超分辨率在氣象領域的應用

雖然我們每天都看天氣預報，但是你知道我們所看到的天氣預報是怎么預測出來的嗎?氣象預報按天氣預報的時效長短，可粗略分為：短時天氣預報、短期天氣預報、中期天氣預報和長期天氣預報。數(shù)值模式預報是天氣預報的主要預測手段。

氣象數(shù)值預報

數(shù)值模式預報是根據(jù)大氣運動的數(shù)學模型，利用當前天氣狀況作為輸入數(shù)據(jù)而做出天氣預報的手段，通常使用超級計算機或分布式計算集群依據(jù)一系列動力學框架來完成計算。

天氣數(shù)值模式的輸出是矩陣形式，可以用圖像的方式可視化。同一片區(qū)域矩陣數(shù)值越密集，代表這個區(qū)域預測的細致程度越高。如下圖展示了全球模式和區(qū)域精細預報之間的關系圖。

對于局部區(qū)域來說，精細化預報結果可以提供更為豐富的信息。從應用角度，精細化預報將預報精度從城市級別提升到所在地點附近級別;從研究角度，精細化預報不僅提供了某個地點從地面到高空十幾公里的氣溫、降水、風向、風速基本氣象要素，還為進一步研究影響這一地點的云的移動軌跡、增減變化趨勢提供了可能。近年來各個行業(yè)對數(shù)值預報精細化需求越來越高。

制約高精度的數(shù)值天氣預報模式發(fā)展的一個重要因素就是硬件設備的計算能力以及計算時間。

雖然我們國家的派-曙光超級計算機就從2018年開始正式承擔起氣象業(yè)務運行及科研的重任，運算能力躍居氣象領域世界第三位，但可惜的是很多氣象相關科研機構和研究人員往往不具備使用超算條件，這就變相地限制了一些部門和研究人員對于局部氣象預報的研究。

中國"派-曙光"超級計算機

數(shù)值模式對于硬件的強烈依賴，讓各行業(yè)對精細化局部氣象預報信息望而卻步，巨大的需求被壓抑在其中。

數(shù)值模式降尺度的本質——超分辨率

上海眼控科技股份有限公司人工智能研究院獨創(chuàng)性地發(fā)現(xiàn)數(shù)值模式降尺度在本質上和超分辨率的互通之處。

從根本上來說，對氣象預報進行降尺度擬合，實際上是依據(jù)低分辨率的數(shù)據(jù)預測同一區(qū)域在同一時間下的高分辨率的數(shù)據(jù)。下圖是超分辨率

超分辨率技術，是將一張低分辨率的圖像變?yōu)楦叻直媛?。通過估算網(wǎng)格密集化后，補充缺失的像素值。以下是數(shù)值模式降尺度的示例，可以發(fā)現(xiàn)，和超分辨率相似的是，降尺度的過程令圖像變得清晰。

但是降尺度僅僅是超分辨率嗎?

降尺度的挑戰(zhàn)——模擬物理過程

降尺度的過程不僅僅是圖像的精細化像素填充，而是涉及到多個天氣元素之間相互作用的重新計算。下圖是一個數(shù)值模式降尺度的案例，可以看出，精細化的版本中，出現(xiàn)了粗糙版本中所不包含的一些天氣細節(jié)。

這種計算過程即使用CV領域中的超分辨率技術，也無法重現(xiàn)。其難點的本質在于，從單一通道來看，降尺度的計算過程“生成”了額外的信息，而機器視覺領域的超分辨率技術，只可以產生細節(jié)填充，而沒有能力生成輸入圖片中沒有出現(xiàn)的信息。這些額外的信息，來自于多個天氣元素的物理過程，這是使用超分辨率的思想來解決數(shù)值模式降尺度的巨大挑戰(zhàn)。

基于對這個問題的長期研究，上海眼控人工智能研究院提出Deep Hybrid Super Resolution (DHSR) 模型來模擬物理過程，來產生額外的信息。

基于DHSR的AI數(shù)值模式降尺度

前文提到，氣象數(shù)值模式預報中的數(shù)據(jù)是網(wǎng)格化的氣象元素如氣壓值等，而精細化的數(shù)值模式預報，不僅是將網(wǎng)格矩陣變得細膩那么簡單，還需要考慮其他已知條件(比如濕度、溫度、風場)，并用神經網(wǎng)絡去模擬它們之間的作用關系。

上海眼控人工智能研究院以超分辨率網(wǎng)絡為主干網(wǎng)絡，針對不同的數(shù)據(jù)類型調整網(wǎng)絡中的長跳躍連接和短跳躍連接。用轉化為圖片后的某一維度的25km全球模式的氣象預報和3km的對應地區(qū)和時間的降尺度數(shù)據(jù)來訓練超分辨率網(wǎng)絡，以捕捉這一區(qū)域該維度的25km全球模式與3km降尺度后的數(shù)據(jù)間的映射關系。其中針對通道的特征先進行一個空間的全局平均池化得到一個 1×1×C的通道描述;接著，再經過一個下采樣層和一個上采樣層得到每一個通道的權重系數(shù)，將權重系數(shù)和原來的特征相乘即可得到縮放后的新特征，整個過程實際上就是對不同通道的特征重新進行了加權分配，通過這種channel attention的機制進行特征融合，最終生成的氣象圖片很好的生成了特征的輪廓和細節(jié)部分。

以下是模型的部分結構

修改后的超分辨率網(wǎng)絡在氣象預報降尺度任務上的表現(xiàn)十分出色：

計算更快：傳統(tǒng)的數(shù)值模式的降尺度計算需要計算中心不間斷地計算幾十分鐘到幾個小時。如果通過我們的AI超分辨率網(wǎng)絡進行降尺度計算， 生成所需要的數(shù)據(jù)的降尺度計算通常在1s 之內。

流程高效：

數(shù)值模式所有的數(shù)據(jù)是捆綁在一起的，意味著即使你只需要某一區(qū)域某一維度的氣象要素的降尺度數(shù)據(jù)，你也需要整體的計算出來這一區(qū)域所有維度的氣象要素，之后再從整體的數(shù)據(jù)中提取你想要的數(shù)據(jù)。步驟異常繁瑣。這樣不僅導致了計算速度慢，工作和處理數(shù)據(jù)的效率也大大降低。上海眼控的DHSR模型可以直接針對性地計算出所需要的氣象元素精細化結果，拋棄了冗雜繁瑣的過程。

結果精準：對于依靠超分辨率網(wǎng)絡生成的3km分辨率的降尺度預報，我們抽取批量生成的圖片，與數(shù)值模式計算出來的降尺度數(shù)據(jù)轉化成的圖片進行SSIM分數(shù)的對比之后，得出超分辨率網(wǎng)絡生成的圖片分數(shù)可以達到0.992，可以說完全能夠滿足一般科研工作這對于數(shù)據(jù)的要求。

我們HDSR方法生成的圖片在總體結構上十分接近傳統(tǒng)數(shù)值模式降尺度的結果：

讓我們放大9km格點間距那張圖中，藍色和紫紅色的框，我們的結果和數(shù)值模式一樣，模擬了物理過程，生成了輸入圖中不存在的信息。DHSR模型生成的信息和耗費大量計算資源的數(shù)值模式非常接近。

再看看挑戰(zhàn)更大的，更精細的3km格點間距的相同位置。讓人驚訝的是，在這么精細的尺度下，我們模型依然表現(xiàn)卓越，擬合出了局部地區(qū)的精細預報結果，依然和超算中心耗費大量資源使用傳統(tǒng)數(shù)值模式的方法的結果保持高度一致。

事實證明，DHSR模型通過特殊的通道間的相互作用，擬合了物理過程，生成了在輸入圖中未曾呈現(xiàn)的局部預報結果。從單個氣象元素(單個通道)的角度來看，簡直是不可思議。

重要的是生成時間DHSR相對數(shù)值模式少了幾個數(shù)量級。忍不住為我們眼控科技的研究院團隊瘋狂打call!

讓我們再看看其他地區(qū)的濕度預報結果吧

再來看看我們預報局部精細化氣壓的結果。

經濟實惠：你以為優(yōu)點到這就結束了? 沒有沒有，你太天真了?；?a href="http://ygpos.cn/AI_1.html" target="_blank" class="keylink">AI超分辨率網(wǎng)絡的數(shù)值模式降尺度只需要一塊1080顯卡就可以輕松的運行，對于硬件的需求相較于傳統(tǒng)的數(shù)值模式降尺度簡直讓人驚嘆不已。也就是說你只需要一臺擁有1080顯卡的筆記本電腦，坐在辦公室里，就可以與擁有一排排機柜的計算機中心有著同樣的體驗。

這么一個計算快速、流程高效、結果精準且經濟實惠的模型，將數(shù)值模式降尺度的任務變得親民且高效，這不僅將成為撬動氣象領域變革的一個支點，也將直接解鎖局部地區(qū)對于精細氣象數(shù)據(jù)的更大需求。

總結與展望

在說了這么多之后，相信大家對于超分辨率以及數(shù)值預報有了比較深入的了解。盡管目前眼控科技的小伙伴們成功地解決了降尺度對于算力需求過高的問題，但是對于龐大的氣象系統(tǒng)而言是遠遠不夠，未來在氣象領域有更多的挑戰(zhàn)在等待著我們。眼控人也將抱著“路漫漫其修遠兮,吾將上下而求所”的信念，在人工智能氣象領域踏浪前行，為中國的智能氣象領域貢獻出自己的力量。小伙伴們如果你也覺得熱血沸騰的話，快點來加入我們吧!

生成海報

免責聲明：本網(wǎng)站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。