文 | 王安憶

氣候，是影響全球經(jīng)濟、農(nóng)業(yè)生產(chǎn)、糧食供應的重要因素。

據(jù)統(tǒng)計，全球每年重大災害造成的直接經(jīng)濟損失可達數(shù)千億美元，準確預測氣候，是防災減災的關鍵前提。

現(xiàn)在，在AI的幫助下，人類對氣候預測的準確率實現(xiàn)了新突破！

4月22日，阿里達摩院聯(lián)合南京信息工程大學、國家氣候中心、國家海洋環(huán)境預報中心等機構(gòu)共同舉辦的AI氣候預測大賽產(chǎn)出多個突破性成果。

在預測厄爾尼諾-南方濤動現(xiàn)象時，全球13支團隊研發(fā)的AI算法，取得了比《Nature》論文模型更優(yōu)的性能，挖掘出了AI在氣候預測領域的新算法。

厄爾尼諾-南方濤動現(xiàn)象，是地球上最強、最顯著的年際氣候信號，可引發(fā)洪澇、干旱、高溫、雪災等極端天氣。

98洪災、08雪災、澳大利亞叢林大火、美國得州雪災等極端天氣事件都與該現(xiàn)象息息相關。

澳大利亞叢林大火

目前，國際氣象行業(yè)主要應用動力模式進行氣候預測，無法實現(xiàn)精細化的預測，而AI技術的應用，不僅可以更高效地預測厄爾尼諾-南方濤動現(xiàn)象，還可將預測周期延長至2年。

ENSO現(xiàn)象擾亂全球氣候

厄爾尼諾-南方濤動（ENSO）現(xiàn)象，是一種海洋-大氣系統(tǒng)的周期性變化，也是地球氣候系統(tǒng)中最強烈的年際波動現(xiàn)象，會對全球范圍內(nèi)的氣候、環(huán)境和社會經(jīng)濟造成極大影響。

ENSO，是厄爾尼諾（El Ni?o）和南方濤動（Southern Oscillation）的首字母縮寫。

厄爾尼諾，是指赤道東太平洋每兩到七年（平均每四年）異常變暖的現(xiàn)象，具體范圍是從南美海岸到國際日期變更線。

南方濤動，則是指東熱帶太平洋和西熱帶太平洋之間大氣質(zhì)量的相互運動，常用指數(shù)是塔希提島和澳大利亞達爾文兩地的標準化氣壓差，周期也是四年左右。

南方濤動與赤道東太平洋海面溫度密切相關。

Equator為赤道

在厄爾尼諾年，當海面溫度達到最高時，南方濤動指數(shù)為負極值。

ENSO現(xiàn)象如何擾亂全球氣候？

作為ENSO研究領域的先驅(qū)和權威專家，哥倫比亞大學教授馬克·卡恩曾做過一番生動的解釋：

你可以把大氣想象成一個熱機，動力主要來自溫度最高的熱帶地區(qū)，那里會形成積云對流熱塔，從地面10千米高度往上一直延伸到對流層頂部。

這些熱塔通過大氣發(fā)出熱浪，直接影響著全球天氣和氣候。

熱塔濃度最高的地方，在“海洋大陸”（位于印度洋和太平洋之間的區(qū)域）的上空，以及鄰近的西太平洋熱帶地區(qū)和東印度洋，這里是全球海洋中最溫暖的水域。

當ENSO暖事件（厄爾尼諾現(xiàn)象）發(fā)生時，太平洋里的溫水向東擴散，強對流也隨之移動，這一運動改變了雨帶，尤其會影響亞洲、南亞、北美和非洲薩赫勒地區(qū)的雨季，而作為海洋大陸中心的印度尼西亞和澳大利亞，降雨量反而會大幅減少。

發(fā)生在1997-1998年的強厄爾尼諾事件，就引發(fā)了全球多地區(qū)氣候異常：墨西哥連續(xù)遭到4個強颶風襲擊；秘魯、厄瓜多爾沿海地區(qū)和東非遭遇了災難性洪水；秘魯、玻利維亞、巴西東北部、印度尼西亞、新幾內(nèi)亞、澳大利亞和南非卻發(fā)生了嚴重旱災。

印度尼西亞、澳大利亞農(nóng)作物大面積減產(chǎn)，印尼加里曼丹的森林大火，導致整個東南亞地區(qū)濃煙滾滾，新加坡、馬來西亞和印度尼西亞的機場都被迫關閉，航班癱瘓。

1997/98年強厄爾尼造成印尼加里曼丹的森林大火，植被破壞極其嚴重

而當ENSO處于冷位相（拉尼娜事件），也就是赤道東太平洋的水溫低于平均水平時，則會產(chǎn)生相反的影響。

自去年8月到今年1月，拉尼娜現(xiàn)象已達到峰值，影響全球多地：美洲干旱和山火，東南亞南亞嚴重洪災，農(nóng)作物減產(chǎn)導致價格攀升……

2020年8月海表溫度距平分布圖

我國天氣和氣候同樣受到ENSO現(xiàn)象嚴重干擾。

比如1998年，南方持續(xù)陰雨，夏季，長江中下游及華南部分地區(qū)連續(xù)暴雨和特大暴雨，長江發(fā)生全流域性特大洪水，嫩江、松花江流域發(fā)生百年不遇特大洪水。

這次的洪澇災害，全國受災面積達3億多畝，損失達2500億元人民幣，罪魁禍首正是厄爾尼諾現(xiàn)象。

拉尼娜事件則會導致冬季我國大部氣溫易偏低，如2000年的拉尼娜事件，導致2000至2001年冬季東北、華北地區(qū)氣溫明顯偏低；2007年至2008年拉尼娜事件，導致2008年初南方出現(xiàn)大范圍低溫雨雪冰凍……

AI提升ENSO預測準確度

全球變暖背景下，ENSO現(xiàn)象引發(fā)的干旱和洪水都可能更加嚴重，要做好防災減災工作，關鍵在于預測ENSO現(xiàn)象，提前做好準備。

然而，正如量子力學奠基人之一玻爾所說：“預測任何東西都是極其困難的，尤其是關于未來。”

我們要預測一項事物，關鍵先要解釋事物是如何變化。

從19世紀末開始，氣象學家就致力于研究反常季風與南方濤動之間的聯(lián)系，后來，又進一步發(fā)現(xiàn)了厄爾尼諾和南方濤動之間的經(jīng)驗性關系，一點點將厄爾尼諾和南方濤動統(tǒng)一在一個海洋-大氣系統(tǒng)中。

馬克·卡恩等人關于厄爾尼諾現(xiàn)象的實驗預測

上世紀80年代，馬克·卡恩等人嘗試將前人的觀測結(jié)果、經(jīng)驗思想轉(zhuǎn)化成方程，然后再轉(zhuǎn)化成數(shù)值模型，最終建立起第一個動態(tài)ENSO預測模型，成功回報預測了歷史上的多次厄爾尼諾事件。

1986年，馬克·卡恩等人的動態(tài)ENSO預測模型發(fā)布在《Nature》上，并在成功預測1991-1992年的厄爾尼諾事件后漸漸被業(yè)界接受，直到現(xiàn)在，已成為ENSO預測的基準。

馬克·卡恩等人的動態(tài)ENSO預測模型發(fā)布在《Nature》

但是，馬克·卡恩也承認，目前的ENSO預測模型，還遠遠沒有達到ENSO可預測性的極限，還有很大的改進空間。

這是因為氣候是一個混沌的動態(tài)系統(tǒng)，所謂混沌，也就是人們熟知的“蝴蝶效應”，在大氣運動中，任何初始值的微小偏差，都會導致最終推算結(jié)果的巨變。

而在觀測數(shù)據(jù)十分有限的情況下，ENSO預測模型勢必存在偏差。

近幾年，業(yè)界開始從傳統(tǒng)動力系統(tǒng)預測，逐步轉(zhuǎn)向探索AI算法預測。

2019年9月，南京信息工程大學羅京佳教授和韓國全南大學共同在《Nature》發(fā)表了一項研究，論文名為“Deep learning for multi-year ENSO forecasts”。

這項研究用到了卷積神經(jīng)網(wǎng)絡（CNN），在全球歷史海平面溫度和深海溫度圖像上訓練神經(jīng)網(wǎng)絡，學習這些圖像與ENSO的對應關系。

最終，AI算法模型首次將ENSO預測準確度提高到了80%，且預測時效為18月。

此前，在相同預測時效下，國家氣象局及相關研究機構(gòu)的準確度均不超過75%。

這項研究論文，也被視為深度學習在氣象預測領域的開山之作。

未來2年大概率沒有拉尼娜現(xiàn)象

80%，還不是ENSO可預測性的極限，因為羅京佳教授發(fā)表在《Nature》上的論文所使用的卷積神經(jīng)網(wǎng)絡，是一個相對成熟的算法，而非最先進的算法。

對一年 12 個月每月的厄爾尼諾類型進行預測，綠色陰影表示的是 CNN 預測正確的結(jié)果

最近幾年，隨著高性能深度學習算法越來越多，AI算法模型預測精度有望進一步提高。

今年2月，阿里達摩院與南京信息工程大學、國家氣候中心、國家海洋環(huán)境預報中心等機構(gòu)聯(lián)合舉辦了AI氣候預測大賽，探索對ENSO進行長達2年的年際預測，挖掘AI新算法，這也是全國第一次AI氣候預測大型比賽。

本次大賽共吸引到海內(nèi)外2849支隊伍參賽，通過預測Nino3.4區(qū)（西經(jīng)170度-西經(jīng)120度、北緯5度-南緯5度）海域的海水溫度，來進一步預測ENSO異常氣象。

最終，這次大賽取得了突破性成果。

來自西安交通大學的的swg-lhl團隊奪得大賽冠軍，共有13支隊伍研發(fā)的AI算法模型成績，超越了2019年《Nature》論文模型的39.2分，意味著比原模型取得了更長周期、精準度更高的ENSO預測結(jié)果。

圖為選手在現(xiàn)場介紹模型

從設置題目到出任評委，羅京佳教授深度參與了本次大賽。

羅京佳教授在決賽現(xiàn)場向選手提問

他表示，這次大賽中的一些模型甚至讓他感到驚艷，而未來隨著人工智能在數(shù)據(jù)、算法方面不斷精進，AI在氣候預測領域的應用還有更大想象空間。

國內(nèi)外主要的氣候預測機構(gòu)，圖片來自來自國家氣候中心網(wǎng)站

世界氣象組織（WMO）秘書長佩蒂瑞·塔拉斯也為本次大賽發(fā)來祝賀，“人工智能已成為地球預警系統(tǒng)和多災害預警服務的基本方法，其創(chuàng)新及應用是WMO及成員實現(xiàn)可持續(xù)發(fā)展目標、解決未來科學問題的最重要領域之一?！?/p>

世界氣象組織（WMO）秘書長佩蒂瑞·塔拉斯

根據(jù)參賽團隊AI算法預測，未來2年，大概率不會出現(xiàn)拉尼娜現(xiàn)象，也就是說，AI給出的預測是，今年汛期長江以南地區(qū)的汛情大概率不會像去年一樣兇猛，同時冬天極冷區(qū)域也會進一步縮小。

本次大賽涌現(xiàn)的AI新算法，也將用于國家氣候中心、國家海洋環(huán)境預報中心等業(yè)務機構(gòu)，為未來極端天氣提供預警信息。