专家观点 | AI赋能引领气象创新 交叉会聚驱动智慧应用
人工智能是新一轮科技革命和产业变革的重要驱动力量。在近日举办的“2023年北京市科协青年科技工作者跨学科交流沙龙——AI赋能引领气象创新 交叉会聚驱动智慧应用”沙龙上，来自不同科研院所的青年科技工作者为我们带来了精彩的报告，让我们全面客观地认识了人工智能在气象领域的应用。
会后，北京气象学会对专家观点进行了提练总结，一起看看吧！
中国气象科学研究院人工智能气象应用研究所所长王亚强研究员的报告题目是《基于人工智能的天气识别及气象预报预测研究》，他提出：
1.传统的气象预报是以物理驱动的，通过理论发展、计算能力提高、观测系统完善，取得了很好的效果，但中长期天气预报、极端天气气候事件预报预测还有很大挑战。
2.气象领域有长期积累的观测数据和快速增长的模式输出数据(气象大数据)，特别适合与人工智能应用相结合。近年来大数据和人工智能尤其是深度学习的不断成熟。使得人工智能技术在天气预报业务的各个关键环节上具有重要的应用价值。
3.基于数据驱动的人工智能气象预报，从天气识别和预报预测两方面来看，应用AI的识别率和预报准确率都取得了较好的效果，研究团队也探索通过应用多元数据，优化损失函数、修正贝叶斯模型等途径进一步提升预测技巧。
4.今后还需要关注极端天气样本不平衡及可解释性问题，加强人工智能在气象领域应用的独特性，将其与物理机制相结合，进一步提升人工智能气象预报预测的稳定性以开展实时业务预报。
5.建议青年人积极关注人工智能领域的最新进展，加强交叉学科理论知识和技术能力的学习，从气象领域的科学问题出发，找到适合用AI来做的具体研究内容。
北京城市气象研究院副院长陈明轩研究员的报告题目是《人工智能在冬奥会及京津冀强对流短临预报中的应用研究简介》，他提出：
1.人工智能(Al)+气象应用是现代气象学的发展方向之一，国际上主要的业务中心都在开展AI气象应用技术研发和测试。机器学习与气象结合，在天气学领域我们可以做回归问题(预测问题)，也可以做分类问题。
2.针对冬奥会气象预报服务的关键科学技术问题，在基于机器学习的冬奥气象预报应用研究方面，冬奥站点及高分辨率格点机器学习订正取得了很好的效果;在冬季降水相态机器学习自动识别方面，在特征参数中增加复杂地形下降水相态气候特征可以明显提升机器学习方法对雨、雨夹雪和雪的预测准确率;在基于机器学习的京津冀强对流识别和临近预报研究方面，需要注意深度学习临近预报的模糊化和平滑问题:与传统机器学习方法相比，应用深度学习的中尺度对流系统识别与追踪效果更有优势。
3.机器学习在大气科学领域的应用正在兴起，在研究过程中，数据集的构建和预处理是关键和核心，需要围绕目标选取合适的模型和机器学习方法，合理搭配和构建模型并进行有效的训练和学习。对于AI大模型(复杂感知深度神经网络预测模型)，需要关注
中国华能清洁能源技术研究院人工智能与大数据技术部温晗秋子首席的报告题目是《智能气象与清洁能源开发利用》，她提出：
1.在双碳目标指引下，能源转型需要构建清洁低碳安全高效的能源体系构建以新能源为主体的新型电力系统。2021年以来国内和国际上都大力推动气象资源对可再生能源发展的支持，气象对能源行业的支撑上升到国家能源安全的战略层面。
2.新型电力系统是我国清洁能源开发利用的总体框架，气象在新型电力系统构建过程中发挥了重要的支撑作用，发电端的电厂建设设计、经营交易等都需要不可或缺的气象数据资源，用能侧的负荷预测及综合能源管理也都需要精细化气象预测支持气象与清洁能源开发利用已在发电/用电预测、资源勘查、交易、运维等多时空尺度的应用场景深度耦合。
3.新型电力系统能源转型对气象有着非常大的需求，目前此需求还没有被很好地满足在高分辨率天气预报、延伸期预测及极端事件预报等方面还面临着共性挑战。
4.目前涌现了ChatGPT、Al for Science等现象级的Al，前者在庞大的数据和算力的加持下实现了解决多种问题的性能飞跃，后者善于进行各种高效高性能的先进计算、辅助探索科学世界内的未知。期待气象行业与AI的融合也能出现现象级的技术理念、产品及系统性框型、结合大数据，高算力，肋力气象能源深度融合发展。
5.建议青年人才在交叉科学研究中关注基础理论和思想，积极挖掘产业一线“金矿”平衡科学思维与工程能力，以开放的心态增进跨学科能力。
中国气象局公共气象服务中心大数据技术研发副总师匡秋明高工的报告题目是《人工智能技术在气象领域应用探索》，他提出：
1.2016年以来Al在气象领域应用研究显著加速，人工智能不仅仅只有机器学习，还可以用于做感知，做反馈，在智能气象观测，智能气象预报和智慧气象服务方面都有了得多应用成果。
2.在智能观测方面，有卫星积雪雾监测，积雨云和云层雨识别等计算机视觉方面的人工智能技术应用;在气象预报预测方面，可基于深度学习时空降尺度方式获得高分辨率的模式预报降尺度产品、进行预报偏差的滚动订正和多任务集成预报等;在智慧气象服务方面，研发了可回答气象问题的MetGPT，并进一步接入ChatGPT优化问答，智能高效地基于用户和场景按需生成气象服务。
3.AI方法对很多传统方法具有替代性优势，在气象领域研发应用的机会很多，建议青年人结合自身具体方向，就观测、预报、服务的一个方面深入研究，可与专业AI研发单位联合开展研究。Al大模型是发展趋势，但对技术和资源要求都比较高，在预报稳定性、物理约束、在线学习等方面的问题还需要进一步研究。
中国科学院大气物理研究所潘宝祥副研的报告题目是《概率深度学习辅助天气-气候预报》，他提出：
1.影响天气-气候预报的三个不确定度包括内在气候变率、外强迫和模型偏差，人工智能给出了可能的解决方案，基于深度神经网络模拟高维概率，可用概率深度学习辅助天气-气候预报。
2.在构建样本足够真实、概率分布拟合准确、灵活控制条件生成、尺度自适应、快速采样、准确概率估计的概率生成模型后，可应用到以点观测推估气象场、短临预报、中短期降水预报、季节预报等方面，使结果更接近实际。
3.在人工智能气象研究过程中，可以从三个不确定度出发,明确所研究的问题到底源自哪里，在此基础上对进行深度学习或者机器学习研究所使用的数据种类来源及缺点进行分析，合理选择研究所使用的工具，为实现交叉学科研究的协作和互动，要充分理解不同领域的内涵，以更好地刻画和解决研究问题。
在竺可桢、涂长望、赵九章等老一辈气象学家积极倡导下，中国气象学会北京分会于1950年7月16日正式成立。1960年11月，经第8届理事会决定更为北京市气象学会(1978年改称北京气象学会)。至2019年经历了20届理事会，拥有会员1500余名。近70年来，学会在开展高水平学术交流、普及气象科学知识、提供决策与技术咨询服务、组织科技成果评价与转化、组织和参与科技项目研究、进行气象科技培训、托举青年气象人才成长等方面做了很多有益的工作。学会组织不断壮大，学会活动日趋广泛深入，承接中国气象学会工作任务，承接北京市气象局相关职能，在北京地区有关单位、部门及广大会员、气象科技工作者的支持下，北京气象学会为首都经济建设、社会发展和气象科技进步做出了积极贡献。
