『气象』超分辨率在气象领域的应用 |超级计算机|人工智能|物理|

虽然我们每天都看天气预报，但是你知道我们所看到的天气预报是怎么预测出来的吗？气象预报按天气预报的时效长短，可粗略分为：短时天气预报、短期天气预报、中期天气预报和长期天气预报。数值模式预报是天气预报的主要预测手段。

本文插图
气象数值预报
数值模式预报是根据大气运动的数学模型，利用当前天气状况作为输入数据而做出天气预报的手段，通常使用超级计算机或分布式计算集群依据一系列动力学框架来完成计算。
天气数值模式的输出是矩阵形式，可以用图像的方式可视化。同一片区域矩阵数值越密集，代表这个区域预测的细致程度越高。如下图展示了全球模式和区域精细预报之间的关系图。

本文插图
对于局部区域来说，精细化预报结果可以提供更为丰富的信息。从应用角度，精细化预报将预报精度从城市级别提升到所在地点附近级别；从研究角度，精细化预报不仅提供了某个地点从地面到高空十几公里的气温、降水、风向、风速基本气象要素，还为进一步研究影响这一地点的云的移动轨迹、增减变化趋势提供了可能。近年来各个行业对数值预报精细化需求越来越高。
制约高精度的数值天气预报模式发展的一个重要因素就是硬件设备的计算能力以及计算时间。
虽然我们国家的派-曙光超级计算机就从2018年开始正式承担起气象业务运行及科研的重任，运算能力跃居气象领域世界第三位，但可惜的是很多气象相关科研机构和研究人员往往不具备使用超算条件，这就变相地限制了一些部门和研究人员对于局部气象预报的研究。

本文插图
中国＂派－曙光＂超级计算机
数值模式对于硬件的强烈依赖，让各行业对精细化局部气象预报信息望而却步，巨大的需求被压抑在其中。
数值模式降尺度的本质——超分辨率
上海眼控科技股份有限公司人工智能研究院独创性地发现数值模式降尺度在本质上和超分辨率的互通之处。
从根本上来说，对气象预报进行降尺度拟合，实际上是依据低分辨率的数据预测同一区域在同一时间下的高分辨率的数据。下图是超分辨率

本文插图
超分辨率技术，是将一张低分辨率的图像变为高分辨率。通过估算网格密集化后，补充缺失的像素值。以下是数值模式降尺度的示例，可以发现，和超分辨率相似的是，降尺度的过程令图像变得清晰。

本文插图
但是降尺度仅仅是超分辨率吗?
降尺度的挑战——模拟物理过程
降尺度的过程不仅仅是图像的精细化像素填充，而是涉及到多个天气元素之间相互作用的重新计算。下图是一个数值模式降尺度的案例，可以看出，精细化的版本中，出现了粗糙版本中所不包含的一些天气细节。

本文插图
这种计算过程即使用CV领域中的超分辨率技术，也无法重现。其难点的本质在于，从单一通道来看，降尺度的计算过程“生成”了额外的信息，而机器视觉领域的超分辨率技术，只可以产生细节填充，而没有能力生成输入图片中没有出现的信息。这些额外的信息，来自于多个天气元素的物理过程，这是使用超分辨率的思想来解决数值模式降尺度的巨大挑战。