进入移动版，省流量，体验好
河北省气象台预报值班员通过智能网格预报平台，制作河北省0-10天智能网格气象要素预报。 河北省气象台供图
“为什么天气预报老是不准？”你是否也曾经有过这样的疑问。
预报晴天，却下起了雨，预报有雨，雨却迟迟不来。如今，智能网格气象预报已经让这些现象成为历史。无论你身处何地，只要打开手机App，通过卫星定位就可以显示出你所在位置的最新天气预报。这样的天气预报可以提供降雨、风、温度、湿度、云量、能见度等精准气象服务。你可以清楚地知道自己所在的位置“20分钟后会下小雨、50分钟后雨会停”。
智能网格预报怎么运作？未来“智慧气象”如何发展？记者走访了河北省气象局的有关专家，为你揭开对大众来说还略显神秘的“智慧气象”面纱。
天气预报现在为啥越来越准了
天气预报经历了从定性预报、描述性预报向数字化、格点化预报演变的发展历程。
“就拿河北来说，原来的天气预报只是以不同的气象观测站这一个点的气温、降水等来代表整个区域的天气情况，内容只包括1888个城镇的天气现象、高低温和风速风向预报。”河北省气象台中短期预报科高级工程师孙云说，由于气象监测站点分布不均，站点不能准确监测到所有地点的天气。
随着气象预报的发展，“网格预报”这一概念被引进到精细化预报业务中。
“通过开展网格化预报，我省的天气不再由多个站点来反映。”孙云介绍，目前，河北省责任区内有65万格点，每个网格的时空分辨率0-72小时为1小时、1km；4-10天为3小时、5km；2小时短临时效为逐10分钟滚动更新，形成了0-10天无缝隙网格气象预报。“你在哪个网格，就能得到该网格的天气情况。”孙云说。
如何更加直白地理解网格气象预报呢？
“可以这样比喻，就像地球上的经纬网一样，我们把中国以及每个城市所在的区域分解成许多个5公里×5公里，甚至1公里×1公里的网格，而公众就生活在这样一个个的网格中。”孙云说，每个网格的天气情况各异，网格化预报就是针对每一个网格，以格点为单位给出预报意见，以实现最大限度的精细化。
说起来轻松，但智能网格预报的技术攻关并不容易。
“智能网格预报的基础来自于格点实况，观测资料的来源可谓千头万绪。”孙云说，仅以降水资料为例，地面观测有之，卫星反演有之，雷达反演有之。在观测方面，气象部门显然不可能以格点为单位布设观测站，把站点的实况输入格点的预报系统。
因此，把观测实况数据转化成“格点模式”的多维实况数据分析就应运而生了。
在这个过程中，技术团队首先将面向同一对象（如降水）的多源观测数据整合在一起，然后对数据集去伪存真、去粗取精，再通过复杂的融合与同化计算，不断与实况数据对比调校，最终推导出各格点最贴近真实的情况。
在监测更加精准的同时，我省大力发展河北睿图系列模式，天气预报间隔也因此不断缩短，时效在不断延长。
“睿图模式系统由多个子系统构成，其中针对降水预报最核心的是快速更新多尺度分析预报短期子系统和集成子系统。”孙云介绍，前者关注短期时效，提升天气预报技术支撑；后者则聚焦0-12小时，每10分钟更新一次预报产品，是天气预报员临近预警的重要参考。
睿图模式系统的引进及建立，并不是简单的复制粘贴，后期需要进行很多技术的研发创新工作。
“我省地形复杂，局地小气候往往具有不确定性，如局地短时性降水、冰雹等强对流天气。”孙云说，为了进一步提升预报准确率，研究团队会根据计算机模拟的大气状态，不断修订“影响因子”。
就这样，随着参数的增加，短时、精准的天气预报，就在河北“入乡随俗”了。
人工智能为精细化预报加“一把火”
目前，我省国家地面气象观测站等其他站点的所有监测数据与全国其他地区的资料实时汇聚到中国气象局，再通过超级计算机处理、存储、查询、分析和统计海量气象数据，通过数理学等方法预测未来天气。
通过微信公众号搜索“中国气象网”小程序，人们可以查看全省某地区的逐小时天气预报、一周预报趋势，以及相对湿度、降水量、风向风速等。
然而，气象专家对此并不满足。
2016年，我国出现46次区域性暴雨过程，26个省（区、市）出现城市内涝。有8个台风登陆，平均登陆强度达到13级，造成的直接经济损失高于近10年平均。此外，强对流天气多发重发，全国有2000多县（市）多次出现冰雹或龙卷风天气，人员伤亡众多。
在气象专家看来，暴雨、龙卷风、冰雹等一系列极端天气，其区域性明显，分布并不广泛，而且“来去匆匆”，难以准确掌握踪迹，这使得极端天气预测成了气象业务的主要瓶颈。
当前，人工智能的深入应用为解决这一难题带来了重要助力。
今年2月份，日本海洋研究机构和九州大学的研究小组利用人工智能深度学习技术，开发了从全球云系统分辨率模型（NICAM）气候实验数据中高精度识别热带低气压征兆云的方法。该方法可识别出夏季西北太平洋热带低气压发生一周前的征兆。
根据相关报道，研究小组具体的做法是首先利用热带低气压跟踪算法，将全球云系统分辨率模型20年积累的气候实验数据，制成5万张热带低气压初始云及演变中的热带低气压云图片，再加上100万张未演变成热带低气压的低气压云图片，共105万张图片组成10组学习数据，利用深度卷积神经网络的机器学习，生成不同特征的10种识别器，然后构筑出可对10种识别器结果进行综合评价的集合识别器。
“将神经网络的方法用在天气预报上并不新鲜，上世纪八十年代已经有一些应用，随着大数据和人工智能的发展，海量数据深度学习、复杂神经网络等逐步应用，人工智能预报天气已经成为很热门的一个话题。”孙云说，在我国，近年来随着气象现代化建设的推进，人工智能的影子更多是在短临预报方面出现。
据介绍，我省气象台已经与河北师范大学合作开展了基于机器学习的短临降雨预报模型研究，充分利用时空数据的特点，借助深度学习技术，人工智能可以迅速“学习”海量天气数据记录，对暴雨、龙卷风、冰雹等天气发生的原因和移动路径进行分析，从而实现早期识别与预警。
“与短期预报相比，短临预报时效更短，主要集中在0小时到12小时，重头戏在于对中小尺度天气系统，尤其是强对流天气系统的预报。”孙云告诉记者，相对于大尺度天气系统，强对流天气系统具有生命史短、突发性强等特点。由于生消速度快，因而难以把握。我省一年中强对流天气出现的次数，往往覆盖全年三分之二的时间，这也使河北成为了强对流天气的多发地区。
短期预报只能预报强对流天气出现的可能性，无法预报其所带来的降雨具体落区。但短临预报却可以清楚捕捉到系统所在位置，从而能够预报出降雨的落区。
“提前数小时发布预警预报，告知公众哪里会有降水出现，哪里降水量较大，就是探索人工智能技术应用于短临预报所独有的功能。”孙云说，如针对一个村庄的预报，当我们提前数小时在河流上游捕捉到强对流天气系统的踪迹并发现其影响时，就可以提前几小时预判河流下游地区在未来数小时内是否会发生洪涝，并发出预警让下游的居民及时撤离。
与其他行业领域的融合必须不断深入
虽然取得了一系列成绩，但与发达国家相比，国内关于人工智能作用于天气预报的研究和应用还存在一定差距。
河北省气象台高级工程师张南告诉记者，目前我省从事人工智能技术研发的人员中，大多欠缺大气科学专业背景。
“既有人工智能知识背景又懂气象知识的复合型人才，才是发展‘智慧气象’最理想的人选。”张南建议，未来应在加强新的、更高级的人工智能技术理论研究和应用开发的基础上，积极与相关高校、科研院所合作，同时纳入大气科学等学科背景的专业人才。掌握气象学知识以及人工智能工具和算法，从专业出发，挖掘规律、深入分析，才能不断扩充技术使用深度。
除此之外，要想取得更好的预报效果，数据是更为重要的一环。
“天气预报本身就是大数据问题，涉及不同时间和空间上的海量数据。”张南认为，人工智能技术的产品输出质量受到输入数据质量和数量的限制，面临着来自“黑箱”应用的挑战。“在通常情况下运行良好，但遇到极端情况可能会失效。”
在日本海洋研究机构和九州大学的研究中，研究小组为了利用深度学习获得更高的识别精度，对每一种气象类型都需要超过数千张图片的大量数据。
“要想取得更好效果，就要加强高质量、长序列的气象训练数据集的研发。”张南认为，提供长历史、统计特性一致的模式数据，整理和开发高分辨的观测和分析资料用于训练和检验，把超级计算机的预报结果尽可能地、自动地、客观地修正到与实际观测数据更接近，才能达到“天气预报越来越准”的终极目标。
不过，智能预报的不断发展并不意味着可以替代天气预报员。
“技术只是帮助预报员做预报，客观预报的偏差，仍需要预报员进行人工订正。”张南说，预报员需要结合自身预报经验判断模式预报的结果是否可信，尤其是对强降雨、雷暴大风、冰雹、强对流等灾害性天气的把控。
此外，张南认为，预报员还能通过发现客观预报的缺陷攻克其科学问题，不断提升预报水平，有助于主客观融合预报产品的进一步开发。
据了解，今年以来，省气象局加快科研成果转化，网格展示平台贯穿省市县服务，网格产品覆盖决策气象微信App、精细化农业气象服务、公众气象、气象风险、交通气象、电力气象服务等专项预报服务。
“未来，我省将面向公众开发更多操作便捷的气象服务手段，为居民提供更加精准的网格天气预报产品。”张南说。（记者王璐丹）
