美国国家海洋和大气管理局（NOAA）近日正式上线一套全新一代基于人工智能的全球天气预报模型，宣称在显著减少算力消耗的同时，实现更快速、更高精度的天气预测，这标志着美国天气预报体系从传统物理模型向数据驱动AI系统的重大跃迁。NOAA表示，这套技术已于本周三清晨投入业务运行，是其推进美国天气预测系统现代化的重要一步。
这些AI模型由NOAA环境预报中心与国家气象局合作研发部署，定位为对现有数值预报模型的补充，而非替代。国家气象局发言人EricaGrowCei对媒体表示，当前运行的机器学习模型部分训练数据就来自仍在使用的传统数值模式，那些依赖复杂物理方程的模式依旧是AI训练的重要信息源之一。
长期以来，NOAA的核心预报工具是“全球预报系统”（GFS），这一物理基础模式通过数学方程来模拟大气行为，生成气温、风速、降水、臭氧以及土壤湿度等多种要素的数据，并由陆面、海洋和大气等多个子系统协同构成整体。为减轻GFS的系统性偏差，NOAA此前还构建了“全球集合预报系统”（GEFS），通过多次模拟以覆盖不同天气情景的不确定性。
NOAA环境预报中心副主任DarylKleist介绍称，新一代AI模型正是以这些传统模式多年积累的数据为基础进行训练，他指出，这些AI模型在预报技巧上的显著提升，很大程度上归功于其训练所用的“分析场”数据，而这些分析数据主要源自旧有数值模式框架。
在算力需求方面，NOAA估计，新AI系统相较传统预报模型可减少91%至99%的计算资源占用，大幅降低实时业务预报对超级计算集群的依赖。同时，在保持或提升精度的前提下，这些模型有望将有效预报时效再向前拓展18至24小时。Kleist也提醒称，此处统计的是模型运行阶段的能耗，并未计入前期AI训练本身所需的大量能源投入。
此次上线的AI预报体系由三大核心模型构成。首先是“人工智能全球预报系统”（AIGFS），官方将其描述为一种利用AI技术，以更快、更高效方式生成天气预报的新型全球模式。按NOAA给出的数据，AIGFS完成一份16天全球预报只需传统GFS约0.3%的计算资源，运行时间约为40分钟，这意味着业务预报员能够更早获得更新后的数值指引。
第二个模型为“人工智能全球集合预报系统”（AIGEFS），在AIGFS的基础上引入集合思路，不再仅给出单一确定性结果，而是生成一系列可能的演变路径，以量化天气预报中的不确定性。第三个模型“Hybrid-GEFS”则将新AI技术与NOAA既有的GEFS集合系统进行融合，旨在在保留传统集合体系优点的同时，进一步利用AI优化对不确定性的表征和预报精度。
NOAA强调，这一系列AI模型仍处于持续迭代阶段，科研团队正在重点提升其在飓风等高影响天气预报方面的表现，并进一步改进集合系统所给出的各类可能情景范围。机构认为，随着这些模型不断完善，AI有望在未来的极端天气预警与中长期预报中发挥越来越关键的支撑作用。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】