如何利用数字技术预防不确定的极端气象灾难？

古人云：“大者，盛也，至此而雪盛也”。大雪时节，我国大部分地区的最低温度都降到了0℃或以下，往往在强冷空气前沿、冷暖空气交锋的地区，会降大雪甚至暴雪。瑞雪兆丰年，严冬积雪覆盖大地，可保持地面及作物周围的温度不会因寒流侵袭而降得很低，为冬作物创造良好的越冬环境。然而，物极必反、过犹不及，如果超出适量范围，瑞雪也就有可能会带来一场灾难。

事实上，近年来，气候变化的速度已经远远超过了人们的想象，更猛烈的热浪、更频繁的洪水、更大的暴雪、海平面的持续升高，这些极端天气发生的频率远快于人类的预测。2021年7月，河南郑州、豫北地区相继遭遇史上最强暴雨侵袭。10月，山西中部、南部再次迎来大暴雨。短短两个多月的时间里，一向少雨的北方省份频频取代南方，反而成为暴雨灾害的热门话题，令人咋舌。

其实，早在2021年初，联合国政府间气候变化特别委员会(IPCC)就发布了一份针对极端气候事件风险管理的报告，报告提出：全球变暖将加剧全球气候变化，加快水循环，并导致更多的强降雨。面对具备更多不确定性的极端天气情况，如何预测、如何发现、如何治理成为了又一时代难题。

如今，全球数字化转型方兴未艾，以物联网、云计算、人工智能等新技术为代表的数字化、智能化时代正在到来，如果能将新技术、新手段与气象预报相结合，做到快速识别异常气象条件、准确及时的预报极端灾害事件，就有可能极大的降低损失、挽救生命。

物联万物，拓展气象数据来源

对于气象监测而言，数据是所有预测行为的基础。在以往的气象监测中，卫星、雷达等设备是气象单位监测天气的主要手段。然而，实际的天气过程千变万化，一个变量微小的扰动都会改变未来天气状况。因此，有限的卫星、雷达设备不能完全满足极端气象的监测需求，数量更多、分布更广的物联网设备成为气象数据最有潜力的数据来源。

事实上，物联网技术已被广泛应用于气象监测预警、气象预报、气象信息传输和气象服务等各个层面。例如，2012年6月，美国国家天气局成功应用物联网技术研发了无线紧急预警系统。日本气象厅于2007年就建成了基于物联网的地震感知预警系统。中国气象局气象探测中心研发的下一代地面观测系统，也是基于物联网技术的一个典型应用。

在物联网技术的帮助下，包括手机、车辆、雨伞等在内的任何物品都可能成为潜在的获取气象数据的通道，尤其是随着可穿戴设备的不断发展，每个人都可能成为未来的气象数据源，前所未有的拓宽了气象数据的渠道来源。

从技术角度来看，物联网的射频识别及传感器技术既可用于跟踪天气、又可跟踪空气质量，从而尽可能多的获得光、运动、温度、压力和湿度等因素的实时精准数据；嵌入式技术则将传感设备集成于任一控制节点，形成一个个处理中心；通信网络技术则确保了任意设备获取的数据得到了准确的传输，让监测和管理做到了有的放矢。

此外，在长期的技术实践过程中，神州数码基于在RFID、物联网、中央集成控制、边缘计算等领域沉淀技术能力，已经能够为设备管理、数字化运营等方面提供众多解决方案。比如神州数码基于“大数据”“一张图”的实战指挥平台思路下的力量信息精准化的信息服务系统，不仅很好的解决了设备识别和数据采集问题，实现了装备器材的智能控制与互联，也延伸到了后端的数据处理，实现了智慧化管理和科学决策，在应对极端天气和突发事件的过程中也有非常广泛的借鉴意义。

云化大脑，赋予超强计算能力

当然，对于极端气象的监测而言，仅仅能够获取数据还远远不够，如果获取的海量数据没有得到有效利用，那么就无法产生最终的最大价值。然而，以往气象预测不尽如人意，掣肘要素之一就是气象数据过于庞杂且数据量大，无法被全部高效地处理，算力也成为了限制极端气象监测发展的重要一环。

随着监测更加精密化，气象部门数据还在持续爆炸式增长。公开资料显示，气象数据到2022年将达到45PB，日增量40TB。因此，气象部门一直在寻求能够高效率且大规模并行计算的先进算力，用来支持即时挖掘和分析气象的海量数据，以应对大量结构化和非结构化数据的生成。

面对着数据的持续爆炸，气象机构对于算力的需求越发严苛。在气象领域，天气的数值预报离不开计算机。早在2019年，中国气象局曾提出的“计算”需求就包括：高性能计算系统峰值运算速度要不低于8000万亿次每秒、内存容量每1个CPU核、至少对应6GB内存、在线存储容量要大于12.6PB、全系统可用度超过99%等。

既然气象大脑的能力进阶，对计算能力提出了超高要求，那么计算机的更新换代自然也就刻不容缓。2018年，中国气象局迎来了国产高性能计算机系统“派—曙光”。2019年，这套系统因在前期测试、试运行中表现良好，通过业务验收，正式承担起气象业务运行及科研重任，这也是首台应用国产卫星数据、运行国产模式的国产气象高性能计算机系统。

鲜为人知的是，神州数码依托自有的神州数码厦门鲲鹏超算中心等核心基础设施，在助力中国气象行业的数字化转型升级方面走在了前列。

据了解，气象数据的数据来源极其庞杂，是典型的多源数据汇集，除了地理、时空等数据，往往还需要综合卫星观测、地面气象观测站、气象雷达站、L 波段探空系统以及地形、历史气象统计资料，计算逻辑极其复杂，这就要求气象预测在拥有超级算力的同时，还需要具备能够处理不同数据种类的多样性算力。

与此同时，传统气象预测中心在向数字预测转型的过程中，如果在本地自建机房，就无法避免大量成本的投入，在后续的过程中，也没有足够的专业IT人员对基础设施进行及时的运营和维护；如果购买异地服务，又会面临网络带宽传输率低，安全无法保障，以及本地服务支持不足的问题。

面对这些问题，神州数码厦门鲲鹏超算中心凭借免运维、高可靠、高性能的超算服务，成为了气象部门的优选。一方面，超算中心的云化架构，能够根据业务要求和不同的应用特点，调用不同的规则的底层算力，保证了气象业务的不间断运行和算力资源的充分利用。另一方面，由于超算中心的数字化、可视化、集约化特点，当超算服务出现问题时，超算团队能够及时发现并处理，通过弹性调控备用资源确保业务不受影响，弥补了传统超算模式的不足。

预报天气，人工智能或更擅长

在获取了海量数据及强大计算能力后，如果想要更快速、更高效的实现极端气象监测，人工智能就成为了不可或缺的关键一环。2010年以来，随着新一代信息技术引发的信息环境与数据基础变革，海量图像、语音、文本等多模态数据不断涌现，计算能力的大幅提升，使得人工智能迎来爆发期。

人工智能技术自诞生以来就是处理大数据的工具，与天气预报有着天然耦合的关系。众所周知，天气预报需要基于对大量的、多种多样的资料进行汇总，但随着观测卫星、雷达和传感器网络持续不断地产生大量数据，如何处理海量的、多种多样的气象资料成为天气预报的一个挑战。而人工智能以机器学习算法为基础，能够通过数学统计方法高效处理海量数据，从而减少计算量、节省计算资源，助力天气进一步实现精准预报。

不仅如此，人工智能还具有对不完全、不确定信息的推断能力，其可利用机器学习算法分析大量历史数据间隐藏的非线性关系，从而更准确地厘清地球系统现象间复杂的因果关系，可解决现有资料时空数据密度不够的难题，还能总结专家的知识经验，进而可以利用统计与数值模式中无法利用的抽象预报知识以及提高平均预测水平。

不过，对人工智能究竟能在多大程度上改进天气预报和气象服务，仍然尚存争议。人工智能技术的本质是通过对过去天气形势的学习，预测未来的天气情况，而实际的天气过程千变万化，一个变量微小的扰动都会改变未来天气状况。同时，人工智能也格外依赖数据的精确程度，一旦观测数据有细小差异，预测结果就会相差甚远。此外，人工智能常被比喻为“黑箱模型”，该方法只能得出天气预测结果，但其科学性以及可解释性较弱。

尽管具有局限性，但人工智能在预报天气领域的应用已获得业界认可。欧洲中期天气预报中心发布的2021—2030年战略规划显示，未来10年将把人工智能完全融入数值天气预报和气候服务中。美国国家大气研究中心也正在推动一项研究计划，深化人工智能在天气气候领域中的应用。中国中央气象台在定量降水融合预报、强对流天气分类潜势预报、台风智能检索、预报公文自动制作等方面采用了人工智能技术，取得了鼓舞人心的效果。

同时，哪怕只能预测提前几小时的短临预报，人工智能也有“用武之地”。例如，中央气象台和清华大学联合开发出的一种基于深度神经网络的雷达回波外推方法，该方法比之前运用传统方法进行回波预报的准确率提高约40%；深圳气象局建立的基于深度学习的雷达外推模型，可以在5—10分钟内有效预测未来0—6小时的降水，可以帮助快速识别可能导致极端灾害事件的气象条件。

综合来看，以物联网、云计算、人工智能为代表的数字技术能够为极端气象监测极大的拓展实时数据来源、最大化利用数据的潜在价值、更准确的预知未来潜在的风险，在极端天气预报、灾害预警及救援方面将会发挥越来越大的作用。

未经允许不得转载：DOIT » 如何利用数字技术预防不确定的极端气象灾难？