真·“未雨綢繆”，清華大學(xué)「鬼天氣」預(yù)報大模型來了！

是能破解世界未解難題的那種——

公里尺度下0～3小時極端降水都能預(yù)報。

包括短時強降水、暴風(fēng)雨、暴雪、冰雹等在內(nèi)的極端降水天氣，都能做到提前預(yù)警。

圖片

完成這項研究可實屬不易。

清華大學(xué)軟件學(xué)院與國家氣象中心、國家氣象信息中心合作，聯(lián)合攻關(guān)三年才提出這個名為NowcastNet的極端降水臨近預(yù)報大模型，并用了近六年的雷達觀測資料完成了模型的訓(xùn)練。

在全國62位氣象預(yù)報專家的過程檢驗中，該方法大幅領(lǐng)先國際上的同類方法，研究成果現(xiàn)已登Nature。

圖片

目前，NowcastNet已經(jīng)在國家氣象中心短臨預(yù)報業(yè)務(wù)平臺（SWAN 3.0）部署上線，將為全國極端降水天氣短臨預(yù)報業(yè)務(wù)提供支撐。

那么極端降水的臨近預(yù)報為什么這么難？清華團隊又是如何解決這一難題的？

為什么被列為科學(xué)難題？

近年來，受全球氣候變化影響，極端降水天氣頻發(fā)，實現(xiàn)更準(zhǔn)確、更精細(xì)和更長預(yù)警提前量的降水臨近預(yù)報成為人們的關(guān)注點。

由于極端降水天氣過程大多只持續(xù)幾十分鐘且空間尺度在幾公里范圍，受到對流、氣旋、地形等復(fù)雜過程和大氣系統(tǒng)混沌效應(yīng)的影響較為嚴(yán)重。

而基于物理方程模擬的數(shù)值預(yù)報技術(shù)很難對公里尺度的極端降水做出有效預(yù)報。

因此，在今年5月27日世界氣象組織峰會上，三小時內(nèi)降水臨近預(yù)報就被列為了未解決的重要科學(xué)難題之一。

△基于雷達觀測的降水臨近預(yù)報是世界性難題之一

此前也有預(yù)測極端降水天氣的方法。

數(shù)值計算和深度學(xué)習(xí)就是降水臨近預(yù)報的兩類主流方法，但均存在明顯的缺陷：

數(shù)值計算方法難以有效建模降水過程的時空多尺度特征，同時受到預(yù)報累積誤差的制約，預(yù)報時效往往在一小時以內(nèi)。

深度學(xué)習(xí)方法雖然擅長建模非線性系統(tǒng)，但統(tǒng)計模型存在固有的小樣本過平滑問題，預(yù)報求解過程缺少物理守恒規(guī)律約束，生成的數(shù)值場模糊失真嚴(yán)重，難以提供有業(yè)務(wù)價值的極端降水預(yù)報。

臨近預(yù)報大模型NowcastNet

針對上述挑戰(zhàn)，2017年起，清華大學(xué)軟件學(xué)院王建民教授、龍明盛副教授團隊就與國家氣象中心、國家氣象信息中心建立研究團隊，就人工智能技術(shù)在氣象大數(shù)據(jù)的應(yīng)用開展合作。

經(jīng)過三年聯(lián)合攻關(guān)，提出了臨近預(yù)報大模型NowcastNet，并在美國和中國近六年雷達觀測資料上完成了訓(xùn)練。

該模型的核心是端到端建模降水物理過程的神經(jīng)演變算子，實現(xiàn)了深度學(xué)習(xí)與物理規(guī)律的無縫融合。

△物理建模與深度學(xué)習(xí)融合的臨近預(yù)報大模型NowcastNet

具體而言，研究團隊首先設(shè)計了中尺度演變網(wǎng)絡(luò)，用以建模平流運動等物理性質(zhì)更顯著的中尺度降水過程，并基于物質(zhì)連續(xù)性方程（即質(zhì)量守恒定律）設(shè)計了神經(jīng)演變算子，端到端模擬降水過程中的十公里尺度運動，并通過反向傳播最小化預(yù)報累積誤差。

其次，研究團隊提出了對流尺度生成網(wǎng)絡(luò)，以中尺度演變網(wǎng)絡(luò)預(yù)測結(jié)果為條件，通過概率生成模型進一步捕捉對流生消等混沌效應(yīng)更顯著的公里尺度降水過程。

得益于上述融合設(shè)計，該模型兼具深度學(xué)習(xí)與物理建模的優(yōu)勢，在國際上首次將降水臨近預(yù)報的時效延長至3小時（上文提到，此前數(shù)值計算方法通常在1小時內(nèi)），并彌補了極端降水預(yù)報的短板。

為了充分檢驗臨近預(yù)報大模型NowcastNet對典型天氣過程的業(yè)務(wù)指導(dǎo)價值，國家氣象中心邀請了62位來自23個省市氣象臺的一線預(yù)報專家，針對中美兩國2400個極端降水過程進行了后驗檢驗和先驗檢驗，并與目前業(yè)務(wù)中使用的方法進行了對比。

其中，pySTEPS是一種基于平流的方法，是目前世界各地氣象中心所廣泛采用的預(yù)報系統(tǒng)。PredRNN是一種數(shù)據(jù)驅(qū)動的神經(jīng)網(wǎng)絡(luò)，已在中國氣象局部署。而DGMR是由谷歌DeepMind與英國氣象局聯(lián)合提出的模型。

所有模型都在美國和中國降水事件的大型雷達數(shù)據(jù)集上進行訓(xùn)練和測試。

圖片

△氣象專家檢驗結(jié)果和數(shù)值指標(biāo)評測結(jié)果，CSI用于衡量預(yù)報的位置準(zhǔn)確性；PSD用于衡量預(yù)報的頻譜特征與雷達觀測的降水變化性之間的比較。

正如上圖所示，NowcastNet在臨界成功指數(shù)（CSI）、能量譜密度（PSD）等數(shù)值指標(biāo)上全面超越現(xiàn)有技術(shù)，在71%的天氣過程中被認(rèn)為具有最高的預(yù)報價值。

在極端降水過程中，NowcastNet是唯一展現(xiàn)較強業(yè)務(wù)價值的臨近預(yù)報技術(shù)。

以中美兩國的典型極端天氣過程為例：

2021年5月14日23時40分，中國江淮地區(qū)出現(xiàn)強降水過程，湖北、安徽等多個地區(qū)發(fā)布了暴雨紅色預(yù)警，NowcastNet可以準(zhǔn)確預(yù)測出三個強降水超級單體的變化過程。

圖片

△a. 預(yù)測的地理信息、b. 不同模型在T+1小時、T+2小時和T+3小時上的預(yù)測結(jié)果、c. CSI是一種用于評估預(yù)測準(zhǔn)確性的指標(biāo)

2021年12月11日9時30分，美國中部地區(qū)突發(fā)龍卷風(fēng)災(zāi)害，造成89人死亡、676人受傷，NowcastNet可以對強降水的強度、落區(qū)和運動形態(tài)等給出更清晰、更準(zhǔn)確的預(yù)報結(jié)果。

圖片

檢驗表明，NowcastNet對于極端災(zāi)害天氣的精準(zhǔn)防控具有良好的指導(dǎo)意義。

目前，該研究成果以“高技巧極端降水臨近預(yù)報大模型”（Skilful Nowcasting of Extreme Precipitation with NowcastNet）為題發(fā)表在《自然》（Nature）上，同時被《自然·新聞和觀點》以“The Outlook for AI Weather Prediction”為題做了報道。

研究人員認(rèn)為：

該研究探索了數(shù)據(jù)驅(qū)動與物理驅(qū)動的“科學(xué)學(xué)習(xí)”新范式，提出了物理守恒約束下時空物質(zhì)場建模和預(yù)測的一般方法，對其他具有多尺度物理特性的問題也具有應(yīng)用前景。

他們還表示：

未來將進一步推進該方案在物理問題求解、大氣海洋模擬、工業(yè)設(shè)計仿真等場景下的應(yīng)用。

團隊信息

清華大學(xué)軟件學(xué)院王建民教授、龍明盛副教授，以及機器學(xué)習(xí)泰斗、加州大學(xué)伯克利分校教授、清華大學(xué)榮譽教授Michael I. Jordan為論文的通訊作者。

清華大學(xué)軟件學(xué)院博士生張育宸和龍明盛副教授為論文的第一作者，碩士生陳凱源、邢藍翔參加了研究工作。

國家氣象中心金榮花研究員提供了氣象知識和數(shù)據(jù)支持并主持了全國范圍內(nèi)氣象專家檢驗工作，羅兵、張小玲、薛峰、盛杰、韓豐、張小雯等專家為研究工作提供了指導(dǎo)、建議和幫助。

研究得到國家自然科學(xué)基金創(chuàng)新研究群體項目、優(yōu)秀青年科學(xué)基金項目和大數(shù)據(jù)系統(tǒng)軟件國家工程研究中心的支持。

論文鏈接：https://www.nature.com/articles/s41586-023-06184-4