从看云识天气到AI预测

引入：

天气预报跟我们的生活息息相关。如果你要出门旅行，在出发之前，一定会看一眼目的地的天气情况。

其实不光是对旅行，准确预测天气对于农业生产，交通运输，以及新兴的低空经济领域，都有重大的影响。在精确预测天气这件事情上，AI同样可以提供帮助。

今天，我们就来聊一聊AI预测天气这个话题。

从“看云识天气”到数值预测：

从古至今，人们想出了许许多多预测天气的办法。

比如，咱们国家很早就有“朝霞不出门，晚霞行千里”“天上鱼鳞斑，晒谷不用翻”之类的天气谚语，这些都是古人对日常观测经验的总结。

但随着社会的发展，靠这样的方法来预测天气已经远远不能满足需要了。

到了19世纪中期，电报和电报网络出现，这使得相隔很远的人们也可以快速交流天气信息，为后来的天气预测提供了基础。

在19世纪60年代，气象站开始出现，虽然早期气象站能够收集到的气象数据非常有限，而且也不能对天气做出预测，但这些记录，同样给后来的天气预测提供了宝贵的数据。

在20世纪20年代，英国数学家刘易斯·理查森把气象数据和数学方程结合起来，通过手动计算，对慕尼黑周围地区做了一次“天气预报”。

虽然这次的天气预报跟真实的天气状况相差十万八千里。但刘易斯这种用求解数学方程式的方法来预测天气的思想特别重要，现代气象预测也是基于类似的想法。

在20世纪中期之后，随着气象卫星的出现，人们能够收集到更加精确的气象数据，而计算机的出现，也让大量的数据计算成为可能。

科学家们得以用大量的方程，构建起一个复杂的天气模型。这个模型能够根据输入的气象条件，模拟未来的天气状况。

但是，真实的天气系统是一个极其复杂的系统，人类构建的模型很难完美还原。另外，也因为天气模型极其复杂，每进行一次运算，都需要耗费大量的算力和时间。

AI为什么适合做天气预测？

那在天气预测领域，AI为什么能提供帮助呢？

AI领域中的机器学习技术，核心就是让计算机从大量的数据中学习，寻找潜在的模式和规律，并做出预测。

另外，机器学习技术还可以根据预测结果和实际结果之间的差异不断调整优化，让模型做出的预测越来越准确。

在天气预测领域，最不缺的就是数据。

人类的气象站、气象卫星每时每刻都在收集大量的气象数据。这些数据，恰好可以用于AI的机器学习。

比如人们经常用到的ERA5数据集，这个数据集覆盖了1940年1月到现在的大量气象数据。并且有全球大气、陆地、海洋气象数据的每小时估计值。

这些高质量的气象数据，为AI模型的训练和调试提供了保障。

利用ERA5数据集，我们国家的科技公司在2022年完成了对“盘古”气象大模型的训练。

“盘古”气象模型对天气预测的准确度非常高，超过了目前世界上最好的数值天气预报系统——欧洲中期天气预报中心，并且预测速度快1万倍以上。

而且在预测极端天气以及在台风路径预测上，“盘古”的表现也比欧洲中期天气预报中心的表现更加突出。

AI+物理模型

当然了，用AI模型预测天气也存在一些问题。

比如，AI模型的训练是基于气象数据的，它的训练过程是一个“黑箱”，虽然它能够给出比较精确的预测，但并不能解释它为什么做出这样的预测的。

另外，天气是一个复杂的混沌系统，初始条件的微弱差异会导致截然不同的预测结果，这也使得长期的天气预报非常困难。

因此，气象科学家们也想到了将AI预测模型和传统的数值预测模型相结合。

在2024年，中国气象局联合清华大学发布了“风清”和“风雷”气象大模型系统，这两个系统都结合了AI模型和数值模型，用这种方式提升预测的准确度。

而前面提到的欧洲中期天气预报中心，也引入了AI模型，来辅助修正数值模型给出的预测结果。

总结和展望

目前，AI在预测天气这个领域已经展现出了巨大的潜力。

相信随着AI技术的进一步发展，人类能够更好地预测未来天气，进而更有针对性地调整生产生活节奏，提高农业、交通运输等行业的生产效率，同时把极端天气可能带来的损失降到最低。

作者：云纪御 科普创作团队

审核：秦曾昌 北京航空航天大学 自动化科学与电气工程学院 副教授

文章由科普中国-创作培育计划出品，转载请注明来源。