1. 編輯| ScienceAI
- 作者| 伏羲團隊
國務院印發的《氣象高品質綱要（2022—2035 年）一個月》預測重大天氣預報，而重大天氣離不開15 天以上的次季節氣候預測技術。
次季節氣候預測關注的是未來 15~60 天的氣候異常，可以為農業、水利、能源等領域的生產安排提供重要支撐。
相比時效在兩週以內的中短期天氣預報，次季節氣候預測的不確定性更大。它不僅需要考慮初值問題，還要考慮邊界強迫的影響，預測來源更為複雜，預測技巧也較少。因此，次季節氣候預測一直被稱為「可預報性沙漠」，
由於其複雜性，甚至連 AI 大模型在時間尺度上的表現亦長期未能超越傳統模型。
為了解決這個問題，上海科學智能研究院（簡稱上智院）、復旦大學、中國氣象局國家氣候中心聯合研發了「伏羲」次季節氣候預測大模型（FuXi-S2S) ，首次超越傳統數值預報模式的標竿－ 歐洲中期天氣預報中心（ECMWF）的S2S 模式。
近日，該成果以「A Machine Learning Model that Outperforms Conventional Global Subseasonal Forecast Models」為題的論文，被國際權威綜合期刊《Nature Communications》雜誌收錄發表。
作為一種機器學習模型，「伏羲」次季節氣候預測大模型包含較為全面的變數：
- 13 氣壓層的5 個高空大氣變數
- 11 地面變數
處在於能夠快速有效地產生大型集合預測，在大約7 秒內完成長達42 天的全球日平均預報。
這些預測資訊對於農業規劃、資源管理、災害準備，以及抵禦熱浪乾旱、寒流洪水等極端天氣事件至關重要。
「伏羲」次季節氣候預測大模型在技術上實現了兩個關鍵性創新：
- 引入了海氣相互作用過程，特別是將熱帶大氣季節內振盪（MJO）這個次季節最重要的可預報性來源納入模型；
- 在隱空間中創新性設計了智能擾動生成模組，從而可以在當前氣候系統狀態下刻畫未來一個預報時次氣候系統演變的概率特徵，進而有效抓住氣候系統的物理不確定性。
這些技術突破使得該模式對降水的全球預測能力顯著提升，尤其在我國長江中下游地區等熱帶外地區更為顯著。
圖示：流程架構概述。 （資料來源：論文）
MJO 是一種週期性的大氣環流模式，其影響範圍從熱帶到中高緯度地區。預測 MJO 可以幫助氣象學家和氣候學家更準確地理解和預測未來數週到數月內的降水模式、風暴活動、溫度變化，以及乾旱和洪澇等極端天氣事件的發生。
「伏羲」次季節氣候預測大模型有效提升了對 MJO 的預測技巧，將 MJO 的預測技巧達到了 36 天，大幅超過了 ECMWF 的 S2S 模式的 30 天時長。
圖示：使用2017 年至2021 年的所有測試數據，對ECMWF 亞季節到季節(S2S) 重新預報(藍色) 和FuXi-S2S 預報(紅色) 之間的集合均值的實時多元馬登-朱利安振盪(MJO) (RMM) 雙變量相關(COR) 進行比較。 （資料來源：論文）
此外，「伏羲」次季節氣候預測大模型還可以透過建構顯著圖(Saliency map) 識別導致極端事件發生的潛在信息，這一能力在預測2022 年巴基斯坦洪水期間的極端降雨方面得到了驗證。
具體過程為，首先定義一個損失函數，例如下圖綠色方框標出的巴基斯坦平均降水異常百分率，保持模型參數固定，然後透過反向傳播求解梯度最終輸出輸入影像像素的梯度，來反映輸入氣像要素對於巴基斯坦降水異常百分比的正相關與負相關作用。
憑藉著「伏羲」次季節氣候預測大模型強大的預測能力和前兆訊號辨識能力，可以為應對極端天氣事件提供有效的工具和策略。
圖示：對 ECMWF 亞季節到季節 (S2S) 模型和 FuXi-S2S 模型對 2022 年巴基斯坦洪水預測的比較分析，以及有助於 FuXi-S2S 模型準確預測的前兆訊號。 （資料來源：論文）展望
以往，全球僅有少數國家能夠研發並即時運行傳統數值預報模式，其研發和運作需要大量人力和運算資源，且依賴超級電腦上成千上萬的 CPU。
如今，伏羲氣像大模型等基於人工智慧的模型在訓練完成後運行速度更快，計算資源需求更少，為發展中國家提供了更可承受的選項。
人工智慧在氣候變遷風險管理領域也擁有廣闊的發展空間。它能夠改變氣候科學的研究範式，突破傳統模式的局限性，實現更精細的空間分辨率和更長時間尺度的精準氣候風險預報。此技術將廣泛應用於極端氣候預測、運輸、保險、新能源、期貨交易、城市規劃等多個產業領域。
目前，「伏羲」次季節氣候預測大模型仍有提升空間，例如其空間分辨率為1.5 度，與ECMWF 次季節模式的36 公里的空間分辨率相比仍相對粗糙，目前預報的是日均氣溫、缺少日最高溫度和每日最低溫度等。
此外，「伏羲」次季節大模型還在探索把最高氣壓層從目前的 50hPa（百帕）提升到 1hPa 甚至是臨近空間，賦能更多應用場景。
作者簡介
上智院研究員陳磊，復旦大學人工智慧創新與產業研究院博士後仲曉輝，以及中國氣象局氣候研究開放實驗室吳捷副主任為論文共同第一作者。上智院院長、復旦大學浩清特聘教授漆遠，上智院科研副院長、復旦大學人工智慧創新與產業研究院研究員李昊，以及中國氣象局氣候研究開放實驗室研究員陸波為論文的共同通訊作者。
全體作者：Lei Chen, Xiaohui Zhong, Hao Li#, Jie Wu, Bo Lu#, Deliang Chen, Shang-Ping Xie, Libo Wu, Qingchen Chao, Chensen Lin, Zixin Hu & Yuan Qi#（標#的為通訊作者）
論文連結：https://www.nature.com/articles/s41467-024-50714-1
以上是Nature子刊，上智院、復旦、中國氣象局研發次季節AI大模型「伏羲」，突破「可預報性沙漠」的詳細內容。更多資訊請關注PHP中文網其他相關文章！
