古人云：“大者，盛也，至此而雪盛也”。大雪時(shí)節(jié)，我國(guó)大部分地區(qū)的最低溫度都降到了0℃或以下，往往在強(qiáng)冷空氣前沿、冷暖空氣交鋒的地區(qū)，會(huì)降大雪甚至暴雪。瑞雪兆豐年，嚴(yán)冬積雪覆蓋大地，可保持地面及作物周圍的溫度不會(huì)因寒流侵襲而降得很低，為冬作物創(chuàng)造良好的越冬環(huán)境。然而，物極必反、過(guò)猶不及，如果超出適量范圍，瑞雪也就有可能會(huì)帶來(lái)一場(chǎng)災(zāi)難。

事實(shí)上，近年來(lái)，氣候變化的速度已經(jīng)遠(yuǎn)遠(yuǎn)超過(guò)了人們的想象，更猛烈的熱浪、更頻繁的洪水、更大的暴雪、海平面的持續(xù)升高，這些極端天氣發(fā)生的頻率遠(yuǎn)快于人類的預(yù)測(cè)。2021年7月，河南鄭州、豫北地區(qū)相繼遭遇史上最強(qiáng)暴雨侵襲。10月，山西中部、南部再次迎來(lái)大暴雨。短短兩個(gè)多月的時(shí)間里，一向少雨的北方省份頻頻取代南方，反而成為暴雨災(zāi)害的熱門話題，令人咋舌。

其實(shí)，早在2021年初，聯(lián)合國(guó)政府間氣候變化特別委員會(huì)(IPCC)就發(fā)布了一份針對(duì)極端氣候事件風(fēng)險(xiǎn)管理的報(bào)告，報(bào)告提出：全球變暖將加劇全球氣候變化，加快水循環(huán)，并導(dǎo)致更多的強(qiáng)降雨。面對(duì)具備更多不確定性的極端天氣情況，如何預(yù)測(cè)、如何發(fā)現(xiàn)、如何治理成為了又一時(shí)代難題。

如今，全球數(shù)字化轉(zhuǎn)型方興未艾，以物聯(lián)網(wǎng)、云計(jì)算、人工智能等新技術(shù)為代表的數(shù)字化、智能化時(shí)代正在到來(lái)，如果能將新技術(shù)、新手段與氣象預(yù)報(bào)相結(jié)合，做到快速識(shí)別異常氣象條件、準(zhǔn)確及時(shí)的預(yù)報(bào)極端災(zāi)害事件，就有可能極大的降低損失、挽救生命。

物聯(lián)萬(wàn)物，拓展氣象數(shù)據(jù)來(lái)源

對(duì)于氣象監(jiān)測(cè)而言，數(shù)據(jù)是所有預(yù)測(cè)行為的基礎(chǔ)。在以往的氣象監(jiān)測(cè)中，衛(wèi)星、雷達(dá)等設(shè)備是氣象單位監(jiān)測(cè)天氣的主要手段。然而，實(shí)際的天氣過(guò)程千變?nèi)f化，一個(gè)變量微小的擾動(dòng)都會(huì)改變未來(lái)天氣狀況。因此，有限的衛(wèi)星、雷達(dá)設(shè)備不能完全滿足極端氣象的監(jiān)測(cè)需求，數(shù)量更多、分布更廣的物聯(lián)網(wǎng)設(shè)備成為氣象數(shù)據(jù)最有潛力的數(shù)據(jù)來(lái)源。

事實(shí)上，物聯(lián)網(wǎng)技術(shù)已被廣泛應(yīng)用于氣象監(jiān)測(cè)預(yù)警、氣象預(yù)報(bào)、氣象信息傳輸和氣象服務(wù)等各個(gè)層面。例如，2012年6月，美國(guó)國(guó)家天氣局成功應(yīng)用物聯(lián)網(wǎng)技術(shù)研發(fā)了無(wú)線緊急預(yù)警系統(tǒng)。日本氣象廳于2007年就建成了基于物聯(lián)網(wǎng)的地震感知預(yù)警系統(tǒng)。中國(guó)氣象局氣象探測(cè)中心研發(fā)的下一代地面觀測(cè)系統(tǒng)，也是基于物聯(lián)網(wǎng)技術(shù)的一個(gè)典型應(yīng)用。

在物聯(lián)網(wǎng)技術(shù)的幫助下，包括手機(jī)、車輛、雨傘等在內(nèi)的任何物品都可能成為潛在的獲取氣象數(shù)據(jù)的通道，尤其是隨著可穿戴設(shè)備的不斷發(fā)展，每個(gè)人都可能成為未來(lái)的氣象數(shù)據(jù)源，前所未有的拓寬了氣象數(shù)據(jù)的渠道來(lái)源。

從技術(shù)角度來(lái)看，物聯(lián)網(wǎng)的射頻識(shí)別及傳感器技術(shù)既可用于跟蹤天氣、又可跟蹤空氣質(zhì)量，從而盡可能多的獲得光、運(yùn)動(dòng)、溫度、壓力和濕度等因素的實(shí)時(shí)精準(zhǔn)數(shù)據(jù)；嵌入式技術(shù)則將傳感設(shè)備集成于任一控制節(jié)點(diǎn)，形成一個(gè)個(gè)處理中心；通信網(wǎng)絡(luò)技術(shù)則確保了任意設(shè)備獲取的數(shù)據(jù)得到了準(zhǔn)確的傳輸，讓監(jiān)測(cè)和管理做到了有的放矢。

此外，在長(zhǎng)期的技術(shù)實(shí)踐過(guò)程中，神州數(shù)碼基于在RFID、物聯(lián)網(wǎng)、中央集成控制、邊緣計(jì)算等領(lǐng)域沉淀技術(shù)能力，已經(jīng)能夠?yàn)樵O(shè)備管理、數(shù)字化運(yùn)營(yíng)等方面提供眾多解決方案。比如神州數(shù)碼基于“大數(shù)據(jù)”“一張圖”的實(shí)戰(zhàn)指揮平臺(tái)思路下的力量信息精準(zhǔn)化的信息服務(wù)系統(tǒng)，不僅很好的解決了設(shè)備識(shí)別和數(shù)據(jù)采集問(wèn)題，實(shí)現(xiàn)了裝備器材的智能控制與互聯(lián)，也延伸到了后端的數(shù)據(jù)處理，實(shí)現(xiàn)了智慧化管理和科學(xué)決策，在應(yīng)對(duì)極端天氣和突發(fā)事件的過(guò)程中也有非常廣泛的借鑒意義。

云化大腦，賦予超強(qiáng)計(jì)算能力

當(dāng)然，對(duì)于極端氣象的監(jiān)測(cè)而言，僅僅能夠獲取數(shù)據(jù)還遠(yuǎn)遠(yuǎn)不夠，如果獲取的海量數(shù)據(jù)沒(méi)有得到有效利用，那么就無(wú)法產(chǎn)生最終的最大價(jià)值。然而，以往氣象預(yù)測(cè)不盡如人意，掣肘要素之一就是氣象數(shù)據(jù)過(guò)于龐雜且數(shù)據(jù)量大，無(wú)法被全部高效地處理，算力也成為了限制極端氣象監(jiān)測(cè)發(fā)展的重要一環(huán)。

隨著監(jiān)測(cè)更加精密化，氣象部門數(shù)據(jù)還在持續(xù)爆炸式增長(zhǎng)。公開(kāi)資料顯示，氣象數(shù)據(jù)到2022年將達(dá)到45PB，日增量40TB。因此，氣象部門一直在尋求能夠高效率且大規(guī)模并行計(jì)算的先進(jìn)算力，用來(lái)支持即時(shí)挖掘和分析氣象的海量數(shù)據(jù)，以應(yīng)對(duì)大量結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的生成。

面對(duì)著數(shù)據(jù)的持續(xù)爆炸，氣象機(jī)構(gòu)對(duì)于算力的需求越發(fā)嚴(yán)苛。在氣象領(lǐng)域，天氣的數(shù)值預(yù)報(bào)離不開(kāi)計(jì)算機(jī)。早在2019年，中國(guó)氣象局曾提出的“計(jì)算”需求就包括：高性能計(jì)算系統(tǒng)峰值運(yùn)算速度要不低于8000萬(wàn)億次每秒、內(nèi)存容量每1個(gè)CPU核、至少對(duì)應(yīng)6GB內(nèi)存、在線存儲(chǔ)容量要大于12.6PB、全系統(tǒng)可用度超過(guò)99%等。

既然氣象大腦的能力進(jìn)階，對(duì)計(jì)算能力提出了超高要求，那么計(jì)算機(jī)的更新?lián)Q代自然也就刻不容緩。2018年，中國(guó)氣象局迎來(lái)了國(guó)產(chǎn)高性能計(jì)算機(jī)系統(tǒng)“派—曙光”。2019年，這套系統(tǒng)因在前期測(cè)試、試運(yùn)行中表現(xiàn)良好，通過(guò)業(yè)務(wù)驗(yàn)收，正式承擔(dān)起氣象業(yè)務(wù)運(yùn)行及科研重任，這也是首臺(tái)應(yīng)用國(guó)產(chǎn)衛(wèi)星數(shù)據(jù)、運(yùn)行國(guó)產(chǎn)模式的國(guó)產(chǎn)氣象高性能計(jì)算機(jī)系統(tǒng)。

鮮為人知的是，神州數(shù)碼依托自有的神州數(shù)碼廈門鯤鵬超算中心等核心基礎(chǔ)設(shè)施，在助力中國(guó)氣象行業(yè)的數(shù)字化轉(zhuǎn)型升級(jí)方面走在了前列。

據(jù)了解，氣象數(shù)據(jù)的數(shù)據(jù)來(lái)源極其龐雜，是典型的多源數(shù)據(jù)匯集，除了地理、時(shí)空等數(shù)據(jù)，往往還需要綜合衛(wèi)星觀測(cè)、地面氣象觀測(cè)站、氣象雷達(dá)站、L 波段探空系統(tǒng)以及地形、歷史氣象統(tǒng)計(jì)資料，計(jì)算邏輯極其復(fù)雜，這就要求氣象預(yù)測(cè)在擁有超級(jí)算力的同時(shí)，還需要具備能夠處理不同數(shù)據(jù)種類的多樣性算力。

與此同時(shí)，傳統(tǒng)氣象預(yù)測(cè)中心在向數(shù)字預(yù)測(cè)轉(zhuǎn)型的過(guò)程中，如果在本地自建機(jī)房，就無(wú)法避免大量成本的投入，在后續(xù)的過(guò)程中，也沒(méi)有足夠的專業(yè)IT人員對(duì)基礎(chǔ)設(shè)施進(jìn)行及時(shí)的運(yùn)營(yíng)和維護(hù)；如果購(gòu)買異地服務(wù)，又會(huì)面臨網(wǎng)絡(luò)帶寬傳輸率低，安全無(wú)法保障，以及本地服務(wù)支持不足的問(wèn)題。

面對(duì)這些問(wèn)題，神州數(shù)碼廈門鯤鵬超算中心憑借免運(yùn)維、高可靠、高性能的超算服務(wù)，成為了氣象部門的優(yōu)選。一方面，超算中心的云化架構(gòu)，能夠根據(jù)業(yè)務(wù)要求和不同的應(yīng)用特點(diǎn)，調(diào)用不同的規(guī)則的底層算力，保證了氣象業(yè)務(wù)的不間斷運(yùn)行和算力資源的充分利用。另一方面，由于超算中心的數(shù)字化、可視化、集約化特點(diǎn)，當(dāng)超算服務(wù)出現(xiàn)問(wèn)題時(shí)，超算團(tuán)隊(duì)能夠及時(shí)發(fā)現(xiàn)并處理，通過(guò)彈性調(diào)控備用資源確保業(yè)務(wù)不受影響，彌補(bǔ)了傳統(tǒng)超算模式的不足。

預(yù)報(bào)天氣，人工智能或更擅長(zhǎng)

在獲取了海量數(shù)據(jù)及強(qiáng)大計(jì)算能力后，如果想要更快速、更高效的實(shí)現(xiàn)極端氣象監(jiān)測(cè)，人工智能就成為了不可或缺的關(guān)鍵一環(huán)。2010年以來(lái)，隨著新一代信息技術(shù)引發(fā)的信息環(huán)境與數(shù)據(jù)基礎(chǔ)變革，海量圖像、語(yǔ)音、文本等多模態(tài)數(shù)據(jù)不斷涌現(xiàn)，計(jì)算能力的大幅提升，使得人工智能迎來(lái)爆發(fā)期。

人工智能技術(shù)自誕生以來(lái)就是處理大數(shù)據(jù)的工具，與天氣預(yù)報(bào)有著天然耦合的關(guān)系。眾所周知，天氣預(yù)報(bào)需要基于對(duì)大量的、多種多樣的資料進(jìn)行匯總，但隨著觀測(cè)衛(wèi)星、雷達(dá)和傳感器網(wǎng)絡(luò)持續(xù)不斷地產(chǎn)生大量數(shù)據(jù)，如何處理海量的、多種多樣的氣象資料成為天氣預(yù)報(bào)的一個(gè)挑戰(zhàn)。而人工智能以機(jī)器學(xué)習(xí)算法為基礎(chǔ)，能夠通過(guò)數(shù)學(xué)統(tǒng)計(jì)方法高效處理海量數(shù)據(jù)，從而減少計(jì)算量、節(jié)省計(jì)算資源，助力天氣進(jìn)一步實(shí)現(xiàn)精準(zhǔn)預(yù)報(bào)。

不僅如此，人工智能還具有對(duì)不完全、不確定信息的推斷能力，其可利用機(jī)器學(xué)習(xí)算法分析大量歷史數(shù)據(jù)間隱藏的非線性關(guān)系，從而更準(zhǔn)確地厘清地球系統(tǒng)現(xiàn)象間復(fù)雜的因果關(guān)系，可解決現(xiàn)有資料時(shí)空數(shù)據(jù)密度不夠的難題，還能總結(jié)專家的知識(shí)經(jīng)驗(yàn)，進(jìn)而可以利用統(tǒng)計(jì)與數(shù)值模式中無(wú)法利用的抽象預(yù)報(bào)知識(shí)以及提高平均預(yù)測(cè)水平。

不過(guò)，對(duì)人工智能究竟能在多大程度上改進(jìn)天氣預(yù)報(bào)和氣象服務(wù)，仍然尚存爭(zhēng)議。人工智能技術(shù)的本質(zhì)是通過(guò)對(duì)過(guò)去天氣形勢(shì)的學(xué)習(xí)，預(yù)測(cè)未來(lái)的天氣情況，而實(shí)際的天氣過(guò)程千變?nèi)f化，一個(gè)變量微小的擾動(dòng)都會(huì)改變未來(lái)天氣狀況。同時(shí)，人工智能也格外依賴數(shù)據(jù)的精確程度，一旦觀測(cè)數(shù)據(jù)有細(xì)小差異，預(yù)測(cè)結(jié)果就會(huì)相差甚遠(yuǎn)。此外，人工智能常被比喻為“黑箱模型”，該方法只能得出天氣預(yù)測(cè)結(jié)果，但其科學(xué)性以及可解釋性較弱。

盡管具有局限性，但人工智能在預(yù)報(bào)天氣領(lǐng)域的應(yīng)用已獲得業(yè)界認(rèn)可。歐洲中期天氣預(yù)報(bào)中心發(fā)布的2021—2030年戰(zhàn)略規(guī)劃顯示，未來(lái)10年將把人工智能完全融入數(shù)值天氣預(yù)報(bào)和氣候服務(wù)中。美國(guó)國(guó)家大氣研究中心也正在推動(dòng)一項(xiàng)研究計(jì)劃，深化人工智能在天氣氣候領(lǐng)域中的應(yīng)用。中國(guó)中央氣象臺(tái)在定量降水融合預(yù)報(bào)、強(qiáng)對(duì)流天氣分類潛勢(shì)預(yù)報(bào)、臺(tái)風(fēng)智能檢索、預(yù)報(bào)公文自動(dòng)制作等方面采用了人工智能技術(shù)，取得了鼓舞人心的效果。

同時(shí)，哪怕只能預(yù)測(cè)提前幾小時(shí)的短臨預(yù)報(bào)，人工智能也有“用武之地”。例如，中央氣象臺(tái)和清華大學(xué)聯(lián)合開(kāi)發(fā)出的一種基于深度神經(jīng)網(wǎng)絡(luò)的雷達(dá)回波外推方法，該方法比之前運(yùn)用傳統(tǒng)方法進(jìn)行回波預(yù)報(bào)的準(zhǔn)確率提高約40%；深圳氣象局建立的基于深度學(xué)習(xí)的雷達(dá)外推模型，可以在5—10分鐘內(nèi)有效預(yù)測(cè)未來(lái)0—6小時(shí)的降水，可以幫助快速識(shí)別可能導(dǎo)致極端災(zāi)害事件的氣象條件。

綜合來(lái)看，以物聯(lián)網(wǎng)、云計(jì)算、人工智能為代表的數(shù)字技術(shù)能夠?yàn)闃O端氣象監(jiān)測(cè)極大的拓展實(shí)時(shí)數(shù)據(jù)來(lái)源、最大化利用數(shù)據(jù)的潛在價(jià)值、更準(zhǔn)確的預(yù)知未來(lái)潛在的風(fēng)險(xiǎn)，在極端天氣預(yù)報(bào)、災(zāi)害預(yù)警及救援方面將會(huì)發(fā)揮越來(lái)越大的作用。

xiesc