AI輔助天氣預報，在冬奧會等場景投入應用後也取得了不俗成績，說明AI天氣預報的邏輯是成立的，確實有效解決了傳統數值預報中出現的部分問題。

大氣科學和計算機科學是有緊密聯絡的，AI輔助天氣預報的研究和實驗很有開創性，但要徹底取代傳統的天氣預報並投入應用，還有很長的路要走。

封面新聞：您的團隊也正在與重慶市氣象局合作，開展針對重慶本地更加複雜的山地環境的技術創新，並且讓相關研究成果在重慶應用，目前進展如何？

張烺：

我們實驗室基於與重慶市氣象局的深度合作，針對重慶本地特殊的地理環境和天氣氣候背景，自主研發了模式結果訂正的後處理技術——數值預報智慧站點訂正技術（ICT）和數值預報智慧格點降尺度技術（IDT），該技術利用AI等技術實現了數值模式格點到預報站點、大尺度格點到精細化格點的預報結果訂正，具有輕量化、模組化的特點和優勢，可用於多種數值模式和各種預報場景，特別適用於複雜地形下模式結果的後處理，能有效提升短期天氣預報結果的準確率的精細化水平。

透過演算法的不斷調優和測試，ICT技術已於近期在重慶市氣象臺成功部署。從對過去一年全市氣溫等要素的檢驗結果來看，基於ICT技術的預報準確率較中央臺指導預報、市臺預報員預報等其他手段和方法均有所改善，結果精度最高能提升11%。同時，我們還正在開展IDT技術在精細化格點天氣預報中的應用測試。

【如果您有新聞線索，歡迎向我們報料，一經採納有費用酬謝。報料微信關注：ihxdsb，報料QQ：3386405712】