なぜ気象観測所や AI は天気を正確に予測できないのでしょうか?

気象局の予報によると、北京では8月12日に今年の出水期以来の豪雨となるとのことで、各界の注目を集め、天気予報とその背後にある科学的予測手法に人々の関心が集まるようになった。現在では、気象観測にも人工知能が導入されています。

気象局の予測によると、北京では8月12日に今年の出水期以来の豪雨が発生する予定で、各レベルの省庁は早期に警報を発令した。

長い昼夜を待った後、断続的な大雨はネチズンに多くのインスピレーションを与え、広く広まった多くのジョークを生み出しました。また、天気を予測する方法について誰もが興味を持ちます。天気予報をより正確かつタイムリーにするにはどうすればよいでしょうか?

天気予報、竜王、衛星など誰が気にしますか？

かつての天気予報は、さまざまな気象観測機器や複数の測候所で気温、湿度、気圧などの指標を計測し、観測結果をまとめて地図上にプロットするものでした。

この写真は、起こり得る天候を予測するために、さまざまな高さとレベルでの大気の変化を示しています。

気象条件が異なれば、検出に使用する施設も異なります。例えば、地上局風や降水量などを直接測定できるほか、温度、圧力、湿度、風、雷などの観測も可能です。

レーダー観測、例:ドップラーレーダーリアルタイムに測定された降水量を検出でき、リモートセンシング自動観測。

私たちがよく知っている風雲衛星は、気象衛星昼夜の可視光、赤外線雲画像、氷と積雪、植生、海の水の色、海面温度などのマルチスペクトル画像を提供します。

現在、天気予報には、より完全な予測システムや観測データだけでなく、数値予測モデルやアルゴリズム予測などのより客観的な手法が追加されています。

気象学は国力を反映するほど複雑である

気象研究は風や雨だけではなく、大気、水源、岩石圏、生物圏、雪氷圏を含む海洋から空までの5つの主要な圏をカバーします。

中国気象局映画テレビセンターの主任技術者は、「私は科学者です」のインタビューで次のように述べた。大気や海洋の動きを説明するには物理学が必要であり、物質の変化を理解するには化学が必要であり、統計と計算には数学が必要です。数少ない天気予報の背後には、多くの包括的な分野における知識の蓄積があり、それはこの国最強の計算能力と宇宙探知能力です。」

我が国の気象観測網は立体的な観測網を形成している 今年5月の中国気象局のニュースによると、我が国の気象局には現在7万以上の地上気象観測所があり、全国のカバー率は99.6 %となっている。データ送信の適時性が 1 時間から 1 分に増加しました。

216 台のレーダーで構成される新世代気象レーダー ネットワークは、17 機の風雲シリーズ気象衛星の打ち上げに成功し、そのうち 7 機は軌道上にあり、世界 100 以上の国と地域と 2,500 以上の国内ユーザーにサービスを提供しています。

現在、宇宙には 1,000 基を超える気象衛星が世界中に存在しており、風、雨、気温などの大量の気象データを提供できます。また、地球上には数十万の国家および企業レベルの気象観測所もあります。 、それらはすべて常にリアルタイムのデータを収集しています。

国家レベルの気象観測所は人々の生活に利便性を提供し、企業レベルの気象観測所は大規模農場、スポーツ イベント、航空業界向けにより詳細な気象データを提供するなどの商用サービスを提供します。

予測できない気象条件があり、AI ですら正確に予測することはできません。

中国産業情報ネットワークの最近のデータによると、中国の気象サービス産業の収益は今後 5 年間で 3,000 億元に達すると予想されています。

GE、IBM、Google、パナソニックなどの多くの大企業が気象データサービスを拡大し、提供しています。

 AI計測：ニューラルネットワーク 

今年初めにGoogleがリリースした 「レーダー画像からの降水ナウキャストの機械学習（レーダー画像からの降水ナウキャストの機械学習）」Google AI の研究者は論文の中で次の点に焦点を当てました。 「降水量予測のための機械学習モデルの開発」新しい研究方法を提案します。

この論文の新しい方法は、大気物理モデルをまったく使用せずに、データ駆動型の手法を使用して短期降水量予測モデルを構築するというものです。ニューラル ネットワークのみを使用して、大気物理学の先験的な基本知識を使用せずに、トレーニング データ セットを通じて大気物理学を当てはめることを学習します。

この方法では、降水量予測は画像から画像への変換問題とみなされ、予測目的を達成するために U-net 構造の畳み込みニューラル ネットワークが使用されます。

 AI テスト: 画像認識 

天気予報では、レーダー データを画像に変換し、画像の色相、彩度、明るさなどの特徴を抽出することで、画像認識手法を使用して、降雨、降雪、ひょう、露、霜などのさまざまな気象現象を区別します。霧（もや）。

上段の最初の 3 つの写真は 60 分前、30 分前、0 分前のレーダー画像を示しています。右端の画像は 60 分後のレーダー画像を示しており、これがナウキャスティングの真実です。

比較のため、左下のパネルは、上の最初の 3 つのパネルからのデータに移流をモデル化するオプティカル フロー (OF) アルゴリズムを適用することによって生成されたベクトル フィールドです。

オプティカル フロー OF は、1940 年代に開発されたコンピューティング ビジョン手法であり、短期的な気象の変化を予測するためによく使用されます。
右下のパネルは、OF の予測例を示しています。これは、降水量を適切に予測していますが、嵐の減衰強度を考慮していません。

AI テスト: ハイ パフォーマンス コンピューティング 

IBM は、世界最高解像度の全球天気予報モデルである全球高解像度大気予報システム (GRAF) を運用しています。これは、毎時更新され、地球上のほぼどこでも雷雨などの小規模な気象システムを予測できる初の世界的な気象モデルです。

GRAF のような大規模システムの運用をサポートするために、IBM は 84 個の AC922 ノードをサポートしています。各ノードには 4 つの Nvidia V100 GPU と 3.5 PB の IBM Spectrum Scale Storage が装備されており、1 日あたり最大 10 TB の気象データを処理できます。

 AI テストの状況: AI はカウントされないと言う 

今では人工知能によって天気予報や天気予報などの科学研究がさまざまな面で加速しているように思えますが。しかし、業界の専門学者にインタビューした結果、天気予報では次のことが分かりました。天候の変化に影響を与える要因は何千もあり、太陽光であれ海水流であれ、あらゆる変数は常に変化しており、気候変動にも影響を与えます。

関与する変数が増えるほど、人工知能のトレーニング データとコンピューティング能力の要件が高くなります。たとえば、この北京の大雨は 2012 年に発生しました。また、1 日前の激しい対流天気の予測と警告には、一定の誤差が生じる可能性があります。、総合的な調査と判断、あるいは AI のいずれであっても、気象データの予測にはまだ長い道のりがあります。

しかし、北京でのこの突然の雨を利用して、より多くの人々に天気予報の背後にある科学的知識と科学研究への投資を理解してもらうことができたことは、実りあるタイムリーな雨でもある。

参考文献:

– 私は科学者 iScientist です。「天気予報はなぜ不正確なのでしょうか?天気予報士と話しました」

- グーグル："機械学習を使用して降水量を高解像度で「ナウキャスト」する》

– マシンの心臓部《データ分析の強化、正確な天気予報、人工知能が気象研究を強化します》

– IBM https://www.ibm.com/weather/industries/cross-industry/graf

- 以上 -