生成式 AI 赋能气候技术系列三 | Earth-2 化解极端天气预测与应对难题

NVIDIA 推出“生成式 AI 如何通过 NVIDIA Earth-2 赋能气候技术”主题系列文章。本篇文章是第三期内容，将通过台湾利用现有低分辨率数据和模型生成天气预测的案例，介绍NVIDIA 的先进 AI 技术和 Earth-2 AI 工具的应用。

本系列的前两篇文章《生成式 AI 赋能气候技术系列一 | 揭秘 Earth-2 平台核心 —— CorrDiff》与《生成式 AI 赋能气候技术系列二 | NVIDIA Earth-2 的两大气候技术工具》已经全面解读了 NVIDIA 生成式 AI 模型CorrDiff以及NVIDIA Modulus和Earth2Studio两大技术工具，接下来，让我们进一步探索推动这场地球数字孪生变革的软件工具如何在解决极端天气预测中大显身手，揭示 NVIDIA Earth-2 实现天气预报准确性和成本效益背后的奥秘。

在 NVIDIA Modulus 中训练 CorrDiff

本文在示例中展示了超分辨率和新通道合成，以训练 CorrDiff 将台湾周围 25 公里的 ERA5 数据转换为 2 公里数据。

这一数据由台湾气象部门（CWA）使用高分辨率区域数值天气预报模型生成。该数据集在 CC BY-NC-ND 4.0 许可证下可用于非商业用途，并且可通过 NGC 下载。有关该模型的具体说明，请参阅 /NVIDIA/modulus GitHub 资源库中的“入门”部分。

NVIDIA Modulus 除易于使用外，另一个关键优势就是性能优化。目前，在 NVIDIA Tensor Core GPU 上训练 CorrDiff 需要 2 千至 3 千 GPU 小时。CorrDiff 团队正在进一步优化训练程序，以将在类似硬件上生成一个超分辨率样本的时间缩短到只需几秒钟。

通过 Modulus 推理 CorrDiff

图 1. 通过 CorrDiff 方法实现基于生成式 AI 的降尺度

资料来源：《用于公里尺度大气降尺度的残余扩散模型》

原文链接：https://arxiv.org/abs/2309.15214

有关生成样本并将其保存到 NetCDF 文件的更多说明，请参阅 /NVIDIA/modulus GitHub 资源库。运行推理需要为回归和扩散模型设置 Modulus 的 checkpoint。这些 checkpoint 将作为训练流程的一部分而保存。

了解更多信息并获取访问权限，请参阅 NGC 目录中的 CorrDiff 推理包。

追踪台湾上空的风暴

通过如下将 CorrDiff 用于解决极端天气问题的示例，本文将介绍追踪台湾上空风暴所面临的挑战。

虽然全球 AI 预报模型在预测风暴路径方面表现出色，但由于其分辨率有限，仅为 25 公里，无法捕捉精细尺度细节，而这些细节通常包含对风暴相关损害至关重要的最强风力和降水。

在 25 公里的分辨率下，ERA5 输入数据中的台风结构往往没有得到充分的解析，导致对其规模和强度的描述不准确。此外，ERA5 还缺少与物理危害相关的风眼墙和雨带的关键空间细节。

台湾是全球最潮湿的地区之一，年降雨量达 2600 毫米（约为全球平均降雨量的 3 倍），年均灾害成本高达 6.5 亿美元。造成这一经济负担的原因是季节性台风给岛上带来大量降雨，导致大面积洪涝，造成生命和财产损失，并且需要进行大规模疏散。

灾害风险是反映灾害严重程度和频率、暴露在灾害中的人员和资产数量及其易受破坏程度的综合指标。图 2 是政府间气候变化专门委员会（IPCC） 2022 年第六次评估报告中关于影响、适应性和脆弱性的示意图。

图 2. 日益复杂的气候相关风险

资料来源：IPCC AR6，WG2，第1章，第146-147页

原文链接：https://www.ipcc.ch/report/ar6/wg2/downloads/report/IPCC_AR6_WGII_FullReport.pdf

台湾灾害防救科技中心（NCDR）概述了台风应对计划的四个阶段（图 3）。

图 3. 台风应对计划的四个阶段（来源：NCDR）

前两个阶段，即启动和准备阶段，主要是分析风险和发布灾害警报。第 3 和第 4 阶段，即响应和恢复阶段，专门用于监控灾害和实施应对措施。

NVIDIA 技术则能够应对这些挑战。

AI 天气预报的增强功能可强化第 1 和第 2 阶段的风险分析。通过改进天气预报技术，特别是通过更高的分辨率和更大的集合，就可以更加全面地评估暴露风险。

NVIDIA 开创性的生成式 AI 扩散模型—— CorrDiff 模型，正是在台湾气象部门（CWA）纳入了雷达数据的高分辨率 WRF 数据和欧洲中期天气预报中心的 ERA5 在分析数据上训练而成的。

通过 CorrDiff，台风等极端天气现象预测可以从 25 公里分辨率显著提高至 2 公里分辨率。

图 4. 台风“灿都”的超分辨率图

在这篇文章中，已经证明了通过将 ERA5 从 25 公里降尺度到 2 公里，可以探索更多的本地预报情景，从而清晰地描绘出风暴的最好情况、最坏影响和最有可能的影响。

图 5. 台风路径预测集合

评估不确定性至关重要。然而，在有限的计算资源条件下，必须在集合预报成员的数量和分辨率之间做出权衡。NCDR 制作的预报由大约 200 个不同分辨率的集合成员组成。

CorrDiff 等先进 AI 技术的加入带来了一场重大的变革——即能够在单个 GPU 节点上近乎实时地将集合预报成员数量扩展到数千个。

台湾气象部门前负责人郑明典在谈到 NVIDIA 生成式 AI CorrDiff 模型的变革潜力时，强调了其彻底变革天气预报的强大能力。郑明典强调 CorrDiff 能够生成公里尺度的天气预报，使社会能够以前所未有的准确度预测极端天气事件的细节特征，从而帮助减灾工作开展。

台湾灾害防救科技中心主任陈宏宇对此表示赞同，并强调了 CorrDiff 对于应对前所未有的各种自然灾害影响方面具有重要意义。他表示 CorrDiff 是一项保障公共安全的创造性解决方案。

实现 AI 气象普及化并赋能气候技术

总而言之，NVIDIA Earth-2 实现了气象信息获取的普及化，体现了将气候科学的影响范围扩展到学术界之外的现代举措，使决策者、企业、记者和民众都能轻松获取气候信息。

作为基于 NVIDIA 生成式 AI 技术的先进降尺度模型，CorrDiff 在各个领域都大有可为：

• 金融服务领域，CorrDiff 可以帮助用户在风险评估和资产管理方面做出明智决策；
• 能源领域，CorrDiff 的精确降尺度功能可实现更好的资源分配和基础设施规划，这对优化能源生产和分配至关重要；
• 政府机构可以使用 CorrDiff 加强备灾和救灾工作；
• 个人用户可以通过更准确的本地化天气预报感受到 CorrDiff 对日常规划和安全保障的影响。

凭借自身出色的适应性和效率，CorrDiff 可以帮助产出具有可执行性的洞察和精准的预报，助力构建建设一个更具应变能力的世界。

以上就是本期的全部内容，本系列文章到此也将告一段落。未来，NVIDIA Earth-2 将持续为生成式 AI 推动的气候技术发展注入新活力，通过实现准确且具成本效益的天气预报，增强对气候变化的认知与应对能力，助力构建更美好的环境和更可持续的未来。

了解更多信息并开始使用 NVIDIA Earth-2，请访问：https://www.nvidia.cn/high-performance-computing/earth-2/?ncid=so-link-480395-vt25