数值预报是研究地球系统的重要工具,有助于加深科学家对大气、海洋、气候和环境等复杂系统之间相互作用和变化过程的理解,在防灾减灾、气候变化和环境治理等方面发挥着不可或缺的作用。随着模式复杂度和分辨率的提高,传统数值模式在气候变化研究和气候预测方面取得了迅速的进展,但也面临一些挑战,需要得到数据同化、集合耦合、高性能计算和不确定性分析等多方面的支持。
近年来,“AI+气象”的交叉研究在气象领域引起了广泛关注。基于多种深度学习架构的人工智能大模型,依托强大的计算资源和海量的数据进行训练,能够以新的科学范式进行高效数值预报。
气象大模型不断涌现,一些科技公司如华为、英伟达、DeepMind、谷歌、微软等,以及国内外高校如清华大学、复旦大学、密歇根大学、莱斯大学等发布了多个涵盖临近预报、短时预报、中期预报和延伸期预报等不同领域的气象大模型。这标志着人工智能与气象领域的交叉融合已经达到新的高度。
1、什么是数值天气预报?
数值天气预报模式基于流体力学和热力学的物理规律来构建控制大气运动的数学方程,并用超级计算机求解这些方程,进而预测未来7到10天的天气状况。在数值模型中输入气象初始场,模型就会一步步计算下一个时刻的气象场。这些模式一般都有伴随的观测资料的同化系统,将各种观测数据(包括地面观测、卫星、雷达等)融合到模式数值方程的求解中,进一步提升模式预测结果的精准度。
数值天气预报的难点
AI大模型出现之前,传统精准天气预报的一大难点在于,数值预报模型建模过程的复杂度高。尽管数值预报模型是基于复杂的数学和物理规律构建的,但影响大气系统的过程更加复杂,包含了许多物理和化学过程,跨越不同时间和空间尺度。如何在数值预报模式中准确模拟这些复杂过程,一直是数值预报模式发展的挑战。
另一大难点则是计算资源有限。因为数值预报模式复杂度高,所以需要大量的计算资源来运行,尤其是在进行高分辨率和全球范围天气预报时,需要的计算资源更多。然而,相对有限的计算资源,限制了模型分辨率的提高和更频繁的模型运行,从而影响了预报的详细程度和及时性。
2、AI气象大模型
AI气象大模型是基于深度学习的方法,对历史气象大数据进行学习并建立模型。一旦完成训练,这些大模型就可以开展未来天气预报工作。相比传统数值预报模式,AI大模型的运行速度非常快,例如获得2023年十大科技进展的华为盘古气象大模型,比传统数值预报模式快1万倍。同时,这些模型甚至还可以在个人电脑上运行,只需几分钟就能给出未来7到10天的预报结果。
除此之外,这些模型预报效果在某些方面接近甚至超过传统数值预报模式。例如对于临近期预报,人工智能能够快速处理分析大量的即时观测数据,提高时效性。同时,AI气象大模型还可以实现自我迭代,学习以往案例作为经验来预测当前的状况,因此其准确性比人工和传统方法都更高。
近两年时间,气象AI大模型发展迅猛,如雨后春笋一般不断推陈出新。中国气象局最近发布了三大AI气象大模型----风清、风雷和风顺。在气象领域,应用人工智能(AI)技术取得了明显进展。这些AI气象大模型在提高预报精度、缩短预报时间等方面取得了极大的进步,推动了气象预报技术的发展和应用。
3、AI气象大模型盘点
1.中国气象局发布的三大AI气象大模型
风清:人工智能全球中短期预报系统,由中国气象局联合清华大学开发。
风雷:人工智能临近预报系统,由中国气象局与清华大学联合开发。
风顺:人工智能全球次季节—季节预测系统,也是由中国气象局与清华大学联合开发。
值得一提的是,“风清”、“风雷”和“风顺”三大AI气象大模型系统已完成了基于国产全球大气再分析资料CRA-40、雷达观测资料、风云卫星遥感资料的训练和检验评估。这一成果有效降低了目前主流气象预报大模型对国际再分析资料的依赖度,提升了我国在全球气象预报领域的自主创新能力。
2.华为云盘古气象大模型
盘古气象大模型是首个精度超过传统数值预报方法的AI模型,能够提供全球气象秒级预报。该模型基于三维神经网络处理不均匀的3D气象数据,并使用层次化时域聚合策略减少迭代误差。
3.上海AI实验室开发的“风乌”
“风乌”是由罗京佳教授团队与上海AI实验室合作研发的全球天气中期预报AI大模型,首次实现在高分辨率上对核心大气变量进行超过10天的有效预报,并在80%的评估指标上超越此前的传统方法。
4.复旦大学--伏羲
是由复旦大学和上海科学智能研究院联合开发的一种人工智能驱动的次季节尺度气象预测模型。该模型能够提供长达42天的天气预报,单次预测推理时间小于10秒。伏羲气象大模型首次亮相于第28届联合国气候变化大会(COP28)
5.谷歌Deep Mind--GraphCast
GraphCast是由谷歌DeepMind开发的一款基于机器学习和图神经网络(GNN)的全球天气预报系统。该模型能够在一分钟内以0.25°的分辨率预测未来10天的全球天气,包括数百个天气变量。
6.英伟达Nvidia开发的FourCastNet
2022 年,NVIDIA 发布了 FourCastNet,基于傅立叶预测神经网络,首次进行了分辨率为 0.25° 的深度学习天气预报。
7.阿里开发的SwinVRNN
阿里巴巴开发的SwinVRNN气象大模型是一种基于数据驱动的集成预测模型,结合了Swin Transformer和变分递归神经网络(Variational Recurrent Neural Network)。该模型通过学习分布扰动方法,实现了在中期天气预报中的高效预测。此外,SwinVRNN在极端天气预警方面也显示出潜力,能够有效预报时效达到约10.75天。
8.数慧时空推出的“微澜测天”
这是一个超高时空分辨率的气象AI大模型,具备全球中长期气象预报能力,并基于先进的超分技术,特别适用于中国区域的气象预报。
4、总结
尽管AI在气象预测中取得了显著进展,但仍面临一些挑战。这些挑战包括深度学习的弱解释性、不确定性分析以及与数值天气预报的耦合等。此外,AI模型在模拟高影响天气事件方面的能力仍然有限,例如在风暴Ciarán案例研究中,所有AI模型都低估了与风暴相关的风速峰值幅度。为了克服这些挑战并进一步提高气象预测的准确性,未来的研究需要关注几个方向。包括设计能够处理非线性和混沌性大气运动特点的人工智能算法,实现数学、物理的混合建模,以及开发能够提供物理可解释结果的混合预测系统。
内容引用:
https://www.thepaper.cn/newsDetail_forward_26746106
http://hlj.weather.com.cn/qxkp/10/3500217.shtml