新民客户端

飞入寻常百姓家

下载APP

掌握“十里不同天”不再难!风乌GHR问世 AI气象预报进入10公里级时代

掌握“十里不同天”不再难!风乌GHR问世 AI气象预报进入10公里级时代飞入寻常百姓家
来源:新民晚报   作者:郜阳   2024-03-01 17:15:15


图说:由于分辨率的大幅提升,风乌GHR可为同一面积区域提供更精细、准确的气象预报 来源/上海人工智能实验室(下同)

       今天(1日),上海人工智能实验室联合国家气象中心、国家气象信息中心、南京信息工程大学、香港科技大学等机构发布全球高分辨率AI气象预报大模型“风乌GHR”,首次借助人工智能实现对中期天气进行10公里级的建模与预报。

       采用原创的AI新算法,研究人员克服了数据稀缺等难题,将风乌GHR的预报分辨率提升至0.09经纬度(9千米*9千米),对应的地表面积约为81平方公里,较此前的0.25经纬度(25千米*25千米),范围精确超过7倍,并将有效预报时长由10.75天提升至11.25天。借助AI,掌握“十里不同天”不再是难事。

       “全面升级的风乌GHR相当于一个‘4K高清版’AI气象预报大模型。”上海人工智能实验室领军科学家欧阳万里表示,“风乌GHR不仅有助于实现更精细、更准确、更高效的气象预报,还展示了AI在地球科学等科研领域拥有强大的应用潜力。”

       预测“东边日出西边雨”不再难

       “东边日出西边雨”“十里不同天”,中国古诗古谚对复杂多变的天气有着生动描述。由于天气系统具有极强的区域性特征,长期以来,传统预报方式难以做到细粒度、高分辨率的预测。

       上海人工智能实验室青年科学家白磊透露,风乌GHR首次实现高分辨率AI气象建模,突破性地将AI气象预报大模型分辨率提升到0.09经纬度。伴随相对较低算力成本及数据需求等优势,风乌GHR在预报的核心大气变量上性能领先于现有物理模式及AI气象大模型,推动AI气象预报进入10公里级时代。

       2016年,欧洲中期气象预报中心推出的IFS-HRES系统将气象预报分辨率提升至0.09经纬度,达到物理模式驱动下的气象预报领先水平。

       为了评估风乌GHR的预报性能,联合团队采用与IFS-HRES相同的业务初始场作为输入,进行2022年全年0-10天的回溯预报。回溯预报采用与实时预报相同的模式,在大量历史数据上评估模型性能,可相对客观、科学地反映模型的实际预报能力。

       在气象领域广为关注的500百帕高度场变量及850hPa温度场中,风乌GHR表现优于IFS-HRES。

       联合团队还对2022年全球的部分极端气象情况进行了回溯预报。当年7月,重庆市经历了极端热浪,屡次打破当地同期高温历史记录。在提前4天对2022年7月7日12时(UTC)重庆市(29.5°N,106.5°E)的地表温度预报中,风乌GHR与实际结果更接近,优于IFS-HRES。

       2022年12月,冬季风暴影响了北美部分地区,相关地区经历了大雪、强风和破纪录低温等极端天气。研究人员使用风乌GHR及IFS-HRES对当年11月1日-12月31日(UTC)美国纽约气温进行回溯预报,风乌GHR可提前9天预报最低气温,在提前一周的预测中,预测误差较IFS-HRES降低22.3%。

图说:运用人工智能技术,风乌GHR在不到1年时间内将全球中期气象预报有效天数再提升0.5天

       全球气象有效预报时间再提前0.5天

       在预报时长方面,研究人员持续精进,通过多模态多任务的深度学习方法和数据再分析,风乌GHR将有效预报时间提前至11.25天,打破了此前自身创造的10.75天记录——去年4月,AI大模型“风乌”亮相,率先使全球气象有效预报时间突破10天,并在随后准确预测了“泰利”“卡努”等台风的路径。

       囿于气象观测的准确度、大气系统中物理过程的复杂性,以及求解大气模型所需资源规模巨大,在传统模式下,全球中期天气预报的有效预报时间每10年才提高1天。而风乌联合研究仅用不到1年时间,即将有效预报时间再次提升了0.5天,展现了人工智能在地球科学等科研领域强大的应用潜力。

       风乌GHR为精细化天气预报提供了重要的技术支持,为社会经济发展和极端气象灾害预防提供重要参考。目前,上海人工智能实验室正协同国家气象中心、上海市气象局等机构,共同推动风乌GHR的业务检验评估、业务化部署和应用落地,为农林牧渔、新能源电力、航空航海等重点行业及公共安全提供可靠的气象预报路径。

图说:风乌GHR技术框架图

       破解数据稀缺难题

       在传统物理模式驱动下,需要消耗大量计算资源才能获得气象预报分辨率的提升,为日常运行带来极大负担。近年来,GraphCast、FourCastNet人工智能气象预报大模型的成功尝试,提供了更经济、高效的路径。然而,目前公里级大气再分析数据十分稀缺,各机构无法直接采用更高分辨率的数据进行模型训练。

       为应对这一现状,风乌GHR研究团队创新性提出“空间一致性映射”和“解耦组合迁移学习”技术,通过继承低分辨率再分析数据上预训练模型的先验知识,并结合少量的高分辨率实时运行分析数据,增加对区域大气活动的二次建模,破解了数据稀缺难题,同时缓解了高分辨模型训练代价昂贵的现状。

       “空间一致性映射”技术保证了低分辨率气象预报模型泛化性的同时,降低了高分辨率气象预报大模型训练复杂度。在此基础上,进一步利用“解耦组合迁移学习”技术,利用少量高分辨率数据进行微调,使新模型学习高分辨率数据中蕴含的小尺度天气现象。中国的研究人员结合使用上述两项原创新技术,使风乌GHR获得了10公里级分辨率的精细化气象预报能力。

       未来,上海人工智能实验室AI for Earth团队还将把人工智能方法应用到更广泛的气象、环境、天文、地质等地球科学问题研究中,应对“碳中和”、防灾减灾、能源安全等重大需求。

       新民晚报记者 郜阳


编辑:姚储杰
举报

看评论

推荐阅读