人工智能在氣象領域的應用與建議

袁 芳

（中國氣象局氣象干部培訓學院湖北分院 湖北武漢 430074 ）

一、人工智能的概念

（一）人工智能定義

美國學者1956年首次提出“機器能像人那樣理解、思考和學習”，百度百科定義人工智能是“研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學”，將其視為計算機科學的一個分支。筆者理解為“實現借助人類智慧完成任務的機器所采用的理論，技術和方法。”

（二）人工智能分類

人工智能分為弱人工智能和強人工智能。弱人工智能不能像人類智能那樣能夠不斷適應新環境并由此產生解決問題的新功能。目前主流研究仍然集中于弱人工智能，如語音識別、圖像處理和機器翻譯。

強人工智能是指能思維的智能機器，并且是有知覺的和自我意識的，科幻電影里已刻畫出鮮明的人物形象。部分專家認為未來幾十年內難以真正實現。[1]

（三）人工智能的關鍵技術

1.機器學習

機器學習是一門涉及眾多學科的交叉學科，它涉及統計學、神經網絡、優化理論、計算機科學、腦科學等很多領域，傾向于研究計算機如何模擬或實現人類的學習過程，以自行學會新的知識或技能。主要從樣本出發尋找規律，并對未來數據或無法觀測的數據進行預測。

2.知識圖譜

知識圖譜是結構化的語義知識庫，是由節點和邊組成的圖數據結構，形象地說，它把各種信息連接在一起而得到的一個圖形數據結構，提供了用圖形數據結構之間的關系去分析問題的方法。知識圖譜可用于一些公共安全保障領域，在搜索引擎和精準營銷方面有很大的優勢。

3.自然語言處理

自然語言處理它是研究如何用自然語言實現人與計算機之間通信的理論和方法，包括機器翻譯、機器閱讀理解和問答系統等內容。

4.人機交互

人機交互它是研究人和計算機之間如何進行信息交換，一般包括基本交互、圖形交互、語音交互、情感交互、體感交互和腦機交互等技術。

5.計算機視覺

計算機視覺是使用計算機來模仿人類視覺系統的科學，讓計算機模擬人類如何提取、分析、處理圖像的能力。機器人、自動駕駛、智能醫療等都是計算機視覺技術應用的產品。

6.生物特征識別

一般指通過指紋、人臉、聲音、虹膜、步態、掌紋等生理或行為特征對身份進行識別認證的技術，包括圖像處理、計算機視覺、語音識別、機器學習等多項技術的應用。

7.虛擬現實

其以計算機為核心的新型視聽技術，借助設備和數字化環境中的對象進行交互，以此用戶獲得近似真實環境的體驗。[2]

二、人工智能在國際氣象領域的應用

人工智能在對流風暴、雷暴大風、雷達降水都建立了相應的預報模型，在空氣質量、能見度、土壤濕度、花粉濃度等專項氣象服務上也建立了預報模型，但是大部分都是實驗階段，極少數投入應用。2018年8月，“2018 AI Challenger 全球AI挑戰賽”，在世界級實驗賽道平臺上首度提供了基于北京氣象局3年氣象數據，進行AI天氣預報，其預報準確度有了明顯提升。

序號 單位/人員 事件1 俄克拉荷馬大學Skinner基于NEWS-E 云分辨率集合分析和預報系統，利用隨機決策樹來進行中氣旋強度的大氣環境監測2 俄克拉荷馬大學Harrison利用隨機森林分類技術來預報12 h 時效的對流風暴3 芬蘭氣象局 基于對象分析和四步分類方法發展對流風暴鄰近預報模型4 MIT 林肯實驗室的Mattioli利用卷積神經網絡建立了雷達降水強度預報模型。5 北卡羅萊納州立大學的Francisco開發了概率模型來預報高切變、低CAPE 值的對流系統環境6 Cray 公司的Heye 采用Convolutional Long Short-Term Memory 神經網絡來進行臨近降水預報7 British Columbia大學的Hsieh利用Occam's Rzaor 的機器學習來改善極端事件的預報利用低于冰凍閾值的溫度、地面風、至少1 厘米的雪深、雪的來源，以及雪的新舊、溫度和近地面穩定度開發了極地暴風雪的客觀產品9 Innsbruck 的Kneringer 8 加拿大Edmonton的Burrows開發了用于機場低能見度實時概率預報的Ordered Hurdle 模型10 NASA GMAO/USRA的Keller 開發回歸森林模型來預報空氣質量11 韓國氣象局的Yun Am Seo使用深度神經網絡預報來預估韓國的橡樹花粉濃度12 賓夕法尼亞大學的Kuai Fang利用深度學習和SMAP衛星數據來制作土壤濕度的預報和回報

三、人工智能在國內氣象領域的應用

（一）人工智能技術在我國氣象領域的發展要求

2017年《新一代人工智能發展規劃》明確提出“加強人工智能對自然災害的有效監測，圍繞地震災害、地質災害、氣象災害、水旱災害和海洋災害等重大自然災害，構建智能化監測預警與綜合應對平臺。”這在國家層面，為發展智能化監測預警提供了依據。[3]

2016年，國家發改委聯合中國氣象局印發《全國氣象發展“十三五”規劃》，明確提出要提高氣象信息化水平，加強氣象數據資源整合與開放共享、建立安全及可靠的氣象信息系統、推進云計算、大數據、物聯網、移動互聯網等信息新技術在氣象領域的應用，為人工智能相關技術在氣象領域的應用提供了指導。同年發布的《現代氣象預報業務發展規劃（2016-2020年）》對氣象預報業務發展提出更高目標，要求至2020年空間和時間分辨率分別達到1～2.5km和1h的格點化預報，且暴雨準確率相對國際先進模式保持10-20%的提高率。

2018年12月中國氣象局制定了《智慧氣象服務發展行動計劃（2019-2023年）》，通過強化互聯網、智能感知、大數據挖掘等關鍵技術的綜合應用，建立以技術為核心的智慧服務體系。十四五規劃會將大數據、人工智能、云計算等信息技術在氣象服務中得到應用，實現全國智慧氣象服務業務初步建立。[4]

（二）人工智能在國內氣象領域開展情況

隨著大數據、計算能力的不斷發展，人工智能新技術的快速發展為突破業務能力發展瓶頸帶來了機遇。

2014年“彩云天氣”APP，成為國內第一款用人工智能進行天氣預報的應用。

現有MICAPS4系統，基于全局統一的CIMISS技術數據環境，構建了適用于實時氣象預報業務的分布式大數據應用環境，集成了數據解析、存儲、計算等功能，主要用于支撐短臨、中短期完整的氣象預報業務以及智能網格預報業務。

國家氣象中心將基于集合預報的最優百分位技術和臺風路徑最優選取集成方法用于定量降水預報、臺風路徑預報等方面。

2016年，廣東省氣象局組織開展了智能訂正工具箱（ITB）的技術框架開發，將主管預報經驗進行數字化，提升網格預報制作的自動化和智能化水平；

2017年，中國氣象局公共氣象服務中心聯合天津大學開發的全國強對流服務產品加工系統。通過運用圖像識別監測，預警未來30分鐘內，空間分辨率為1公里范圍內強對流情況，通過深度學習，分析雷達回波上的冰雹特征，從而識別冰雹云，推算出其移速和移向，給出受冰雹影響大致范圍。

2018年，重慶市氣象局與百度智能云共同打造智慧氣象“四天”系統建設（天樞·智能探測系統、天資·智能預報系統、知天·智慧服務系統、御天·智慧防災系統）取得了階段性成果，僅天資·智能預報系統利用百度深度學習技術，2019年上半年將月氣溫預測準確率提高了16分，月降水預測準確率提高了6分。在后期應用中，冰雹、大風識別命中率可達到100%。

四、人工智能技術在氣象部門應用建議

（一）加強人工智能研究機制體制的建設

《高等學校人工智能創新行動計劃》明確提出，到2020年中國要建立至少50家人工智能學院、研究院或研究中心。截至2019年4月，已有31所高校自主成立了人工智能學院，24所高校成立了人工智能研究院。很多高端企業近年陸續成立研究院、實驗室，依托用戶大數據進行測試，加速了機器學習和深度學習技術在各部門的應用。氣象系統作為垂管部門，中國氣象局應在機構設置劃分或職責功能上明確人工智能關鍵技術的研究，落實多級機構設置和人才布局，促進國-省兩級領導、職工思想認識的轉變和體制機制的形成。

（二）加強高性能實驗室建立

數據、算法、計算能力是人工智能的三大基石，人工智能技術的研究應用主要依賴超強實驗環境、海量數據集和一批專業化人才。復雜的算法，海量數據的計算必須依靠高性能處理器和存儲。實驗環境是基礎，沒有高性能計算實驗室，所有的研究只能是紙上談兵，只有通過實驗室的內部測試和算法的不斷改進，才能摸索和總結出與實際結果更接近的技術與方法，最終應用于實際工作。

（三）加速基礎數據環境建設

完成一項特定任務的實驗測試，需要包括數據、工具、評測標準等全流程資源。數據更是人工智能技術研究最寶貴的資源。如果沒有足夠的基礎數據，就無法取得突破性的科研成果。我國的氣象數據，主要來源于國家信息中心、各省局CMISS數據接口和氣象數據資料室，這些部門確實提供了豐富的、海量的數據資料類型（包括我國和國際交換數據的地面、高空、海洋、輻射、農氣、雷達、衛星數據等），但是從無論從數據的時段區域、時間分辨率還是訪問方式上都存在或多或少的遺憾，無法滿足深度學習技術的海量數據集獲取，更沒有摸索出一套實用的工具和評測標準。因此，中國氣象局應統籌布局，收集、整理、清洗、建立人工智能公共數據集和技術標準、評價體系，積極主動聯系其他部門，獲取更廣泛、更全面的基礎觀測數據，擴充基礎數據集。建立滿足需求的基礎數據環境。

（四）加快高端人才的聚集和現有人才的培養

人工智能技術在氣象領域的研究核心因素是人才，國內天氣預報工作者主要強調他們的專業方向，應該說普遍錄用了基于大氣科學的研究生、博士生，目前缺乏高水平的應用數學、數據挖掘、機器學習的研發人才；缺乏兼通氣象預報、人工智能（機器學習、深度學習）的復合應用人才。中央氣象臺天氣預報技術研發室副主任代刊說到“目前大部分AI技術方法研發還是以大氣科學專業背景人員為主，需要統計學、計算科學、大數據挖掘等專業背景的科學家加入，并積極與相關高校、科研院所合作。”因此人事司應牽頭加大引進高端人才的力度，以點帶面，加速專業人才的跨界發展。同時引導和落實現有技術人員在人工智能技術如圖像識別、深度學習、神經網絡等方面知識的培養計劃和實施方案，加快培訓的早日落地，解決人工智能技術人才的短缺。

（五）打通非氣象部門氣象數據因子的分析渠道和合作

氣象預報的準確度不僅來源于海量的歷史和實時觀測數據及預報產品，而且受整個地球環境非常多的因子影響，例如氣候變化，地質變化、生態建設（湖泊改造，環境綠化）、城市建設（交通、工業產業布局）等的影響，同時其他部門也存在很多實時觀測數據，打通非氣象部門氣象數據因子獲取渠道，獲取更多的可分析數據集，通過人工智能關鍵技術大規模測試，探索和分析數據的準確性和其與預報的關系，以提升AI預測的準確率。

發展人工智能技術在行業的應用和創新也離不開前端的開發和應用，單靠行業內人才的集聚也會陷入部門瓶頸，我們必須與一些高端的企業和研究院所合作，共同加快技術在氣象領域的深度研究和應用。

（六）穩步解決專業人才的轉型

人工智能的發展必然導致原有的工作內容、活動時間發生變化，同時也會衍生出新的工作內容，氣象領域也不例外，隨著智能技術在氣象領域的逐漸深入，各級培訓機構應加強前期調研和培訓設計，引導和疏通觀測、預報人員慢慢向復合型、研究型、應用型、保障型發展，促進部門在信息化發展中平穩過渡和現有職工素質的提升。