「深度學習預測極端天氣」更好捕捉颱風「天鴿」軌跡

1新智元報道

颱風「天鴿」襲擊深圳市，大雨導致路面成河。來源：微博

今年第13號颱風「天鴿」昨天給深圳市帶來狂風驟雨，全市進入緊急防禦狀態，停工停課停市停業，海陸空交通癱瘓。

深圳市氣象台已發布颱風紅色預警信號，這是深圳歷史上第二個颱風紅色預警。不僅如此，颱風「天鴿」近海加強、移動速度快、影響範圍廣，強度一天連跳三級，深圳的颱風預警信號從8月22日18時開始，16個小時之內從颱風黃色預警，一路飆到颱風紅色預警。

極端氣候加上快速變化，給氣象預測帶來了問題。

「天鴿」創下深圳市颱風強度變化最快紀錄，real厲害。來源：微博

頻頻出現的極端天氣引發了人們廣泛的關注和思考，也對氣象研究尤其是預測提出了挑戰。其中，一個名叫「氣象信息學習」（climate informatics）的領域，致力於將氣候科學與統計學、機器學習和數據挖掘相結合來促進跨學科的發現，包括更好地應對氣象預測問題。

下個月，第七屆氣象信息學研討會將在美國科羅拉多州的博爾德市召開。今年的會議也包括了含有深度學習、智能這些關鍵詞的特別環節：

隨著從感測器（包括氣象人造衛星）收集到的數據越來越多，氣象研究人員也開始使用機器學習系統來分析龐大的數據，希望從中找出新的氣候模式，從而改善天氣預測。

喬治華盛頓大學的計算機科學家 Claire Monteleoni 是最早將機器學習技術與氣候科學的結合在一起的研究人員之一，Monteleoni 認為，氣候現在是一個數據問題。

擅於在大數據中尋找模式和規律的機器學習，天然適用於氣候科學。這方面的應用也在快速發展。過去幾年，研究人員利用AI系統幫助他們在氣候數據實時模型和模擬氣候數據中對氣候模式、現場氣旋和其他極端天氣事件進行排序，並確定新的氣候模式。

Monteleoni率領團隊開發了機器學習演算法，為政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change）使用的大約30個氣候模型創建加權平均數。Monteleoni說，通過學習模型的優缺點，這種演算法能夠得出比傳統方法更好的結果。

2016年，研究人員報告了使用深度學習系統來確定熱帶氣旋、大氣河流和天氣鋒面的首次案例。這些現象由於特徵定義鬆散，識別都取決於專家的判斷。但深度學習系統已經表現出了人類專家的能力。現在，位於加利福尼亞州的美國勞倫斯伯克利國家實驗室（LBNL）的團隊，希望使用類似的技術研究各種極端事件——包括尚未確定的極端事件。研究人員的最終目標是更好地評估和預測這些事件在氣候變化面前會發生怎樣的轉變。

當然，也有人對使用深度學習預測氣候提出質疑，比如LBNL的氣候建模人員 William Drew Collins。Collins的擔憂來自深度學習的「黑箱」性質。但是，他認為AI演算法是幫助測試下一代氣候模型——擁有各種複雜的特徵參數，例如雲的結構、大氣河流、海洋漩渦——的好方法。

儘管如此，使用深度學習似乎仍然是大勢所趨。2016年的一項測試中，來自美國國家氣象部門的9位氣象學家需要完成一項預測風暴持續時間的任務，他們可以在AI演算法和常規方法中進行選擇，結果大約75％的情況下選擇了使用AI演算法。該研究負責人、俄克拉荷馬大學的計算機科學家Amy McGovern，現在正計劃將AI演算法納入氣象局的冰雹預測。

• 訪問網站了解更多：http://climateinformatics.org/

• Nature相關報道：http://www.nature.com/news/how-machine-learning-could-help-to-improve-climate-forecasts

***

最後回到颱風「天鴿」——讓人沒有料到的是，登錄時高達14級強勁的大風持續到23日下午15時左右開始減弱，深圳市氣象台於23日16時50分將颱風紅色預警信號降級為藍色，於18時在全市取消颱風預警。至此，本次颱風過程結束。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！