Google透過AI預測天氣變化,提供更精細的Nowcast預報

Google透過AI預測天氣變化,提供更精細的Nowcast預報

ADVERTISEMENT

天氣的好壞會直接影響我們的日常生活,所以我們也很習慣參考天氣預報,來安排工作、行程甚至是週末假期的旅行計劃,雖然我們都希望能瞭解每個小時生活環境周圍的天氣變化,然而要針對局部地區或以每小時為單位預報天氣,仍是個相當有挑戰性的任務。

傳統預報需6小時運算

在進行天氣預報之前,氣象單位會透過許多儀器、設備觀測多項指標數據,例如使用都普勒雷達測量降雨、氣象衛星提供多光譜影像(Multispectral Image),地面觀測站也會測量風向、雨量等。然而數據的測量還是會受地理環境限制,例如雷達站的地點與能提供的覆蓋範圍,還有某些區域的地型可能會影響雷達、衛星訊號,造成預報的困難。

以美國的天氣預報為例,國家海洋與大氣管理局(National Oceanic and Atmospheric Administration,NOAA)所收集的相關數據資料量約為每天100 TB,並透過超級電腦的大型天氣預報程式提供未來10天的全球天氣預報。

由於這個程式以物理模擬為基礎,除了導入大氣動力學(Atmospheric Dynamics)運算之外,並會考慮植被、湖泊、海洋、熱輻射等效應,不但單次預報可能要花費6個小時的時間進行運算,也只能將預測範圍切分為5 x 5公里區域。

天氣預報有賴許多觀測數據。上圖為衛星雲圖,下圖為都普勒雷達降雨圖。(GIF動圖,容量:4MB。圖片來源:NOAA,NWS,NSSL)

10分鐘內完成AI解讀預報

先前Google研究團隊在透過機器學習判讀雷達圖像進行天氣即時預報論文(Machine Learning for Precipitation Nowcasting from Radar Images,PDF)中提到,他們可以在機器學習的協助下,排除物理模擬的運作方式,單純利用人工智慧分析雷達圖像並作出預測,除了能將預測範圍縮小至1 x 1公里區域外,時間區間也能細切為1小時,更棒的是在訓練好的人工智慧模型下進行推論(Inference)時的運算需求並不高,大約只需5至10分鐘就能完成運算。

由於這樣的作法不考慮各種物理因素,只是單純分析雷達的圖像,因此可以將問題當作電腦視覺(Computer vision)來處理,這就是AI運算的強項了。Google的研究人員將天氣預報視為圖像到圖像的轉換問題,以卷積神經網絡技術(Convolutional Neural Network,CNN)來處理。

CNN通常由多層處理列組成,每層會將輸入的圖像透過卷積濾鏡(Convolutional Filter)轉換為新圖像輸出,其中可能會改變圖像解析度,或是進行檢測邊緣、辨識有意義的圖案等等。為了增加運算效率,研究人員也導入U-Net CNN,它會在處理圖像過程中迭代降低通過U-Net的圖像解析度,並再處理完成後再擴展回較高的解析度。

在訓練的過程中,研究人員採用2017年至2019年期間的美國大陸氣象觀測數據,並以4週為區間切分多段,每段的前3週用於訓練模型,第4週則用於評估成果。

這種方式所進行的天氣預報具有一定精準度,與實際情況相當接近,但是到當預測的時間超過6小時之後,結果的準確度就被NOAA的高解析度快速更新(High Resolution Rapid Refresh,HRRR)預測方式超越。

圖A為U-Net的整體運作流程,圖B、C、D分別代表Basic、Down-Sample、Up-Sample區塊內進行的運算。(圖片來源:Google,下同)

使用AI分析(右)的結果與實際情況(中)相當接近,在6小時內的準確度也比HRRR(左)高。(GIF動圖,容量:25.3MB)

Google已經於搜尋網頁中提供以小時為單位的天氣預報,未來可望導入技術提升即時預報的準確度。

使用人工智慧進行預測最大的優點,就是可以即時得到結果,不像HRRR需要等待1至3小時的運算時間,然而因為影響天氣的因素相當多,很難單從2D圖像推測,因此人工智慧適合用於短期的即時預報(Nowcast),而HRRR等大型數值模型則能更精準做出長期預報(Forecast),研究人員也期望可以結合2種不同技術,達到更理想的預測成果。

國寶大師 李文恩
作者

電腦王特約作者,專門負責硬派內容,從處理器、主機板到開發板、零組件,尖端科技都一手包辦,最近的研究計畫則包括Windows 98復活與AI圖像生成。

使用 Facebook 留言
發表回應
謹慎發言,尊重彼此。按此展開留言規則