人工智能技术在数值天气预报中的应用

当前,人工智能迎来第3次发展浪潮并在多个领域大数据分析中取得巨大成功,这为人工智能技术与数值天气预报结合提供了契机。已有大量研究尝试将人工智能技术用于数值天气预报的初值生成、预报和产品应用过程中,涉及观测资料预处理、资料同化、模式积分、后处理以及高性能计算,通过误差估计、参数估计和局部代理等手段使预报结果,得到改进且计算速度大幅提升,展示出良好的应用前景,一些神经网络模型也表现出纯数据驱动预报的可能性,在短时强对流天气、降水以及气候预测中已有较为理想的应用实例。然而,人工智能技术在数值天气预报中的应用与发展仍面临一些挑战,主要包括深度学习的弱解释性、不确定性分析以及两者的耦合等,除了应对这些挑战,未来两者的深度结合还需要在理论指导下的人工智能模型设计、高时空分辨率人工智能预报模型设计以及使用更多新型人工智能技术等方面深入探索。     

人工智能技术气候预测应用简介

近年来,随着人工智能技术在多个领域大数据分析中的应用,许多研究工作者尝试将地学研究与人工智能跨学科结合,取得了很多新的进展,推动了地球科学的发展。其中气候预测与人类生活以及防灾减灾等息息相关,准确的气候预测至关重要。本文简要总结了人工智能技术在气候预测应用方面的研究进展,包括资料同化、模式参数化、求解偏微分方程、构建统计预测模型、改进数值模式产品释用等领域。这些研究证明了利用人工智能提高气候预测技巧的可能性和适用性,可以极大地节省计算成本和时间。然而人工智能应用也存在诸多挑战,例如数据集的构建、模型的适用性和物理可解释性等问题,对这些难点问题的研究和攻克,可以让人工智能在大数据时代中更好地补充传统地球科学方法,产生更多有益的效应,极大地改进气候预测水平。     

气候变化对延伸期预报的影响

10～30 d时效的延伸期预报,作为无缝隙预报预测体系中至关重要的一环,连接着天气预报和短期气候预测。受不断加剧的气候变化的影响,延伸期预报将面临更为重大的挑战。首先概述国内外延伸期预报现状,然后分析了全球气候变化对极端天气气候事件分布特征、关键环流系统可预报性等方面的影响,发现气候变化将导致延伸期预报难度加大、需求更加旺盛,同时也更加突显延伸期预报在防灾减灾方面的作用。进一步展望延伸期预报将面临的新挑战以及未来业务发展的新动向,提出了适应气候变化的应对措施和建议,如大力发展数值预报模式、深入开展延伸期预报机理研究、大力发展动力—统计相结合的预报方法以及尝试多学科交叉协作等。     

基于深度学习改进数值天气预报模式和预报的研究及挑战

随着高分辨率数值天气模式以及新一代地球观测系统的发展,气象领域的数据量在迅速增加,为天气和气候的理论研究和业务应用提供了丰富的信息,同时也对传统的数据处理方法及天气分析和预报技术带来了新的挑战.深度学习具有从大量的高维时空分布气象数据中提取复杂时空特征的能力,且具备计算效率高、可迁移性强、协同性和灵活性优的特点.目前深...     

深度学习技术在智能网格天气预报中的应用进展与挑战

中国智能网格天气预报已初步建立0—30 d涵盖基本气象要素的无缝隙气象预报业务体系。近年深度学习技术兴起,给不同领域带来前所未有的变革。同样,深度学习的非线性映射能力、海量信息提取能力、时空建模能力等优势为进一步提升智能网格预报的准确性和精细化水平提供了新的思路和方法。越来越多的研究将深度学习技术应用于智能网格预报的各个方面,包括数值预报订正和解释应用、集合天气预报、相似集合、统计降尺度、纯数据驱动的预报模型和极端天气预报等,并展示出良好的应用潜力。然而,目前深度学习技术在天气预报领域的应用仍处于起步阶段,将其引入智能网格预报业务体系还面临诸多挑战,主要包括算法的选择、算法的数据基础、多源数据融合以及模型的可解释性、可信度、可用性和工程化等。通过回顾近年来深度学习技术在智能网格预报中的应用进展和前景,同时对面临的挑战与应对进行探讨,将有利于促进深度学习技术在天气客观预报领域更好、更稳定的发展。      

我国海洋气象数值预报业务发展与思考

近年来,我国海洋气象数值预报业务有了一定的进展,国家级和沿海省台建立了海雾、海浪、风暴潮等一些海洋气象数值预报模式。通过对我国沿海省台业务应用中的海洋气象数值预报模式的调查,概述了我国现行海洋气象数值预报业务模式的发展现状,分析了海洋气象数值预报目前存在的问题和面临的挑战,并探讨了未来的发展方向。     

国家级水文气象预报业务技术进展与挑战

近年来,国家级水文气象预报业务已经取得了明显进展,但与国外先进水平相比还有一定的差距.总结了近十年来国内外水文气象预报业务现状和技术进展,目前国家级的技术支撑状况和所面临的挑战,并提出未来发展计划.目前,水文气象预报技术主要是以基于统计学的致灾阈值模型和分布式水文模型等为主,结合大数据分析与人工智能的气象水文地质耦合预...     

新书架

正《天气气候变化及其动力学研究——李崇银院士从事大气科学六十周年纪念文集》大气科学和地球流体力学数值模拟国家重点实验室编该书收集了李崇银院士及其学生依据国家需求在天气气候分析、天气气候动力学、数值模拟和预报、卫星遥感、臭氧和平流层,以及边界层大气扩散,大气与海洋、大气与空间科学等交叉领域发表的综述文章和在大气科学不同领域的研究论文。可供天气气候分析、天气气候动力学、数值模拟和预报、卫星遥感、臭氧和平流层,以及边界层大气扩散,大气与海洋、大气与空间科学等交叉领域的科研人员参考阅读。     

基于用户需求的城市气象研究:进展与展望

城市化是人类社会现代化发展过程中的必然趋势。城市化带来的土地利用/土地覆盖的变化、人为热排放、城市气溶胶和人为温室气体排放增加,影响着天气、气候和环境;另一方面,天气、气候和环境亦影响城市的安全运行和居民的生产生活。简要回顾了城市气象观测和数值模拟研究两方面的主要进展,分析了城市气象复杂多样的用户需求(例如防灾减灾、宜居城市建设等),剖析了目前城市气象监测与预报能力的不足。在此基础上,以不断提高气象科技为经济社会发展和人民安全福祉的服务能力作为未来城市气象发展的主线,给出了城市气象未来发展方向的展望,主要包括城市气象观测、城市气象基础数据集、城市陆面与边界层过程、城市精细预报、气候与气候变化、城市空气质量与污染扩散、人体健康七个领域的基础研究和应用研究发展趋势。最后,分析了目前城市气象发展面临的新挑战,倡导建立城市气象观测与数值模拟以及城市气象研究与用户需求之间的良性互动。     

近年来我国农业气象灾害预报方法研究概述

概述了近年来我国农业气象灾害预报方法研究的进展,介绍了当前正在探讨的一些新技术,并就今后发展的若干关键技术问题提出一些看法。指出①我国农业气象灾害预报方法基本以数理统计模型为主。近年来在多种统计方法的应用、气候模式与农业气象模式结合、信息技术的应用、作物生长模拟模型的应用等方面取得了一些成果。但总体上说,农业气象灾害预报研究还不很成熟。②当前农业气象灾害预报应在指标的针对性,统计模型因子的物理概念和生物物理机理、数学模型和资料处理方法以及基于作物生长模拟模型的农业气象灾害预报方法等方面加强研究。③多学科交叉、多种预报方法结合、长中短期预报相结合、动态预报和补充订正相结合、卫星遥感动态监测信息与预警模式相结合是开展农业气象灾害预报的有效途径。建立预警业务系统,开展预警服务势在必行。     

高性能计算技术在气象领域的应用

高性能计算通过应用超级计算机与并行处理技术解决复杂的计算问题,是信息技术发展比较迅猛的领域之一。气象应用始终是高性能计算的重要领域,高性能计算技术有效地解决了高分辨率、高精度气象数值预报模式发展限制,在气象预报预测业务中发挥着核心支撑作用。数十年以来,由于数值天气模式研究和业务运行对计算资源的强烈需求,国内外气象领域高性能计算机及应用迅速发展起来。气象领域对高性能计算能力及系统的可靠性需求日益提升。高性能计算技术将与气象预报应用日益融合,相互影响促进,不断创新发展。为满足气象预报预测业务和科研工作需求,中国气象部门将进一步提升高性能计算能力,并致力于优化集约高性能计算系统布局,高效管理计算资源,发挥最大效益。     

ConvLSTM Based Temperature Forecast Modification Model for North China

The correction of model forecast is an important step in evaluating weather forecast results. In recent years,post-processing models based on deep learning have become prominent. In this paper, a deep learning model named ED-ConvLSTM based on encoder-decoder structure and ConvLSTM is developed, which appears to be able to effectively correct numerical weather forecasts. Compared with traditional post-processing methods and convolutional neural networks, ED-ConvLSTM has strong collaborative extra...     

短期天气预报与短期气候预测发展道路的对比思索

本文简短地比较了100a来短期天气预报和短期气候预测的发展道路。指出短期天气预报在经历了天气图阶段、长波阶段和数值预报阶段三大步之后已经发展到了相当成熟的地步。而短期气候预测100a来在“气候是天气的综合”错误思想的指导下,虽然也经历了与短期天气预报相应的几个阶段：大型天气学阶段、超长波阶段和短期气候预测的数值模式阶段,但每个阶段都以失败(或即将失败)而告终。使得短期气候预测水平始终在原地踏步。30a前提出了“气候系统”的概念,这是气候学的一次真正的进步。但“气候系统”至今仍是一个抽象概念,不像“天气系统”指的是气旋(低压)、反气旋(高压)、锋面等具体的物质系统。一旦“气候系统”被人们公认为一些具体的物质系统之后。短期气候预测即可成为“气候系统变化的预测”,此时短期气候预测通向成功的第一步——气候预测的“挪威学派”就诞生了。与天气图相应的,描述气候系统变化的一种四维图象也会应运而生。作者认为此图象很可能是“地气图”,而具体的气候系统很可能就是地热涡、地冷涡和形变锋等。     

数值天气预报多要素深度学习融合订正方法

数值天气预报作为现代天气预报的主流技术方法,近年来不断朝着精细化方向发展,但预报误差至今仍无法避免.文中在CU-Net模型中引入稠密卷积模块形成数值预报要素偏差订正模型Dense-CUnet,在此基础上进一步融合多种气象要素和地形特征构建了Fuse-CUnet模型,开展不同模型的偏差订正试验和对比分析.以均方根误差(R...     

下一代大气模式中的数值方法综述

数值预报是逐日天气预报、气候预测和气象防灾减灾的核心科技支撑。为进一步提高预报预测的准确度和延长预见期,甚高分辨率、多圈层耦合、多尺度嵌套、多尺度集合、数值地球系统模拟技术等是下一代数值预报的重要发展方向。异构众核高性能计算机和E级计算的高速发展为这一发展提供了契机,但也对现有业务数值预报中采用的数值方法提出了挑战。此文仅对国内外下一代大气模式涉及到的数值方法进行综述,着重于数值算法、准均匀球面网格和时间积分方案等3个方面,期望为相关研究者提供参考。     

A Deep Learning Method for Bias Correction of ECMWF 24–240 h Forecasts

Correcting the forecast bias of numerical weather prediction models is important for severe weather warnings. The refined grid forecast requires direct correction on gridded forecast products, as opposed to correcting forecast data only at individual weather stations. In this study, a deep learning method called CU-net is proposed to correct the gridded forecasts of four weather variables from the European Centre for Medium-Range Weather Forecast Integrated Forecasting System global model(ECMWF-IFS): 2-m temperature, 2-m relative humidity, 10-m wind speed, and 10-m wind direction, with a forecast lead time of 24 h to 240 h in North China. First, the forecast correction problem is transformed into an image-toimage translation problem in deep learning under the CU-net architecture, which is based on convolutional neural networks.Second, the ECMWF-IFS forecasts and ECMWF reanalysis data(ERA5) from 2005 to 2018 are used as training,validation, and testing datasets. The predictors and labels(ground truth) of the model are created using the ECMWF-IFS and ERA5, respectively. Finally, the correction performance of CU-net is compared with a conventional method, anomaly numerical correction with observations(ANO). Results show that forecasts from CU-net have lower root mean square error, bias, mean absolute error, and higher correlation coefficient than those from ANO for all forecast lead times from 24 h to 240 h. CU-net improves upon the ECMWF-IFS forecast for all four weather variables in terms of the above evaluation metrics, whereas ANO improves upon ECMWF-IFS performance only for 2-m temperature and relative humidity. For the correction of the 10-m wind direction forecast, which is often difficult to achieve, CU-net also improves the correction performance.     

Bias Correction in Wind Direction Forecasting Using the Circular-Circular Regression Method

Wind direction forecasting plays an important role in wind power prediction and air pollution management. Weather quantities such as temperature, precipitation, and wind speed are linear variables in which traditional model output statistics and bias correction methods are applied. However, wind direction is an angular variable; therefore, such traditional methods are ineffective for its evaluation. This paper proposes an effective bias correction technique for wind direction forecasting of turbine height from numerical weather prediction models, which is based on a circular-circular regression approach. The technique is applied to a 24-h forecast of 65-m wind directions observed at Yangmeishan wind farm, Yunnan Province, China, which consistently yields improvements in forecast performance parameters such as smaller absolute mean error and stronger similarity in wind rose diagram pattern.     

陆面过程模式研发中的问题

陆面过程研究是充分理解天气/气候/地球系统过程不可或缺的重要主题。本文全面梳理了当前用于数值天气/气候/地球系统模式的陆面过程模式研制的问题,建议了当前陆面过程模式研制中需加强和改进完善的关键内容。特别强调在新一代模式研发中建立包含人类活动的高分辨率全球陆面过程模式;特别强调与其他学科相结合,形成不同行业的预报预测系统或研究方法和工具。建议建设中国的集模式发展、数据分析、模拟方法、高性能计算、数据可视化和应用示范为一体的陆面模拟综合集成平台,为天气/气候/地球系统模式提供陆面过程模式,为开展精细化的全球和区域陆面水文-气象-生态的预报预测提供科技支撑。     

NMC强天气模式诊断变量和概率预报产品及初步应用检验

国家气象中心针对强天气预报的特点开发了强天气模式诊断变量和概率预报产品,包括T639全球模式强天气诊断变量产品、基于GRAPES_RUC的中尺度精细化强天气诊断变量产品、基于WRF中尺度模式的区域中尺度集合概率预报产品,于2009年从无到有建立了一套完整的强天气数值预报产品库,提供确定性预报产品和不确定信息的概率产品,为强天气预报业务的开展打下了良好的基础。应用上述产品对"6.3"河南飑线天气的模式预报能力的分析表明,高分辨率模式对强对流天气的预报能力有了较大的提高,但对于强天气预报,15km分辨率仍然不足够高,且产品显示的时空分辨率都应在现有基础上提高,才能更好地展示数值预报产品对强对流过程发生发展和演变过程。