我们如何用 AI 支持更好的热带气旋预测

# 我们如何利用人工智能支持更好的热带气旋预报 来源：https://deepmind.google/blog/how-were-supporting-better-tropical-cyclone-prediction-with-ai/ 我们正在推出 Weather Lab，展示我们的实验性气旋预报，并与美国国家飓风中心合作，为本气旋季的预报和预警工作提供支持。 热带气旋极其危险，危及生命、摧毁社区。在过去50年中，它们造成了1.4万亿美元的经济损失(https://wmo.int/topics/tropical-cyclone)。 这些巨大的旋转风暴，也被称为飓风或台风，在温暖的海水上形成——由热量、湿度和对流驱动。它们对大气条件中最微小的差异非常敏感，这使得准确预报它们极其困难。然而，提高气旋预报的准确性可以通过更有效的灾难防备(https://www.nber.org/digest/202409/value-improving-hurricane-forecasts)和更早的疏散来帮助保护社区。 今天，Google DeepMind 和 Google Research 推出了 Weather Lab(https://deepmind.google.com/science/weatherlab?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=)，这是一个用于共享我们人工智能(AI)天气模型的交互式网站。Weather Lab 展示了我们最新的基于随机神经网络的实验性 AI 热带气旋模型。该模型可以预报气旋的形成、路径、强度、大小和形状——生成50个可能的情景，提前15天。 动画显示了我们实验性气旋模型的预报。我们的模型(蓝色)准确预报了马达加斯加南部的气旋 Honde 和 Garance 在其活动期间的路径。我们的模型还捕捉了印度洋中气旋 Jude 和 Ivone 的路径，提前近7天，稳健地预报了最终会加强成热带气旋的暴雨区域。 我们发布了一篇新论文(https://storage.googleapis.com/deepmind-media/DeepMind.com/Blog/how-we-re-supporting-better-tropical-cyclone-prediction-with-ai/skillful-joint-probabilistic-weather-forecasting-from-marginals.pdf?utm_source=&utm_medium=&utm_campaign=&utm_content=)，描述了我们的核心天气模型，并在 Weather Lab 上提供了历史气旋路径数据档案，供评估和回测使用。 内部测试显示，我们的模型对气旋路径和强度的预报精度与当前物理方法相当，通常更加准确。我们一直在与美国国家飓风中心(NHC(https://www.nhc.noaa.gov/))合作，该中心评估大西洋和东太平洋海域的气旋风险，以科学验证我们的方法和成果。 NHC 的专业预报员现在看到来自我们实验性 AI 模型的实时预报，与其他物理方法模型和观测数据并排显示。我们希望这些数据能帮助改进 NHC 预报，并为与热带气旋相关的灾害提供更早、更准确的预警。 ## Weather Lab 的实时和历史气旋预报 Weather Lab(https://deepmind.google.com/science/weatherlab?utm_source=&utm_medium=&utm_campaign=&utm_content=)展示不同 AI 天气模型的实时和历史气旋预报，以及来自欧洲中期天气预报中心(ECMWF(https://www.ecmwf.int/))的物理方法模型。我们的多个 AI 天气模型正在实时运行：WeatherNext Graph、WeatherNext Gen 和我们最新的实验性气旋模型。我们还推出了 Weather Lab，其中包含两年多的历史预报，供专家和研究人员下载和分析，支持在所有海洋盆地上对我们的模型进行外部评估。 动画显示了我们的模型对气旋 Alfred 在珊瑚海成为3级气旋时的预报。模型的集合平均预报(粗蓝线)正确预测了气旋 Alfred 迅速减弱为热带风暴，以及7天后在澳大利亚布里斯班附近登陆的情况，对在昆士兰州沿岸某处登陆的概率很高。 Weather Lab 用户可以探索和比较来自各种 AI 和物理方法模型的预报。当这些预报结合阅读时，可以帮助气象机构和应急服务专家更好地预测气旋的路径和强度。这可以帮助专家和决策者更好地为不同情景做准备、传达相关风险信息，并支持管理气旋影响的决策。 重要的是要强调 Weather Lab 是一个研究工具。显示的实时预报由仍在开发中的模型生成，不是官方预警。使用该工具时请记住这一点，包括使用 Weather Lab 生成的预报来支持决策。如需官方天气预报和预警，请参考您当地气象机构或国家气象部门。 ## AI 驱动的气旋预报 在物理方法气旋预报中，为了满足业务需求所需的近似意味着很难让一个模型在预报气旋路径和强度时都表现出色。这是因为气旋的路径由巨大的大气导向流控制，而气旋的强度取决于其紧凑核心内部和周围的复杂湍流过程。全球低分辨率模型在预报气旋路径方面表现最好，但无法捕捉决定气旋强度的精细尺度过程，这就是为什么需要区域高分辨率模型。 我们的实验性气旋模型是一个克服这种权衡的单一系统，我们的内部评估显示气旋路径和强度都达到了最先进的精度。它被训练来模拟两种不同类型的数据：一个庞大的再分析数据集，它从数百万次观测中重建了整个地球的过去天气情况，以及一个专门数据库，包含过去45年近5000个观测气旋的路径、强度、大小和风半径的关键信息。 一起对分析数据和气旋数据进行建模大大提高了气旋预报能力。例如，我们对 NHC 观测飓风数据的初步评估，基于2023年和2024年测试年份，在北大西洋和东太平洋海域，显示我们的模型的5天气旋路径预报平均比 ENS(来自 ECMWF 的领先全球物理方法集合模型)的预报位置更接近真实气旋位置140公里。这与 ENS 的3.5天预报的精度相当——这样的1.5天改进通常需要花费十年以上的时间才能实现(https://ourworldindata.org/grapher/hurricane-track-error)。 虽然之前的 AI 天气模型在计算气旋强度方面一直很困难，但我们的实验性气旋模型优于美国国家海洋和大气管理局(NOAA(https://www.noaa.gov/))的飓风分析和预报系统(HAFS(https://www.aoml.noaa.gov/hurricane-modeling-prediction/#hafs))的平均强度误差，后者是一个领先的区域高分辨率物理方法模型。初步测试还表明，我们的模型对大小和风半径的预报与物理方法基准相当。 在这里，我们可视化了路径和强度预报误差，并显示了我们的实验性气旋模型提前5天最多的平均性能评估结果与 ENS 和 HAFS 的比较。 我们的实验性气旋模型的路径和强度预报评估结果与领先物理方法模型 ENS 和 HAFS-A 的比较。我们的评估使用 NHC 最佳轨迹作为地面真实，并遵循其同质验证协议。 ## 为决策者提供更多有用的数据 除了与 NHC 合作外，我们还与位于科罗拉多州立大学的大气研究合作研究所(CIRA(https://www.cira.colostate.edu/))密切合作。CIRA 研究科学家 Kate Musgrave 博士及其团队评估了我们的模型，认为它"在路径和强度方面的技能与最佳业务模型相当或更高"。Musgrave 表示，"我们期待在2025年飓风季期间通过实时预报确认这些结果"。我们还与英国气象局(https://www.metoffice.gov.uk/)、东京大学(https://www.u-tokyo.ac.jp/en/)、日本天气新闻公司(https://global.weathernews.com/)和其他专家合作改进我们的模型。 我们新的实验性热带气旋模型是我们一系列开创性 WeatherNext 研究(https://deepmind.google/science/weathernext/?utm_source=&utm_medium=&utm_campaign=&utm_content=)的最新里程碑。通过通过 Weather Lab 负责任地共享我们的 AI 天气模型，我们将继续收集气象机构和应急服务专家的重要反馈，了解我们的技术如何改进官方预报并为拯救生命的决策提供信息。 **致谢** 本研究由 Google DeepMind 和 Google Research 共同开发。 我们要感谢我们的合作伙伴 NOAA 的 NHC、CIRA、英国气象局、东京大学、日本天气新闻公司、FOX Weather 的 Bryan Norcross 和其他在 Weather Lab 开发过程中分享宝贵反馈的信任测试伙伴。