天氣預報和人工智能有著天然耦合的關系。天氣預報需要大量的、多種多樣的資料，人工智能天生就是處理大數據的工具；現有資料的時空數據密度不夠，人工智能具有對不完全不確定信息的推斷能力；此外人工智能還可以總結專家的知識經驗，提高平均預測水平以及利用統計與數值模式中無法利用的抽象預報知識等。

更快速、更高效是天氣預報不懈的追求。但隨著觀測衛星、雷達和傳感器網絡持續不斷地產生大量數據，如何處理海量的、多種多樣的氣象資料成為天氣預報的一個挑戰。而人工智能出色的大數據處理能力成為助力天氣進一步精準預報的重要工具。

近日，我國南方多地持續多日的暴雨天氣導致各地水位上漲，險情頻發，部分地區不同程度受災。目前救援工作正在緊張有序進行中，各式各樣的“智能＋”手段也正廣泛運用到天氣預測、抗洪搶險中，為高效調度決策提供科學依據。

那么，人工智能在極端天氣預報、災害預警及救援方面有哪些具體應用呢？就相關問題，科技日報記者近日采訪了國家氣象中心高級工程師朱文劍。

應用大幅提升　深度神經網絡使預報準確率提高40％

2010年以來，隨著新一代信息技術引發的信息環境與數據基礎變革，海量圖像、語音、文本等多模態數據不斷涌現，計算能力的大幅提升，使得人工智能迎來爆發期。那么，目前在天氣預報中，人工智能究竟發揮了哪些作用？

“最近兩三年，國外人工智能在天氣預報領域的應用大幅增長，并且呈現出由傳統的機器學習向深度學習發展的趨勢。”朱文劍表示。

目前，人工智能在天氣預報領域的應用包括觀測數據質量控制、數值模式資料同化、數值模式參數化、模式后處理、天氣系統識別、災害性天氣（臺風、強對流、霧霾等）監測和臨近預報、預報公文自動制作等方面。

朱文劍介紹說，相比傳統機器學習方法，深度學習在海量數據處理、圖像識別與處理、非線性時空預測方面具有較明顯優勢。目前歐洲中期天氣預報中心已經將深度學習用于衛星觀測資料的同化分析。而在氣象衛星資料應用方面，人工智能同樣具有巨大前景，如用于衛星觀測圖像修復、基于衛星觀測的天氣系統識別、時空降尺度、數據同化等。

“國內氣象行業對人工智能技術的關注度也正在快速提高。”朱文劍表示，中央氣象臺在定量降水融合預報、強對流天氣分類潛勢預報、臺風智能檢索、預報公文自動制作等方面采用了人工智能技術，取得鼓舞人心的效果。例如，中央氣象臺和清華大學聯合開發出的一種基于深度神經網絡的雷達回波外推方法，該方法比之前運用傳統方法進行回波預報的準確率提高約40％。

憑借超強算力　災害性臨近預報預警結果超越人類

“以前巡堤，要靠人到現場看，再通過口述、筆記記錄反饋巡查情況，汛情研判效率較低。”近日，江西九江共青城市農業農村水利局標準化項目部經理王嘉龍說，如今系統自動記錄管轄段水情變化，實時顯示堤防沿線視頻監控畫面，一旦發現異常，管理員即將畫面配以文字描述及時上傳，研判效率大幅提高。

“更高更快更強”是天氣預報不懈的追求，更高分辨率、更快給出結果、更準確的預測等追求考驗著現代大氣科學。“人工智能憑借其超強的計算能力和強大的算法，在某些方面的能力已經遠遠超過了人類。”朱文劍指出。

比如，美國有一個關于雷暴生命史的實時預測模型做出的預報結果已明顯優于人的主觀經驗，調查表明在該項業務上，預報員在面臨模棱兩可的情況下，更愿意相信人工智能的預報結果。

朱文劍介紹說，國外已實現基于深度神經網絡和氣象衛星觀測資料的數據同化算法研發，在一定的準確率容忍范圍內，與傳統方法相比，人工智能方法的計算效率可大幅提高。近年來，歐洲中期天氣預報中心較為全面地評估了人工智能技術在天氣預報數值模式中各個技術環節的應用潛力，對人工智能的應用給出樂觀的預期，并已在部分環節如物理過程參數化中開展技術試驗。

據介紹，目前對于冰雹、短時強降水、雷暴大風等災害性天氣的臨近預報預警（6小時以內），國外氣象科學家基于人工智能技術，結合多種遙感觀測和快速更新的數值模式預報資料，預報準確率已超過人類預報員，但這些技術還處于研究或實驗階段，尚未形成業務支撐能力。目前對于持續性暴雨、極端強度暴雨的預報則具有一定的難度，不過，行業從業者正在努力借助包括人工智能技術在內的多種技術攻克這一難題。

據了解，人工智能用于觀測數據質量控制，如用于氣象雷達回波的質量控制，濾除地物等非氣象回波，國內某些氣象科技企業在這方面做了很多工作；用于數值模式產品后處理，可以提高準確率和產品的時空分辨率，如中央氣象臺和清華大學合作研發的格點降水訂正和超分辨率處理算法，可在保證準確率的同時，有著更高的計算效率，并能輸出超高分辨率的智能網格預報產品。

物聯網技術加持　未來每個人都可能成為氣象數據源

天氣影響消費行為、交通物流，甚至決定體育競賽的勝負，因此人們需要精準的天氣預報。那么，在災害預警中，大數據如何分析研判做出決策，促使AI對于極端天氣的預測更為精準呢？

朱文劍介紹說，大數據有四大特性：數據體量大、數據類型繁多、處理速度快和商業價值高。在災害預警中可以充分發揮其前3個特點，最終實現其高價值。尤其是可以充分利用歷史上長時序的多種來源的資料，比如人口分布數據、歷史上的氣候數據、地形數據、受災數據、來自于氣象、水文等多種觀測來源的實況數據等構建智能分析模型，再結合氣象部門提供的實時高分辨率智能網格預報數據，利用智能分析模型快速進行影響分析，為決策提供支撐。

為了加強臺風、強對流、霧霾等災害性天氣的智能化監測和預報，各地氣象監測部門均對于利用人工智能進行精準預報進行了探索。“如基于卷積神經網絡的雨帶訂正技術以及卷積神經網絡的霧霾格點化預報技術，中央氣象臺自主研發了冰雹、短時強降水、雷暴大風等分類強對流短時短期預報技術；上海市氣象局研發的基于機器學習的無縫隙短時臨近預報技術；深圳市氣象局和香港天文臺合作研發的雷達回波臨近預報技術等。”朱文劍說。

此外，中央氣象臺與國內一些科研院所展開合作：與北京郵電大學聯合研發的基于機器學習的臺風定強技術，和清華大學合作研發的基于深度學習的雷達回波臨近預報技術等。

目前氣象單位通過衛星、雷達等設備監測天氣，而今后物聯網技術或將引領天氣預報進入一個全新的時代。朱文劍認為：“在物聯網技術的幫助下，任何物品，包括手機、車輛、雨傘等都可能成為潛在的獲取氣象數據的通道，尤其是隨著可穿戴設備的不斷發展，未來每個人都可能成為氣象數據源。以色列創業公司ClimaCell借由物聯網技術，將行人的手機、路燈、監視器變成氣象偵測器，可獲得時間分辨率至分鐘級、空間分辨率精細至街道的溫度、降水、風向風速等觀測數據。”

有專家提出，天氣預報和人工智能有著天然耦合的關系。天氣預報需要大量的、多種多樣的資料，人工智能天生就是處理大數據的工具；現有資料的時空數據密度不夠，人工智能具有對不完全不確定信息的推斷能力；此外人工智能還可以總結專家的知識經驗，提高平均預測水平以及利用統計與數值模式中無法利用的抽象預報知識等