智慧網格預報：讓氣象變“智慧”

　　河北省氣象臺預報值班員通過智慧網格預報平臺，製作河北省0-10天智慧網格氣象要素預報。  河北省氣象臺供圖

　　“為什麼天氣預報老是不準？”你是否也曾經有過這樣的疑問。

　　預報晴天，卻下起了雨，預報有雨，雨卻遲遲不來。如今，智慧網格氣象預報已經讓這些現象成為歷史。無論你身處何地，只要打開手機App，通過衛星定位就可以顯示出你所在位置的最新天氣預報。這樣的天氣預報可以提供降雨、風、溫度、濕度、雲量、能見度等精準氣象服務。你可以清楚地知道自己所在的位置“20分鐘後會下小雨、50分鐘後雨會停”。

　　智慧網格預報怎麼運作？未來“智慧氣象”如何發展？記者走訪了河北省氣象局的有關專家，為你揭開對大眾來説還略顯神秘的“智慧氣象”面紗。

　　天氣預報現在為啥越來越準了

　　天氣預報經歷了從定性預報、描述性預報向數字化、格點化預報演變的發展歷程。

　　“就拿河北來説，原來的天氣預報只是以不同的氣象觀測站這一個點的氣溫、降水等來代表整個區域的天氣情況，內容只包括1888個城鎮的天氣現象、高低溫和風速風向預報。”河北省氣象台中短期預報科高級工程師孫雲説，由於氣象監測站點分佈不均，站點不能準確監測到所有地點的天氣。

　　隨著氣象預報的發展，“網格預報”這一概念被引進到精細化預報業務中。

　　“通過開展網格化預報，我省的天氣不再由多個站點來反映。”孫雲介紹，目前，河北省責任區內有65萬格點，每個網格的時空解析度0-72小時為1小時、1km；4-10天為3小時、5km；2小時短臨時效為逐10分鐘滾動更新，形成了0-10天無縫隙網格氣象預報。“你在哪個網格，就能得到該網格的天氣情況。”孫雲説。

　　如何更加直白地理解網格氣象預報呢？

　　“可以這樣比喻，就像地球上的經緯網一樣，我們把中國以及每個城市所在的區域分解成許多個5公里×5公里，甚至1公里×1公里的網格，而公眾就生活在這樣一個個的網格中。”孫雲説，每個網格的天氣情況各異，網格化預報就是針對每一個網格，以格點為單位給出預報意見，以實現最大限度的精細化。

　　説起來輕鬆，但智慧網格預報的技術攻關並不容易。

　　“智慧網格預報的基礎來自於格點實況，觀測資料的來源可謂千頭萬緒。”孫雲説，僅以降水資料為例，地面觀測有之，衛星反演有之，雷達反演有之。在觀測方面，氣象部門顯然不可能以格點為單位布設觀測站，把站點的實況輸入格點的預報系統。

　　因此，把觀測實況數據轉化成“格點模式”的多維實況數據分析就應運而生了。

　　在這個過程中，技術團隊首先將面向同一對象（如降水）的多源觀測數據整合在一起，然後對數據集去偽存真、去粗取精，再通過複雜的融合與同化計算，不斷與實況數據對比調校，最終推導出各格點最貼近真實的情況。

　　在監測更加精準的同時，我省大力發展河北睿圖系列模式，天氣預報間隔也因此不斷縮短，時效在不斷延長。

　　“睿圖模式系統由多個子系統構成，其中針對降水預報最核心的是快速更新多尺度分析預報短期子系統和集成子系統。”孫雲介紹，前者關注短期時效，提升天氣預報技術支撐；後者則聚焦0-12小時，每10分鐘更新一次預報産品，是天氣預報員臨近預警的重要參考。

　　睿圖模式系統的引進及建立，並不是簡單的複製粘貼，後期需要進行很多技術的研發創新工作。

　　“我省地形複雜，局地小氣候往往具有不確定性，如局地短時性降水、冰雹等強對流天氣。”孫雲説，為了進一步提升預報準確率，研究團隊會根據計算機模擬的大氣狀態，不斷修訂“影響因子”。

　　就這樣，隨著參數的增加，短時、精準的天氣預報，就在河北“入鄉隨俗”了。

　　人工智能為精細化預報加“一把火”

　　目前，我省國家地面氣象觀測站等其他站點的所有監測數據與全國其他地區的資料實時匯聚到中國氣象局，再通過超級計算機處理、存儲、查詢、分析和統計海量氣象數據，通過數理學等方法預測未來天氣。

　　通過微信公眾號搜索“中國氣象網”小程式，人們可以查看全省某地區的逐小時天氣預報、一週預報趨勢，以及相對濕度、降水量、風向風速等。

　　然而，氣象專家對此並不滿足。

　　2016年，我國出現46次區域性暴雨過程，26個省（區、市）出現城市內澇。有8個颱風登陸，平均登陸強度達到13級，造成的直接經濟損失高於近10年平均。此外，強對流天氣多發重發，全國有2000多縣（市）多次出現冰雹或龍捲風天氣，人員傷亡眾多。

　　在氣象專家看來，暴雨、龍捲風、冰雹等一系列極端天氣，其區域性明顯，分佈並不廣泛，而且“來去匆匆”，難以準確掌握蹤跡，這使得極端天氣預測成了氣象業務的主要瓶頸。

　　當前，人工智能的深入應用為解決這一難題帶來了重要助力。

　　今年2月份，日本海洋研究機構和九州大學的研究小組利用人工智能深度學習技術，開發了從全球雲系統解析度模型（NICAM）氣候實驗數據中高精度識別熱帶低氣壓徵兆雲的方法。該方法可識別出夏季西北太平洋熱帶低氣壓發生一週前的徵兆。

　　根據相關報道，研究小組具體的做法是首先利用熱帶低氣壓跟蹤演算法，將全球雲系統解析度模型20年積累的氣候實驗數據，製成5萬張熱帶低氣壓初始雲及演變中的熱帶低氣壓雲圖片，再加上100萬張未演變成熱帶低氣壓的低氣壓雲圖片，共105萬張圖片組成10組學習數據，利用深度卷積神經網絡的機器學習，生成不同特徵的10種識別器，然後構築出可對10種識別器結果進行綜合評價的集合識別器。

　　“將神經網絡的方法用在天氣預報上並不新鮮，上世紀八十年代已經有一些應用，隨著大數據和人工智能的發展，海量數據深度學習、複雜神經網絡等逐步應用，人工智能預報天氣已經成為很熱門的一個話題。”孫雲説，在我國，近年來隨著氣象現代化建設的推進，人工智能的影子更多是在短臨預報方面出現。

　　據介紹，我省氣象臺已經與河北師範大學合作開展了基於機器學習的短臨降雨預報模型研究，充分利用時空數據的特點，借助深度學習技術，人工智能可以迅速“學習”海量天氣數據記錄，對暴雨、龍捲風、冰雹等天氣發生的原因和移動路徑進行分析，從而實現早期識別與預警。

　　“與短期預報相比，短臨預報時效更短，主要集中在0小時到12小時，重頭戲在於對中小尺度天氣系統，尤其是強對流天氣系統的預報。”孫雲告訴記者，相對於大尺度天氣系統，強對流天氣系統具有生命史短、突發性強等特點。由於生消速度快，因而難以把握。我省一年中強對流天氣出現的次數，往往覆蓋全年三分之二的時間，這也使河北成為了強對流天氣的多發地區。

　　短期預報只能預報強對流天氣出現的可能性，無法預報其所帶來的降雨具體落區。但短臨預報卻可以清楚捕捉到系統所在位置，從而能夠預報出降雨的落區。

　　“提前數小時發佈預警預報，告知公眾哪會有降水出現，哪降水量較大，就是探索人工智能技術應用於短臨預報所獨有的功能。”孫雲説，如針對一個村莊的預報，當我們提前數小時在河流上游捕捉到強對流天氣系統的蹤跡併發現其影響時，就可以提前幾小時預判河流下游地區在未來數小時內是否會發生洪澇，併發出預警讓下游的居民及時撤離。

　　與其他行業領域的融合必須不斷深入

　　雖然取得了一系列成績，但與發達國家相比，國內關於人工智能作用於天氣預報的研究和應用還存在一定差距。

　　河北省氣象臺高級工程師張南告訴記者，目前我省從事人工智能技術研發的人員中，大多欠缺大氣科學專業背景。

　　“既有人工智能知識背景又懂氣象知識的複合型人才，才是發展‘智慧氣象’最理想的人選。”張南建議，未來應在加強新的、更高級的人工智能技術理論研究和應用開發的基礎上，積極與相關高校、科研院所合作，同時納入大氣科學等學科背景的專業人才。掌握氣象學知識以及人工智能工具和演算法，從專業出發，挖掘規律、深入分析，才能不斷擴充技術使用深度。

　　除此之外，要想取得更好的預報效果，數據是更為重要的一環。

　　“天氣預報本身就是大數據問題，涉及不同時間和空間上的海量數據。”張南認為，人工智能技術的産品輸出品質受到輸入數據品質和數量的限制，面臨著來自“黑箱”應用的挑戰。“在通常情況下運行良好，但遇到極端情況可能會失效。”

　　在日本海洋研究機構和九州大學的研究中，研究小組為了利用深度學習獲得更高的識別精度，對每一種氣象類型都需要超過數千張圖片的大量數據。

　　“要想取得更好效果，就要加強高品質、長序列的氣象訓練數據集的研發。”張南認為，提供長歷史、統計特性一致的模式數據，整理和開發高分辨的觀測和分析資料用於訓練和檢驗，把超級計算機的預報結果盡可能地、自動地、客觀地修正到與實際觀測數據更接近，才能達到“天氣預報越來越準”的終極目標。

　　不過，智慧預報的不斷發展並不意味著可以替代天氣預報員。

　　“技術只是幫助預報員做預報，客觀預報的偏差，仍需要預報員進行人工訂正。”張南説，預報員需要結合自身預報經驗判斷模式預報的結果是否可信，尤其是對強降雨、雷暴大風、冰雹、強對流等災害性天氣的把控。

　　此外，張南認為，預報員還能通過發現客觀預報的缺陷攻克其科學問題，不斷提升預報水準，有助於主客觀融合預報産品的進一步開發。

　　據了解，今年以來，省氣象局加快科研成果轉化，網格展示平臺貫穿省市縣服務，網格産品覆蓋決策氣象微信App、精細化農業氣象服務、公眾氣象、氣象風險、交通氣象、電力氣象服務等專項預報服務。

　　“未來，我省將面向公眾開發更多操作便捷的氣象服務手段，為居民提供更加精準的網格天氣預報産品。”張南説。（記者王璐丹）