從風雲變幻到精確預報：AI 如何改變天氣預測的未來

隨著科技進步，天氣預測已經從古代的觀察與歸納，逐漸轉變為高度依賴數據與計算的現代化科學。人工智慧（AI）技術的出現，更是大幅提升了天氣預報的準確性與效率。與目前主流的「數值天氣預測」（Numerical Weather Prediction, NWP）模型的差異在於，人工智慧是基於深度學習及數據驅動等方法，透過大量的歷史天氣數據來進行訓練與預測；而數值天氣預報則是根據大氣物理學的相關定律，以超級電腦進行模擬、計算未來的天氣狀況。相較之下，AI模型能夠處理更大量的衛星圖像、地面觀測及氣象雷達數據，並釐清多項資料間錯綜複雜的關係，使得氣象預測變得更加全面與精準。

以下，將介紹AI在氣候預測方面的實際應用實例。

1.GraphCast AI

由Google DeepMind所開發的天氣預測模型「GraphCast AI」，是基於機器學習和圖神經網路（GNN）的天氣預報系統。該模型使用歐洲中期天氣預報中心（ECMWF）的40年天氣分析資料進行訓練，可於1分鐘內產生世界各地未來十天的天氣預測。以具體案例而言，針對2023年9月在大西洋形成的颶風「李伊」（Lee），GraphCast AI便提前約 9 天即準確預測颶風將在加拿大新斯科細亞省登陸，優於傳統預報的6天前。與此同時，該系統亦能預測大氣河流、熱浪及寒流等氣候狀況，以協助政府或民眾及早應對極端氣候。

2.FourCastNet

輝達（NVIDIA）所開發的人工智慧天氣預測模型「FourCastNet」，可以快速產生為期一週的天氣預測資料。基於歷史天氣數據，FourCastNet曾成功預測2018年7月5日於阿爾及利亞瓦爾格拉（Ouargla, Algeria）的歷史性高溫。此外，輝達亦與我國中央氣象署合作，藉由FourCastNet技術並結合CorrDiff生成式AI模型，將天氣預報資料之解析度提高，可讓原約25公里的預測精確範圍，縮小至2公里左右。

3.Aurora

微軟（Microsoft）推出的天氣預測AI模型「Aurora」，較現有的數值預報計算速度提高約五千倍，但計算成本卻遠低於傳統系統，亦能在資料較為稀缺的地區實現準確預測。Aurora係透過深度學習途徑，從過去超過一百萬小時的氣象參數進行訓練，並據以產生預測資料。Aurora的一大特色，是優異的「空氣污染」預測能力。由於牽涉空氣品質的因素千絲萬縷，因此在預測上極具挑戰性。然而在案例研究中，Aurora得以提前預測即將襲擊的沙塵暴現象，對社會大眾及早進行防災帶來極大的幫助。

FIND觀點

綜觀以上產品應用，已揭示人工智慧正在深刻地改變天氣預報領域，有效提升天氣預測的即時性與精確性，並大幅降低運算成本。儘管AI天氣預測仍有諸如預測過程不透明（即難以釐清AI做出預報的依據），或因部分開發中或未開發國家，因其氣象數據較不完整，亦影響AI模型預報的準確性…等挑戰。然而，隨著各國的氣象單位陸續導入相關技術，未來透過不斷的跨領域合作及創新，相信AI將為天氣預測帶來更快速且準確的貢獻，協助應對全球極端氣候的挑戰、減少災害損失，進而增進人類福祉。

封面圖片來源：Unsplash：https://unsplash.com/photos/typhoon-i9w4Uy1pU-s

參考資料來源：

1.” GraphCast: AI model for faster and more accurate global weather forecasting”：https://deepmind.google/discover/blog/graphcast-ai-model-for-faster-and-more-accurate-global-weather-forecasting/

2.「NVIDIA宣布推出地球氣候數位孿生」：https://blogs.nvidia.com.tw/blog/nvidia-announces-earth-climate-digital-twin/

3.” Aurora: A Foundation Model of the Atmosphere”： https://www.microsoft.com/en-us/research/publication/aurora-a-foundation-model-of-the-atmosphere/