作者︰The Nowcasting Team, Deepmind??翻譯︰Gabriel Ng??校對：陳漢青

本文約1700字，建議閱讀6分鐘 本文結合環境科學和AI領域知識，為決策者開辟實時降雨預報的新途徑。

我們的生活與天氣息息相關。根據一項研究，每一時刻都有三分之一的英國人，曾在過去一小時內討論過天氣，反映出天氣（至少對英國人來說）在日常生活中的重要性。在各種天氣現象中，下雨是特別重要的，因為它會直接影響到我們的日常決策。出門時應該帶傘嗎？遇到大雨時，要如何調度車輛路線？在戶外活動中又應采取哪些安全措施？會不會有洪水？最新的研究和接近完美的模型推進了降水實時預報（Precipitation Nowcasting）的發展，這里降水實時預報即指預測未來 1-2 小時內的降雨（和其他降水現象）。

一篇與氣象局合作撰寫并發表在《自然》雜志上的論文中直接解決了這一天氣預報中的重要挑戰。這是個由環境科學和人工智能一起合作的成果，聚焦于決策者，開辟了實時降雨預報的新途徑，并指出人工智能可以幫助我們在不斷變化的環境下做出決策。

短期天氣預報

縱觀歷史，天氣預測一直在社區和國家有著重要意義。一開始，中世紀的氣象學家利用星星來進行預測。漸漸地，記錄著季節和降雨模式的表格開始被保留下來。幾個世紀后，劉易斯·弗萊 (Lewis Fry) 設想了一個“預測工廠”，其使用計算和大氣物理方程來預測全球天氣。在這部不斷發展的天氣預報歷史中，我們現在增添了一個機器學習的角色。

如今我們的天氣預報是由強大的數值天氣預報 (NWP) 系統驅動的。通過求解物理方程，NWP 可以提前幾天提供基本的行星尺度的預測。然而，他們很難在兩小時以下這樣的較短時間內，生成高分辨率的預測。而實時預報填補了這一關鍵時間區間的性能差距。

實時預報對于水資源管理、農業、航空、緊急應對和戶外活動等行業至關重要。在天氣傳感方面的進步使得高分辨率的雷達數據（用作測量地面降水量）可以高頻地使用（例如，在 1 公里分辨率下每 5 分鐘收集一次數據）。在現有方法難以解決的關鍵領域，通過利用可用的高質量數據，機器學習有機會對實時預報做出貢獻。

利用深層降雨生成模型 (DGMR)，過去 20 分鐘觀測到的雷達數據可被用于為接下來的 90 分鐘提供概率性預測

實時預報的生成模型

我們關注于降雨的實時預報：最多可提前 2 小時預測降雨量、時間和降雨位置。我們使用一種稱為生成建模（generative modeling）的方法，根據過往的雷達數據，對未來的雷達數據進行詳細合理的預測。概念上來說，這個問題就像是要生成一部電影，只不過電影的每一幀是雷達影像。利用這些方法，我們一方面可以準確地捕捉大規模事件，另一方面還可以生成許多其他可供選擇的降雨場景（稱為集合預測），從而可以探索降雨的不確定性。我們在研究結果中使用了來自英國和美國的雷達數據。

我們對這些模型預測中雨到大雨的能力特別感興趣，而這類型事件是對人們生活和經濟影響最大的事件；并且與競爭方法相比，我們的方法在這些場景中顯示出統計上的顯著改進。重要的是，我們與英國國家氣象局氣象局的 50 多位專家氣象學家進行了一項認知任務評估，與目前被廣泛使用的實時預報方法相比，在 89% 的案例中專家們將我們的新方法評為他們的首選，證明了我們的方法能為現實世界的決策者提供洞察先機。

一個在2019 年 4 月在英國發生的高難度預測事件（預測目標是觀測到的雷達數據）。我們的生成方法 (DGMR) 比起平流方法 (PySTEPS) 更好地描述了環流、強度和結構，并且更準確地預測東北部的降雨和活動。與確定性深度學習方法 (UNet) 不同，DGMR 還可以生成清晰的預測

2019 年 4 月在美國東部發生的強降水事件（預測目標是觀測到的雷達數據）。與平流方法 (PySTEPS) 相比，生成方法 DGMR 平衡了降水的強度和范圍，而前者的預測強度通常太高；并且DGMR的預測不像確定性深度學習方法 (UNet) 那樣模糊

接下來的發展

通過使用統計、經濟和認知分析，我們能夠展示一種全新、具有競爭力的利用雷達來進行降水實時預報的方法。沒有方法是完美的，接下來我們需要做更多的工作來提高長期預測的準確性以及對罕見和大強度事件的準確性。未來的工作需要我們開發其他評估性能的方法，并進一步將這些方法特化于特定的實際應用。

我們認為這是一個令人興奮的研究領域，而我們希望我們的論文能夠成為未來新工作的基礎，通過提供數據和驗證方法，使之有可能提供具有競爭力的驗證和實操效能。我們更希望與氣象局的這次合作將促進機器學習和環境科學之間進一步的整合，更好地支持在不斷變化的氣候中的決策。

原文標題︰

Nowcasting the Next Hour of Rain

原文鏈接：

https://deepmind.com/blog/article/nowcasting

譯者簡介Gabriel Ng，清華大學概率統計方向本科生在讀，一個熱愛于數據分析和語言學習（和音樂）的THUer，平日活動離不開學習、健身和音樂。喜歡從數據探勘各類問題的本質，從語言認識不同文化的故事。希望通過學習和經驗的累積，能以不同的角度，理性地分析問題，感性地認識問題。

轉自：數據派THU 公眾號；

END

---

版權聲明：本號內容部分來自互聯網，轉載請注明原文鏈接和作者，如有侵權或出處有誤請和我們聯系。

---

合作請加QQ：365242293??

數據分析（ID?:?ecshujufenxi?）互聯網科技與數據圈自己的微信，也是WeMedia自媒體聯盟成員之一，WeMedia聯盟覆蓋5000萬人群。

總結

以上是生活随笔為你收集整理的推荐 ：机器学习x环境科学：实时预测下一小时的降雨的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。