近日，繼去年5月發(fā)布首個泛自然資源行業(yè)多模態(tài)基礎(chǔ)大模型“長城”后，數(shù)慧時空又重磅推出了超高時空分辨率氣象AI大模型“微瀾測天”，以強大的計算能力和智能化算法為基礎(chǔ)，不僅擁有全球中長期氣象預(yù)報能力，還基于先進的超分技術(shù)，中國區(qū)域更新最高可達(dá)到6分鐘時間分辨率、1公里空間分辨率的氣象數(shù)據(jù)預(yù)報，并在預(yù)報準(zhǔn)確度、時效性和穩(wěn)定性等方面表現(xiàn)卓越，可以更好地滿足各行各業(yè)對精細(xì)化預(yù)報和微觀氣象的需求。

1、傳統(tǒng)數(shù)值預(yù)報模式的局限性

目前，應(yīng)對復(fù)雜的天氣過程，過去幾十年世界范圍內(nèi)主流的預(yù)測方法是借助“數(shù)值天氣預(yù)報”，其主要原理是將天氣的變化描述為一組偏微分方程組，利用科學(xué)家長期研究出的一套復(fù)雜數(shù)學(xué)物理模型和計算機模擬來預(yù)測未來天氣情況的演變。然而，求解這些復(fù)雜方程通常速度較慢，業(yè)務(wù)上運行數(shù)值天氣預(yù)報模型時需要高性能且大規(guī)模的CPU集群才能及時地產(chǎn)生預(yù)報結(jié)果，一些模擬甚至需要數(shù)千個節(jié)點運行幾個小時才能完成。同時，這些數(shù)值模型通常包括各種物理過程的參數(shù)化，如輻射傳輸、云物理、地表過程等，會由于各種假設(shè)和簡化不可避免地引入近似誤差。

此外，要想實現(xiàn)高分辨率的區(qū)域性降水預(yù)報，傳統(tǒng)的數(shù)值預(yù)報方法通常是對全球預(yù)報模式所獲取的預(yù)報數(shù)據(jù)進行降尺度（類似于超分）來得到時空高分辨率的降水預(yù)報結(jié)果。這種方式除了所需計算資源多、推理速度慢以外，還有一個無法避開的問題：區(qū)域模式的啟動需要進行內(nèi)部計算的平衡(即spin-up)，并且云也是由0開始積分，通常認(rèn)為常見的區(qū)域天氣預(yù)報模式需要3-6小時才能完成平衡過程，這也就導(dǎo)致這段時間內(nèi)的降水是不太可靠的。

2、數(shù)據(jù)驅(qū)動的AI預(yù)報技術(shù)帶來顛覆性變革，預(yù)報速度顯著提升

近幾年，AI預(yù)報技術(shù)的崛起為天氣預(yù)報領(lǐng)域帶來了顛覆性的變革，賦予了其全新的可能性。數(shù)慧時空氣象AI大模型“微瀾測天”緊跟這一趨勢，積極融合人工智能技術(shù)，實現(xiàn)了從傳統(tǒng)數(shù)值預(yù)報方法到深度學(xué)習(xí)領(lǐng)域的跨越?！拔憸y天”大模型基于長達(dá)20年的ERA5全球再分析數(shù)據(jù)，廣泛覆蓋了包括溫度、濕度、位勢、經(jīng)向風(fēng)、緯向風(fēng)在內(nèi)的五種關(guān)鍵氣象要素，在垂直高度上跨越了九個不同氣壓層，并涵蓋了地球表面的海平面氣壓、近地面氣溫、風(fēng)場及降水等多個方面，在大量歷史氣象數(shù)據(jù)中接受訓(xùn)練。同時，引入了三維Swin-Unet網(wǎng)絡(luò)架構(gòu)及多步損失微調(diào)策略，顯著降低預(yù)報的累積誤差。

當(dāng)獲取到最新氣象數(shù)據(jù)時，模型能夠迅速運用從歷史數(shù)據(jù)中習(xí)得的知識進行高效預(yù)測。該過程的計算強度相對較小，即使在配置普通的GPU（圖形計算單元）上，也只需要幾分鐘即可完成覆蓋全球范圍、分辨率為0.25經(jīng)緯度（約25 km*25 km）的7天氣象預(yù)報，預(yù)報速度相比傳統(tǒng)數(shù)值預(yù)報得到了極大地提升。

Diit-WLCT均方根誤差和異常相關(guān)系數(shù)與其他模型的對比

 "與市面現(xiàn)有的幾家氣象大模型相比，數(shù)慧時空'微瀾測天'氣象AI大模型在多個方面展現(xiàn)出卓越的性能。它不僅擁有全球中長期降雨預(yù)測能力，還將中國區(qū)域的預(yù)報結(jié)果提升至6分鐘、1公里的超高時空分辨率，其在空間分辨率方面相比其他模型提高了25倍以上。同時，在推理速度上同樣表現(xiàn)出色，以短臨降水預(yù)報為例，'微瀾測天'大模型在單張A10 顯存22G配置條件下，可以穩(wěn)定且快速預(yù)測未來三小時全國降水產(chǎn)品，更新頻率為6分鐘一次，每生產(chǎn)一次全國的降水產(chǎn)品僅需30秒?！?a href="/user/26045933" target="_blank" class="keylink">數(shù)慧時空氣象AI大模型負(fù)責(zé)人表示。

三小時短臨降水預(yù)報

3、多場景切入，不斷推進大模型應(yīng)用落地和迭代升級

當(dāng)前，數(shù)慧時空“微瀾測天”氣象AI大模型正從農(nóng)業(yè)生產(chǎn)、農(nóng)業(yè)保險和應(yīng)急管理等多個應(yīng)用場景入手，開展大模型的部署應(yīng)用和進一步迭代升級。

以農(nóng)業(yè)生產(chǎn)領(lǐng)域農(nóng)作物生長期及其長勢預(yù)測為例，系統(tǒng)基于輸入的遙感影像，運用解譯多模態(tài)大模型自動化識別提取該地區(qū)作物圖斑分布，并計算NDVI、LAI等指數(shù)屬性?；诋a(chǎn)品標(biāo)簽推送數(shù)據(jù)服務(wù)，結(jié)合本地知識庫，綜合作物標(biāo)簽、影像時間、物候期、植被指數(shù)等信息，選取氣象數(shù)據(jù)分析得到有效積溫、累計降水等關(guān)鍵因子，并疊加后續(xù)一段時間內(nèi)的溫度、降水預(yù)測數(shù)據(jù)，在以天為單位的時間維度上對作物生長發(fā)育狀況進行分析，挖掘關(guān)鍵氣象因子與作物生長間的相關(guān)性，構(gòu)建植物生長發(fā)育預(yù)測模型，判斷生長期并評估作物長勢。針對作物氣象敏感生育期，結(jié)合氣象數(shù)據(jù)智能化提供高/低溫、大風(fēng)、暴雨、霜凍等預(yù)警信號，幫助提前應(yīng)對，減少產(chǎn)量損失。當(dāng)作物臨近成熟期，結(jié)合氣象短期預(yù)報可為農(nóng)戶推薦合適的收割期。此外，氣象模型還可以應(yīng)用于農(nóng)業(yè)保險、病蟲害預(yù)警、森林草原火情監(jiān)測、環(huán)境保護、應(yīng)急災(zāi)害管理等場景。

同時，短臨降水預(yù)報大模型可以應(yīng)用于城市內(nèi)澇、山體滑坡、未來出行建議等場景。以山體滑坡為例，未來三小時的降水產(chǎn)品與基于衛(wèi)星遙感觀測數(shù)據(jù)的目標(biāo)解譯產(chǎn)品相結(jié)合，可識別出易出現(xiàn)山體滑坡的地點，做到災(zāi)前預(yù)警、災(zāi)中監(jiān)測、災(zāi)后評估等一系列防災(zāi)減災(zāi)工作。

未來展望：精細(xì)化氣象服務(wù)賦能千行百業(yè)

數(shù)慧時空“微瀾測天”氣象AI大模型緊跟現(xiàn)代氣象科技的前沿，以其卓越的性能和廣泛的應(yīng)用領(lǐng)域，致力于為用戶提供前所未有的高精度微觀氣象服務(wù)。未來，隨著深度學(xué)習(xí)技術(shù)的持續(xù)革新和進步，以及全球范圍內(nèi)氣象歷史數(shù)據(jù)的不斷累積和豐富，“微瀾測天”大模型將迎來新的發(fā)展機遇。它將能夠更加準(zhǔn)確地捕捉和預(yù)測復(fù)雜多變的氣象現(xiàn)象，進一步提升預(yù)報的準(zhǔn)確度和時效性。同時，該模型還將能夠根據(jù)用戶的特定需求，提供個性化的定制化氣象服務(wù)，有望在農(nóng)業(yè)、交通、能源等多個領(lǐng)域發(fā)揮重要作用，滿足不同行業(yè)和領(lǐng)域的精準(zhǔn)氣象需求，助力用戶在復(fù)雜多變的氣象環(huán)境下做出更明智的決策，從而提升生產(chǎn)效率、降低風(fēng)險，實現(xiàn)可持續(xù)發(fā)展。