人工智能在气象领域的应用与建议

袁 芳

（中国气象局气象干部培训学院湖北分院 湖北武汉 430074 ）

一、人工智能的概念

（一）人工智能定义

美国学者1956年首次提出“机器能像人那样理解、思考和学习”，百度百科定义人工智能是“研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学”，将其视为计算机科学的一个分支。笔者理解为“实现借助人类智慧完成任务的机器所采用的理论，技术和方法。”

（二）人工智能分类

人工智能分为弱人工智能和强人工智能。弱人工智能不能像人类智能那样能够不断适应新环境并由此产生解决问题的新功能。目前主流研究仍然集中于弱人工智能，如语音识别、图像处理和机器翻译。

强人工智能是指能思维的智能机器，并且是有知觉的和自我意识的，科幻电影里已刻画出鲜明的人物形象。部分专家认为未来几十年内难以真正实现。[1]

（三）人工智能的关键技术

1.机器学习

机器学习是一门涉及众多学科的交叉学科，它涉及统计学、神经网络、优化理论、计算机科学、脑科学等很多领域，倾向于研究计算机如何模拟或实现人类的学习过程，以自行学会新的知识或技能。主要从样本出发寻找规律，并对未来数据或无法观测的数据进行预测。

2.知识图谱

知识图谱是结构化的语义知识库，是由节点和边组成的图数据结构，形象地说，它把各种信息连接在一起而得到的一个图形数据结构，提供了用图形数据结构之间的关系去分析问题的方法。知识图谱可用于一些公共安全保障领域，在搜索引擎和精准营销方面有很大的优势。

3.自然语言处理

自然语言处理它是研究如何用自然语言实现人与计算机之间通信的理论和方法，包括机器翻译、机器阅读理解和问答系统等内容。

4.人机交互

人机交互它是研究人和计算机之间如何进行信息交换，一般包括基本交互、图形交互、语音交互、情感交互、体感交互和脑机交互等技术。

5.计算机视觉

计算机视觉是使用计算机来模仿人类视觉系统的科学，让计算机模拟人类如何提取、分析、处理图像的能力。机器人、自动驾驶、智能医疗等都是计算机视觉技术应用的产品。

6.生物特征识别

一般指通过指纹、人脸、声音、虹膜、步态、掌纹等生理或行为特征对身份进行识别认证的技术，包括图像处理、计算机视觉、语音识别、机器学习等多项技术的应用。

7.虚拟现实

其以计算机为核心的新型视听技术，借助设备和数字化环境中的对象进行交互，以此用户获得近似真实环境的体验。[2]

二、人工智能在国际气象领域的应用

人工智能在对流风暴、雷暴大风、雷达降水都建立了相应的预报模型，在空气质量、能见度、土壤湿度、花粉浓度等专项气象服务上也建立了预报模型，但是大部分都是实验阶段，极少数投入应用。2018年8月，“2018 AI Challenger 全球AI挑战赛”，在世界级实验赛道平台上首度提供了基于北京气象局3年气象数据，进行AI天气预报，其预报准确度有了明显提升。

序号 单位/人员 事件1 俄克拉荷马大学Skinner基于NEWS-E 云分辨率集合分析和预报系统，利用随机决策树来进行中气旋强度的大气环境监测2 俄克拉荷马大学Harrison利用随机森林分类技术来预报12 h 时效的对流风暴3 芬兰气象局 基于对象分析和四步分类方法发展对流风暴邻近预报模型4 MIT 林肯实验室的Mattioli利用卷积神经网络建立了雷达降水强度预报模型。5 北卡罗莱纳州立大学的Francisco开发了概率模型来预报高切变、低CAPE 值的对流系统环境6 Cray 公司的Heye 采用Convolutional Long Short-Term Memory 神经网络来进行临近降水预报7 British Columbia大学的Hsieh利用Occam's Rzaor 的机器学习来改善极端事件的预报利用低于冰冻阈值的温度、地面风、至少1 厘米的雪深、雪的来源，以及雪的新旧、温度和近地面稳定度开发了极地暴风雪的客观产品9 Innsbruck 的Kneringer 8 加拿大Edmonton的Burrows开发了用于机场低能见度实时概率预报的Ordered Hurdle 模型10 NASA GMAO/USRA的Keller 开发回归森林模型来预报空气质量11 韩国气象局的Yun Am Seo使用深度神经网络预报来预估韩国的橡树花粉浓度12 宾夕法尼亚大学的Kuai Fang利用深度学习和SMAP卫星数据来制作土壤湿度的预报和回报

三、人工智能在国内气象领域的应用

（一）人工智能技术在我国气象领域的发展要求

2017年《新一代人工智能发展规划》明确提出“加强人工智能对自然灾害的有效监测，围绕地震灾害、地质灾害、气象灾害、水旱灾害和海洋灾害等重大自然灾害，构建智能化监测预警与综合应对平台。”这在国家层面，为发展智能化监测预警提供了依据。[3]

2016年，国家发改委联合中国气象局印发《全国气象发展“十三五”规划》，明确提出要提高气象信息化水平，加强气象数据资源整合与开放共享、建立安全及可靠的气象信息系统、推进云计算、大数据、物联网、移动互联网等信息新技术在气象领域的应用，为人工智能相关技术在气象领域的应用提供了指导。同年发布的《现代气象预报业务发展规划（2016-2020年）》对气象预报业务发展提出更高目标，要求至2020年空间和时间分辨率分别达到1～2.5km和1h的格点化预报，且暴雨准确率相对国际先进模式保持10-20%的提高率。

2018年12月中国气象局制定了《智慧气象服务发展行动计划（2019-2023年）》，通过强化互联网、智能感知、大数据挖掘等关键技术的综合应用，建立以技术为核心的智慧服务体系。十四五规划会将大数据、人工智能、云计算等信息技术在气象服务中得到应用，实现全国智慧气象服务业务初步建立。[4]

（二）人工智能在国内气象领域开展情况

随着大数据、计算能力的不断发展，人工智能新技术的快速发展为突破业务能力发展瓶颈带来了机遇。

2014年“彩云天气”APP，成为国内第一款用人工智能进行天气预报的应用。

现有MICAPS4系统，基于全局统一的CIMISS技术数据环境，构建了适用于实时气象预报业务的分布式大数据应用环境，集成了数据解析、存储、计算等功能，主要用于支撑短临、中短期完整的气象预报业务以及智能网格预报业务。

国家气象中心将基于集合预报的最优百分位技术和台风路径最优选取集成方法用于定量降水预报、台风路径预报等方面。

2016年，广东省气象局组织开展了智能订正工具箱（ITB）的技术框架开发，将主管预报经验进行数字化，提升网格预报制作的自动化和智能化水平；

2017年，中国气象局公共气象服务中心联合天津大学开发的全国强对流服务产品加工系统。通过运用图像识别监测，预警未来30分钟内，空间分辨率为1公里范围内强对流情况，通过深度学习，分析雷达回波上的冰雹特征，从而识别冰雹云，推算出其移速和移向，给出受冰雹影响大致范围。

2018年，重庆市气象局与百度智能云共同打造智慧气象“四天”系统建设（天枢·智能探测系统、天资·智能预报系统、知天·智慧服务系统、御天·智慧防灾系统）取得了阶段性成果，仅天资·智能预报系统利用百度深度学习技术，2019年上半年将月气温预测准确率提高了16分，月降水预测准确率提高了6分。在后期应用中，冰雹、大风识别命中率可达到100%。

四、人工智能技术在气象部门应用建议

（一）加强人工智能研究机制体制的建设

《高等学校人工智能创新行动计划》明确提出，到2020年中国要建立至少50家人工智能学院、研究院或研究中心。截至2019年4月，已有31所高校自主成立了人工智能学院，24所高校成立了人工智能研究院。很多高端企业近年陆续成立研究院、实验室，依托用户大数据进行测试，加速了机器学习和深度学习技术在各部门的应用。气象系统作为垂管部门，中国气象局应在机构设置划分或职责功能上明确人工智能关键技术的研究，落实多级机构设置和人才布局，促进国-省两级领导、职工思想认识的转变和体制机制的形成。

（二）加强高性能实验室建立

数据、算法、计算能力是人工智能的三大基石，人工智能技术的研究应用主要依赖超强实验环境、海量数据集和一批专业化人才。复杂的算法，海量数据的计算必须依靠高性能处理器和存储。实验环境是基础，没有高性能计算实验室，所有的研究只能是纸上谈兵，只有通过实验室的内部测试和算法的不断改进，才能摸索和总结出与实际结果更接近的技术与方法，最终应用于实际工作。

（三）加速基础数据环境建设

完成一项特定任务的实验测试，需要包括数据、工具、评测标准等全流程资源。数据更是人工智能技术研究最宝贵的资源。如果没有足够的基础数据，就无法取得突破性的科研成果。我国的气象数据，主要来源于国家信息中心、各省局CMISS数据接口和气象数据资料室，这些部门确实提供了丰富的、海量的数据资料类型（包括我国和国际交换数据的地面、高空、海洋、辐射、农气、雷达、卫星数据等），但是从无论从数据的时段区域、时间分辨率还是访问方式上都存在或多或少的遗憾，无法满足深度学习技术的海量数据集获取，更没有摸索出一套实用的工具和评测标准。因此，中国气象局应统筹布局，收集、整理、清洗、建立人工智能公共数据集和技术标准、评价体系，积极主动联系其他部门，获取更广泛、更全面的基础观测数据，扩充基础数据集。建立满足需求的基础数据环境。

（四）加快高端人才的聚集和现有人才的培养

人工智能技术在气象领域的研究核心因素是人才，国内天气预报工作者主要强调他们的专业方向，应该说普遍录用了基于大气科学的研究生、博士生，目前缺乏高水平的应用数学、数据挖掘、机器学习的研发人才；缺乏兼通气象预报、人工智能（机器学习、深度学习）的复合应用人才。中央气象台天气预报技术研发室副主任代刊说到“目前大部分AI技术方法研发还是以大气科学专业背景人员为主，需要统计学、计算科学、大数据挖掘等专业背景的科学家加入，并积极与相关高校、科研院所合作。”因此人事司应牵头加大引进高端人才的力度，以点带面，加速专业人才的跨界发展。同时引导和落实现有技术人员在人工智能技术如图像识别、深度学习、神经网络等方面知识的培养计划和实施方案，加快培训的早日落地，解决人工智能技术人才的短缺。

（五）打通非气象部门气象数据因子的分析渠道和合作

气象预报的准确度不仅来源于海量的历史和实时观测数据及预报产品，而且受整个地球环境非常多的因子影响，例如气候变化，地质变化、生态建设（湖泊改造，环境绿化）、城市建设（交通、工业产业布局）等的影响，同时其他部门也存在很多实时观测数据，打通非气象部门气象数据因子获取渠道，获取更多的可分析数据集，通过人工智能关键技术大规模测试，探索和分析数据的准确性和其与预报的关系，以提升AI预测的准确率。

发展人工智能技术在行业的应用和创新也离不开前端的开发和应用，单靠行业内人才的集聚也会陷入部门瓶颈，我们必须与一些高端的企业和研究院所合作，共同加快技术在气象领域的深度研究和应用。

（六）稳步解决专业人才的转型

人工智能的发展必然导致原有的工作内容、活动时间发生变化，同时也会衍生出新的工作内容，气象领域也不例外，随着智能技术在气象领域的逐渐深入，各级培训机构应加强前期调研和培训设计，引导和疏通观测、预报人员慢慢向复合型、研究型、应用型、保障型发展，促进部门在信息化发展中平稳过渡和现有职工素质的提升。