2021年9月29日，英国顶级AI研究机构DeepMind与气象局合作撰写并在《自然》杂志上发表一篇有关天气预报的论文，指出人工智能有望在不断变化的环境中帮助人们应对决策挑战，为降雨临近预报开辟新途径。

当前，天气预报是由强大的数值天气预报（NWP）系统所驱动，通过求解物理方程可提前几天提供基本的行星尺度预测。但NWP很难在两个小时内生成高分辨率预测，需要临近预报（Nowcasting）来填补差距。临近预报对于水资源管理、农业、航空、应急规划和户外活动等行业至关重要。现有方法的不足以及高质量数据的可用性，为基于机器学习的临近预报提供了机会。

DeepMind使用一种类似于GAN的雷达深度生成模型方法DGMR，根据过去的雷达信息对未来雷达数据进行详细而合理的预测，最多可提前2小时预测降雨量、降雨时间以及降雨位置。其临近预报生成模型DGMR，既可以准确捕获大规模事件，同时还能生成许多替代降雨场景（被称为集合预测），从而可以探索降雨的不确定性。

研究团队特别关注该模型对中到暴雨事件的预测能力，因为这些事件对人类和经济影响最大。为分析预测效果，研究团队使用英国和美国的雷达数据对比了DGMR与PySTEPS和UNet，并邀请了英国国家气象局的50名气象专家进行评估。结果显示，DGMR比平流方法PySTEPS能更好地捕捉环流、强度和结构，比确定性深度学习方法UNet的预测更敏锐。DGMR在统计学上具有显著改进，专家们在89%的案例中将DGMR作为首选，证明该方法可为决策者提供巨大支持。

未来，研究团队需要更多地提高长期预测的准确性以及对罕见和强烈事件预测的准确性，并开发其他评估性能的方法，进一步将这些方法专门用于特定的实际应用。团队希望向后续研究提供数据和验证方法基础，从而进一步验证该方法的竞争力和操作效果，并希望与气象局合作促进机器学习和环境科学的更大整合，从而更好地为气候变化中的决策提供支持。

信息来源：

https://deepmind.com/blog/article/nowcasting