人工智能能否改进天气预报？

人工智能已影响众多领域，气象学可能是下一个目标。更廉价、更快速、更精准的AI模型能否革新天气预报？

交通、农业、能源、旅游……天气预报在社会各领域扮演关键角色。获取可靠预报对保障人民财产安全、组织经济活动至关重要。在气候变化导致暴雨、热浪和超级火灾频发的背景下，精准的局地预报需求愈发迫切。

天气预报是复杂流程，需处理多源数据并消耗巨大算力。将预报转化为具有社会经济价值的决策信息同样重要，这需要科学技术专长、信息解读能力及用户服务转化能力。人工智能可助力应对这些挑战。

AI：天气预报的新范式？

正如2018年维拉尼AI报告所述，“定义人工智能并非易事”。可将其视为涵盖数学、数据科学与计算机科学的交叉学科方法集合。AI能执行预测、分类、检测及内容生成等多元任务。

当前最有效的AI方法基于机器学习原理：计算机程序通过海量数据集学习最优任务执行方式。深度神经网络作为特殊机器学习算法，现已实现超越传统方法的性能。本文重点探讨此类算法。

数十年来，天气预报一直基于大气行为模拟模型。这些模型整合物理定律，计算温度、风速、湿度、气压等关键大气变量的演变。通过当日气象数据即可推算未来数日大气状况。气象模型持续进步，主要得益于卫星/地面新观测数据的应用及算力提升。

下一代模型目标是将预报空间精度提升至百米量级，以更好应对城市热岛等局部风险。但这面临成本挑战：天气预报所需算力随空间精度和数据量增长呈指数级增加。

提升效率与质量

大气建模环节即将受益于AI优势。近期多项研究证实，可通过统计与深度学习重构预报流程。当大气物理专家构建明确描述大气运行的预报模型时，AI能通过分析历史大数据自主领悟运行规律。

这种AI天气预报方法具备多重优势：计算速度大幅提升（数分钟即可完成传统需1小时的数日预报）、成本更低，且预报质量可能更优。研究表明此类模型已至少与传统模型等效，能提前数日预测热带气旋、冬季风暴和热浪等现象。

AI模型目前仍在法国气象局等国家气象服务机构研发阶段，学界正积极研究其潜力与局限。短期来看，AI模型不会取代物理模型，但其在天气预报中的应用将持续深化，例如欧洲中期天气预报中心自2025年初投入运行的AIFS系统。

从天气预报到决策支持

超越模型层面，整个气象观测与预报专业链条均可通过AI技术优化。目前该领域依赖预报员每日分析海量数据，以识别潜在危险事件，制作极端天气（如暴雨）预警图，并生成面向不同用户的公报。在数据处理量激增的背景下，AI可辅助预报员进行信息提取与整合。

由于大部分气象数据具图像特征，图像处理领域的AI方法（特别是模式识别与自动分类）可类似应用于气象数据。法国气象局研发团队已实现基于气象图识别强雷暴风险的AI方法。其他研究包括通过网络摄像头图像检测积雪，基于卫星图像估算降雨量。此外，正在探索使用大语言模型（如ChatGPT底层技术）辅助撰写天气公报。

需强调的是，AI并非取代人类专家（其在决策过程中的专业判断仍不可或缺），而是开发辅助型AI，使人类专家能聚焦于更高附加值任务。

通过持续推进现有研究，AI将助力应对气候挑战，以更强响应能力和精度增强属地化服务。但将AI打造为天气预报核心工具时，需重点关注以下方面：优质数据的可用性与共享、通过集约化方法控制AI环境影响的掌控力，以及从概念验证到工业化应用的转化路径。