6月18日,中國氣象局發(fā)布人工智能全球中短期預(yù)報系統(tǒng)“風清”(以下簡稱“風清”大模型)、人工智能臨近預(yù)報系統(tǒng)“風雷”(以下簡稱“風雷”大模型)和人工智能全球次季節(jié)—季節(jié)預(yù)測系統(tǒng)“風順”(以下簡稱“風順”大模型)。
綜合國內(nèi)氣象大模型發(fā)展并對標國際前沿進展,中國氣象局聯(lián)合清華大學組建攻關(guān)團隊,在大模型預(yù)報核心技術(shù)、預(yù)報精準程度上尋求突破,構(gòu)建了“風清”大模型。該模型具有大氣強物理融入和可解釋性,在實現(xiàn)高效計算的同時,可為預(yù)測結(jié)果提供物理可解釋性依據(jù),自動挖掘包括天氣系統(tǒng)內(nèi)在的物理演變。該模型的訓練過程緊密結(jié)合物理守恒特性,可有效提升長時效預(yù)報結(jié)果的活躍度。該模型采用可擴展的多時效優(yōu)化策略,可綜合考慮未來多天預(yù)報的效果,有效延長預(yù)報時效,不斷提升短中期預(yù)報效果。檢驗結(jié)果表明,該模型全球可用預(yù)報天數(shù)達到10.5天,超過歐美主流氣象預(yù)報大模型,尤其是在較長預(yù)報時效,具有更為明顯的優(yōu)勢。
聚焦臨近預(yù)報中的核心難題,中國氣象局與清華大學聯(lián)合攻關(guān)團隊構(gòu)建“風雷”大模型。該模型將數(shù)據(jù)驅(qū)動與物理驅(qū)動兩大科學范式緊密結(jié)合,顯著提高了公里尺度下0至3小時雷達回波的預(yù)報能力,并實現(xiàn)深度學習與物理規(guī)律的無縫隙融合。同時,“風雷”大模型將物理模型的中尺度預(yù)報和人工智能的對流尺度預(yù)報有機融合,在預(yù)報準確性和細節(jié)豐富性上實現(xiàn)突破。同時,構(gòu)建了一套“數(shù)據(jù)—算力—平臺”全流程短臨預(yù)報系統(tǒng),能夠在3分鐘內(nèi)生成0至3小時逐6分鐘的雷達回波外推產(chǎn)品,實現(xiàn)強回波預(yù)報技巧提升25%。
面向15天以上更大不確定性的氣候預(yù)測難題,中國氣象局聯(lián)合復(fù)旦大學和上??茖W智能研究院基于人工智能方法構(gòu)建了“風順”大模型?!帮L順”大模型創(chuàng)新地引入基于流依賴的集合擾動智能生成技術(shù),從而更加合理地抓住了未來氣候系統(tǒng)演變的不確定性,同時“風順”還納入了海氣相互作用關(guān)鍵過程,進而提升了對熱帶大氣季節(jié)內(nèi)振蕩MJO的預(yù)測技巧。該系統(tǒng)在中國氣象局智算平臺上完成了業(yè)務(wù)部署,逐日滾動開展100個集合成員的大樣本預(yù)測,形成了面向未來60天全球基本要素和極端事件的確定性和概率預(yù)報測試產(chǎn)品,對全球降水的預(yù)測技巧展示出一定的優(yōu)勢。
值得一提的是,“風清”“風雷”“風順”三個大模型,完成了基于國產(chǎn)全球大氣再分析資料CRA-40、雷達觀測資料、風云衛(wèi)星遙感資料的訓練和檢驗評估,有效降低了目前主流氣象預(yù)報大模型對國際再分析資料的依賴度。
據(jù)悉,5月24日,中國氣象局在第七屆數(shù)字中國建設(shè)峰會·數(shù)字氣象分論壇上發(fā)布了人工智能天氣預(yù)報大模型示范計劃,調(diào)動和激勵社會各界力量,共同打造人工智能技術(shù)研發(fā)和氣象應(yīng)用的創(chuàng)新生態(tài)。同時發(fā)布了第五批氣象數(shù)據(jù)開放共享目錄,旨在支撐各行業(yè)開展人工智能大模型的訓練評估。
(作者:黃彬 責任編輯:郭曼如)