機器之心報導
作者：李澤南
在天氣預報中，我們常常會聽到「局部地區」這樣的字眼。隨著技術的發展，「局部」出現的次數正越來越少。在深圳，大數據和人工智慧的融入將在不久之後為我們帶來「精準到街區」的個性化天氣預報服務。
如果天氣預報 APP 能告訴你兩個小時後，一平方公裡面積內的天氣是什麼樣的，我們的生活方式可能會完全不一樣了。
如何讓天氣預報變得更準確一直是個世界性難題。事實上，現代氣象預報的準確度遠沒有人們想像的那麼高。
想必不少人都遭遇過機場因為天氣造成的大面積航班晚點的情況，乘飛機出行最怕遇上大雨。如果天氣預報更準確一點，或許我們能夠提早選擇其他航班，而不是在機場苦等一宿。尤其對於深圳這種位於粵港澳灣區，人口密集，時常出現颱風、雷暴等天氣的城市而言，天氣預報的準確性顯得尤為重要。
去年 7 月，美國賓夕法尼亞州立大學等機構組成的研究小組開發出了一種用於識別潛在風暴的新模型，基於機器學習算法，可以從衛星圖像中識別雲的旋轉運動。
研究人員發現，基於 AI 的方法可以有效地檢測出逗點雲型，準確率高達 99%，且平均每次預測僅需 40 秒。這種方法可以有效地預測出 64% 的惡劣天氣事件，優於大多數其他現有的預測方法。
目前，雖然全球已經在為氣象行業的智慧發展付諸行動，但是氣象預報服務仍然面臨著不小的挑戰。
首先，當前天氣預報最大的瓶頸要屬雷雨大風、短時強降水等突發災害性天氣預報的準確率，同時預報預警信息精細化程度不高，如何千方百計提高預報預警準確率和提前量，實現定時、定點、定量的精準預報預警是氣象部門永遠的追求；其次，如何實現氣象監測預報預警信息的快速精準發布、主動和被動實時快速獲取。是人們獲取氣象信息「最後一公裡」的瓶頸制約；另外，政府、行業和社會公眾對氣象服務需求具有複雜性，如何滿足不同服務對象的個性化需求，進一步提高針對性和有效性實現智慧服務，也是推動氣象服務發展不可忽視的關鍵點。
而人工智慧正是能夠解決上述瓶頸的一把利刃。
「在深度學習發展起來之後，有很多機構都在探索如何應用更多種類的數據，如大量使用雲服務」。華為雲人工智慧領域總裁賈永利介紹道。「過去科研人員使用雷達去識別雲的形態，現在也可以通過攝像頭來採集圖像，使用 AI 領域裡的計算機視覺算法進行分析，這或許會是未來的重要發展方向。」
1 月 6 日，華為雲與深圳市氣象局籤署深度合作協議，雙方將就雲計算、5G、人工智慧等創新技術在氣象領域行業的應用和推進、未來技術趨勢研究展開合作，共同推動氣象精準預報、智慧城市氣象服務等業務創新。這意味著，深圳市民將率先享受到由 AI 帶來的先進天氣預報服務。
對於深圳市氣象局而言，利用新興技術，例人工智慧，實現「精準預報服務」是其發展目標之一。通俗一點解釋來說，如果將深圳市所在的區域分解成許多個 1 公裡×1 公裡的網格，而公眾就生活在這樣一個個的網格中，每個網格中的天氣情況也會有所差異。「精準預報服務」計劃就是針對這樣的每一個網格開展預報的。
與原來的定點預報相比，網格化預報在空間上更加精細，也更具針對性。就拿深圳的預報來說，原來的預報只是以同一定點預報結果代表整個城市的天氣情況，但通過開展網格化預報，人們可以在整座城市的每個不同的網格之中享受到更精細的氣象服務。
在本次合作中，華為雲發揮自己的技術優勢，通過雲+AI+5G 為深圳市氣象局構建新一代超大城市精準預報系統，幫助推出基於智能網格的新一代精準預報，實現智能感知、精準預報等智能化服務，讓大眾體驗到「兩小時內、一平方公裡範圍」的個性化精準天氣預報。
首先，在數據分析上，因為氣象數據的時空解析度都非常高（空間上每個像素值代表地面 1 公裡 x1 公裡的實際大小，時間上 6 分鐘收集一次雷達回波樣本），造成了數據量極大，普通伺服器難以承受如此規模的數據處理和模型訓練、推理，這也正是使用華為雲 AI 昇騰集群進行模型訓練的原因。華為雲 AI 昇騰集群服務，可以按需提供強大的 AI 算力，並加速氣象預測模型開發進程，對深圳市氣象局 10 年的雷達數據進行訓練僅僅需要 3 天的時間。
據介紹，華為雲 AI 昇騰集群可以極大縮短氣象預測模型訓練周期，原先需要訓練一到兩個星期的模型，通過大規模並行計算，可以將訓練時間縮短到三天甚至幾個小時以內。
在數據存儲上，氣象局每年存檔大約 300TB 的數據，對這些海量的氣象資料進行存儲需要建設龐大的數據中心，投資大，周期長，而華為雲的彈性存儲服務可以快速靈活地完成任務。
事實上，氣象行業近年來一直在大數據的方向上進行探索——全球很多頂尖超算的算力經常會被用在氣象學模型上。各種傳感器接收到的氣象觀測資料都是海量的。據介紹，目前每年全球新增氣象資料大約達到了 4PB（約 4×10^6GB），這一切都需要超大規模的 AI 計算資源做支撐。
颱風「山竹」流動風場圖。
其實，氣象數據本質上就是一種時空數據格式，我們需要時間序列預測算法來進行短時氣象預測，在這個過程中可以用到卷積神經網絡、遞歸神經網絡、對抗性圖像生成網絡等深度學習算法。相比傳統方法，深度學習可以更好地挖掘數據中的時空變化信息，預測準確率可以提高 20% 左右。華為雲表示，傳統的預測方法可以刻畫雲團的移動信息，卻難以建模雲團的生消強弱變化信息，而深度學習很好地彌補了這一點。
經過兩個多月研發，研究人員們通過華為雲 ModelArts 一站式 AI 開發與管理平臺訓練了「災害性天氣 AI 氣象預測模型」。它可以通過捕捉雷達、雲圖等數據中的時空關係，建立雲團運動、生成和消散的預測模型，從而識別未來兩小時內的降雨、雷暴等災害性天氣。在颱風來臨時，AI 算法還會通過分析衛星實況數據，預測颱風可能的移動軌跡。
運用華為雲 ModelArts 平臺訓練短臨天氣預測 AI 模型
除此之外，華為與深圳市氣象局還計劃探索有關 5G 的智能化應用，將先進通信技術應用在改進預警信息發布和傳播上，開展氣象信息發布傳播技術應用和市民個性化服務，向市民提供實時預報預警和風險提示信息。
深圳市氣象局還計劃基於華為雲人工智慧和圖像識別技術，研發雲雨等天氣現象的自動識別技術，實現天氣智能感知：利用 5G 和邊緣計算提升氣象觀測的精度和效率，並通過攝像頭採集圖像生成雲天全景拼圖，進行網格化的精準天氣預測。
深圳氣象局基於災害風險影響預警信息靶向精準發布系統
從去年 9 月發布 AI 昇騰集群服務起，華為雲目前已經開放了帶有 2024 塊昇騰 910 晶片的昇騰集群服務，眾多企事業單位和科研院所已經提出使用申請。