中新网 北京4月9日电 (记者 孙自法)当前，人工智能(AI)迅速发展，已经在大气科学的各个领域产生深远影响，并且不断改变和重塑气候领域诸多方向的研究。

　　在此条件下，如何结合AI方法来帮助解决传统气候研究中遇到的问题，又该如何结合气候动力研究帮助诊断、认识和理解AI模型，提升AI模型的性能，这些问题备受关注。

《大气科学进展》(AAS)最新一期AI专刊封面。中国科学院大气物理研究所/供图

　　中国科学院大气物理研究所研究员、大气科学人工智能研究中心主任黄刚率团队进行研究，获得提出物理和AI融合的必要性及路径、生成模型改进气候模式对厄尔尼诺-南方涛动(ENSO)的模拟、物理耦合提升深度学习降水预报技巧等重要进展，相关研究成果以封面论文形式在最新一期专业学术期刊《大气科学进展》(AAS)上发表。

　　未来气候模式或为AI和数值完全耦合

　　论文通讯作者黄刚研究员介绍说，盘古等气象大模型出现以来，针对其物理一致性问题，科学界存在较大争论，科研团队对这一争论进行了梳理，发现争论主要来自于对天气大模型定性和定量两种不同程度的动力诊断。这些研究表明，天气大模型可以定性地学习到气候系统的一些关键动力模态，但是对于一些关键物理动力量(如一些风分量)在定量上仍然存在明显误差。他们认为，这些误差主要因为目前的天气大模型并未显式地学习这些风分量，而是根据总的风速去构造损失函数迭代模型。

　　由此可以看出，对AI模型进行充分、深入地动力诊断的必要性，只有比较全面地分析和了解模型的优缺点，才能逐步对其增加认识，进而进行改进和物理约束。从这一角度出发，科研团队结合具体的研究分析应该如何对AI模型(尤其是AI气候模型)进行动力诊断，以及如何利用物理约束来提高模型能力和物理一致性。

AI-数值模式双向耦合示意。中国科学院大气物理研究所/供图

　　同时，针对数值模式和AI的融合问题，科研团队认为，目前的离线参数化方案追求的是模型权重在某一参数化方案中的最优，相较于模式繁多的参数化方案而言，这很可能是一种局部最优，不仅在拟合优度上可能存在偏差，在实际工程上还可能存在长期积分崩溃、气候漂移等问题。因此，采用在线参数化方案，或可使得模型权重达到全局最优，进行改进离线参数化存在的一些问题。

　　在这一视角之下，未来气候模式的发展图景或许是AI和数值模式的完全耦合，即物理-AI平衡的模型。这种耦合模式可以根据模式输出计算损失，进而迭代优化，变为一种可学习的气候模式。

　　生成模型改进气候模式对ENSO的模拟

　　黄刚指出，近年来，科研团队通过能量机制较为系统分析ENSO热带、热带外遥相关的机制，并通过非线性能量平流过程描述ENSO纬向对称响应和非对称响应的相互作用，从热带外非线性相互作用角度较好地解释了ENSO激发的太平洋-北美型(PNA)遥相关的非对称性特征。

CyleGAN全球SST校正模型。中国科学院大气物理研究所/供图

　　不过，气候模式对于ENSO遥相关的模拟偏差仍然难以解决，这直接影响了未来预估的可靠性。他们前期研究发现ENSO衰退年夏季的西北太平洋异常反气旋主要误差来源是ENSO模拟的误差，ENSO海表面温度(SST)异常过度西伸的偏差通过影响ENSO的衰退，显著影响西北太平洋异常反气旋和东亚夏季风模拟，严重制约了气候模拟和气候预估的可靠性。

　　针对这一问题，科研团队基于循环一致生成对抗网络设计全球SST模拟校正模型，生成模型解决了由于内部变率导致的模式模拟结果与观测数据不一一对应的问题。研究结果表明，该模型不仅能校正气候态偏差，还能显著改进对ENSO、印度洋偶极子(IOD)等动力模态的模拟，显著减弱了ENSO SST异常过度西伸的偏差，而传统方法很难纠正这一模式共同偏差。

ENSO　SST异常分布。(a)观测；(b)CESM2历史模拟；(c)quantile　map校正结果；(d)CycleGAN校正结果。中国科学院大气物理研究所/供图

　　未来，基于类似的生成模型及其改进模型，有望进一步提高ENSO衰退年夏季西北太平洋异常反气旋和东亚夏季风的模拟，增加未来预估的可靠性。

　　物理耦合提升深度学习降水预报技巧

　　黄刚表示，针对物理知识是否可以提升AI模型效果这一问题，科研团队通过降水预报这一问题进行尝试性回答。他们从物理变量耦合关系角度出发，结合图神经网络对多变量进行物理软约束，并发现这一方法可以提升数值模式的降水预报技巧。针对降水预报的难点问题，尤其是强降水的预报问题，科研团队从降水的影响要素和发生机制出发，结合垂直运动(omega)方程和水汽方程等进行变量筛选、构建变量耦合图网络。Omega方程和水汽方程分别描述了垂直运动和水汽变化，均为影响降水的重要因素。

物理约束的omega-GNN模型。中国科学院大气物理研究所/供图

　　从图网络的角度来看，omega方程反映了基本的物理量(温、风、湿等)的非线性组合与降水关键要素之间的关系，因而可将其抽象为图网络，通过图网络间变量(节点)和变量间关系来表征不同物理变量间的组合及耦合。同时，考虑到气候因子对于天气尺度的影响，尤其是不同气候背景下模式误差系统性的差异，本项研究将季节、ENSO等气候因子和起报时间等稀疏数据使用专门技术嵌入校正模型，以区分不同背景下的误差；针对降水过程，对图神经网络进行局地化改进，使其基本保持效果的同时，避免全局运算，大幅降低计算复杂度。

　　模型比对结果表明，本项研究提出的两个物理约束模型omega-GNN和omega-EGNN相较于数值模式，显著提升各分类降水预报技巧，同时其性能优于目前主流的无物理约束深度学习模型。

各模型(a)TS评分，(b-g)相对于数值模式的TS差值空间分布(20mm/6h阈值以上降水)；(a)中error　bar为集合间标准差。中国科学院大气物理研究所/供图

　　黄刚总结说，人工智能与气候、气象交叉研究的方向十分广泛，几乎覆盖目前最主要的天气气候领域。同时，人工智能的发展非常迅速，迭代极快。因此，人工智能和气候科学研究的结合，需要不同学科众多方向研究者共同努力，推动在不同方向上“开花结果”。(完)

【编辑:付子豪】

　　糖料蔗种植面积、食糖产量，占全国六成左右。广西，是全国最大的糖料种植基地和食糖主产区。

　　2021年4月，习近平总书记在广西考察时强调，要立足广西林果蔬畜糖等特色资源，打造一批特色农业产业集群。2023年12月，习近平总书记在广西考察时指出，发挥广西林果蔬畜糖等特色资源丰富的优势，大力发展现代特色农业产业，让更多“桂字号”农业品牌叫响大江南北。

　　近年来，广西广大干部群众认真贯彻落实习近平总书记重要指示精神，发挥特色资源优势，按照经营规模化、生产机械化、水利现代化、种植良种化标准，规划建设“双高”糖料蔗基地500万亩。同时，发展糖业循环经济，延长产业链，提高附加值。

　　在广西来宾市凤凰镇的国家现代农业产业园黄安优质“双高”（高产高糖）糖料蔗基地，大型联合收割机来回奔忙，满载甘蔗的卡车穿梭其间。

　　“现在种甘蔗省心、省事、收入稳。”凤凰镇黄安村蔗农莫崇虚说，“双高”糖料蔗基地面积1.3万亩，由村里的专业合作社实行全程机械化和水肥一体化生产，蔗农只需承担农药、化肥成本费和人工费，“我家种了45亩甘蔗，都是广西自主培育的‘桂糖42号’，含糖量高、亩产高，总产量预计300多吨。糖厂派卡车到地里收购，每吨收购价580元，除去成本，这个榨季的纯收入在10万元左右。”

　　黄安村西北约2公里处，坐落着一家日榨甘蔗近万吨、年产白砂糖约10万吨的大型制糖企业——广西来宾东糖凤凰有限公司。董事长李俊贵介绍，企业通过不断引进新技术新工艺新装备，实现生产废渣、废液100%转化利用：蔗渣加工成优质纸浆，生产办公用纸和环保餐具；废糖蜜制成高附加值的酵母系列产品；滤泥直接还田或制成复合肥……“除了各种规格的糖，我们还开发出30多个衍生产品。”李俊贵说。

　　蔗糖产业是广西发展现代特色农业的一个缩影。广西雨热充沛，农业生产条件好。近年来，广西立足资源禀赋，着力强特色、提品质、树品牌，打造出蔗糖、水果、蔬菜等一批现代特色农业产业集群，成为全国有名的“糖罐子”“菜篮子”“果盘子”。

　　“目前，广西已进入质量兴农、品牌发展的新阶段。”广西壮族自治区农业农村厅厅长黄智宇介绍，依托广西农业科学院、中国热带农业科学院热带作物品种资源研究所等科研力量，广西已建成国家级农业种质资源库（圃、场）9个、水产良种场2个；出台关于加快推进广西农业品牌建设的指导意见等政策措施，建立广西农业品牌目录制度，全自治区“三品一标”（即无公害农产品、绿色食品、有机农产品和农产品地理标志）安全优质农产品公共品牌2500多个。

　　2023年，广西寄递农特产品包裹近3亿件，货值超210亿元。以“广西白糖”“百色芒果”等为代表的“桂字号”农业品牌，正叫响神州大地。

　　《 人民日报 》（ 2024年02月07日 01 版）

(责编：胡永秋、杨光宇)