这是我在知乎上写的第三篇关于盘古气象大模型的文章了，前两篇文章如下：

近期有两件事值得更新，所以我决定再写一篇文章。

欧洲气象中心正式发布盘古测试报告

先来个开胃菜。7月19日，欧洲气象中心（ECMWF）在预印本网站arXiv上发布了一篇文章：

文章题为《The rise of data-driven weather forecasting》，可以翻译为《数据驱动的气象预报方法的崛起》。文章的署名者既包括之前与我们联系的Matthew Chantry（Nature文章的第二个审稿人），也包括ECMWF的执行总裁Florian Pappenberger等人。因此，相比于之前的演讲PPT，这篇文章要正式得多。

文章先是仔细调研了最近出现的一批AI气象预报方法，包括（按时间顺序排列）英伟达FourCastNet、华为盘古、谷歌GraphCast、浦江风乌（也许因为时间太近，期智伏羲没有被包含进去），指出这些近期发布的AI模型，得到了让人印象深刻（impressive）的结果，甚至能与ECMWF的高分辨率数值模式对比。可以看出，ECMWF对于这一发展感到意外，因为它动摇了ECMWF的统治地位。

除了调研外，ECMWF还充分测试了盘古在各个场景下的预报结果，因此这篇文章可以视为权威气象机构出示的盘古测试报告。文章显示，在大部分场合下，盘古的精度均优于ECMWF的集成预报系统（IFS）。值得注意的是，ECMWF在测试盘古模型时，直接用了IFS零场数据，这与盘古的训练数据（再分析场）有差异，因此盘古的精度会低于Nature论文里报告的精度。此外，ECMWF用于对比的数值模式，分辨率高于盘古模型（盘古无法获取高分辨率数据），所以盘古会略微吃亏一些。

在报告的最后，作者们展望道：

翻译：在实操环境中，对基于机器学习的预报算法进行的首次评估，显示出非常有希望的结果。机器学习模型在数值天气预报系统中的未来作用，以及这种方法对于物理模型能力的互补性，仍有待进一步探索。预报中心应该探索这些模型的优点和缺点，作为其预测系统的附加组件：以更高速度和更低计算成本运行预报的能力，（为气象预报）开辟了新的视野。

也就是说，ECMWF也认为，AI方法应该与数值模式深度结合起来。

盘古预报上线欧洲气象中心

第一件事是欧洲气象中心（ECMWF）将盘古气象大模型上线到官网，作为他们日常发布预报结果的一部分。这样，全世界的气象爱好者不用自己搭建环境，就可以在ECMWF网站上直接查看盘古的结果了。

使用方法：登陆https://charts.ecmwf.int/，在左边导航栏中搜索PANGU或者勾选Machine learning models，就可以看到一系列盘古的预报入口，截图如下：

图1：在ECMWF charts上搜索PANGU得到的结果

此时可以查看感兴趣的气象要素。如果对台风感兴趣，一般可以查看第一个，即Mean sea level pressure and 850 hPa wind speed，其中Mean sea level pressure（平均海平面气压）可以作为判定台风的主要标准，因为台风是个低压系统，对应于平均海平面气压的极小值。进入第一个入口后，左侧区域选择South East Asia & Indonesia，以观测我国东南沿海附近的台风。截图如下：

图2：ECMWF提供的盘古预报，可见今年6号台风卡努登陆长三角的情况

在选择一个起报时刻（每天UTC的0点和12点，但是上线时间一般会晚几个小时）以后，再选择想要看的预报时刻，就可以看到结果了。上图所示，在7月29日12UTC，盘古预测卡努大约在8月2日18UTC（即北京时间8月3日凌晨2点）登陆长三角。当然，随着时间的推进，预报结果也会发生变化。

近来，国内有许多爱好者已经关注到盘古大模型。在B站和百度台风吧里，出现了越来越多分享盘古预报结果的视频和帖子，当然这与近期台风密集登陆我国有关。我在B站搜索“盘古 台风”，得到的结果如下：

图3：B站上，气象爱好者发布了许多盘古预报台风的视频

这种趋势既让我们欣喜，也给了我们一点压力，因为从今往后，盘古的预报效果会接受所有人的检验。

2023年05号台风杜苏芮情况复盘

虽然盘古团队很早就与中国气象局合作，跟踪了今年02-04号台风的全流程预报，但是05号台风是盘古大模型上线ECMWF以后，第一个预报的台风。可以说，盘古在所有爱好者的监督下，完成了这次预报。

关于盘古表现的复盘，可以关注以下视频（这个up主对于盘古的态度相对正面，他在之前的视频里，也对盘古给出了较高的评价；当然我们团队并不认识他）：

关于更详细、全流程的日常路径预报，可以看看这个up主的视频（特点是不带主观评价，只整理结果）：

盘古的表现分为前期和后期。

前期（7月24日之前），大部分数值模式摇摆不定，盘古坚定地预报杜苏芮会绕过吕宋岛和台湾岛，直接登陆闽粤沿海；相比而言，7月21日时，ECMWF预报杜苏芮将登陆台湾岛后二次登陆闽粤沿海；而NCEP（美国模式）则预报杜苏芮将直接北上，几乎不对大陆产生影响。最终结果表明，盘古对大趋势上的预报，比起数值模式，要更准确一些。

后期（7月24日之后），几乎所有数值模式都达成一致，修正到了杜苏芮会绕过吕宋岛和台湾岛，直接登陆闽粤沿海。此时的重点在于登陆位置。数值模式预报的登陆点偏北，大致在福建厦门漳州一带；而盘古则在较长时间内，坚持预报登陆位置在广东潮汕一带，后续逐渐调整至福建东山，最终调整至福建厦门。也就是说，盘古对登陆点的预报，比起数值模式，要更不准一些。

当然，在杜苏芮这个个例上，盘古是否超过了ECMWF，不同人会有不同的看法。如果关注整体趋势，那么盘古更早得到正确路径，“大局观”更好；如果关注登陆位置，那么盘古更晚修正至厦门，“细节”稍差。这种结果略微出乎我们的预料。按理说，前期数值模式分歧较大，而后期数值模式分歧较小，这说明前期预报难度要大于后期。也就是说，盘古做对了难题却没做好简单题。有意思的是，英伟达FourCastNet（也已上线ECMWF官网）的性质，跟盘古很类似！我们分析以后，认为问题可能出在初始场上。盘古和FourCastNet的训练数据来自再分析场，而测试数据则是直接来自IFS零场^{[1]，两者的数据分布存在一定的差异。这种差异，可能给AI方法带来了某种系统误差，使得预报的登陆点一直偏西。我们希望能尽快弥补这个缺陷。}

此外，正如我们论文里所写的那样，AI方法对于台风强度的估计偏弱，这是AI方法不考虑物理规律地拟合数据、而极端天气数据占比很低的原因。因此在当前状态下，台风强度的预报，还是要更多参考数值模式。

我们将在今年06号台风卡努结束以后，再复盘它的预报结果。

参考

1. ^注：ECMWF公开供下载的数据只包含再分析场，而再分析场有几天的延迟，所以实际预报必须使用零场。