【深度学习预测极端天气】更好捕捉台风“天鸽”轨迹

【新智元导读】台风“天鸽”在深圳一带掀起了字面意思上的狂风暴雨，洗刷了持续的高温，但也引发深圳市有史以来第二次台风红色预警。不仅如此，“天鸽”强度一天连跳三级，也创下深圳市台风强度变化最快的记录。如何更准更快的预测极端天气？现在，研究人员开始使用深度学习等AI算法，加权气候模型，改善气象预测。

台风“天鸽”袭击深圳市，大雨导致路面成河。来源：微博

今年第13号台风“天鸽”昨天给深圳市带来狂风骤雨，全市进入紧急防御状态，停工停课停市停业，海陆空交通瘫痪。

深圳市气象台已发布台风红色预警信号，这是深圳历史上第二个台风红色预警。不仅如此，台风“天鸽”近海加强、移动速度快、影响范围广，强度一天连跳三级，深圳的台风预警信号从8月22日18时开始，16个小时之内从台风黄色预警，一路飙到台风红色预警。

极端气候加上快速变化，给气象预测带来了问题。

“天鸽”创下深圳市台风强度变化最快纪录，real厉害。来源：微博

频频出现的极端天气引发了人们广泛的关注和思考，也对气象研究尤其是预测提出了挑战。其中，一个名叫“气象信息学习”（climate informatics）的领域，致力于将气候科学与统计学、机器学习和数据挖掘相结合来促进跨学科的发现，包括更好地应对气象预测问题。

下个月，第七届气象信息学研讨会将在美国科罗拉多州的博尔德市召开。今年的会议也包括了含有深度学习、智能这些关键词的特别环节：

随着从传感器（包括气象人造卫星）收集到的数据越来越多，气象研究人员也开始使用机器学习系统来分析庞大的数据，希望从中找出新的气候模式，从而改善天气预测。

乔治华盛顿大学的计算机科学家 Claire Monteleoni 是最早将机器学习技术与气候科学的结合在一起的研究人员之一，Monteleoni 认为，气候现在是一个数据问题。擅于在大数据中寻找模式和规律的机器学习，天然适用于气候科学。这方面的应用也在快速发展。过去几年，研究人员利用AI系统帮助他们在气候数据实时模型和模拟气候数据中对气候模式、现场气旋和其他极端天气事件进行排序，并确定新的气候模式。

Monteleoni率领团队开发了机器学习算法，为政府间气候变化专门委员会（Intergovernmental Panel on Climate Change）使用的大约30个气候模型创建加权平均数。Monteleoni说，通过学习模型的优缺点，这种算法能够得出比传统方法更好的结果。

2016年，研究人员报告了使用深度学习系统来确定热带气旋、大气河流和天气锋面的首次案例。这些现象由于特征定义松散，识别都取决于专家的判断。但深度学习系统已经表现出了人类专家的能力。现在，位于加利福尼亚州的美国劳伦斯伯克利国家实验室（LBNL）的团队，希望使用类似的技术研究各种极端事件——包括尚未确定的极端事件。研究人员的最终目标是更好地评估和预测这些事件在气候变化面前会发生怎样的转变。

当然，也有人对使用深度学习预测气候提出质疑，比如LBNL的气候建模人员 William Drew Collins。Collins的担忧来自深度学习的“黑箱”性质。但是，他认为AI算法是帮助测试下一代气候模型——拥有各种复杂的特征参数，例如云的结构、大气河流、海洋漩涡——的好方法。

尽管如此，使用深度学习似乎仍然是大势所趋。2016年的一项测试中，来自美国国家气象部门的9位气象学家需要完成一项预测风暴持续时间的任务，他们可以在AI算法和常规方法中进行选择，结果大约75％的情况下选择了使用AI算法。该研究负责人、俄克拉荷马大学的计算机科学家Amy McGovern，现在正计划将AI算法纳入气象局的冰雹预测。

• 访问网站了解更多：http://climateinformatics.org/
• Nature相关报道：http://www.nature.com/news/how-machine-learning-could-help-to-improve-climate-forecasts