科技圆桌派｜为啥天气预报老不准 换成AI能行吗？

封面新闻记者 边雪

随着春运大幕拉开，寒潮也赶来凑热闹了。在杭州工作的王琪要回老家兰州过年，提前一周就看过天气预报的她早早就准备好了羽绒服，“虽然这两天杭州的气温接近20度，但等我周末回家的时候，最高温就只有1度了”。对多数人来说，出行前看天气预报早已成为习惯，但正因为是“预报”，也经常出现误差。

GraphCast预报天气的流程。（图片来源：Synced）

《地球与太空科学》曾指出，AI人工智能技术或将成为改善天气预报工作的关键。近日，作为一种快速且可扩展的人工智能天气预报模型，谷歌母公司Alphabet旗下人工智能研究机构Deepmind推出的GraphCast在中期天气预报测试中，以超过99%的准确率完胜其他天气预报模型，引发业界热议。

中期天气预报以3到7天为时间范围内，在农业、建筑、旅游等多个行业发挥着举足轻重的作用。对普通人而言，出差、旅游等日常工作生活中，也需要中期天气预报来避免计划受到极端天气的影响。

除了中期天气预报，AI人工智能在短期天气预报上，也发挥着巨大的作用。在北京冬奥会赛场，得益于北京大学重庆大数据研究院开发出人工智能MOML算法赋能天气预报模型，气象短时临近预报“百米级尺度、分钟级更新”已经实现。

那么，天气预报不准的情况会通过AI得到解决吗？在未来AI天气预报是否可能替代传统的天气预报？对此，封面新闻记者采访了北京大学重庆大数据研究院智能会商与人工智能天气预报实验室主任助理张烺，微博知名科普博主“中国气象爱好者”（以下简称“中气爱”），揭秘“青出于蓝”的AI天气预报。

AI天气预报GraphCast和盘古在天气预报技术方面的数据对比。（图片来源：Synced）

“解决传统方法中参数化、初值优化将是AI天气预报未来面临的难点”

封面新闻：AI气象预报有哪些类型？应用情况如何？

张烺：目前，AI在气象预报里的直接业务应用主要有两类：一类是直接基于数值天气预报模式预报结果的客观订正，二是基于雷达影像数据的外推短临预报。

一些是在传统预报方法中融合AI技术，通过解决一些复杂物理过程的计算问题来优化模式预报结果。比如针对模式输出的AI预报订正方法应用效果较好，对气温、风场、湿度等的订正效果在效率和精度上都较以前基于人工经验的订正方法有了很大提升；短临外推预报技术虽然还不能得到较好的定量化预报结果，但可以为强对流引起的灾害性天气提供及时有效的预警信息。

还有直接基于AI的天气预报模型，比如华为的盘古以及谷歌的GraphCast，这类模型在针对很多个例的分析上都超过了欧洲中期天气预报中心的结果，但要在实际预报业务中得到应用还有挺多困难需要解决。

封面新闻：气象预测是建模中最复杂的场景之一，“牵一发而动全身”的情况下，AI气象预报的难点和面对的挑战有哪些？

张烺：AI科学计算本身可以分为两类：一类是AI完全取代传统模型；一类是利用AI融合到传统方法中，解决传统方法中的一些还没解决的复杂问题。

目前在天气预报领域，AI技术的应用主要还是融合到传统天气预报流程中解决某些环节的问题。在AI还不能完全取代传统模式的情况下，对于AI气象预报来说，解决传统方法中参数化、初值优化等可能还是未来面临的主流问题。

中气爱：虽然AI气象预报可以不依赖基于大气物理学人工建立的模型，但同样非常依赖数据，尤其是历史数据。如果气象数据出现数量不够、质量不足、标准不统一等情况，就会严重影响AI气象预报的结果。

借助AI，天气预报实现精细化（图片来源：网络）

“天气预报不存在100%准确，但AI理论上可以提升天气预报结果”

封面新闻：为什么会遇到天气预报不准的情况？

张烺：当前主流的天气预报手段主要是利用数值计算方法对大气运动基本方程组进行求解，获得未来天气的可能变化信息。

由于大气运动过程非常复杂，影响因素很多，一方面大气运动中的一些复杂物理过程很难通过方程进行完整表达，另一方面对大气运动方程的数值求解方法本身也会带来计算误差，造成以数值预报为基础的现代天气预报，模式预报结果与真实状况常常会存在差异。

但经过气象人不断地努力，通过同化大量实时观测数据，将模式模拟“绑定”在观测数据的变化方向上，限制模式预报结果不要与真实情况偏离太多，同时结合人工对实况天气的经验分析对预报结果进行订正，目前对3天内的天气预报结果还是具有比较高的可信度的。

中气爱：天气预测和实况有偏差，主要是初始的数据量不够大，格点不够细，以及数值预报固有的数据优化问题导致的。随着气象观测数据的增多、精密化和高频化，以及数值模式的优化，数值预报的准确度一直在稳定提高，但天气预报不存在100%的准确，可预报性的上限也是学术界关心的问题之一。

封面新闻：AI气象预报能解决天气预报不准的问题吗？

张烺：AI技术主要是数据驱动，可以在不完全清楚内在物理机理的情况下，仍然很好地解决复杂问题。刚刚提到的“大气中不能通过运动方程来较好描述的那些复杂过程”，如果采用AI技术来解决，在理论上是可以提升目前的天气预报结果的。

中气爱：AI气象预报和当前天气预报不一样的是，它可以不需要人工建立的基于大气物理学的模型，而是直接从历史观测数据中学习规律，推导未来，同样受制于数据数量以及精密性的问题。

“AI天气预报要彻底取代传统天气预报，还有很长的路要走”

封面新闻：在短期天气预报方面，DeepMind曾于2021年9月在Nature上发文称，其生成模型能以89%的绝对优势吊打其他方法，AI天气预报有可能会替代传统天气预报吗？

张烺：这段时间，华为的盘古、谷歌的GraphCast都比较热门，虽然表面上看起来它们属于完全替代传统模式的端到端AI，但是具体了解过这两个模型的技术路线后，你会发现他们的训练数据都是欧洲中期天气预报中心的再分析数据，这个数据是通过数值模式计算得到的，也就是说这两个模型如果要用于实际的天气预报，必须先有高质量的全球网格分布的初始数据，这个数据只能通过数值天气预报模式得到。

目前看来，单纯基于AI的天气预报仍然存在训练数据、高质量全球网格化初值数据等如何获得的问题。

中气爱：AI气象预报只是在研究和实验阶段，依然严重依赖IFS数据和ERA再分析数据，是在现有数据框架内的研究，到实际应用还有很长的路要走，所以现在讨论AI天气预报彻底取代传统天气预报，还为时过早。

北京冬奥会上的天气预报员“AI助手” MOMI模型。（图片来源：网络）

封面新闻：北京冬奥会上，由我国人工智能MOML算法赋能天气预报模型，使冬奥会天气预报更加精准，请问您如何看待AI天气预报未来的发展？

张烺：传统天气预报方法采用基于物理模型的数值预报模式进行预报，这种数值模式难以捕捉弱机理的复杂问题。

目前，天气预报逐步逼近确定性预报的理论上限，而大数据、人工智能等新一代信息技术在解决弱机理的复杂问题方面具备先天优势，在传统模式中融合AI技术可能是精准天气预报和精细化气象服务的一个有效解决方案。

因此，利用AI技术与数值预报模式进行有效融合，以及在传统天气预报流程中采用AI技术来实现预报增强应该还是未来AI天气预报发展的主体。

中气爱：AI天气预报值得被鼓励和欣赏，但传统天气预报也是几代大气科学家努力的结果，是全人类的思想、科学结晶，是已经稳定投入运行、经得起实践验证的精密系统，所以未来如何应用先进技术让天气预报越来越准确，更好地服务人类生产生活，才是AI天气预报的根本目的。

我国的MOML模型是AI辅助天气预报，在冬奥会等场景投入应用后也取得了不俗成绩，说明AI天气预报的逻辑是成立的，确实有效解决了传统数值预报中出现的部分问题。

大气科学和计算机科学是有紧密联系的，AI辅助天气预报的研究和实验很有开创性，但要彻底取代传统的天气预报并投入应用，还有很长的路要走。

封面新闻：您的团队也正在与重庆市气象局合作，开展针对重庆本地更加复杂的山地环境的技术创新，并且让相关研究成果在重庆应用，目前进展如何？

张烺：我们实验室基于与重庆市气象局的深度合作，针对重庆本地特殊的地理环境和天气气候背景，自主研发了模式结果订正的后处理技术——数值预报智能站点订正技术（ICT）和数值预报智能格点降尺度技术（IDT），该技术利用AI等技术实现了数值模式格点到预报站点、大尺度格点到精细化格点的预报结果订正，具有轻量化、模块化的特点和优势，可用于多种数值模式和各种预报场景，特别适用于复杂地形下模式结果的后处理，能有效提升短期天气预报结果的准确率的精细化水平。

通过算法的不断调优和测试，ICT技术已于近期在重庆市气象台成功部署。从对过去一年全市气温等要素的检验结果来看，基于ICT技术的预报准确率较中央台指导预报、市台预报员预报等其他手段和方法均有所改善，结果精度最高能提升11%。同时，我们还正在开展IDT技术在精细化格点天气预报中的应用测试。