|
|
（接上篇）
圈层耦合
如果说数据同化是“修内功”，那么多圈层耦合就是“扩经脉”。
过去，大气科学家将海洋表面当作固定边界，海洋科学家则把大气视为可有可无的扰动。这种“划界而治”的做法，在面对极端暴雨时常常力不从心。
“比如一次华北暴雨，水汽不仅来自大气输送，还取决于当时渤海的水温，以及陆地土壤的饱和度。只看大气，你永远算不准哪一刻暴雨会倾盆而下。”韩威说。
准确预报的核心难点在于“全天候同化”。在传统的卫星资料处理中，云雨区的数据往往被视为“噪音”直接剔除。“因为云雨区充满了冰晶、雪花等非球形粒子，雷达微波穿过时反射信号混乱不堪。”韩威解释。
为了解决这一难题，团队创新性引入“超椭球模型”，用数学公式模拟冰晶从针状、板状到六角形的任意姿态。“过去只能将冰晶近似为球体计算散射，如今利用该模型可精准描述非球形粒子的散射特性。”韩威介绍，那些曾被浪费的“噪音”数据，摇身一变成为描绘台风内部结构的“高清探头”。
更具颠覆性的是，团队还将目光投向大气化学。大气中的黑碳气溶胶不仅是污染物，更是影响辐射和云形成的“活跃分子”。中国工程院院士沈学顺带领团队与外部专家合作，在全球首次实现气象与黑碳气溶胶的强耦合四维变分同化。
然而，融合之路并非坦途。2023年深冬，当青藏高原黑碳气溶胶加密观测数据首次被引入同化系统时，模式表现出强烈“抗拒”——大气动力方程对化学扰动的反馈引发了计算发散，代价函数值剧烈震荡，误差曲线近乎垂直攀升。
盯着屏幕上急剧抬升的误差曲线，沉默许久后，沈学顺走到白板前，快速推演写下一组约束矩阵。他提出，要在代价函数中构建全新的化学—动力交叉项，依托一套新型误差协方差方案，实现气溶胶辐射反馈与风场、温度场的“柔性”捆绑。
经过连夜调试，屏幕上终于出现令人振奋的结果：黑碳气溶胶的加热效应被精准捕捉，高原上空的风场随之得到有序校正，进而完成了对整个东亚环流场的优化调整。
那一刻，所有人松了一口气。“从此，化学不再是气象的附属品，它可以和大气并肩站在一起，共同修正未来，气象预报‘任督二脉’就此打通。”沈学顺说。
算力革新
解决了“准不准”，还得解决“快不快”。
随着大气、陆地、海洋等圈层的增加，系统数据量从TB级迈向PB级。如果继续沿用传统的CPU（中央处理器）计算架构，一次全球数据更新就需耗费数小时，毫无时效性可言。
“我们必须转向GPU（图形处理器）。但问题是，气象模式不是大模型，不能直接往GPU里塞。”负责高性能计算的团队成员蒋沁谷告诉记者。
数值预报模式的代码遍布大量“假如……则……”条件判断逻辑。比如在判定降水相态时，若气温高于0℃，判定为降雨；反之，则判定为降雪。这种逻辑在CPU环境下运算高效，可一旦迁移至 GPU大规模并行计算架构，单次分支判断就会造成整体计算队列阻塞停滞。
如何解决这个问题，国内外都没有现成经验，这是真正的“无人区”。甚至有观点认为，地球系统数值预报模式的某些非线性过程天然不适合GPU。
团队反其道而行之，开始了一场“暴力拆解”。把每一个“假如……则……”都改写成连续的数学函数。以雨雪判断为例，他们构造了一个随温度变化的平滑S型“开关”——气温明显高于0℃时，开关值接近1，代表纯雨；明显低于0℃时，开关值接近0，代表纯雪；而在0℃附近时，它会给出一个介于0到1之间的连续数值，代表雨夹雪。
原本“分叉”的逻辑，被统一为纯粹的矩阵乘加运算。这样一来，GPU就能像处理神经网络一样高效地执行整个模式。“这不仅是换硬件，更是一次计算范式的革新。”蒋沁谷说，当整个模式变得像神经网络一样“光滑”时，一个意想不到的“礼物”降临了——自动可微（一种让计算机自动计算函数导数的技术）。
这意味着，物理模型和AI模型之间那堵厚厚的“柏林墙”被推倒了。过去，AI模型学的是“统计规律”，物理模型算的是“牛顿力学”，两者难以融合。如今，由于计算流程统一变成GPU友好的张量计算，只需要一个简单的反向传播函数，AI就能直接学习物理模型的误差并进行修正。
今天，地球系统数值预报模式实现了“物理+AI”双驱动计算范式。面向未来，沈学顺信心满怀：“我们将持续深耕科技创新，让气象预报跑得更快、算得更准，让地球的每一次脉动，都以前所未有的清晰度呈现在人类眼前。”
《科技日报》2026-10-29 第01版：今日要闻
|
|
发表于