|
西風(fēng) 發(fā)自 凹非寺 量子位 | 公眾號(hào) QbitAI 真·“未雨綢繆”，清華大學(xué)「鬼天氣」預(yù)報(bào)大模型來了！ 是能破解世界未解難題的那種—— 公里尺度下0～3小時(shí)極端降水都能預(yù)報(bào)。 包括短時(shí)強(qiáng)降水、暴風(fēng)雨、暴雪、冰雹等在內(nèi)的極端降水天氣，都能做到提前預(yù)警。  完成這項(xiàng)研究可屬實(shí)不易。 清華大學(xué)軟件學(xué)院與國家氣象中心、國家氣象信息中心合作，聯(lián)合攻關(guān)三年才提出這個(gè)名為NowcastNet的極端降水臨近預(yù)報(bào)大模型，并用了近六年的雷達(dá)觀測(cè)資料完成了模型的訓(xùn)練。 在全國62位氣象預(yù)報(bào)專家的過程檢驗(yàn)中，該方法大幅領(lǐng)先國際上的同類方法，研究成果現(xiàn)已登Nature。  目前，NowcastNet已經(jīng)在國家氣象中心短臨預(yù)報(bào)業(yè)務(wù)平臺(tái)（SWAN 3.0）部署上線，將為全國極端降水天氣短臨預(yù)報(bào)業(yè)務(wù)提供支撐。 那么極端降水的臨近預(yù)報(bào)為什么這么難？清華團(tuán)隊(duì)又是如何解決這一難題的？ 為什么被列為科學(xué)難題？ 近年來，受全球氣候變化的影響，極端降水天氣頻發(fā)，實(shí)現(xiàn)更準(zhǔn)確、更精細(xì)和更長預(yù)警提前量的降水臨近預(yù)報(bào)成為人們的關(guān)注點(diǎn)。 由于極端降水天氣過程大多只持續(xù)幾十分鐘且空間尺度在幾公里范圍，受到對(duì)流、氣旋、地形等復(fù)雜過程和大氣系統(tǒng)混沌效應(yīng)的影響較為嚴(yán)重。 而基于物理方程模擬的數(shù)值預(yù)報(bào)技術(shù)很難對(duì)公里尺度的極端降水做出有效預(yù)報(bào)。 因此，在今年5月27日世界氣象組織峰會(huì)上，三小時(shí)內(nèi)降水臨近預(yù)報(bào)就被列為了未解決的重要科學(xué)難題之一。  △基于雷達(dá)觀測(cè)的降水臨近預(yù)報(bào)是世界性難題之一 此前也有預(yù)測(cè)極端降水天氣的方法。 數(shù)值計(jì)算和深度學(xué)習(xí)就是降水臨近預(yù)報(bào)的兩類主流方法，但均存在明顯的缺陷： 數(shù)值計(jì)算方法難以有效建模降水過程的時(shí)空多尺度特征，同時(shí)受到預(yù)報(bào)累積誤差的制約，預(yù)報(bào)時(shí)效往往在一小時(shí)以內(nèi)。 深度學(xué)習(xí)方法雖然擅長建模非線性系統(tǒng)，但統(tǒng)計(jì)模型存在固有的小樣本過平滑問題，預(yù)報(bào)求解過程缺少物理守恒規(guī)律約束，生成的數(shù)值場模糊失真嚴(yán)重，難以提供有業(yè)務(wù)價(jià)值的極端降水預(yù)報(bào)。 臨近預(yù)報(bào)大模型NowcastNet 針對(duì)上述挑戰(zhàn)，2017年起，清華大學(xué)軟件學(xué)院王建民教授、龍明盛副教授團(tuán)隊(duì)就與國家氣象中心、國家氣象信息中心建立研究團(tuán)隊(duì)，就人工智能技術(shù)在氣象大數(shù)據(jù)的應(yīng)用開展合作。 經(jīng)過三年聯(lián)合攻關(guān)，提出了臨近預(yù)報(bào)大模型NowcastNet，并在美國和中國近六年雷達(dá)觀測(cè)資料上完成了訓(xùn)練。 該模型的核心是端到端建模降水物理過程的神經(jīng)演變算子，實(shí)現(xiàn)了深度學(xué)習(xí)與物理規(guī)律的無縫融合。 △物理建模與深度學(xué)習(xí)融合的臨近預(yù)報(bào)大模型NowcastNet 具體而言，研究團(tuán)隊(duì)首先設(shè)計(jì)了中尺度演變網(wǎng)絡(luò)，用以建模平流運(yùn)動(dòng)等物理性質(zhì)更顯著的中尺度降水過程，并基于物質(zhì)連續(xù)性方程（即質(zhì)量守恒定律）設(shè)計(jì)了神經(jīng)演變算子，端到端模擬降水過程中的十公里尺度運(yùn)動(dòng)，并通過反向傳播最小化預(yù)報(bào)累積誤差。 其次，研究團(tuán)隊(duì)提出了對(duì)流尺度生成網(wǎng)絡(luò)，以中尺度演變網(wǎng)絡(luò)預(yù)測(cè)結(jié)果為條件，通過概率生成模型進(jìn)一步捕捉對(duì)流生消等混沌效應(yīng)更顯著的公里尺度降水過程。 得益于上述融合設(shè)計(jì)，該模型兼具深度學(xué)習(xí)與物理建模的優(yōu)勢(shì)，在國際上首次將降水臨近預(yù)報(bào)的時(shí)效延長至3小時(shí)（上文提到，此前數(shù)值計(jì)算方法通常在1小時(shí)內(nèi)），并彌補(bǔ)了極端降水預(yù)報(bào)的短板。 為了充分檢驗(yàn)臨近預(yù)報(bào)大模型NowcastNet對(duì)典型天氣過程的業(yè)務(wù)指導(dǎo)價(jià)值，國家氣象中心邀請(qǐng)了62位來自23個(gè)省市氣象臺(tái)的一線預(yù)報(bào)專家，針對(duì)中美兩國2400個(gè)極端降水過程進(jìn)行了后驗(yàn)檢驗(yàn)和先驗(yàn)檢驗(yàn)，并與目前業(yè)務(wù)中使用的方法進(jìn)行了對(duì)比。 其中，pySTEPS是一種基于平流的方法，是目前世界各地氣象中心所廣泛采用的預(yù)報(bào)系統(tǒng)。PredRNN是一種數(shù)據(jù)驅(qū)動(dòng)的神經(jīng)網(wǎng)絡(luò)，已在中國氣象局部署。而DGMR是由谷歌DeepMind與英國氣象局聯(lián)合提出的模型。 所有模型都在美國和中國降水事件的大型雷達(dá)數(shù)據(jù)集上進(jìn)行訓(xùn)練和測(cè)試。 △氣象專家檢驗(yàn)結(jié)果和數(shù)值指標(biāo)評(píng)測(cè)結(jié)果，CSI用于衡量預(yù)報(bào)的位置準(zhǔn)確性；PSD用于衡量預(yù)報(bào)的頻譜特征與雷達(dá)觀測(cè)的降水變化性之間的比較。 正如上圖所示，NowcastNet在臨界成功指數(shù)（CSI）、能量譜密度（PSD）等數(shù)值指標(biāo)上全面超越現(xiàn)有技術(shù)，在71%的天氣過程中被認(rèn)為具有最高的預(yù)報(bào)價(jià)值。 在極端降水過程中，NowcastNet是唯一展現(xiàn)較強(qiáng)業(yè)務(wù)價(jià)值的臨近預(yù)報(bào)技術(shù)。 以中美兩國的典型極端天氣過程為例： 2021年5月14日23時(shí)40分，中國江淮地區(qū)出現(xiàn)強(qiáng)降水過程，湖北、安徽等多個(gè)地區(qū)發(fā)布了暴雨紅色預(yù)警，NowcastNet可以準(zhǔn)確預(yù)測(cè)出三個(gè)強(qiáng)降水超級(jí)單體的變化過程。 △a. 預(yù)測(cè)的地理信息、b. 不同模型在T 1小時(shí)、T 2小時(shí)和T 3小時(shí)上的預(yù)測(cè)結(jié)果、c. CSI是一種用于評(píng)估預(yù)測(cè)準(zhǔn)確性的指標(biāo) 2021年12月11日9時(shí)30分，美國中部地區(qū)突發(fā)龍卷風(fēng)災(zāi)害，造成89人死亡、676人受傷，NowcastNet可以對(duì)強(qiáng)降水的強(qiáng)度、落區(qū)和運(yùn)動(dòng)形態(tài)等給出更清晰、更準(zhǔn)確的預(yù)報(bào)結(jié)果。 檢驗(yàn)表明，NowcastNet對(duì)于極端災(zāi)害天氣的精準(zhǔn)防控具有良好的指導(dǎo)意義。 目前，該研究成果以“高技巧極端降水臨近預(yù)報(bào)大模型”（Skilful Nowcasting of Extreme Precipitation with NowcastNet）為題發(fā)表在《自然》（Nature）上，同時(shí)被《自然·新聞和觀點(diǎn)》以“The Outlook for AI Weather Prediction”為題做了報(bào)道。 研究人員認(rèn)為： 該研究探索了數(shù)據(jù)驅(qū)動(dòng)與物理驅(qū)動(dòng)的“科學(xué)學(xué)習(xí)”新范式，提出了物理守恒約束下時(shí)空物質(zhì)場建模和預(yù)測(cè)的一般方法，對(duì)其他具有多尺度物理特性的問題也具有應(yīng)用前景。 他們還表示： 未來將進(jìn)一步推進(jìn)該方案在物理問題求解、大氣海洋模擬、工業(yè)設(shè)計(jì)仿真等場景下的應(yīng)用。 團(tuán)隊(duì)信息 清華大學(xué)軟件學(xué)院王建民教授、龍明盛副教授，以及機(jī)器學(xué)習(xí)泰斗、加州大學(xué)伯克利分校教授、清華大學(xué)榮譽(yù)教授Michael I. Jordan為論文的通訊作者。 清華大學(xué)軟件學(xué)院博士生張育宸和龍明盛副教授為論文的第一作者，碩士生陳凱源、邢藍(lán)翔參加了研究工作。 國家氣象中心金榮花研究員提供了氣象知識(shí)和數(shù)據(jù)支持并主持了全國范圍內(nèi)氣象專家檢驗(yàn)工作，羅兵、張小玲、薛峰、盛杰、韓豐、張小雯等專家為研究工作提供了指導(dǎo)、建議和幫助。 研究得到國家自然科學(xué)基金創(chuàng)新研究群體項(xiàng)目、優(yōu)秀青年科學(xué)基金項(xiàng)目和大數(shù)據(jù)系統(tǒng)軟件國家工程研究中心的支持。 論文鏈接：https://www./articles/s41586-023-06184-4
|
|
|
