中国气候变化信息网

　　气象学家在预测天气时，通常会利用许多模式和数据来源，追踪能够预示强烈风暴的云形状和运动轨迹。然而，随着数据集越来越庞大，时间越来越紧张，他们几乎不可能实时监测所有风暴形成，尤其是更小尺度的风暴。

　　美国气象服务公司Accuweather和西班牙阿尔梅里亚大学的研究人员设计了一个电脑模式，可以更迅速、更精确地识别可能发生的强烈风暴。他们设计的框架主要基于机器学习的线性分类器，可以探测卫星图像中可能被忽略的云内部的旋转运动。这一人工智能解决方案当前在匹兹堡市超级计算中心的Bridges超级计算机上运行。

　　在研究中，包括Accuweather公司高级气象学家史蒂夫·威斯塔在内的气象学家以及其他研究人员分析了5万多张美国历史卫星图像，从中识别并标注了逗点云的形状和运动情况。特定形状的云与气旋形成密切相关，可能会造成恶劣天气事件，比如冰雹、暴风雨、强风和暴风雪。

　　之后，研究人员利用计算机视觉和机器学习技术，教授计算机自动识别和探测卫星图像中的逗点状云系。计算机可以通过从海量数据中指出专家应该实时重点关注的地方，帮助他们探测可能发生的恶劣天气。“因为逗点状云系可以提示我们可能发生的恶劣天气事件，我们设计的方案就可以帮助气象学家预测这些事件。”研究人员说。

　　研究人员发现，他们的方法可以有效探测逗点状云系，准确率可达99%，每次预报平均需要40秒。他们的方法预测恶劣天气事件的准确率可达64%，比现在其他恶劣天气事件探测方法表现都好。

　　研究人员表示：“该方法可以在一些逗点状云系还未完全形成之前就探测到它们，有时探测速度比人眼识别还快。”

　　该研究能够向研究界展示对天气相关视觉信息进行基于人工智能的解释是可行的。更多的研究将会把这一方法和现在的数值天气预报模式相融合，有助于提高天气预报准确率。