掌握“十里不同天”不再难！风乌GHR问世 AI气象预报进入10公里级时代

图说：由于分辨率的大幅提升，风乌GHR可为同一面积区域提供更精细、准确的气象预报 来源/上海人工智能实验室（下同）

       今天（1日），上海人工智能实验室联合国家气象中心、国家气象信息中心、南京信息工程大学、香港科技大学等机构发布全球高分辨率AI气象预报大模型“风乌GHR”，首次借助人工智能实现对中期天气进行10公里级的建模与预报。

       采用原创的AI新算法，研究人员克服了数据稀缺等难题，将风乌GHR的预报分辨率提升至0.09经纬度（9千米*9千米），对应的地表面积约为81平方公里，较此前的0.25经纬度（25千米*25千米），范围精确超过7倍，并将有效预报时长由10.75天提升至11.25天。借助AI，掌握“十里不同天”不再是难事。

       “全面升级的风乌GHR相当于一个‘4K高清版’AI气象预报大模型。”上海人工智能实验室领军科学家欧阳万里表示，“风乌GHR不仅有助于实现更精细、更准确、更高效的气象预报，还展示了AI在地球科学等科研领域拥有强大的应用潜力。”

       预测“东边日出西边雨”不再难

       “东边日出西边雨”“十里不同天”，中国古诗古谚对复杂多变的天气有着生动描述。由于天气系统具有极强的区域性特征，长期以来，传统预报方式难以做到细粒度、高分辨率的预测。

       上海人工智能实验室青年科学家白磊透露，风乌GHR首次实现高分辨率AI气象建模，突破性地将AI气象预报大模型分辨率提升到0.09经纬度。伴随相对较低算力成本及数据需求等优势，风乌GHR在预报的核心大气变量上性能领先于现有物理模式及AI气象大模型，推动AI气象预报进入10公里级时代。

       2016年，欧洲中期气象预报中心推出的IFS-HRES系统将气象预报分辨率提升至0.09经纬度，达到物理模式驱动下的气象预报领先水平。

       为了评估风乌GHR的预报性能，联合团队采用与IFS-HRES相同的业务初始场作为输入，进行2022年全年0-10天的回溯预报。回溯预报采用与实时预报相同的模式，在大量历史数据上评估模型性能，可相对客观、科学地反映模型的实际预报能力。

       在气象领域广为关注的500百帕高度场变量及850hPa温度场中，风乌GHR表现优于IFS-HRES。

       联合团队还对2022年全球的部分极端气象情况进行了回溯预报。当年7月，重庆市经历了极端热浪，屡次打破当地同期高温历史记录。在提前4天对2022年7月7日12时（UTC）重庆市（29.5°N,106.5°E）的地表温度预报中，风乌GHR与实际结果更接近，优于IFS-HRES。

       2022年12月，冬季风暴影响了北美部分地区，相关地区经历了大雪、强风和破纪录低温等极端天气。研究人员使用风乌GHR及IFS-HRES对当年11月1日-12月31日（UTC）美国纽约气温进行回溯预报，风乌GHR可提前9天预报最低气温，在提前一周的预测中，预测误差较IFS-HRES降低22.3%。

图说：运用人工智能技术，风乌GHR在不到1年时间内将全球中期气象预报有效天数再提升0.5天

       全球气象有效预报时间再提前0.5天

       在预报时长方面，研究人员持续精进，通过多模态多任务的深度学习方法和数据再分析，风乌GHR将有效预报时间提前至11.25天，打破了此前自身创造的10.75天记录——去年4月，AI大模型“风乌”亮相，率先使全球气象有效预报时间突破10天，并在随后准确预测了“泰利”“卡努”等台风的路径。

       囿于气象观测的准确度、大气系统中物理过程的复杂性，以及求解大气模型所需资源规模巨大，在传统模式下，全球中期天气预报的有效预报时间每10年才提高1天。而风乌联合研究仅用不到1年时间，即将有效预报时间再次提升了0.5天，展现了人工智能在地球科学等科研领域强大的应用潜力。

       风乌GHR为精细化天气预报提供了重要的技术支持，为社会经济发展和极端气象灾害预防提供重要参考。目前，上海人工智能实验室正协同国家气象中心、上海市气象局等机构，共同推动风乌GHR的业务检验评估、业务化部署和应用落地，为农林牧渔、新能源电力、航空航海等重点行业及公共安全提供可靠的气象预报路径。

图说：风乌GHR技术框架图

       破解数据稀缺难题

       在传统物理模式驱动下，需要消耗大量计算资源才能获得气象预报分辨率的提升，为日常运行带来极大负担。近年来，GraphCast、FourCastNet人工智能气象预报大模型的成功尝试，提供了更经济、高效的路径。然而，目前公里级大气再分析数据十分稀缺，各机构无法直接采用更高分辨率的数据进行模型训练。

       为应对这一现状，风乌GHR研究团队创新性提出“空间一致性映射”和“解耦组合迁移学习”技术，通过继承低分辨率再分析数据上预训练模型的先验知识，并结合少量的高分辨率实时运行分析数据，增加对区域大气活动的二次建模，破解了数据稀缺难题，同时缓解了高分辨模型训练代价昂贵的现状。

       “空间一致性映射”技术保证了低分辨率气象预报模型泛化性的同时，降低了高分辨率气象预报大模型训练复杂度。在此基础上，进一步利用“解耦组合迁移学习”技术，利用少量高分辨率数据进行微调，使新模型学习高分辨率数据中蕴含的小尺度天气现象。中国的研究人员结合使用上述两项原创新技术，使风乌GHR获得了10公里级分辨率的精细化气象预报能力。

       未来，上海人工智能实验室AI for Earth团队还将把人工智能方法应用到更广泛的气象、环境、天文、地质等地球科学问题研究中，应对“碳中和”、防灾减灾、能源安全等重大需求。

       新民晚报记者 郜阳

‍

‍