雹嵐センターがデータを収集、大型モデルが異常気象の予報をサポート、「ストームチェイサー」が登場

内容の概要: 雷雨、雹、竜巻などの異常気象は常に予測不可能であり、回避が困難です。しかし、オーストラリアの研究者たちは、天気予報をより正確にするためだけに、ひょう嵐の現場の奥深くまで足を運び、命を危険にさらしてデータを収集している。スーパーコンピュータと AI の助けを借りて、人類は嵐に追いつき、混沌とした気象システムの予測可能性を高めることができるでしょうか?ストームチェイサーが主演の映画「ストームチェイサー」を観てみましょう。

キーワード: 大型モデル、ストームチェイサー、異常気象

著者 |雪才

編集者 |サンヤン

この記事はHyperAI WeChatパブリックプラットフォームで最初に公開されました〜

1996年に公開された有名な冒険災害映画「ツイスター」では、主人公が竜巻の詳細な調査とリアルタイムのデータ記録を実現するために、竜巻の中心に検出装置を持ち込みました。

この映画に触発され、オーストラリアの気象学者ジョシュア・ソーダーホルムとジュリアン・ブリメローは独自の嵐追跡の旅を始め、小さな気象センサー氷探知機（雹ゾンデ）を雹嵐の中に持ち込んで雹嵐の気象データを収集することに成功し、異常気象の研究方法に革命をもたらしました。

図 1: 映画「トルネード」の静止画

氷探査機の形状は雹に似ており、重さは約24グラム。彼らは風船に取り付けられ、一緒に雹の嵐の中に放たれました。雹嵐の中心に入った後、両者は分離し、氷探査機は雹嵐の中での雹の軌跡を雹と同じように体験し、雹嵐の中を移動する雹の成長状況を記録しました。さらに、氷の探査機は顕著な氷の成長を記録し、スーパーセルのメソサイクロンを半周にわたって追跡しました。

図2: 雹嵐における2つの氷探査機の軌跡

「これは、既存の技術を使って映画のような装置を作れるかどうかを調べる課外プロジェクトとして始まりました。氷の探査機がひょう嵐の過酷な条件に耐えられるよう、製造過程で多くの技術的問題を解決する必要がありました」とジョシュア・ソーダーホルム氏は語った。

図3: 氷探査機の構造。3Dプリントされた部品、バッテリー、その他の電子機器がポリスチレンのシェルに封入されている。

「雹嵐の中心からデータを収集することは、気象学の白鯨を追うようなものです。危険ですが、興味深いことです。雹嵐の中心から収集されたデータは、雹嵐をモデル化する能力を向上させ、雹嵐の中で雹がどのように振る舞うかの直接的な証拠を提供します。しかし、それは言うほど簡単ではありません。適切な場所に適切な時間にいなければならず、適切な雹嵐に遭遇しなければなりません。」

数日間の不運の後、彼らはスーパーセルに遭遇し、雹嵐の中に2つの氷の探査機を放出することに成功しました。スーパーセルとは、水平方向の規模が 10 キロメートルを超え、存続期間が数十分から数時間にわたる単一の強力な雷雨システムです。通常の成熟した単一の雷雨よりも規模が大きく、持続性が高く、天候もより厳しいものになります。氷の探査機はスーパーセルに捕らえられた後、気球から分離し、ひょうのような嵐とともに漂い、最終的には時速120キロを超える風によって7キロ離れた地域まで運ばれました。

図4: ジョシュア・ソーデルホルムが氷の探査機を打ち上げている

予測不可能な気象システム

天気予報は人間の関与なしには実現できません。スーパーコンピュータ、衛星データ、レーダーデータの助けを借りても、気象システムについて正確な予測を行うことは依然として困難です。 1961年、アメリカの気象学者エドワード・ノートン・ローレンツは、コンピュータープログラムを使って将来の天気を予測しようとしました。

結果を取得した後、中間ステップでのプログラムの出力値を次のステップの入力値として使用し、プログラムを再度実行しました。ただし、入力値は小数点以下 3 桁しか保持せず、プログラムは 6 桁の浮動小数点数で実行されるため、この 1000 分の 1 の偏差により、プログラムの出力値は前回得られた結果とはまったく異なるものになります。

これに基づいて、彼はカオスシステムの概念を提唱しました。気象システムは典型的なカオスシステムです。完全にランダムではありませんが、特定の要因の変化により簡単に劇的に変化する可能性があります。つまり、気象システムは非常に敏感なシステムなのです。

「バタフライ効果」は誇張されているが典型的な例です。南米の熱帯雨林で蝶が羽ばたくと、アメリカに竜巻をもたらすかもしれない。このすべての原因は、蝶がシステムの初期変数を乱したことにあります。

図5: バタフライ効果

したがって、完全に正確な天気予報を実現することは困難です。既存の気象予報方法である数値天気予報（NWP）では、まず予測領域をグリッドに分割し、次にスーパーコンピュータを使用して数値シミュレーションを通じて偏微分方程式を解きます。

この方法は非常に時間がかかります。数百のノードを持つスーパーコンピュータを使用しても、今後 10 日間の天気を予測するには数時間かかります。同時に、グリッド解像度の制限により、一部の小規模気象プロセスは近似関数によってパラメータ化され、気象予報に誤差が生じます。

このため、NWP が小規模な異常気象や中長期の気象予報に完璧に対応することは困難です。今年発生した台風５号については、各機関がスーパーコンピューターを使い、それぞれ異なるモデルに基づいて進路を予測したが、その構造は大きく異なっていた。同じモデルによる予測であっても、気象条件の変化に応じて常に修正されており、比較的正確な予測ができるのは台風が上陸する前だけです。

その後の台風6号「関羽」も特異な動きを見せた。突然太平洋上で方向を変え、その後方向を変え始め、ついには日本を直撃し、スーパーコンピューターさえも混乱させた。

図6：全球アンサンブル予報システム（GEFS）による2023年の台風6号カヌーの進路予測。

同時に、さまざまな機関によって行われる天気予報は大きく異なるため、天気予報には依然として予報士の参加が必要です。予報官は、すべての天気予報結果と地域の気候特性、地形条件、個人の経験などを組み合わせて最終的な天気予報を作成しますが、それでも完全に正確であるとは保証されません。気象システムは非常に予測不可能なので、これについては何もできません。

図7：1986年の台風16号の進路

異常気象追跡者

小規模スーパーセルは中期および長期の天気予報の抜け穴となります。スーパーセルの特徴は、急速に形成され予測が難しく、雷雨、雹、大雨、竜巻などの異常気象を引き起こしやすいことです。

2021年8月16日夕方、北京市海淀区はスーパーセルに遭遇し、突然大雨が降った。漢河路鉄道橋の下の水位は30分以内に1.75メートルまで上昇し、2人が死亡した。 2023年8月13日午後、江蘇省塩城市大豊区で竜巻が発生し、2人が死亡、15人が負傷した。この竜巻の発生もスーパーセルに関連していた。

図 8: 塩城市大豊区の竜巻

しかし、雷雨、雹、竜巻などの壮大な気象現象は探検家の目を楽しませ、そのためソーデルホルムのような多くの嵐追跡者を魅了しています。台風が近づいたり、近くでスーパーセルが形成されそうになると、ストームチェイサーは万全の準備を整えて嵐に向かって急ぎます。

同時に、ストームチェイサーは異常気象の第一目撃者として異常気象に関する直接情報を収集し、気象研究に貴重な資料を提供し、既存のコンピューティングモデルやAIモデルのデータベースを充実させ、気象学の発展に重要な貢献をすることもできます。

NWPに匹敵する大規模な気象モデル

アリババクラウドは早くも2021年に、DAMOアカデミーと国立気象センターが気象予報用のAIアルゴリズムを共同で開発し、いくつかの激しい対流気象現象を予測することに成功したことを明らかにした。同年9月、Deepmindは、ディープラーニングモデルを使用してリアルタイムの降雨量予測を行うという論文をNature誌に発表しました。

今年初め、Deepmind は GraphCast を正式にリリースしました。これは、1 分以内に 0.25° の解像度で今後 10 日間の世界の天気を予測できるサービスです。 4月には南京情報科学技術大学と上海人工知能研究所が共同で「Fengwu」天気予報モデルを開発し、GraphCastと比較して誤差がさらに減少した。

その後、ファーウェイは「Pangu」気象モデルを発売した。モデルに3次元ニューラルネットワークが導入されたため、Panguの予測精度は初めて最も正確なNWP予測システムを上回りました。最近、清華大学と復旦大学は相次いで「NowCastNet」と「Fuxi」モデルをリリースした。前者は短期的な異常気象の予報に非常に役立ち、後者は予報期間を 15 日間に延長します。

図9：2018年の台風コニー第25号（図a）と台風ユートゥ第26号（図b）のパングーモデルとECMWFの進路予測。

赤: Panguモデルの予測

青: ECMWF 予報

黒：現状

大規模気象予報モデルは、予報精度と予報時間の点で、従来の数値予報解析モデルに絶えず近づいており、部分的にはそれを上回っていることがわかります。同時に、AI大規模モデル天気予報はNWPと比較して、必要な設備条件が低く、時間も短くなります。 GraphCast は、Google TPU v4 のみを使用して、数分以内に将来の天気を予測できます。

しかし、既存の AI モデルは過去の気象データから学習することによってのみ将来の気象を予測できます。そのため、異常気象や突発的な天候のシナリオでは、大規模なモデルも他のアルゴリズムの支援を必要とし、人間の参加と切り離せません。このとき、嵐の中心で活動するストームチェイサーが提供する気象データは、AIビッグモデルの最適化にとってさらに重要になります。人間と大型模型が協力すれば、きっと素晴らしい「ストームチェイサー」が誕生するでしょう。

参考リンク:

[1] https://phys.org/news/2023-08-movie-inspired-technology-Continuously-hail-eye.html

[2] http://m.nmc.cn/ty/

[3] http://henan.china.com.cn/tech/2021-06/22/content_41599891.htm

[4] https://arxiv.org/abs/2212.12794

[5] https://www.nature.com/articles/s41586-023-06185-3/figures/4

[6] 江延如、典型的な気象プロセスの分析[M]。北京：気象出版社、2016年。

この記事はHyperAI WeChatパブリックプラットフォームで最初に公開されました〜