划重点
01谷歌开发了基于人工智能技术的天气预报模型GenCast，登上《Nature》正刊，成为继华为盘古气象大模型之后的又一重要突破。
02传统数值天气预报依赖于超级计算机，计算量大，时间长，且无法有效利用历史观测数据。
03然而，气象大模型通过深度学习算法，快速预测20-25km分辨率的常规气象要素场及关键信息，具有计算成本低、准确性高的优势。
04尽管气象大模型在准确性上有所超越，但目前仍无法完全取代传统数值天气预报，需要在可解释性、数据完备性等方面进行改进。
05未来，人工智能方法将与传统数值预报深度融合，演化出更强大的数值气象预报系统。
以上内容由腾讯混元大模型生成，仅供参考
谷歌GenCast气象大模型 （图片来源：Nature）
传统天气预报如何预测天气？
全世界多个气象机构也发展出自己的数值天气预报模型，例如欧洲中期天气预报中心（ECMWF）的综合预报系统（IFS），美国国家环境预报中心（NCEP）的全球预报系统（GFS），德国国家气象服务机构（DWD）的全球数值天气预报和气候建模系统（ICON），以及我国气象局（CMA）开发的数值预报系统葡萄模式（GRAPES）等等。
ECMWF传统数值预报在12月16日预报48小时后的欧亚地区500hpa高度的气压场及其距平（图片来源：ECMWF）
数值天气预报的具体工作原理为：根据气象探测仪器（卫星，飞机，船舶，气象站，探空气球等）从大气中采集到的实际数据整合为网格化的数据作为大气初始场，在一定的初值和边值条件下，通过超级计算机作数值计算，求解描写天气演变过程的大气流体力学和热力学的偏微分方程组，然后得出未来一定时段的大气运动状态并不断持续演进。这种传统的数值模式属于物理驱动模型，建立在人类对大气过程本质的了解之上。
数值天气预报借助数学方程对天气状况进行预测（图片来源：NOAA）
尽管数值天气预报已经发展成熟并为天气预报作出了巨大贡献，但是其仍然有很多局限性难以解决，最关键就是系统误差的累积与不确定性问题。由于大气系统是典型的非线性混沌系统，其对初始条件高度敏感。即便现阶段大气观测数据的质量和覆盖范围有所提升，但是初始条件的微小误差仍可能导致预报结果在长时间尺度下出现巨大偏离。
非线性混沌系统中的混沌现象（图片来源：MIT）
气象大模型的诞生
近年来人工智能蓬勃发展、深度学习技术不断进步，科学家发现人工智能对于数据的学习建模可以运用到气象预测方面，气象大模型应运而生。
ECMWF官网中的盘古气象大模型业务
除了上文提到的进入《Nature》正刊的华为盘古大模型、谷歌GraphCast模型以外，还有英伟达FourCastNet模型、微软ClimaX模型、复旦大学伏羲大模型、上海人工智能实验室“风乌”GHR大模型、清华大学和中国气象局的NowcastNet预报大模型等等。而华为的盘古大模型已经在欧洲中期天气预报中心（ECMWF）实现业务运行，此外作为全世界最先进的天气预报机构，ECMWF也发布了大模型AIFS。
主流气象大模型参数（图片来源：参考文献[2]）
气象大模型的计算成本也非常低，只要配备了具有一定计算能力的GPU，你甚至可以在自己的电脑上运行模型、预测天气，无需成本惊人的超级计算机。
使用家用GPU，通过GenCast在12月23日预测十天后欧亚地区500hpa高度气压场和距平（图片来源：作者提供）
气象大模型的准确性如何？
以热带气旋为例，盘古气象大模型比传统的数值预报EC-IFS HRES得出了更准确的气旋跟踪结果。下图展示了2019年西太平洋最强台风（康妮和玉兔）的跟踪结果。对于这两个强台风，HRES的预报结果均出现了较大偏差：相较而言，盘古气象大模型能够提前48小时以上对这两个台风做出正确的路径预报。
盘古气象大模型对于2018年两个台风预测和ECMWF传统数值模型的比较（图片来源：参考文献[5]）
而在对去年的台风“杜苏芮”的预报中，盘古气象大模型更是一战成名，较传统数值模型更为提前预测出台风穿过巴士海峡登陆闽南地区的路径。在今年对我国影响较大的台风“格美”和“摩羯”的路径预测中，各类气象大模型的表现也显著优于传统数值模型。《Nature》发表的最新研究成果也显示，GenCast在97%的预测结果中比传统的集合预报系统（ENS）更准确，在预测极端高温或寒冷天气，以及大风、热带气旋路径等方面也表现得更好。
今年袭击华南地区的台风“摩羯”卫星云图（图片来源：中国气象局）
气象大模型这么强，
未来还需要传统数值天气预报吗？
参考文献：
来源：科学大院
编辑：小咕咕