由于大气运动的高度复杂性,天气预报尤其是强对流、台风等灾害天气的预报一直是国际难题。尤其是近几年来,全球范围内的极端高温、暴雨、台风以及伴随而来的一系列气象灾害,给人们的生产生活带来了巨大影响。人们对于短时临近天气预报的及时性和准确度要求越来越高。
近年来,随着大数据和人工智能的发展,海量数据深度学习、复杂神经网络等逐步应用,使强对流危险天气的短临预报有了新的解决方法,相关技术也在数值质控、数据同化以及模式后订正等气象领域有了广泛应用。得益于人工智能的快速发展,不同时空尺度的气象预报准确率不断越来越高。
中科星图维天信(北京)科技有限公司(以下简称“星图维天信”)利用人工智能技术进行短临天气预报,结合临近预报区域划分技术,即时、精准地提供降水量预报。同时,可对雷暴、降水、台风等强对流天气进行预报预警,减少极端天气带来的经济损失和人员伤亡。
AI短临外推,助力危险天气预报预警
目前,计算机视觉技术已经应用于雷达短临外推方向,用以预报0-2小时的降水。然而,不同时空条件下的降水和雷达回波并不统一,这主要是由于在不同的天气系统和下垫面条件下形成的降水物理机制不同导致。因此,不能利用单一的雷达回波和降水量关系进行短临预报。
星图维天信将大量历史气象观测资料和雷达数据建立相关关系,并考虑地区性、季节性特征进行加权计算。通过使用气象站点观测的降水量与其临近区域的雷达反射率强度建立回归模型,得到针对时间和空间进行精准定位的雷达-降水转化关系。最后,将雷达回波的组合反射率图像与站点分布相结合,分区导入转化关系,从而进一步给出精细化的大范围降水预报。
图1临近区域雷达反射率与降水关系示意图
利用上述方法,使预报的雷达回波与观测的SSIM(图像结构相似度)指标高达92%,针对降水预警区域的一小时预报TS评分则能达到0.58。在一次台风过程的预报中,星图维天信短临外推预报技术抓住了台风过程雷达回波空间分布特征,并根据建立的雷达回波和降水关系,成功预报了此次台风带来的降水量,为气象灾害的防灾减灾工作提供有力支撑。
图2左图为雷达回波观测,右图为人工智能模拟的雷达回波
目前,AI短临外推技术已经应用于针对雷暴、降水、台风等临近时段内突发性强对流天气的预报预警,有效指导防灾减灾,并在公众出行、交通、水利等领域具有重要作用。星图维天信的AI短临技术在保障重大活动中也取得了显著成效,提供了场区暴雨、冰雹、雷暴、大风等危险天气的监测预警,重点解决了暴雨预警准确率不足、雷电监测预警时效性差、局地强对流天气预警决策时效性不足等问题,提供了精细、准确、及时的危险天气预报预警信息。
AI订正预报,让预报数据更精准
由于数值模式难以完美模拟大气的运动状态,各参数化方案也无法精确地描述大气的物理过程,因此气象预报总会存在一定的误差。为了进一步提高预报准确率,降低误差,星图维天信创新性地使用了一套基于深度学习的气象数值模式后订正技术。
图3基于人工智能模型的气象数值模式后订正技术
该技术利用ConvLSTM模型学习气象数值模式在模拟不同历史天气和真实大气条件下的偏差,建立不同区域、季节和天气系统的误差模型。启动预报时,系统将根据目标区域的时间和区域等相关信息选择最佳后订正模型,并学习模式预报结果与实况观测数据在后续时段的变化趋势,再将模式的后续预报结果与模型预测到的偏差量序列进行叠加,获得AI订正预报结果。使用深度学习进行订正后,预报结果和实际观测结果的均方根误差和平均绝对误差,相比原始模式预报结果降低约20%,预报精准度有了显著提升。
图4人工智能模式后订正流程
星图维天信将气象数值模式、人工智能和大数据等技术融入到气象预测中,通过AI模型来分析和处理,能更快、更准确地预测潜在天气。目前,星图维天信已面向各行业领域以及大众市场,提供个性化和定制化的气象服务。例如,利用人工智能技术和气象数值模式为无人机提供气象服务,保障无人机在危险天气等条件下安全地执行飞行任务。
未来,人工智能和气象将深入融合,覆盖物流、保险、航海、农业、体育等各行业领域。利用人工智能技术提供更精准的气象信息,在实现巨大经济效益的同时,也能协助各行业领域规划发展方向,集中优势资源,减少能源消耗。星图维天信将持续开发和利用新技术,解决气象问题、提升气象服务,助力我国气象高质量发展,提升气象服务经济社会发展的能力和水平。
公司简介
中科星图维天信(北京)科技有限公司成立于年,是中科星图股份有限公司(股票代码:)控股的高新技术企业。公司拥有国内外海量的气象监测数据、历史再分析资料和卫星遥感数据,综合运用大数据、人工智能、高性能计算及云服务等技术,依托GEOVIS数字地球时空基座,打造“气象数字地球”业务中台,在气象产业链条中构建覆盖气象装备生产、信息工程技术服务、专业信息服务的全栈能力,为特种气象领域、民用气象海洋领域、专业气象服务领域、公众气象服务领域提供气象、海洋、环境遥感监测分析、数值预报预警和大数据应用服务。