“深度学习之眼”…精确预测台风强度

Published 02 Jul.2024 09:08(KST)

Updated 03 Aug.2025 15:58(KST)

open/close

UNIST Lim Jeongho教授团队结合千里眼卫星数据与AI 精准预测台风

AI快速分析新台风数据…有望应用于业务预报系统

在气候变化导致台风预测日益困难的背景下，一项将实时卫星资料与深度学习技术相结合、能够更加精细预测台风的技术被开发出来。

（自上方中央起按顺时针方向）Lee Juhyun 研究员、Kim Yejin 硕博连读生、Chu Mingi 硕博连读生（均为第一作者）。

UNIST（校长 Lee Yonghoon）城市环境与土木工程系研究团队由 Lim Jungho 领衔，开发出一款能够精确分析台风信息的深度学习预测模型。该模型将静止轨道气象卫星资料与数值模式资料相结合，实现对台风强度的实时预测。

研究团队开发的 Hybrid-Convolutional Neural Networks（Hybrid-CNN，混合卷积神经网络）模型，能够在24小时、48小时、72小时尺度上，对台风强度进行客观且精确的预测，预测性能较以往方法提升约50%。即便在台风强度急剧增强的情形下，也展现出优异的预测能力。

传统的台风观测方式主要依靠静止轨道卫星资料，由预报员进行人工分析。这种方式不仅耗时较长，还存在高度依赖数值模式不确定性的缺点。然而，Hybrid-CNN 模型大幅提升了分析速度，从而降低了对数值模式不确定性的依赖，使得更为精准的台风预报成为可能。

研究团队利用“千里眼1号”和“千里眼2A号”卫星资料，基于迁移学习方法对台风强度进行了估算。通过人工智能对台风强度自动估算过程进行可视化并开展定量分析，从而提高了台风预报的准确性。已经学习既有气象数据的人工智能，能够对新的台风数据进行快速而精确的分析。

利用Cheollian 1号和Cheollian 2A号的迁移学习构建的台风强度估计框架概述。

该技术还能客观提取影响台风强度变化的环境因子，并可应用于实际业务预报系统。向预报员提供快速且准确的台风信息，有望在防灾减灾和降低损失方面发挥重要作用。

Lim Jungho 教授表示：“基于深度学习的台风预测框架，将为预报员提供更加准确的预测信息，从而帮助他们制定迅速而有效的应对方案。”

Professor Lim Jeongho

本次研究在海洋水产部、科学技术信息通信部和信息通信企划评价院等机构的支持下开展，研究成果已分别于2024年3月发表在《GIscience & Remote Sensing》期刊，及5月发表在 CellPress 旗下期刊《iScience》上。

本报道由人工智能(AI)翻译技术生成。