气象预测AI成为减灾的关键？| 科学世界·特辑

主要观点总结

本文介绍了随着超级计算机技术的发展，天气预报的精度逐渐提高。数值天气预报（NWP）虽然能提高预报准确率，但需要消耗大量计算时间。为了解决这个问题，Google DeepMind推出了气象预测AI GraphCast，其预测精度超过了传统方法，并能大大缩短计算时间。此外，AI还能用于长期气候变化的预测。Google Research发布的新型气象预测模型NeuralGCM结合了传统物理模型和机器学习技术，提高了预测小尺度气象现象的精度和计算速度。

关键观点总结

关键观点1: 超级计算机提高了天气预报的准确率

自20世纪80年代以来，超级计算机技术的实用化使得天气预报的精度越来越高。

关键观点2: AI在天气预报中的应用

AI技术如GraphCast和NeuralGCM正在被用于提高天气预报的效率和精度，缩短计算时间。

关键观点3: GraphCast的工作原理

GraphCast基于过去40年的庞大气象数据，建立了全球范围内的气象模式和规律的模型，采用图神经网络（GNN）技术，可以精准地预测局部天气变化。

关键观点4: NeuralGCM的特点

NeuralGCM结合了大气环流模型（GCM）和机器学习技术，能够准确预测小规模气象现象，如台风路径和发生频率。与传统物理模型相比，它在精度和计算速度方面都有显著优势。

关键观点5: AI在长期气候变化预测中的作用

AI不仅能用于中短期天气预测，还能建立预测长期气候变化的模型，如NeuralGCM能够模拟全球气温变化和热带气旋的路径和发生频率。