文章專區

Take Home Message
• 將AI 技術應用於天氣預報後，AI 預報模式在三至五天的颱風路徑預報上比傳統的物理預報模式準確，誤差比傳統模式最多可降低30%。
• 大尺度、長時間的預報中AI 模式較準確，但更短時間內物理模式與AI 模式則各有優劣，因此不能依賴單一預報模式，而是應綜合多種預報後輔以預報員的經驗與專業判斷。
• AI 模式在小尺度、地理條件複雜區域的預報表現較差，未來天氣預報趨勢將會是整合多種模式，綜合成「大系集預報系統」，並結合播報員智慧，提供更準確的氣象預報。

數位科技高度發展下，網路與通訊技術透過計算機及行動裝置逐步連結地球上每個居民，而數年前的新冠併發重症（COVID-19）阻隔了人們面對面溝通，同時卻也加速數位通訊與雲端對話的新常態――後疫情時代，地球的居民正經歷一場人工智慧（artificial intelligence, AI）科技的典範轉移。

2022 年底，美國人工智慧研究公司OpenAI 發表ChatGPT（chat generative pre-trained transformer）打響了第一槍，生成式AI 的大型語言模型（large language model, LLM）顛覆人們想像，機器從被動接收指令轉換成協助思考與彙整的工具。2023 年，首個人工智慧氣象預報模型也在氣象領域掀起了變革，資料驅動的機器學習模型悄悄誕生。

以物理為基礎的數值天氣預報發展史

在氣象領域上，由流體力學與偏微分方程求解數值天氣預報〔註1〕的歷史可以追溯到20 世紀初，1922 年，英國數學家理查遜（Lewis Fry Richardson）首次提出了使用流體力學求解未來天氣的概念，嘗試用計算機術語模擬大氣中的物理過程， 描繪天氣預報的未來。然而，受限於當時的人工計算能力，理查遜的天氣預報模型無法在實際中應用，直到二次世界大戰後，電子計算機的發展才使數值天氣預報逐漸成為可能。1940 年代後期，美國數學家諾依曼（John von Neumann）團隊在美國普林斯頓大學（Princeton University）進行了數值天氣預報實驗，將理查遜的理論應用於實際計算中，開創數值天氣預報的時代。20 世紀末，隨著計算能力持續增強，數值天氣預報獲得廣泛應用，透過融合新觀測技術和數據資料同化〔註2〕方法，包括衛星觀測和雷達數據，使物理基礎的數值天氣預報模型變得更準確。

21 世紀以來， 各國氣象中心使用先進數值天氣預報模式和先進資料同化技術，整合衛星觀測、地面測站、船舶和探空氣球等多種數據資料源， 提供氣溫、降水、風速、濕度和輻射等多種變量的全球覆蓋資料， 強化數十年來天氣預報的力量。尤其傳統數值天氣預報的龍頭歐洲中期天氣預報中心（ European Centre for Medium-Range Weather Forecasts, ECMWF）提供了從1979 年至今的第五代全球大氣再分析資料（ECMWF Reanalysis 5th Generation, EAR5），建構地球大氣、陸地及海洋歷史氣象的網格數位化資訊，長期提供高品質的四維時空氣象網格數據。

然而，受限於數據資料量與高速運算的限制，全球尺度的天氣預報模型很難無限制提升精細度，因此衍生出針對較小範圍的區域型數值天氣預報模式。這些模式通常具有1 ～ 10 公里的高精細空間解析能力，可以掌握更細緻的氣象細節，在面對更小區域的劇烈天氣變化和複雜地形下的天氣時，扮演了關鍵角色。其中，天氣研究和預報模式（Weather Research and Forecasting Model, WRF）是應用最廣泛的中尺度開源模式之一，例如氣象署發展的區域WRF 專門針對臺灣複雜地形進行最佳化，在豪大雨、颱風路徑與強度、局部的海陸風效應等天氣預測上取得了顯著成果。

〔註1〕利用流體力學原理描述大氣流動，以流體力學方程式為基礎，結合數學方法與大氣科學的天氣預報方式。

〔註2〕指透過數學演算法將來自地面測站、衛星、雷達、飛機、浮標等多種觀測數據融入數值模型初始預報場的均勻網格，讓它更接近真實環境，提升準確性。

資料驅動的氣象預報大模型興起

2023 年華為公司與ECMWF 合作推出AI 天氣模型「盤古模式」，以資料驅動的氣象預報模型震撼大氣科學界。這些模型利用數十年的EAR5 氣象數據訓練，以強大的深度學習技術成功提升千公里尺度綜觀天氣的準確性。接續而來的輝達（NVIDIA）、Google 與Microsoft 等大型商業公司陸續發表AI 天氣預報模型，傳統數值天氣預報龍頭的ECMWF 也很快公布他們的AI 天氣預報模型（Artificial Intelligence Forecasting System, AIFS）。根據ECMWF 針對2022 與2023 年全球熱帶氣旋路徑誤差的統計結果，AI 模型在三至五天的颱風路徑預報上，誤差比傳統模式低30%以上。在颱風24 小時路徑預報中，這個改善幅度相當於氣象署過去10 ～ 15 年技術進步的累積成果。然而ECMWF 也指出，AI 雖然在颱風路徑預報已取得重要成果，但在強度預報上仍無法有效應用，與現行的數值天氣預報有巨大的落差。……【更多內容請閱讀科學月刊第664期】