使用人工智能的新天氣預報研究正在快速跟蹤全球天氣預報。最近發表在 J 地球系統建模的最新進展， 上的 研究 可以幫助確定未來 2-6 周內可能出現的極端天氣。對極端天氣的準確預測和較長的準備時間使社區和關鍵部門（如公共衛生、水管理、能源和農業）有更多的時間準備和減輕潛在災害。

氣候變化正在放大極端天氣事件的強度和頻率，全球有 2021 的風暴、熱浪、洪水和干旱記錄。根據最近的一份報告 NOAA report ，去年美國經歷了 20 起不同的氣候引發的天氣災害，每起災害造成的損失總計超過 10 億美元。

短期和季節性天氣預報可以在減少極端天氣的社會經濟和人類成本方面發揮重要作用。 2019 年，氣象學家警告菲律賓地方和國家領導人， 3 周后將有一場暴雨。該預報為社區提供了時間，在 4 級臺風來襲之前，對建筑物進行風化處理并疏散人員，拯救了生命，減少了對該地區的總體破壞。

當前的天氣預報依靠超級計算機處理大量全球數據，如溫度、壓力、濕度和風速。這些系統需要大量的計算資源，并且需要時間來處理。

此外，根據作者的說法，準確預測未來幾周到幾個月的天氣預報的能力顯著下降。

為了改進當前的天氣預報，研究人員旨在創建一個計算效率高的模型，能夠準確預測即將到來的天氣，稱為深度學習天氣預報（ DLWP ）。 DLWP 最初是在 2020 年發布的 paper 中引入的，它依賴于一種 AI 算法，該算法基于全球網格學習和識別歷史天氣數據中的模式。

目前的工作通過在大氣邊界層溫度和總柱水汽兩個附加數據點上訓練深度卷積神經網絡來細化 DLWP 。他們還將赤道處的網格分辨率提高到約 1.4 °。

該模型在 GPU V100 GPU 上的單一 cuDNN 加速 TensorFlow 深度學習框架上運行，僅需 3 分鐘即可運行 320 次為期 6 周的整體預測。該算法可以在十分之一秒內處理一周的預測。

DLWP 能夠對諸如颶風 Irma （ 2017 年襲擊佛羅里達和加勒比地區的 4 級風暴）等天氣事件進行現實的預測。雖然快速 DLWP 模型在未來 4 到 6 周內與當前最先進的天氣預報員的性能相匹配，但它在預測降水量方面存在局限性，并且在 2 到 3 周的較短前置時間內精確度較低。

根據這項研究， DLWP 也可能被證明是補充熱帶地區春季和夏季預報的一個有價值的工具，而熱帶地區對當前的天氣模型提出了挑戰。

關于作者

Michelle Horton 是 NVIDIA 的高級開發人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發者博客撰文，重點介紹了開發者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷