因為：天有不測風云。

為丹江口等地區用戶提供了全套網頁設計制作服務，及丹江口網站建設行業解決方案。主營業務為做網站、網站制作、丹江口網站設計，以傳統方式定制建設網站，并提供域名空間備案等一條龍服務，秉承以專業、用心的態度為用戶提供真誠的服務。我們深信只要達到每一位用戶的要求，就會得到認可，從而選擇與我們長期合作。這樣，我們也可以走得更遠！

編者按：本文來自微信公眾號“HyperAI超神經”（ID:HyperAI），作者 神經星星，36氪經授權發布。

根據氣象部門預報，8 月 12 日北京將迎來今年入汛以來最強降雨，各級部門都發出了預警通知。

經過一天一夜的漫長等待，間歇到來的暴雨給網友們提供了諸多靈感，創造了不少廣泛傳播的段子。也讓大家好奇起天氣如何預報？如何讓天氣預報更準確、更及時？

天氣預報，歸龍王和衛星誰管？

過去，天氣預報是基于各類氣象觀測儀器和多個氣象站，把溫度、濕度、氣壓等指標測量出來，匯總后將觀測結果繪制到一張圖上。

這一張圖上，呈現大氣不同高度、不同層次的變化，從而預測可能出現的天氣。

氣象數據十分復雜，往往由數十種來源和類型

不同的氣象會使用不同的設施進行檢測。例如，地面站直接測量風和降水等，還可以進行溫壓濕風觀測、閃電觀測。

雷達觀測，比如多普勒雷達可以檢測實時測量降水，以及遙感自動觀測。

我們熟悉的風云衛星就是氣象衛星，就是提供多光譜成像，比如晝夜可見光、紅外云圖，冰雪覆蓋、植被、海洋水色、海面溫度等；

17年9月，微信將開屏圖片更換為 由靜止軌道氣象衛星風云四號 A 星從太空拍攝的祖國全景

如今，天氣預報增加了數值預報模式、算法預報等更多客觀方法，也有了更加完善的預報系統和觀測資料。

氣象學，復雜到可以體現國力

氣象學研究，不單單是刮風下雨，而是從海洋到天空，涵蓋了大氣圈、水泉、巖石圈、生物圈、冰凍圈組成的五大圈。

中國氣象局影視中心的總工程師，在接受「我是科學家 iScientist 」的采訪中提到：「在氣象學的研究中，需要用物理來解釋大氣和海洋的運動，需要用化學了解物質的變化、需要用數學來統計和計算。在寥寥數字的天氣預報背后，是大量綜合學科的知識積累，是一個國家最強的計算能力和空間探測能力?！?/p>

我國的天氣觀測網絡已經形成了立體觀測，根據中國氣象局今年五月的消息，我國氣象部門現有地面氣象觀測站 7 萬多個，全國鄉鎮覆蓋率達到 99.6 %，數據傳輸時效從 1 小時提升到 1 分鐘。

216 部雷達組成的新一代天氣雷達網，成功發射了 17 顆風云系列氣象衛星，7 顆在軌運行，為全球 100 多個國家和地區、國內 2500 多個用戶提供服務。

目前，太空中有全球 1000 多顆氣象衛星，可提供風雨、溫度等的大量氣象數據，地球上還有數十萬個國家級和企業級氣象站，它們都在不斷收集實時數據。

國家級的氣象站為國民生活提供便利，企業級的氣象站則是提供商用服務，比如為大型農場、體育賽事、航空業提供更細粒度的氣象數據。

天有不測風云，AI 也測不準

根據近期中國產業信息網的數據：未來5年中國氣象服務產業收入預計達到 3000 億元人民幣。

很多大型企業比如 GE、IbM、Google、松下公司等等都拓展和提供氣象方面的數據服務。

今年初Google 發布的《Machine Learning for precipitation Nowcasting from Radar Images（根據雷達圖像進行降水臨近預報的機器學習 ）》的論文中，Google AI 的研究人員針對「降水預測的機器學習模型的開發」提出新的研究方法。

論文中的新方法是利用數據驅動、完全不使用大氣物理模型來建立短臨降水預報模型。僅使用神經網絡，通過訓練數據集來學習擬合大氣物理，而沒有使用先驗的大氣物理基礎知識。

在這個方法中，降水預報被看作是一種由圖片至圖片的轉換問題，并利用一種 U-net 結構的卷積神經網來實現預報目的。

AI 測風云：圖像識別 

在氣象預測中，雷達數據被轉換成圖像，通過提取圖像的色相、飽和度和亮度等特征，采用圖像識別的方法，對不同的天氣現象，比如區分降雨、降雪、冰雹、露、霜、霧（霾）。

上排的前三張圖，顯示了距現在 60 分鐘前，30 分鐘前和 0 分鐘之前的雷達圖像，最右邊的圖片顯示 60 分鐘后的雷達圖像，即臨近預報的地面真實情況。

下排左圖是為了進行比較，通過應用光流（OF）算法對來自上方前三個面板的數據進行平流建模而產生的矢量場。

光流 OF 是 1940 年代開發的一種計算視覺方法，經常用于預測短期天氣演變。

下排右圖就 OF 做出的示例預測，它很預測了降水量，不過未能說明風暴的衰減強度。

AI 測風云：高性能計算 

IbM 運行著世界上分辨率最高的全球天氣預報模型——全球高分辨率大氣預報系統(GRAF)。它是第一個每小時更新一次的全球天氣模型，能夠預測地球上幾乎任何地方像雷暴這樣的小尺度天氣系統。

為了支持 GRAF 這樣的大型系統的運行， IbM 為其支持了 84 個 AC922 節點，每個節點配備 4 個 Nvidia V100 GpU 以及 3.5 pb 的 IbM Spectrum Scale Storage ，每天可處理多達 10 Tb的天氣數據。

AI 測風云：AI 說了也不算 

雖然現在看來，人工智能對于氣象預測、天氣預報提供了很多方面的科研加速。但經過訪問行業內的專業學者，我們得知在天氣預測中，影響天氣變化的因素成千上萬個，無論是光照、海水洋流，每一個變量都在時刻不停的變化，也都會影響到氣候變化。

涉及到的變量越多，對人工智能訓練數據、計算能力的要求就越高，比如北京的這次強降雨，就是在強對流天氣提前一天預測和預警，也會存在一定誤差，無論是綜合研判還是 AI，在氣象數據的預測方面，還有很長的路要走。

但能夠借助北京這次突如其來的降雨，讓更多的人了解到天氣預報背后的科學知識和科研力量的投入，也是一場有收獲的及時雨。

參考資料：

- 我是科學家iScientist：《為什么天氣預報會有報不準？我們和氣象人談了談》

- Google：《Using Machine Learning to “Nowcast” precipitation in High Resolution》

- 機器之心《強化數據分析，精準天氣預報，人工智能賦能氣象研究》

- IbM https://www.ibm.com/weather/industries/cross-industry/gra

文章名稱：為什么氣象站和AI都測不準天氣？
URL地址：http://www.js-pz168.com/article16/scsjgg.html

成都網站建設公司_創新互聯，為您提供品牌網站建設、用戶體驗、自適應網站、靜態網站、電子商務、網站維護

廣告

聲明：本網站發布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創新互聯