張珉銓

（南京信息工程大學(xué)，江蘇 南京 226100）

氣象學(xué)是一門古老又現(xiàn)代的科學(xué)，其古老體現(xiàn)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(xiàn)代又體現(xiàn)在其與科技的發(fā)展、技術(shù)的創(chuàng)新運用同步更新，與其他學(xué)科融合發(fā)展，逐漸成為完善的大氣科學(xué)學(xué)科。隨著時代的不斷發(fā)展，人們逐漸進入到人工智能時代，而人工智能技術(shù)的創(chuàng)新運用也為大氣科學(xué)領(lǐng)域的創(chuàng)新提供了技術(shù)上的支持，在技術(shù)的支持下，大氣科學(xué)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(xué)研究深度增加、范圍擴大，對生產(chǎn)生活的指導(dǎo)意義更加突出。

1 人工智能的內(nèi)涵

人工智能一般指人工智能技術(shù)，其作為新時期三大尖端技術(shù)備受關(guān)注。而人工智能算法的改進實現(xiàn)了其在深度學(xué)習(xí)領(lǐng)域、跨界融合領(lǐng)域、人機協(xié)同領(lǐng)域、自主操控領(lǐng)域等多領(lǐng)域的綜合運用[1]，人工智能所對應(yīng)的關(guān)鍵技術(shù)主要是機器學(xué)習(xí)、計算機視覺、知識圖譜等技術(shù)，其在醫(yī)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(xué)研究領(lǐng)域，人工智能技術(shù)融合機器學(xué)習(xí)、深度學(xué)習(xí)、圖像分割、目標(biāo)跟蹤等為氣象業(yè)務(wù)的精細化發(fā)展提供技術(shù)支持，有利于構(gòu)建智慧氣象新格局。

2 人工智能技術(shù)應(yīng)用于大氣科學(xué)研究的必要性

當(dāng)前全球的氣候變化明顯，惡劣氣象災(zāi)害發(fā)生概率加大，造成的經(jīng)濟損失加重，嚴(yán)重威脅人類社會的發(fā)展。因此做好氣象監(jiān)測和預(yù)報尤為必要，氣象觀測、氣象監(jiān)測都需要技術(shù)的“加盟”，以提升監(jiān)測預(yù)報的準(zhǔn)確性[2]。早在2015 年，中國氣象局就明確指出要發(fā)展觀測智能、預(yù)測精準(zhǔn)、開放服務(wù)的智慧氣象，以真正發(fā)揮大氣科學(xué)研究的價值，使其能夠助推經(jīng)濟社會的融合創(chuàng)新發(fā)展，而當(dāng)務(wù)之急是推進大氣科學(xué)的現(xiàn)代化建設(shè)。其中所對應(yīng)的智慧氣象，就是充分發(fā)揮人工智能技術(shù)的優(yōu)勢，使其與氣象科學(xué)研究融為一體，使氣象系統(tǒng)準(zhǔn)確地感知、判斷、決策、分析、自適應(yīng)，真正帶來大氣科學(xué)的智能化發(fā)展。而從世界氣象組織確定的智慧氣象發(fā)展主題來看，人工智能技術(shù)與大氣科學(xué)的融合是必然趨勢[3]。以人工智能技術(shù)所對應(yīng)的大數(shù)據(jù)來說，其對應(yīng)的是特定領(lǐng)域長期積累的素材、數(shù)據(jù)、案例，而氣象數(shù)據(jù)則是具有多觀測要素與人們生產(chǎn)生活密切關(guān)聯(lián)的大數(shù)據(jù)，兩者具有數(shù)據(jù)上的耦合性，實現(xiàn)人工智能技術(shù)在大氣科學(xué)領(lǐng)域中的廣覆蓋有助于借助數(shù)理模型解決大氣科學(xué)研究中的復(fù)雜問題，無論是前端觀測、數(shù)據(jù)處理、預(yù)報分析、產(chǎn)品提供等都有人工智能技術(shù)的影子，將會進一步推動大氣科學(xué)行業(yè)的發(fā)展。

3 人工智能技術(shù)在氣象科學(xué)領(lǐng)域中的應(yīng)用成果

國外氣象科學(xué)領(lǐng)域?qū)θ斯ぶ悄芗夹g(shù)的關(guān)注起步較早，在20 世紀(jì)80 年代就已經(jīng)著手人工智能技術(shù)與氣象科學(xué)研究的融合，在幾十年的發(fā)展中取得了相應(yīng)的研究成果。例如基于應(yīng)用機器學(xué)習(xí)算法開展強風(fēng)暴的專題研究[4]，采用前饋神經(jīng)網(wǎng)絡(luò)法進行單一風(fēng)暴體的預(yù)測，明確直線大風(fēng)、龍卷風(fēng)的概率。國外已經(jīng)將人工智能氣象研究的觸角延伸到清潔能源預(yù)測和航空湍流預(yù)報中。如使用人工神經(jīng)網(wǎng)絡(luò)配合自回歸移動模型進行風(fēng)速、風(fēng)能、太陽輻射度的預(yù)測，基于模糊邏輯隨機森林算法等進行航空湍流的臨近預(yù)報研究，也有采用神經(jīng)網(wǎng)絡(luò)方法、模糊邏輯算法進行氣象數(shù)據(jù)的融合與提取的研究，助力于氣象預(yù)報[5]。

4 人工智能技術(shù)在大氣科學(xué)領(lǐng)域中的應(yīng)用體現(xiàn)

4.1 氣象觀測識別

氣象觀測識別對應(yīng)的是針對地球大氣的物化生特性和大氣現(xiàn)象及其變化過程進行系統(tǒng)連續(xù)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(tǒng)、暴雨、冰雹、對流天氣現(xiàn)象。氣象觀測是氣象領(lǐng)域科學(xué)研究的重中之重，其經(jīng)歷了人工觀測、自動化觀測再到遙感探測、智能化觀測的發(fā)展歷程，正是因為人工智能技術(shù)的引進提高了氣象觀測水平，人們對天氣狀態(tài)的識別準(zhǔn)確度較高。例如基于圖像識別技術(shù)進行臺風(fēng)、雷暴、龍卷風(fēng)等天氣系統(tǒng)的識別，減少了人工觀測誤差，氣象預(yù)報科學(xué)性、精確性更有保障。新型衛(wèi)星遙感降水產(chǎn)品能進行不同云類型降水量的估算，操作簡單、應(yīng)用靈活，能快速識別云的類型，對復(fù)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(jīng)網(wǎng)絡(luò)云分類（Deep Neural Network Cloud-Type Classification，DeepCTC） 模型支持對流云的數(shù)據(jù)判斷并提取光譜特征，深度對稱密集連接全卷積網(wǎng)絡(luò)SDFCNs 用于提取幾何特征，光譜特征與幾何特征相結(jié)合，實現(xiàn)對流云的提取。

4.2 氣象數(shù)據(jù)處理

氣象數(shù)據(jù)主要分為兩類，一類是氣象觀測、雷達觀測設(shè)備采集到的數(shù)據(jù)，既有地面數(shù)據(jù)又有高空數(shù)據(jù)；另一類是數(shù)值模式預(yù)報的資料，又被稱為模式數(shù)據(jù)。人工智能時代利用互聯(lián)網(wǎng)、移動智能終端等技術(shù)可以實現(xiàn)氣象數(shù)據(jù)的有效采集與高效處理?，F(xiàn)階段氣象數(shù)據(jù)種類多且呈激增狀態(tài)，氣象數(shù)據(jù)處理必須尋求高效化、精準(zhǔn)化的處理路徑[8]。而機器學(xué)習(xí)、圖像識別、數(shù)據(jù)挖掘等深度融合的人工智能技術(shù)配合傳統(tǒng)的人工數(shù)據(jù)處理方法為氣象數(shù)據(jù)的有效處理指明了方向，主要應(yīng)用于氣象數(shù)據(jù)的異常檢測、數(shù)據(jù)質(zhì)量的控制。俄羅斯Yandex 公司開發(fā)了專門的天氣預(yù)報技術(shù)Yandex.Meteum，其能將機器學(xué)習(xí)技術(shù)與傳統(tǒng)的氣象預(yù)測模型結(jié)合起來，利用深度卷積神經(jīng)網(wǎng)絡(luò)進行海量雷達圖像數(shù)據(jù)以及其他氣象數(shù)據(jù)的高效處理。

4.3 天氣氣候預(yù)報

人工智能技術(shù)在大氣科學(xué)領(lǐng)域中的應(yīng)用也體現(xiàn)在天氣、氣候分析預(yù)報中，目前這一層面的應(yīng)用十分普遍，支持臨近預(yù)報、極端災(zāi)害天氣預(yù)警、臺風(fēng)海洋預(yù)警、短期氣候預(yù)測等，在人工智能技術(shù)的支持下能實現(xiàn)天氣氣候的分鐘級、千米級預(yù)報，氣象業(yè)務(wù)精細化程度較高。人工智能技術(shù)也支持特征分類天氣系統(tǒng)識別，特別是氣象學(xué)領(lǐng)域基于增強現(xiàn)實（Augmented Reality，AR） 系統(tǒng)評估氣候模型，對綜合數(shù)據(jù)挖掘、機器學(xué)習(xí)技術(shù)進行海量數(shù)據(jù)分析，推出新的氣候分析模型，氣候預(yù)測方面效果明顯。例如針對對流天氣，以人工智能技術(shù)進行對流天氣的天氣預(yù)報可以減少惡劣天氣對人們生命財產(chǎn)的威脅，其使用深度學(xué)習(xí)方法進行強對流臨近預(yù)報，基于自動編碼器、卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建深度學(xué)習(xí)冰雹預(yù)報模型，也能進行冰雹的識別、定位和預(yù)報。也可采用雷達回波數(shù)據(jù)訓(xùn)練，基于編碼器解碼器序列結(jié)構(gòu)的深度學(xué)習(xí)模型，可以進行閃電事件的預(yù)警。值得一提的是我國氣象局基于數(shù)值天氣預(yù)報數(shù)據(jù)開發(fā)出了針對對流天氣深度學(xué)習(xí)目標(biāo)預(yù)測方案，支持強降水、冰雹、對流、陣風(fēng)及雷暴天氣的預(yù)警。

5 人工智能技術(shù)在氣象科學(xué)領(lǐng)域中的應(yīng)用挑戰(zhàn)

人工智能技術(shù)處于不斷發(fā)展與完善的狀態(tài)，但在實際推廣應(yīng)用過程中，特別是在氣象科學(xué)領(lǐng)域中的應(yīng)用也面臨一些挑戰(zhàn)。以深度學(xué)習(xí)方法的運用為例，利用深度學(xué)習(xí)能快速解決氣象復(fù)雜問題，在異常氣象監(jiān)測/相關(guān)狀態(tài)預(yù)測方面應(yīng)用優(yōu)勢明顯，但也有一定的應(yīng)用局限。主要是深度學(xué)習(xí)算法存在可解釋性的難題，其從數(shù)據(jù)中探明的關(guān)系可能不是因果關(guān)系，而深度學(xué)習(xí)算法在問題的判斷與分析中主要基于因果關(guān)系，這就導(dǎo)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(xué)習(xí)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(shù)據(jù)繁雜、差異明顯，傳感器又對應(yīng)不同的成像幾何形狀和差異化的時空分辨率，要想實現(xiàn)數(shù)據(jù)的有效收集與系統(tǒng)分析并非易事。目前衛(wèi)星觀測序列也面臨著數(shù)據(jù)缺失嚴(yán)重、噪聲聲源多樣等困擾，加劇了數(shù)據(jù)采集與分析的難度。又如缺少標(biāo)記樣本，深度學(xué)習(xí)需要有標(biāo)記樣本性為參考，但標(biāo)注數(shù)據(jù)集具有概念數(shù)據(jù)集大小、專業(yè)標(biāo)注人力成本等方面的制約，氣象科學(xué)數(shù)據(jù)不夠完善。此外氣象部門每天要處理大量的高精度數(shù)據(jù)，氣象數(shù)據(jù)計算工作量大，隨著數(shù)據(jù)的海量激增，如何快速高效地處理這些復(fù)雜的氣象數(shù)據(jù)也是一大難題，而這也是人工智能技術(shù)在氣象科學(xué)領(lǐng)域以及其他領(lǐng)域中運用都需要關(guān)注與解決的問題。

6 結(jié)束語

基于人工智能技術(shù)在氣象科學(xué)領(lǐng)域當(dāng)前的應(yīng)用，其未來的發(fā)展態(tài)勢將更加光明而積極。人工智能技術(shù)將會貫穿氣象觀測、數(shù)據(jù)分析、氣象預(yù)報、行業(yè)服務(wù)等各個方面，推動氣象研究的深入，使得氣象行業(yè)縱深發(fā)展。而這也要求氣象部門尋求更多的社會支持，做好頂層設(shè)計，加強人工智能技術(shù)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。