AI預測短臨天氣 補數值天氣不足

阿里巴巴旗下全球研究機構達摩院推出雲端人工智能短臨天氣預測平台

新科技速遞

阿里巴巴旗下研究機構達摩院推出雲端人工智能短臨天氣預測平台，可對未來六小時内的天氣情況進行精细範圍内高精度的預測。

天氣源自大氣層各種變化，受制於物理學的定律，近代的數值天氣預報是應用了流體力學及熱力學的方程式，以推動大氣運動，再以超級電腦計算作大範圍的天氣預測。

數值預報限制甚多

數值天氣預報的觀念，始於20世紀的初期，挪威氣象學家Vilhelm Bjerknes提出定量天氣預告其實是一個數學初值的問題，只要知道大氣層的初始狀況，便可求解一組描述大氣運動的數學方程得到天氣的未來變化。

隨著電腦進步，處理數值模式更複雜，從單層演變至多層，加上觀察的儀器和遙感平台增加，氣象的數據來自氣象站、氣象雷達、探空氣球、海上浮標、氣象衛星等，分辨率大幅提高，數值天氣預測已大有進步，可預測更小網格，約10公里內的天氣變化。

但以物理定律為基礎的數值預報，受制於模擬大氣物理過程各種限制，加上計算量過大，預測模式採用了某些近似和假設，以簡化基本方程式，所以不是大氣的完全寫照，加上操縱大氣演變物理定義，往往是非線性的微分方程（Differential equation），一般也沒有解析的，以物理學和數值方法建立的數值天氣預報，凖確度受了不少限制，難以預測。

短臨天氣預測價值大

去年，Google發表了以深度神經網絡建立的天氣模型MetNet，以深度神經網絡學習，能預測未來8小時內以1公里的解析度預報降雨量，輸出概率分布，可推斷美國不同地理區域降雨率和相關的不確定性，而且不依賴於大氣動力學物理定律，而是通過AI運算預測天氣，MetNet的預報解析度1公里，每2分鐘更新，可預測未來8小時的降雨量。

阿里巴巴達摩院的AI模型預測一公里網格範圍的分辨率，每十分鐘更新一次，可追蹤降雨量、風速、包括雷暴和冰雹等極端天氣狀況，而預測愈是縮短，應用於農業、物流、運輸和可再生能源等行業的價值也更大，例如減輕對農作物及牲畜的影響；速遞員更有效規劃路徑；光伏發電站更可預測來調節電力供應。

阿里巴巴達摩院機器智能技術實驗室負責人金榕表示：「短臨預測是幫助不同行業作出天氣相關決策的關鍵技術。全球各國科技公司正使用當地的氣候數據，加快研發相關技術和服務。」

AI預測平台算法由阿里巴巴達摩院和中國國家氣象中心合作研發，透過卷積神經網絡（Convolutional Neural Network, CNN）從雷達回波和氣象衛星圖片中提取氣象特徵。

平台的機器學習模型數分鐘內，提供精準及接近實時當區天氣預測；利用生成對抗網絡（Generative Adversarial Network, GAN）技術則可同時生成清晰的預測圖像。

相較於傳統的物理模型，例如需數小時才能生成預測數據的「全球/區域一體化同化預報系統」（Global/Regional Assimilation and Prediction System, GRAPES），達摩院AI模型可提升預測速度和準確度。

近年來，阿里巴巴的技術已應用在智慧農業，武漢葡萄種植以阿里雲物聯網系統，對土地、濕度、日照等環境參數進行分析，以規劃澆水和施肥。安徽省的梨農和海南省的菠蘿種植以「先進數碼農場」提升農作物產量。