关键字：
导 读：
6月18日，中国气象局发布人工智能全球中短期预报系统“风清”、人工智能临近预报系统“风雷”和人工智能全球次季节—季节预测系统“风顺”。综合国内气象大模型发展并对标国际前沿进展，中国气象局联合清华大学组建攻关团队，在大模型预报核心技术、预报精准程度上寻求突破，构建了“风清”大模型。该模型具有大气强物理融入...,系统,人工智能,智能,智能,人工智能
6月18日，中国气象局发布人工智能全球中短期预报系统“风清”、人工智能临近预报系统“风雷”和人工智能全球次季节—季节预测系统“风顺”。
综合国内气象大模型发展并对标国际前沿进展，中国气象局联合清华大学组建攻关团队，在大模型预报核心技术、预报精准程度上寻求突破，构建了“风清”大模型。该模型具有大气强物理融入和可解释性，在实现高效计算的同时，可为预测结果提供物理可解释性依据，自动挖掘包括天气系统内在的物理演变。该模型的训练过程紧密结合物理守恒特性，可有效提升长时效预报结果的活跃度。该模型采用可扩展的多时效优化策略，可综合考虑未来多天预报的效果，有效延长预报时效，不断提升短中期预报效果。检验结果表明，该模型全球可用预报天数达到10.5天，超过欧美主流气象预报大模型，尤其是在较长预报时效，具有更为明显的优势。
聚焦临近预报中的核心难题，中国气象局与清华大学联合攻关团队构建“风雷”大模型。该模型将数据驱动与物理驱动两大科学范式紧密结合，显著提高了公里尺度下0至3小时雷达回波的预报能力，并实现深度学习与物理规律的无缝隙融合。同时，“风雷”大模型将物理模型的中尺度预测和人工智能的对流尺度预测有机融合，在预测准确性和细节丰富性上实现突破。同时，构建了一套“数据—算力—平台”全流程短临预报系统，能够在3分钟内生成0至3小时逐6分钟的雷达回波外推产品，实现强回波预报技巧提升25%。
面向15天以上更大不确定性的气候预测难题，中国气象局联合复旦大学和上海科学智能研究院基于人工智能方法构建了“风顺”大模型。“风顺”大模型创新地引入基于流依赖的集合扰动智能生成技术，从而更加合理地抓住了未来气候系统演变的不确定性，同时“风顺”还纳入了海气相互作用关键过程，进而提升了对热带大气季节内振荡MJO的预测技巧。该系统在中国气象局智算平台上完成了业务部署，逐日滚动开展100个集合成员的大样本预测，形成了面向未来60天全球基本要素和极端事件的确定性和概率预报测试产品，对全球降水的预测技巧展示出一定的优势。
值得一提的是，“风清”“风雷”“风顺”三个大模型，完成了基于国产全球大气再分析资料CRA-40、雷达观测资料、风云卫星遥感资料的训练和检验评估，有效降低了目前主流气象预报大模型对国际再分析资料的依赖度。
据悉，5月24日，中国气象局在第七届数字中国建设峰会·数字气象分论坛上发布了人工智能天气预报大模型示范计划，调动和激励社会各界力量，共同打造人工智能技术研发和气象应用的创新生态。同时发布了第五批气象数据开放共享目录，旨在支撑各行业开展人工智能大模型的训练评估。
（总台央视记者吴薇谷星月）