气象学家越来越多地转向人工智能来改进天气建模，从预测短期和长期模式到预测危及生命的极端天气事件。

近几十年来，对地球、环境和天气系统的监测取得了突飞猛进的发展。1851年，英国首先通过电报传送观测资料，绘制成地面天气图，并根据天气图制作天气预报。如今，多颗卫星从太空监测地球。

地球观测卫星的激增并不是计量学家需要考虑的唯一新数据来源。数十亿部手机中的气压监测器不断收集大气数据。

这意味着虽然用于监测地球环境复杂系统的技术已经升级，但它提供的数据量也在升级。这导致产生大量数据，科学家们根本无法将其全部整合到他们的模型中。

这也是为什么地球和环境科学（统称为地球科学）越来越依赖机器学习，数值天气预报 (NWP) 领域取得了重大进展。该应用程序甚至可以帮助科学家预测极端天气事件，包括在热带风暴演变为猛烈和破坏性飓风时对其进行跟踪。

2019 年 4 月，美国国家海洋和大气管理局 (NOAA) 举办了第一次关于在地球科学中使用人工智能的研讨会，汇集了学术界和私营部门等不同领域的数百名科学家、项目经理和领导者。

这次会议上专家与更广泛的群体交流想法、经验和建议，随后在美国气象学会公报上发表了一篇论文 。该论文探讨了研讨会上讨论的概念、人工智能在天气预报和建模中的现状，以及机器学习如何在不久的将来为这些领域提供巨大的推动。

人工智能在天气预报和建模中的应用

毫无疑问，天气科学正处于重大范式转变的风口浪尖。卫星监测提供了如此多的数据，因此利用机器学习的最新进展来处理这些数据变得至关重要。这与我们作为一个社会越来越依赖天气预报的事实相结合。

这导致地球科学家和气象学家羡慕地关注人工智能数据处理方面的进步，例如图形处理和其他领域（如金融、面部识别甚至自动驾驶汽车的开发）中制造的其他具有成本效益的硬件框架。

这促使许多研究人员、研究所和私营部门公司开发高效、智能的信号和图像处理、模式识别和预测能力，以结合来自不同来源的数据并构建综合天气模型。

人工智能和机器学习在天气预报中的这种使用有望模拟长期和短期的天气模式，使我们能够预测未来的气候趋势并预测未来几小时甚至几秒内的小型天气事件。

人工智能在天气预报中的一项当前应用以动态综合预报 (DICast) 的形式证明了这些雄心是可以实现的，这是一个于 1998 年启动的为期两年的项目，是许多应用程序的核心。

从各种来源获取数据，DICast 应用自动预测技术来创建独立预测。然后使用机器学习程序将这些单独的预测组合起来，该程序采用“模糊逻辑”，在数千个国际地点创建长达十天的完全自动化、及时、准确的预测。

极端情况下的人工智能应用

人工智能在地球科学中的可行性最近也在对抗野火中得到了证明。越来越多的消防员开始使用卫星和远程无人机来收集有关野火蔓延的数据，甚至预测此类事件可能从哪里开始。处理这些数据同样需要人工智能。

美国的12 个州目前正在测试一项计划，其中卫星使用微波和树叶颜色等因素来确定森林区域的干燥程度，其逻辑是潮湿的树木和树叶不会燃烧。然后人工智能获取这些数据并将其整理在“森林干度图”中，到目前为止，该图已证明其准确度约为 70%。

当然，野火并不是天气影响威胁财产和生命的唯一方式。飓风和龙卷风等极端天气是世界许多地区一个严重且日益严重的问题。

这激发了美国国家科学基金会 (NSF) 对一项使用图像识别算法预测极端天气（包括跟踪和预测龙卷风路径）的计划进行2000万美元投资。

AI天气预报会取代传统方法吗？

尽管人工智能使得天气预报越来越精确和准确，但它们仍然有待用于创建完全独立于传统天气预报方法的模型。造成这种情况的原因是传统方法和 AI 替代方案得出的结论可能是不同。

虽然标准方法使用物理定律来模拟世界和环境，但机器学习使用多达数百万个数据片段来构建模型，利用过去的观察和模式识别来进行预测。

事实是，传统的气象方法仍然非常有效，阻止气象学家考虑完全依赖人工智能的替代方案。然而，这并不意味着机器学习不会改变这些传统方法。转向人工智能将减少创建地球天气综合模型所需的计算能力，同时产生越来越多的数据。

NOAA 卫星应用和研究中心的首席科学家、美国气象学会公报论文的主要作者 Sid Boukabara预测，这种方法的统一可以显着改善天气建模，“对于某些组件，它可能会增加10倍效率，有些则可能提高1,000 倍。”