首页 热点 业界 科技快讯 数码 电子消费 通信 前沿动态 电商

超强台风要去哪?或许AI大模型能提前告诉你!

2023-08-04 01:21:14 来源 : 荆楚网

台风,一种强大而深厚的“热带天气系统”,常伴随着狂风、暴雨和风暴潮,给人类的社会生活带来不同程度的影响。而要想“捕捉”台风,我们需要依靠各种各样的科技手段。该怎样预测台风的登陆时间和地点?我们未来是否有能力“驾驭”台风呢?

日本气象厅预测

图源:朝日电视台


(资料图片)

海陆空“立体CT”

三维观测台风登陆时间、地点

每当有台风在洋面上生成,获知其准确位置和实况强度是预测台风的要务。气象部门通过建设海洋气象浮标,将观测视野从陆地延展到海上;而雷达、卫星等遥感探测手段的加入,则使“海陆空”三维观测体系逐步形成。

台风预测常规流程

图源:中国黑龙江气象局

气象卫星:第一道防线

人们通常借助卫星遥感观测获取台风的实时特征。近年来,基于高分辨率卫星资料的“台风客观定位和强度客观估计系统”,在1分钟内就可完成对卫星图像的处理及分析。基于静止气象卫星和极轨气象卫星的 “台风风场分布定量分析技术”,能将卫星监测数据转换成台风底层风场分布结构,精确展示台风结构的变化特征。

天气雷达:实时监测追踪

与卫星相比,雷达有其独特优势。其一,雷达时效性好,能够随时开机,每6分钟就可得到一张监测图像。此外,雷达提供的监测资料参数详尽,图像具有更高的分辨率,能够准确测出台风的强度,比较好地反映台风内部结构。

气象监测站:获取关键数据

随着台风不断迫近陆地,多种气象监测站是重要的观测手段,如架设在海岛和石油平台上的自动气象站、海洋气象浮标站、船载自动气象站等,这些气象站能实时探明台风的等级、降水和气压等关键数据,为台风路径和登陆时间的测算提供参考。

工作人员检修气象站设备以应对“杜苏芮”

图源:中国山东气象局

移动观测设备:灵活补充空白

除固定的监测设备和站点,各种移动设观测备也在增多,如移动GPS探空、移动多普勒雷达、移动风廓线、移动自动站等。必要时,还可派出无人机传回实时画面。

计算平台:形成预测结果

气象数据类型繁杂、规模庞大,需由高性能计算平台有效利用,结合各地的地形、天气等因素反复进行动态模拟,生成图形图像,其后由专家得出预报结果。

从计算机到AI大模型

“捕风捉影”更精准

20世纪80年代后期,由于计算机性能的提高,以及气象卫星和雷达等数据采集技术的普及,人们开始使用数值天气预报模型来对台风进行预测。

台风卫星图

图源:36Kr

然而,台风强度预报一直是世界性难题,台风经常在24小时内发生较大的强度变化,可上升1到2个级别。目前,除了数值预报方法外,其他的客观预报方法主要是以统计预报和统计-动力模式为主,对台风强度快速变化的刻画能力较弱。

近年来,科研人员开始尝试引入AI大模型来开展气象预报。实践证明,将观测与数值预报和人工智能相结合,可有效提升数值预报的准确性。AI擅长处理重复任务、拟合未知数据关系,通过深度学习了解气象数据中的关系,就能完成天气预报的任务。

台风“杜苏芮”路径示意图

图源:中国中央气象台台风网

近期,《自然》(Nature)杂志正刊发表了来自中国的研发团队研究成果《三维神经网络用于精准中期全球天气预报》(Accurate medium-range global weather forecasting with 3D neural networks)。研发人员表示,大模型进行了丰富的数据学习,包括1979-2021年的全球实况气象数据,涵盖垂直高度上的13个不同气压层,每层中有温度、湿度、位势、经度、纬度五种气象要素,以及地球表面的海平面气压、风速等四种气象要素。

而中国上海人工智能实验室研究团队研发的“风乌”气象大模型,对台风路径进行预测,实现了准确预报。基于7月21日至27日多个起报时刻预报路径及台风实际路径对比,“风乌”提前24小时预报的误差值为38.7公里,精确度优于气象预报国际权威机构欧洲中期气象预报中心(ECMWF)的54.11公里,美国国家环境预报中心(NCEP)的54.98公里。

在资源效率方面,现有物理模型往往运行在超级计算机上,而“风乌”AI大模型仅需单GPU便可运行,仅需30秒即可生成未来10天全球高精度预报结果。

审核:张宁 策划:李政葳 撰文:孔繁鑫 编辑:李飞、穆子叶 光明网出品

参考|央视新闻、中国新闻网、第一财经、新京智库、腾讯新闻、浪潮工作室

更多信息欢迎关注光明网数字化频道

来源:世界互联网大会

标签:

相关文章

最近更新
荣盛发展涨停 2023-08-04 01:02:12
不畏艰难 挑战自我 2023-08-04 00:57:13
华鑫股份涨停 2023-08-04 00:55:39
狗能吃哈密瓜吗 2023-08-04 00:51:32