预报景象，人工智能比人类更善于？景象预报和人工智能有着天然耦合的关系。
景象预报须要大量的、多种多样的资料，人工智能天生便是处理大数据的工具；现有资料的时空数据密度不足，人工智能具有对不完备不愿定信息的推断能力；此外人工智能还可以总结专家的知识履历，提高均匀预测水平以及利用统计与数值模式中无法利用的抽象预报知识等。

更快速、更高效是景象预报不懈的追求。
但随着不雅观测卫星、雷达和传感器网络持续不断地产生大量数据，如何处理海量的、多种多样的气候资料成为景象预报的一个寻衅。
而人工智能出色的大数据处理能力成为助力量象进一步精准预报的主要工具。

近日，我国南方多地持续多日的暴雨景象导致各地水位上涨，险情频发，部分地区不同程度受灾。
目前接济事情正在紧张有序进行中，各式各样的“智能+”手段也正广泛利用到景象预测、抗洪抢险中，为高效调度决策供应科学依据。

那么，人工智能在极度景象预报、磨难预警及接济方面有哪些详细运用呢？就干系问题，科技日报近日采访了国家气候中央高等工程师朱文剑。

运用大幅提升 深度神经网络使预报准确率提高40%

2010年以来，随着新一代信息技能引发的信息环境与数据根本变革，海量图像、语音、文本等多模态数据不断呈现，打算能力的大幅提升，使得人工智能迎来爆发期。
那么，目前在景象预报中，人工智能究竟发挥了哪些浸染？

“最近两三年，国外人工智能在景象预报领域的运用大幅增长，并且呈现出由传统的机器学习向深度学习发展的趋势。
”朱文剑表示。

目前，人工智能在景象预报领域的运用包括不雅观测数据质量掌握、数值模式资料同化、数值模式参数化、模式后处理、景象系统识别、磨难性景象(台风、强对流、雾霾等)监测和附近预报、预报公函自动制作等方面。

朱文剑先容说，比较传统机器学习方法，深度学习在海量数据处理、图像识别与处理、非线性时空预测方面具有较明显上风。
目前欧洲中期景象预报中央已经将深度学习用于卫星不雅观测资料的同化剖析。
而在气候卫星资料运用方面，人工智能同样具有巨大前景，如用于卫星不雅观测图像修复、基于卫星不雅观测的景象系统识别、时空降尺度、数据同化等。

“海内气候行业对人工智能技能的关注度也正在快速提高。
”朱文剑表示，中心气候台在定量降水领悟预报、强对流景象分类潜势预报、台风智能检索、预报公函自动制作等方面采取了人工智能技能，取得鼓舞民气的效果。
例如，中心气候台和清华大学联合开拓出的一种基于深度神经网络的雷达回波外推方法，该方法比之前利用传统方法进行回波预报的准确率提高约40%。

凭借超强算力 磨难性附近预报预警结果超越人类

“以前巡堤，要靠人到现场看，再通过口述、条记记录反馈巡查情形，汛情研判效率较低。
”近日，江西九江共青城市农业屯子水利局标准化项目部经理王嘉龙说，如今系统自动记录统领段水情变革，实时显示堤防沿线***监控画面，一旦创造非常，管理员即将画面配以笔墨描述及时上传，研判效率大幅提高。

“更高更快更强”是景象预报不懈的追求，更高分辨率、更快给出结果、更准确的预测等追求磨练着当代大气科学。
“人工智能凭借其超强的打算能力和强大的算法，在某些方面的能力已经远远超过了人类。
”朱文剑指出。

比如，美国有一个关于雷暴生命史的实时预测模型做出的预报结果已明显优于人的主不雅观履历，调查表明在该项业务上，预报员在面临模棱两可的情形下，更乐意相信人工智能的预报结果。

朱文剑先容说，国外已实现基于深度神经网络和气象卫星不雅观测资料的数据同化算法研发，在一定的准确率容忍范围内，与传统方法比较，人工智能方法的打算效率可大幅提高。
近年来，欧洲中期景象预报中央较为全面地评估了人工智能技能在景象预报数值模式中各个技能环节的运用潜力，对人工智能的运用给出乐不雅观的预期，并已在部分环节如物理过程参数化中开展技能试验。

据先容，目前对付冰雹、短时强降水、雷暴大风等磨难性景象的附近预报预警(6小时以内)，国外气候科学家基于人工智能技能，结合多种遥感不雅观测和快速更新的数值模式预报资料，预报准确率已超过人类预报员，但这些技能还处于研究或实验阶段，尚未形成业务支撑能力。
目前对付持续性暴雨、极度强度暴雨的预报则具有一定的难度，不过，行业从业者正在努力借助包括人工智能技能在内的多种技能占领这一难题。

据理解，人工智能用于不雅观测数据质量掌握，如用于气候雷达回波的质量掌握，滤除地物等非气候回波，海内某些气候科技企业在这方面做了很多事情；用于数值模式产品后处理，可以提高准确率和产品的时空分辨率，如中心气候台和清华大学互助研发的格点降水订正和超分辨率处理算法，可在担保准确率的同时，有着更高的打算效率，并能输出超高分辨率的智能网格预报产品。

物联网技能加持 未来每个人都可能成为气候数据源

景象影响消费行为、交通物流，乃至决定体育竞赛的胜负，因此人们须要精准的景象预报。
那么，在磨难预警中，大数据如何剖析研判做出决策，匆匆使AI对付极度景象的预测更为精准呢？

朱文剑先容说，大数据有四大特性：数据体量大、数据类型繁多、处理速率快和商业代价高。
在磨难预警中可以充分发挥其前3个特点，终极实现其高代价。
尤其是可以充分利用历史上永劫序的多种来源的资料，比如人口分布数据、历史上的景象数据、地形数据、受灾数据、来自于气候、水文等多种不雅观测来源的实况数据等构建智能剖析模型，再结合气候部门供应的实时高分辨率智能网格预报数据，利用智能剖析模型快速进行影响剖析，为决策供应支撑。

为了加强台风、强对流、雾霾等磨难性景象的智能化监测和预报，各地气候监测部门均对付利用人工智能进行精准预报进行了探索。
“如基于卷积神经网络的雨带订正技能以及卷积神经网络的雾霾格点化预报技能，中心气候台自主研发了冰雹、短时强降水、雷暴大风平分类强对流短时短期预报技能；上海市气候局研发的基于机器学习的无缝隙短时附近预报技能；深圳市气候局和喷鼻香港天文台互助研发的雷达回波附近预报技能等。
”朱文剑说。

此外，中心气候台与海内一些科研院所展开互助：与北京邮电大学联合研发的基于机器学习的台风定强技能，和清华大学互助研发的基于深度学习的雷达回波附近预报技能等。

目前气候单位通过卫星、雷达等设备监测景象，而今后物联网技能或将引领景象预报进入一个全新的时期。
朱文剑认为：“在物联网技能的帮助下，任何物品，包括手机、车辆、雨伞等都可能成为潜在的获取气候数据的通道，尤其是随着可穿着设备的不断发展，未来每个人都可能成为气候数据源。
以色列创业公司ClimaCell借由物联网技能，将行人的手机、路灯、监视器变成气候侦测器，可得到韶光分辨率至分钟级、空间分辨率风雅至街道的温度、降水、风向风速等不雅观测数据。
”

有专家提出，景象预报和人工智能有着天然耦合的关系。
景象预报须要大量的、多种多样的资料，人工智能天生便是处理大数据的工具；现有资料的时空数据密度不足，人工智能具有对不完备不愿定信息的推断能力；此外人工智能还可以总结专家的知识履历，提高均匀预测水平以及利用统计与数值模式中无法利用的抽象预报知识等。

本报 华 凌

声明：转载此文是出于通报更多信息之目的。
若有来源标注缺点或陵犯了您的合法权柄，请作者持权属证明与本网联系，我们将及时更正、删除，感激。