作者：楊淑賢，零豐華，應(yīng)武杉，楊松，羅京佳

單位：南京信息工程大學(xué) 氣候與應(yīng)用前沿研究院/氣象災(zāi)害教育部重點實驗室/氣候與環(huán)境變化國際合作聯(lián)合實驗室/氣象災(zāi)害預(yù)報預(yù)警與評估協(xié)同創(chuàng)新中心

doi: 10.13878/j.cnki.dqkxxb.20210623003

摘要

近年來，隨著人工智能技術(shù)在多個領(lǐng)域大數(shù)據(jù)分析中的應(yīng)用，許多研究工作者嘗試將地學(xué)研究與人工智能跨學(xué)科結(jié)合，取得了很多新的進(jìn)展，推動了地球科學(xué)的發(fā)展。其中氣候預(yù)測與人類生活以及防災(zāi)減災(zāi)等息息相關(guān)，準(zhǔn)確的氣候預(yù)測至關(guān)重要。本文簡要總結(jié)了人工智能技術(shù)在氣候預(yù)測應(yīng)用方面的研究進(jìn)展，包括資料同化、模式參數(shù)化、求解偏微分方程、構(gòu)建統(tǒng)計預(yù)測模型、改進(jìn)數(shù)值模式產(chǎn)品釋用等領(lǐng)域。這些研究證明了利用人工智能提高氣候預(yù)測技巧的可能性和適用性，可以極大地節(jié)省計算成本和時間。然而人工智能應(yīng)用也存在諸多挑戰(zhàn)，例如數(shù)據(jù)集的構(gòu)建、模型的適用性和物理可解釋性等問題，對這些難點問題的研究和攻克，可以讓人工智能在大數(shù)據(jù)時代中更好地補充傳統(tǒng)地球科學(xué)方法，產(chǎn)生更多有益的效應(yīng)，極大地改進(jìn)氣候預(yù)測水平。

關(guān)鍵詞

人工智能；數(shù)值產(chǎn)品釋用；氣候預(yù)測

圖3 通過圓柱體矩形訓(xùn)練區(qū)域的二維流動：（a）輸入的濃度；（b）人工智能模型回歸出的濃度。根據(jù)納維-斯托克斯方程由圖（b）回歸出來的速度場u(c)、v(d)和壓力場p(e)以及用來對照的同一時刻速度場u(f)、v(g)和壓力場p(h)。其中橫縱坐標(biāo)表示二維流動的方向，數(shù)值分別表示沿著x，y方向的位移。引自Raissi et al. (2020)

圖6 降水分布:低分辨率1.0°（a，約100 km）和通過DeepSD降尺度后高分辨率1/8°（b，約12.5 km）的結(jié)果（引自Vandal et al., 2017）

圖7 人工智能預(yù)測氣候的流程圖、面臨的挑戰(zhàn)及其可能的解決方法

圖8 地球系統(tǒng)模式與人工智能相融合的不同階段（改編自Irrgang et al., 2021）

點擊[閱讀原文]即可下載或查看人工智能技術(shù)氣候預(yù)測應(yīng)用簡介全文電子版本。

轉(zhuǎn)載于[大氣科學(xué)學(xué)報公眾號]