（要闻）预报天气，人工智能比人类更擅长？

本篇文章2749字，读完约7分钟

天气预报和人工智能有着天然的耦合关系。天气预报需要大量多样的数据，人工智能本来就是处理大数据的工具；现有数据的时间空数据密度不够，人工智能具有推断不完整和不确定信息的能力；此外，人工智能还可以总结专家的知识和经验，提高平均预测水平，利用统计和数值模型无法使用的抽象预测知识。

更快更高效的天气预报是不懈的追求。然而，随着观测卫星、雷达和传感器网络不断产生大量数据，如何处理海量、多样的气象数据成为天气预报面临的挑战。人工智能出色的大数据处理能力已经成为帮助天气预报更加准确的重要工具。

最近，中国南方许多地方连日暴雨导致水位上升，险情频发，部分地区受到不同程度的影响。目前，救援工作正在紧张有序地进行，各种“智能+”手段正在广泛应用于天气预报和防汛抗洪中，为高效调度决策提供科学依据。

那么，人工智能在极端天气预报、灾害预警和救援中有哪些具体应用呢？关于相关问题，《科技日报》记者近日采访了国家气象中心高级工程师竺文建。

应用大大改进的深度神经网络可以提高预测精度40%

2010年以来，随着新一代信息技术引起的信息环境和数据基础的变化，图像、语音、文本等海量多模态数据不断涌现，计算能力大幅提升，使得人工智能迎来了爆发期。那么，目前人工智能在天气预报中扮演什么角色呢？

“在过去的两三年里，国外人工智能在天气预报领域的应用大幅增长，并呈现出从传统机器学习到深度学习的趋势。”竺文建说。

目前人工智能在天气预报领域的应用包括观测数据质量控制、数值模式数据同化、数值模式参数化、模式后处理、天气系统识别、恶劣天气(台风、强对流、雾霾等)。)监控和接近预测，并自动生成预测文件。

竺文建说，与传统的机器学习方法相比，深度学习在海量数据处理、图像识别和处理以及非线性时间空预测方面具有明显的优势。目前，欧洲中期天气预报中心已将深度学习应用于卫星观测数据的同化分析。在气象卫星数据的应用方面，人工智能也有很大的前景，如卫星观测图像复原、基于卫星观测的天气系统识别、时间空降尺度、数据同化等。

"国内气象行业对人工智能技术的关注也在迅速增加."竺文建表示，中央气象台在定量降水融合预报、强对流天气分类潜力预报、台风智能检索、预报文件自动生成等方面采用了人工智能技术，取得了令人鼓舞的成果。例如，中央气象台和清华大学联合开发了一种基于深度神经网络的雷达回波外推方法，将回波预测的精度提高了40%左右。

以超强的计算能力和灾难性的临近预测和预警结果超越人类

“以前在堤防巡查时，要靠人去现场看，然后通过口述和笔记反馈巡查情况，舆论判断效率低。”近日，江西省九江市共青城市农业和农村水利局标准化项目部经理王家龙表示，现在系统自动记录辖区断面水情变化，实时显示沿堤视频监控画面。一旦发现异常，管理员会及时上传带有文字描述的图片，大大提高了判断的效率。

“更高、更快、更强”是天气预报的不懈追求，对更高分辨率、更快结果、更准确预报的追求考验着现代大气科学。“人工智能凭借其超强的计算能力和强大的算法，在某些方面已经远远超过了人类。”竺文建指出。

比如美国有雷暴生活史实时预报模型，预报结果明显好于人们的主观体验。调查显示，预测者在面对模糊性时，更愿意相信人工智能在这个行业的预测结果。

竺文建说，国外已经实现了基于深度神经网络和气象卫星观测数据的数据同化算法的研究和开发。与传统方法相比，人工智能方法的计算效率在一定的精度容差范围内可以大大提高。近年来，欧洲中期天气预报中心全面评估了人工智能技术在天气预报数值模型各技术环节的应用潜力，对人工智能的应用给予了乐观的预期，并在物理过程参数化等一些环节进行了技术实验。

据介绍，目前国外气象科学家在冰雹、短期暴雨、雷暴等灾害性天气的预测预警(6小时内)方面已经超过了人类预报员，基于人工智能技术，结合各种遥感观测和快速更新的数值模式预报数据，但这些技术还处于研究或试验阶段，尚未形成作战保障能力。目前很难预报持续性暴雨和极端暴雨。然而，行业从业者正试图用包括人工智能技术在内的各种技术来克服这个问题。

据了解，人工智能用于观测数据的质量控制，如气象雷达回波的质量控制，滤除地物等非气象回波。国内一些气象科技企业在这方面做了大量的工作；用于数值模型产品的后处理，可以提高产品的精度和时间空分辨率。比如中央气象台和清华大学联合开发的网格降水改正和超分辨率处理算法，既能保证精度，又有较高的计算效率，输出超高分辨率的智能网格预报产品。

物联网技术祝福大家未来有可能成为气象数据源

天气影响消费行为、交通和物流，甚至决定体育比赛的胜负，因此人们需要准确的天气预报。那么，在灾害预警中，大数据如何分析判断做出决策，让ai更准确的预测极端天气呢？

竺文建说，大数据有四个特点:数据量大、数据类型多样、处理速度快、商业价值高。在灾害预警中，我们可以充分发挥其前三个特点，最终实现其高价值。特别是，可以充分利用历史上各种来源的长期数据，如人口分布数据、历史气候数据、地形数据、灾害数据、气象和水文观测来源的实时数据等，构建智能分析模型。然后结合气象部门提供的实时高分辨率智能网格预报数据，利用智能分析模型进行速效分析，为决策提供支持。

为了加强对台风、强对流、雾霾等恶劣天气的智能监测和预报，地方气象监测部门探索利用人工智能进行准确预报。「例如基于卷积神经网络的雨带校正技术和基于卷积神经网络的烟雾点阵预报技术，中央气象台自主研发了冰雹、短期强降水、雷暴等分类强对流的短期和短期预报技术；上海气象局开发的基于机器学习的无缝短期临近预报技术；深圳气象局和香港天文台联合开发的雷达回波临近预报技术。”竺文建说。

此外，中央气象台与国内部分科研机构合作:与北京邮电大学联合开发的基于机器学习的台风强度确定技术，与清华大学联合开发的基于深度学习的雷达回波临近预报技术。

目前，气象单位通过卫星、雷达等设备监测天气，物联网技术将引领天气预报进入未来新时代。竺文建认为:“借助物联网技术，一切，包括手机、车辆、雨伞等。，可能成为获取气象数据的潜在渠道。特别是随着可穿戴设备的不断发展，未来每个人都有可能成为气象数据源。以色列初创公司climacell利用物联网技术，将行人的手机、路灯和监视器变成天气探测器，可以获得时间分辨率达到分钟级、空分辨率达到街道温度、降雨量、风向和风速的观测数据。"

有专家指出，天气预报和人工智能有着天然的耦合关系。天气预报需要大量多样的数据，人工智能本来就是处理大数据的工具；现有数据的时间空数据密度不够，人工智能具有推断不完整和不确定信息的能力；此外，人工智能还可以总结专家的知识和经验，提高平均预测水平，利用统计和数值模型无法使用的抽象预测知识。科技日报记者华玲