给老狐印象最深的，不是把央视讲授干沉默的大胆画面，也不是辣眼睛的蓝精灵，而是影响了现场演出效果的雨。
可能很多人不知道，在 16 年前的北京奥运会，原来景象预报有雨，通过人工消雨，担保了北京奥运会精彩的演出。
景象预报对人类生产生活的影响毋庸置疑。
往大了说，它影响着农业、工业的生产、活动的组织，农人安排农事、企业安排生产，包括像奥运会开幕式这样主要的活动，景象预报都有非常主要的辅导意义。
往小了说，景象预报决定了老狐上班穿的是足力健还是洞洞鞋。
正由于景象如此主要，电视上的景象预报就成了许多人每天必看的电视栏目，《渔舟唱晚》的 BGM，是很多人共同的回顾。
不知道大家把稳到没，央视景象预报，预测的景象只有明后两天的信息。
在手机上，景象预报更长，不管是手机自带插件还是第三方 App 上，都供应了 15 天内的信息，iOS 是个例外，只有 10 天。
而如果想要把预测韶光再往上提升，受到混沌理论的限定，想要精确就比较难了，安卓手机虽然有 90 天的预测，但也因此十天为单位，没有更详细的景象变革。
难道气候学家就没有办法更永劫光地精准预测景象吗？
去年，华为盘古气候大模型预测景象准确率更高的论文登上《自然》杂志，前段韶光，谷歌的景象预报模型 Neural GCMs 也登上《自然》杂志，用 AI 预报景象目前是一个很火的赛道。
准确预测景象变革的需求，古人就有，他们没有精密仪器丈量，而是搞玄学。
在出土的商朝甲骨文上，记录了古人通过占卜来预测景象，这是目前关于景象预报最早的笔墨记载。
可以想象这肯定不靠谱。后来，古人通过不雅观察各种征象，总结履历，找出景象变革规律。
老祖宗们还留下了不少谚语，帮助人们预测景象，像是天中计钩云，地上雨淋淋；或者雨后东风大，来日雨还下；喜鹊枝头叫，出门晴天报等。
通过大量不雅观察，由履历得出规律，在某种程度上也可以称为统计预测法，但是这种办法缺少理论依据，难以知足科学发展须要。
这就好比人建造屋子，如果短缺科学的数据，凭着觉得造，建造两三层楼可能没问题，但建造高楼大厦就可能是危房。
当代气候学发展的关键人物，是挪威的物理学家威廉·皮叶克尼斯，他在 1905 年提出了用数学思想来描述大气的运动状态，给出了大气运动的方程组，开启了当代气候研究的大门。
1910年，威廉·皮叶克尼斯开始在景象图上绘制流线，通过网络到的地面与高空不雅观测资料，他提出了中纬度气旋发展的气旋模型和极锋理论，也便是下图这个。由此形成了包括景象学理论、景象图剖析和预报方法的完全体系。
这里有个主要的景象预报方法便是景象图预测法，这种方法通过预报员利用景象图等各种图表，基于景象系统的演化历史，再结合物理学、气候学和个人履历，来预测景象接下来的变革。
不过现在的景象预报没有采取景象图预测法，而是采取了数值景象预报。
前面提到，威廉·皮叶克尼斯给出了大气运动的原始方程组，这也成为了数值景象预报的根本。
大气运动方程组包括运动方程、连续方程、热力学方程、水汽方程和状态方程。
所谓数值景象预报，便是依据已知的大气温度、湿度、压力等初始条件，解方程组，求出未来大气的温度、湿度、压力等数据。
大家别慌，老狐不是想教会大家解这个方程，只要知道有这个方程就行了。
解这组方程有多难呢？英国科学家理查森在 1910 年曾试图用这个方程组打算 6 小时内某个地点的气压变革，由于当时对数据处理不对，导致结果缺点。
如果想要预报环球的景象变革，按照理查森的设想，在一个模拟地球的巨大球形建筑里，把地球划分成许多小的区域，每个人卖力打算一个区域的景象变革，一共须要 64000 人。
后来有人指出理查森又搞错了，并且更正了真正须要的打算人数—— 204800 人。
直到 1950 年，气候学家查尼用天下第一台打算机 ENIAC 成功仿照出第一个与实际符合的数值预测结果，他预测的是 24 小时后的景象预报，打算过程刚好也花了 24 个小时。
听着像是做了无用功，但这意味着数值景象预测可以业务化，意义重大。这就好比你毕业刚事情，每个月人为刚好够付房租和炊事，但对自己来说，这是真正独立的开始。
如今的数值景象预报，气候数据更加风雅，也更加全面，以我国为例，一年前，我国一共有 7 个大气本底站、27 个景象不雅观象台、近 7 万个地面自动气候不雅观测不雅观察站，120 个高空气候不雅观察站，242 部新一代景象雷达，还有 7 颗在轨运行风云气候卫星。
风云卫星环球影像
以是，现在的景象预报不仅是温度、压力、湿度这些数据，还能预测能见度、雷电、台风走向，乃至包括冰雹、龙卷风这样的局部极度景象。
海量的数据，只能依赖最前辈的超级打算机。像我国之前的天河一号，现在的神威打算机都在气候研究上发挥了主要浸染。
数值景象预报目前最领先的机构是欧洲中期景象预报中央，也便是华为盘古气候大模型那篇论文里频繁提到的 ECMWF。
ECMWF景象预报图
先阐明一下这里的“中期”： 0-12 小时内的景象预报被称为短时景象预报、3 天以内的叫短期景象预报，4-10 天是中期景象预报。
下图是 ECMWF 在半个标准大气压高度（海拔约5500m）上预报水平的演化，粗线是北半球，细线是南半球。3 天、5 天和 7 天的预测水平都有显著提高，而 10 天以上的景象预报，目前只能说有一定的参考代价。
以是手机上的景象预报 App，最长只供应了 15 天的景象数据，数值景象预测的有效性，被限定在中期这个韶光尺度里。
数值景象预报的核心思想可以说是“机器论”，机器论认为，只要节制大自然所有组成部分的相对位置，就能通过打算概括所有物质的运动。
但是，后来的气候学家洛伦兹创造，大气运动存在混沌征象，限定了景象预报的准确性。
大气系统是一个非常繁芜的线性系统，对各种偏差极为敏感，不雅观察的数据、模式初始化以及打算精度的眇小偏差，都会在打算过程中被不断放大。
洛伦兹关于混沌征象更有名的阐明是“蝴蝶效应”——一只南美洲的蝴蝶扇动翅膀，结果可能引发美国德克萨斯州的一场龙卷风。
而如今正风起云涌发展的 AI 景象预报，能肃清混沌征象的滋扰吗？AI 并没有肃清，而是想办法绕过这个坑。
与数值景象预测的根本是物理模型不一样，AI 景象预报是一种统计预测法，通过对过去大量全面充分的气候数据样本进行分类归纳，总结出规律。逻辑上来说，实在跟古人总结景象履历十分相像。
只不过想要归纳海量数据，把这个事情交给了 AI，数据越多，预测结果越准确。
比如盘古大模型，利用欧洲中期景象预报中央在 1979 到 2017 这 39 年间测得的气候数据进行演习，再用 2019 年气候数据进行验证，并用 2018 年的气候数据进行测试。
测试结果显示，在七天内，盘古气候大模型预报的每一个景象变量的均方根偏差，比中期欧洲景象预报中央的综合预报系统低 10%，比高通的 AI 模型 FourCastNet 要低 30%。
在台风轨迹预报方面，论文用 2018 年 25 号和 26 号台风进行了比较，结果显示，盘古气候大模型具有明显上风。
欧洲中期景象预报中央在官网一篇文章为自己进行了辩论，拿了另一个台风举例，意思便是咱两预测轨迹都靠近，但是你中央风速预测没有我准确。
这篇文章也对 AI 景象预测进行了肯定，但是这里你会创造，FourCastNet 又涌现了，然后，它的表现直接被忽略。
FourCastNet 作为 AI 景象预测的前辈，被后浪拍去世在沙滩上。
与华为盘古气候大模型不同，谷歌最新的 Nueral GCMs 是一个稠浊模型，核心分为两部分，一部分是像数值景象预测那样，由动力学方程仿照大气运动过程中的流体动力学和热力学；另一部分是机器学习，由神经网络办理一些无法用数理事理仿照的过程。
不过，在更永劫光范围，比如 10-15 天的景象预测效果上，盘古大模型没有提及，其余一个国产的伏羲气候大模型在论文中提及 15 天的预测性能，与欧洲中期景象预测中央靠近。
AI 景象预报，尤其是大模型景象预报的另一个上风是节能。
经由大量演习后的盘古气候大模型，能在 10 秒内完玉成球 7 上帝要气候要素的预报，打算速率比数值景象预报快 10000 倍以上。
数值景象预报要用到的超级打算机，每小时的耗电量超过 2 万度，相称于一座小城镇的耗电量。
人工智能已经显示出在景象预报方面巨大的潜力，但并非要淘汰传统的数值景象预报，未来更可能是两种模式共存，像谷歌的 Nueral GCMs 那样，两种模式互助，互为补充。
如果未来，景象预报的精度和预测水平能进一步提高，精准预测暴雨、龙卷风、冰雹等毁坏力强的景象，人们有足够韶光为磨难做足准备，那么生命和财产的丢失将会大大降落，这也是无数气候科学家努力奋斗的目标。
老狐期待这一天的到来。
参考资料：
河南日报：3000多年前的“景象预报”，贩子如何“占卜”？
浙江景象网：浅谈天气谚语
科创中国：景象预报竟然是这样“算”出来的
徐小峰：从物理模型到智能剖析——降落景象预报不愿定性的新探索
杜钧，钱维宏：景象预报的三次跃进
《nature》：Accurate medium-range global weather forecasting with 3D neural networks
《nature》：Neural general circulation models for weather and climate
ECMWF：The rise of machine learning in weather forecasting
中国国防报：超级打算机性能知多少
编辑：饿羊羊