人工智能技術時代大氣科學的發展態勢解讀

張珉銓

（南京信息工程大學，江蘇 南京 226100）

氣象學是一門古老又現代的科學，其古老體現在古代人們就夜查天象，通過觀察星象圖來識別天氣狀況，其現代又體現在其與科技的發展、技術的創新運用同步更新，與其他學科融合發展，逐漸成為完善的大氣科學學科。隨著時代的不斷發展，人們逐漸進入到人工智能時代，而人工智能技術的創新運用也為大氣科學領域的創新提供了技術上的支持，在技術的支持下，大氣科學的研究與實踐取得了突破性的成果。原本一些棘手的問題也得以解決，大氣科學研究深度增加、范圍擴大，對生產生活的指導意義更加突出。

1 人工智能的內涵

人工智能一般指人工智能技術，其作為新時期三大尖端技術備受關注。而人工智能算法的改進實現了其在深度學習領域、跨界融合領域、人機協同領域、自主操控領域等多領域的綜合運用[1]，人工智能所對應的關鍵技術主要是機器學習、計算機視覺、知識圖譜等技術，其在醫療、金融、教育、科研等方面都有成熟的運用成果，而具體到大氣科學研究領域，人工智能技術融合機器學習、深度學習、圖像分割、目標跟蹤等為氣象業務的精細化發展提供技術支持，有利于構建智慧氣象新格局。

2 人工智能技術應用于大氣科學研究的必要性

當前全球的氣候變化明顯，惡劣氣象災害發生概率加大，造成的經濟損失加重，嚴重威脅人類社會的發展。因此做好氣象監測和預報尤為必要，氣象觀測、氣象監測都需要技術的“加盟”，以提升監測預報的準確性[2]。早在2015 年，中國氣象局就明確指出要發展觀測智能、預測精準、開放服務的智慧氣象，以真正發揮大氣科學研究的價值，使其能夠助推經濟社會的融合創新發展，而當務之急是推進大氣科學的現代化建設。其中所對應的智慧氣象，就是充分發揮人工智能技術的優勢，使其與氣象科學研究融為一體，使氣象系統準確地感知、判斷、決策、分析、自適應，真正帶來大氣科學的智能化發展。而從世界氣象組織確定的智慧氣象發展主題來看，人工智能技術與大氣科學的融合是必然趨勢[3]。以人工智能技術所對應的大數據來說，其對應的是特定領域長期積累的素材、數據、案例，而氣象數據則是具有多觀測要素與人們生產生活密切關聯的大數據，兩者具有數據上的耦合性，實現人工智能技術在大氣科學領域中的廣覆蓋有助于借助數理模型解決大氣科學研究中的復雜問題，無論是前端觀測、數據處理、預報分析、產品提供等都有人工智能技術的影子，將會進一步推動大氣科學行業的發展。

3 人工智能技術在氣象科學領域中的應用成果

國外氣象科學領域對人工智能技術的關注起步較早，在20 世紀80 年代就已經著手人工智能技術與氣象科學研究的融合，在幾十年的發展中取得了相應的研究成果。例如基于應用機器學習算法開展強風暴的專題研究[4]，采用前饋神經網絡法進行單一風暴體的預測，明確直線大風、龍卷風的概率。國外已經將人工智能氣象研究的觸角延伸到清潔能源預測和航空湍流預報中。如使用人工神經網絡配合自回歸移動模型進行風速、風能、太陽輻射度的預測，基于模糊邏輯隨機森林算法等進行航空湍流的臨近預報研究，也有采用神經網絡方法、模糊邏輯算法進行氣象數據的融合與提取的研究，助力于氣象預報[5]。

4 人工智能技術在大氣科學領域中的應用體現

4.1 氣象觀測識別

氣象觀測識別對應的是針對地球大氣的物化生特性和大氣現象及其變化過程進行系統連續的觀測，觀測的主要對象是云溫度、濕度等氣象要素[6]，也包括氣旋、反氣旋天氣系統、暴雨、冰雹、對流天氣現象。氣象觀測是氣象領域科學研究的重中之重，其經歷了人工觀測、自動化觀測再到遙感探測、智能化觀測的發展歷程，正是因為人工智能技術的引進提高了氣象觀測水平，人們對天氣狀態的識別準確度較高。例如基于圖像識別技術進行臺風、雷暴、龍卷風等天氣系統的識別，減少了人工觀測誤差，氣象預報科學性、精確性更有保障。新型衛星遙感降水產品能進行不同云類型降水量的估算，操作簡單、應用靈活，能快速識別云的類型，對復雜多變的高層云、高積云、雨層云等都有很好的判斷[7]。如深度神經網絡云分類（Deep Neural Network Cloud-Type Classification，DeepCTC） 模型支持對流云的數據判斷并提取光譜特征，深度對稱密集連接全卷積網絡SDFCNs 用于提取幾何特征，光譜特征與幾何特征相結合，實現對流云的提取。

4.2 氣象數據處理

氣象數據主要分為兩類，一類是氣象觀測、雷達觀測設備采集到的數據，既有地面數據又有高空數據；另一類是數值模式預報的資料，又被稱為模式數據。人工智能時代利用互聯網、移動智能終端等技術可以實現氣象數據的有效采集與高效處理。現階段氣象數據種類多且呈激增狀態，氣象數據處理必須尋求高效化、精準化的處理路徑[8]。而機器學習、圖像識別、數據挖掘等深度融合的人工智能技術配合傳統的人工數據處理方法為氣象數據的有效處理指明了方向，主要應用于氣象數據的異常檢測、數據質量的控制。俄羅斯Yandex 公司開發了專門的天氣預報技術Yandex.Meteum，其能將機器學習技術與傳統的氣象預測模型結合起來，利用深度卷積神經網絡進行海量雷達圖像數據以及其他氣象數據的高效處理。

4.3 天氣氣候預報

人工智能技術在大氣科學領域中的應用也體現在天氣、氣候分析預報中，目前這一層面的應用十分普遍，支持臨近預報、極端災害天氣預警、臺風海洋預警、短期氣候預測等，在人工智能技術的支持下能實現天氣氣候的分鐘級、千米級預報，氣象業務精細化程度較高。人工智能技術也支持特征分類天氣系統識別，特別是氣象學領域基于增強現實（Augmented Reality，AR） 系統評估氣候模型，對綜合數據挖掘、機器學習技術進行海量數據分析，推出新的氣候分析模型，氣候預測方面效果明顯。例如針對對流天氣，以人工智能技術進行對流天氣的天氣預報可以減少惡劣天氣對人們生命財產的威脅，其使用深度學習方法進行強對流臨近預報，基于自動編碼器、卷積神經網絡構建深度學習冰雹預報模型，也能進行冰雹的識別、定位和預報。也可采用雷達回波數據訓練，基于編碼器解碼器序列結構的深度學習模型，可以進行閃電事件的預警。值得一提的是我國氣象局基于數值天氣預報數據開發出了針對對流天氣深度學習目標預測方案，支持強降水、冰雹、對流、陣風及雷暴天氣的預警。

5 人工智能技術在氣象科學領域中的應用挑戰

人工智能技術處于不斷發展與完善的狀態，但在實際推廣應用過程中，特別是在氣象科學領域中的應用也面臨一些挑戰。以深度學習方法的運用為例，利用深度學習能快速解決氣象復雜問題，在異常氣象監測/相關狀態預測方面應用優勢明顯，但也有一定的應用局限。主要是深度學習算法存在可解釋性的難題，其從數據中探明的關系可能不是因果關系，而深度學習算法在問題的判斷與分析中主要基于因果關系，這就導致其無法有效分析問題。再如存在物理一致性的困擾，深度學習模型具有很好的擬合觀測性能，但可能會伴有物理上的不一致性或不可信性，加上數據繁雜、差異明顯，傳感器又對應不同的成像幾何形狀和差異化的時空分辨率，要想實現數據的有效收集與系統分析并非易事。目前衛星觀測序列也面臨著數據缺失嚴重、噪聲聲源多樣等困擾，加劇了數據采集與分析的難度。又如缺少標記樣本，深度學習需要有標記樣本性為參考，但標注數據集具有概念數據集大小、專業標注人力成本等方面的制約，氣象科學數據不夠完善。此外氣象部門每天要處理大量的高精度數據，氣象數據計算工作量大，隨著數據的海量激增，如何快速高效地處理這些復雜的氣象數據也是一大難題，而這也是人工智能技術在氣象科學領域以及其他領域中運用都需要關注與解決的問題。

6 結束語

基于人工智能技術在氣象科學領域當前的應用，其未來的發展態勢將更加光明而積極。人工智能技術將會貫穿氣象觀測、數據分析、氣象預報、行業服務等各個方面，推動氣象研究的深入，使得氣象行業縱深發展。而這也要求氣象部門尋求更多的社會支持，做好頂層設計，加強人工智能技術的研究投入，以取得人工智能時代更為理想的氣象研究新成果。