雹暴中心收集數(shù)據(jù)、大模型加持極端天氣預測，「追風者也」正在上演

內(nèi)容一覽：雷暴、冰雹、龍卷風等極端天氣總是讓人捉摸不透又避之不及。然而澳洲的研究者們卻以身犯險，深入雹暴收集數(shù)據(jù)，只為讓天氣預報得更準。在超級計算機和 AI 的加持下，人類能否追上風暴，讓混沌的天氣系統(tǒng)不再那么捉摸不透？且看這部追風者們主演的「追風者也」。

關鍵詞：大模型 追風者 極端天氣

作者 | 雪菜

編輯 | 三羊

本文首發(fā)于 HyperAI 超神經(jīng)微信公眾平臺~

1996 年上映的知名冒險災難片《龍卷風》中，主角為了對龍卷風進行深入的研究，將探測設備親身帶入到龍卷風中心，以實現(xiàn)實時的數(shù)據(jù)記錄。

受這部電影啟發(fā)，澳大利亞氣象學者 Joshua Soderholm 及 Julian Brimelow 一起開始了自己的追風之旅，并成功將小型天氣傳感器冰探 (hailsonde) 帶入了雹暴 (hail storm)，以收集雹暴當中的氣象數(shù)據(jù)，變革極端天氣的研究方法。

圖 1：電影《龍卷風》劇照

冰探的形狀與冰雹類似，重約 24 g。它們和氣球連在一起，被一同釋放到雹暴當中。進入雹暴中心后，二者分離，冰探就和冰雹一樣，經(jīng)歷冰雹在雹暴中的軌跡，并記錄冰雹在雹暴中移動的生長條件。此外，冰探還記錄到了顯著的冰增長，并跟隨超級單體的中氣旋旋轉(zhuǎn)了半圈。

圖 2：兩個冰探在雹暴中的軌跡

「起初這只是一個課余項目。當時我們想試一下能否利用現(xiàn)有的技術(shù)，制造出一個電影中的設備。為確保冰探能夠在雹暴的極端條件中生存下來，制作過程中我們解決了很多工程問題?！?Joshua Soderholm 說道。

圖 3：冰探的結(jié)構(gòu)，3D 打印的零件、電池及其他電子器件被封裝在聚苯乙烯外殼中

「從雹暴中心收集數(shù)據(jù)就像是追尋氣象學中的白鯨，既危險又令人著迷。從雹暴中心收集得到的數(shù)據(jù)，將會提升我們模擬雹暴的能力，并為冰雹在雹暴中的行為提供直接證據(jù)。但這沒有聽起來那么容易，它需要你在正確的時間出現(xiàn)在正確的位置，還得遇上正確的雹暴。」

在幾天的壞運氣之后，他們撞上了一個超級單體，并成功將兩個冰探放進了雹暴中。超級單體是一種水平尺度達十幾千米，生命期達幾十分鐘到數(shù)小時，比普通的成熟單體雷暴更巨大、更持久、天氣更為劇烈的單體強雷暴系統(tǒng)。冰探被超級單體捕獲之后，與氣球分離，之后像冰雹一樣隨雹暴漂浮，最終被時速超過 120 km 的風帶到了 7 km 外的區(qū)域。

圖 4：Joshua Soderholm 在放飛冰探

令人捉摸不透的天氣系統(tǒng)

氣象預測離不開人的參與。即使利用超級計算機，借助衛(wèi)星數(shù)據(jù)和雷達數(shù)據(jù)，我們依然很難對氣象系統(tǒng)做出準確的預測。1961 年，美國的氣象學家愛德華·諾頓·洛倫茨 (Edward Norton Lorenz) 嘗試用計算機程序預測未來的天氣。

在得到結(jié)果之后，他將程序在中間步驟的輸出值，作為下一個步驟的輸入值，再次運行了程序。然而，由于輸入值只保留了 3 位小數(shù)，而程序是以 6 位浮點數(shù)運行的，這千分之一的偏差使得程序的輸出值和上次得到的結(jié)果完全不同。

據(jù)此，他提出了混沌系統(tǒng)這一概念。氣象系統(tǒng)就是典型的混沌系統(tǒng)，它并非完全的隨機，但很容易因某個因素的變化而發(fā)生劇烈的變化。也就是說，氣象系統(tǒng)是一個很敏感的系統(tǒng)。

「蝴蝶效應」就是一個夸張但又典型的例子，一只南美洲熱帶雨林的蝴蝶扇動兩下翅膀，就可能為美國帶來一場龍卷風。這一切的源頭，就是蝴蝶擾動了系統(tǒng)的初始變量。

圖 5：蝴蝶效應

因此，天氣的預測很難實現(xiàn)完全準確?，F(xiàn)有的氣象預測方式，也就是數(shù)值天氣預報 (NWP)，首先會將預測區(qū)域劃分為網(wǎng)格，之后利用超級計算機通過數(shù)值模擬求解偏微分方程獲得。

這一方法耗時很長，即使是使用有上百個節(jié)點的超級計算機，對未來 10 天的天氣進行預測也需要花費數(shù)個小時。同時，受網(wǎng)格分辨率的限制，一些小尺度的氣象過程會被近似函數(shù)參數(shù)化，為氣象預測帶來誤差。

正因為此，對于小尺度的極端天氣和中長期的氣象預測，NWP 很難做到完美。今年的 5 號臺風杜蘇芮生成后，不同機構(gòu)基于不同的模型利用超級計算機進行了路徑預測，結(jié)構(gòu)大相徑庭。即使是同一模型做出的預測，也在隨著氣象條件的變化不斷進行修正，直到臺風登陸前才能做出相對準確的預測。

之后的 6 號臺風卡努，走位也很獨特，在太平洋上突然轉(zhuǎn)彎，然后開始漫步，最后直擊日本，讓超級計算機也一頭霧水。

圖 6：全球集合預報系統(tǒng) (GEFS) 對 2023 年 6 號臺風卡努的路徑預測，可謂天花亂舞

同時，由于各個機構(gòu)做出的氣象預測千差萬別，天氣的預測還需要預報員的參與。預報員會綜合所有的氣象預測結(jié)果，并結(jié)合當?shù)氐臍夂蛱攸c、地形條件、個人經(jīng)驗等，做出最終的天氣預報，但依然不能保證完全正確。沒辦法，氣象系統(tǒng)就是這么的捉摸不透。

圖 7：1986 年 16 號臺風韋恩路徑圖

極端氣象的追逐者

小尺度的超級單體更是中長期天氣預報的一條漏網(wǎng)之魚。超級單體的特點就是形成快、難預測，易形成雷暴、冰雹、強降雨或龍卷風等極端天氣。

2021 年 8 月 16 日晚，北京市海淀區(qū)遭遇超級單體，突降暴雨。旱河路鐵路橋橋下積水在 30 分鐘內(nèi)漲到 1.75 米，導致 2 人死亡。2023 年 8 月 13 日下午，江蘇省鹽城市大豐區(qū)遭遇龍卷風，造成 2 人死亡，15 人受傷。這場龍卷風的形成也與超級單體有關。

圖 8：鹽城大豐區(qū)龍卷風

然而，雷暴、冰雹、龍卷風等壯觀的氣象景觀，可以讓探險者們大飽眼福，也因此吸引了很多像 Soderholm 這樣的追風者。每當臺風來臨，或是附近有超級單體將要形成時，追風者們就會做足準備，向風暴奔去。

同時，作為極端天氣的第一見證者，追風者們還可以收集到極端天氣的第一手信息，為氣象研究提供寶貴的材料，豐富現(xiàn)有的計算模型和 AI 模型的數(shù)據(jù)庫，為氣象學的發(fā)展做出重要貢獻。

媲美 NWP 的氣象大模型

早在 2021 年，阿里云就透露稱，達摩院與國家氣象中心聯(lián)合研發(fā)了 AI 算法用于天氣預測，并成功預測了多次強對流天氣。同年 9 月，Deepmind 在《Nature》上發(fā)表文章，利用深度生成模型進行降雨量的實時預報。

今年年初，Deepmind 正式推出了 GraphCast，可以在一分鐘內(nèi)對全球未來 10 天的氣象，進行分辨率為 0.25° 的預測。4 月，南京信息工程大學和上海人工智能實驗室合作研發(fā)了「風烏」氣象預測大模型，誤差較 GraphCast 進一步降低。

隨后，華為推出了「盤古」氣象大模型。由于模型中引出了三維神經(jīng)網(wǎng)絡，「盤古」的預測準確率首次超過了目前最準確的 NWP 預測系統(tǒng)。近期，清華大學和復旦大學相繼發(fā)布了「NowCastNet」和「伏羲」模型。前者在短時極端天氣預測上大有作用，后者則將預測時長延長到了 15 天。

圖 9：「盤古」模型和 ECMWF 對 2018 年 25 號臺風康妮（圖 a）和 26 號臺風玉兔（圖 b）的路徑預測。

紅色：「盤古」模型的預測

藍色：ECMWF 的預測

黑色：實際情況

可以看到，氣象預測大模型在預測精度和預測時間上都在不斷逼近，甚至部分超過了傳統(tǒng)的 NWP 分析模式。同時，相比于 NWP ，AI 大模型的氣象預測需要的設備條件更低，花費時間也更短。僅用一張 Google TPU v4，GraphCast 就可以在分鐘之間預測出未來的天氣。

然而，現(xiàn)有的 AI 大模型只能通過學習過去的氣象數(shù)據(jù)，對未來的氣象進行預測。因此，在極端天氣和突發(fā)天氣的場景中，大模型還需要其他算法的輔助，更離不開人的參與。此時，活躍在風暴中心的追風者們提供的氣象數(shù)據(jù)對 AI 大模型的優(yōu)化則顯得更為重要。人類與大模型攜手，定能拍出一部優(yōu)秀的「追風者也」。

參考鏈接：

[1] https://phys.org/news/2023-08-movie-inspired-technology-successfully-hail-eye.html

[2] http://m.nmc.cn/ty/

[3] http://henan.china.com.cn/tech/2021-06/22/content_41599891.htm

[4] https://arxiv.org/abs/2212.12794

[5] https://www.nature.com/articles/s41586-023-06185-3/figures/4

[6] 江燕如，典型天氣過程分析 [M]. 北京：氣象出版社，2016.

本文首發(fā)于 HyperAI 超神經(jīng)微信公眾平臺~