能够预测极端天气事件变得越来越重要，因为这些天气条件日趋频繁和破坏性强。次季节气候预报（预测两周以上的天气）对于在对天气波动敏感的各行业进行主动决策和风险管理具有重要意义。 例如，次季节气候预报可以帮助农民选择合适的农作物并管理水资源，特别是干旱地区；电力公司可以更好地平衡能源供需；渔业可以防范海洋热浪；政府则可以针对自然灾害和公共健康威胁，提前做好准备，如在气候前景不佳的区域预先部署移动消防设备和缓解热浪风险的基础设施。 近年来，利用人工智能模型进行天气和气候预报的研究取得显著进展，如今也开始在实际应用中崭露头角。NVIDIA的Earth-2平台一直在为科学界和企业界提供高性能、可扩展的工具栈，帮助天气专家评估和验证模型的表现，同时也支持AI/ML专家开发、定制和扩展这些模型以适应不同的应用场景和数据集。 Earth2Studio的最新版本引入了一种新的次季节至季节（S2S）预报能力，这种能力基于深度学习地球系统模型（DLESyM）。DLESyM是一种简明的深度学习模型，它将多层大气AI模型与一个单独的海洋AI模型耦合，后者能够预测海面温度的变化。该模型采用了U-Net架构，并对填充操作进行了修改以支持HEALPix网格，分辨率达到约1度。由于不使用位置嵌入，这一架构有助于泛化。研究表明，该模型在数月时间尺度上的预测误差率接近预期的气候学误差率，并且在气候尺度模拟上表现出良好的自回归稳定性。 在次季节预报中，AI模型的另一个重要优势是能够运行比传统方法更大的业务集合，计算成本却远低于传统非ML方法。加州大学伯克利分校的研究人员今年早些时候展示了使用Bred Vector/Multi Checkpoint（BVMC）方法生成多千成员集合的有效方式。企业和研究人员已经开始利用这一方法，例如JBA和AXA公司在保险应用中使用FourCastNet V2（SFNO）模型进行回溯预测。此外，加州大学欧文分校的研究表明，在Madden-Julian振荡（MJO）可预测性方面，SFNO模型的表现与欧洲中期天气预报中心（ECMWF）预报系统相当。 为了简化这些模型的使用，Earth2Studio现提供了一个新的S2S预报配方，支持多GPU分布式推理和平行I/O，以有效保存生成的预报数据。用户还可以选择仅保存部分预报输出，以便在存储空间有限的情况下灵活应对。这个新配方允许不同领域能够生成大规模集合预报，通过初始条件的变化或不同模型权重来探索预测不确定性，从而生成精确校准的集合预报。 作为一种展示示例，该配方可用于生成2021年太平洋西北部热浪的S2S预报。这是一次历史上强度和持续时间都极为罕见的极端热浪事件，次季节预报难度极高。尽管没有模型能够完美捕捉到热浪的位置和强度，但所有模型都在三周前开始预测北美地区会出现某种程度的暖异常。 加速AI在次季节预报中的应用需要更全面地评估这些模型及其能力。为此，NVIDIA正在积极参加由ECMWF组织的AI Weather Quest竞赛，并努力使得Earth-2工具与ECMWF提供的Weather Quest工具兼容，以便社区更快地迭代和评估模型。这些工具包括高效的推理和评分功能，可以在不到两小时内用八个GPU完成一整年的DLESyM集合预报的运行和评分，评分结果表明DLESyM模型在一到五周的预报期内，其技能与ECMWF的IFS模型相当，但在早中期预报中的分散度较低。 总之，次季节气候预报对于多个气候敏感行业至关重要。Earth2Studio的新功能使企业能够评估和验证预训练的大气-海洋耦合AI预测模型，如DLESyM，以生成集合预报。这些工具和方法有望极大地降低次季节预报的成本和复杂性，推动气候变化研究和应用的进一步发展。 业内人士评价称，NVIDIA Earth-2平台的发展为次季节气候预报的实际应用带来了重大突破，尤其是在计算效率和模型精度方面。通过提供开放源代码库和竞赛支持，NVIDIA有望进一步降低行业门槛，促进社区合作和技术进步。NVIDIA是一家专注于AI和图形处理技术的科技公司，在深度学习和高性能计算领域有着深厚的技术积累和广泛的应用。