气象“中国芯”攻坚记

　　这个数字世界，就是中国气象局地球系统数值预报中心(以下简称“数值预报中心”)研发的地球系统数值预报模式——一台给地球量身打造的“数字孪生”超级模拟器。

　　它先把大气、海洋、陆地、冰雪、生态等圈层划分成无数网格；再把温度、风、气压、湿度等观测数据“喂”进系统；然后依据物理定律，利用超级计算一步步推演：未来，风怎么吹、云怎么生、雨怎么落。

　　此前，被誉为气象事业“芯片”的数值预报，核心技术长期被欧美发达国家垄断。如今，历时十多年攻关，数值预报中心研发团队成功研发出我国自主可控的数值预报模式，一举实现从“跟跑”到“并跑”的跨越。

　　数据同化

　　要预报未来，就要先看清现在。卫星、雷达、浮标传回的海量碎片化气象观测数据，如何转化为数值预报模式网格点上精确的温度、风场和气压？答案是资料同化。

　　“资料同化，就像拼一幅三维全景图。”数值预报中心科学委员会副主任委员韩威解释，模式背景场是底图，观测数据是碎片，同化算法便是缝合这些碎片的“巧手”，用数学方法推算出最接近真实大气的状态。

　　此前，研发团队使用的传统同化技术存在明显缺陷——它假设大气误差是静态、均匀的。“即便我们费了九牛二虎之力，我国台风120小时路径预报误差，依然与国际先进水平差距明显。”韩威至今记得，当时团队一度非常沮丧。

　　必须变革同化技术。几经研讨，大家决定走“集合四维变分同化”技术路线。“这就好比你在追踪一个飘忽不定的风筝，每隔几分钟看它一眼，同时你的几个朋友各自估计风筝的位置，你们不断交流修正，最终对风筝每一刻的位置标定都越来越精准——这就是‘集合四维变分同化’干的事。”数值预报中心主任龚建东打比方道。

　　但这条路并非一帆风顺。2022年初夏的一个深夜，韩威眉头紧锁。电脑屏幕上，刚刚跑完的数据同化结果布满密密麻麻的“雪花点”——那是多源数据流引入产生海量误差信息，计算量呈指数级上升带来的致命噪声，真信号被吞噬得无影无踪。

　　“高性能计算机跑一次要好几个小时，结果满屏都是‘雪花’。”韩威回忆，那是整个项目最难熬的时期。

　　转机出现在一次“会诊”会上。团队中一位卫星遥感工程师凝视噪声图良久，忽然开口：“这跟我们抑制微波辐射计射频干扰时碰到的频谱混叠很像，频域滤波试过没？”

　　随口一句话，让大家豁然开朗。团队迅速展开“跨界”攻关，从信号处理领域引入谱滤波和小波阈值去噪方法。这就好比从嘈杂的摇滚音乐会现场，通过特定算法过滤掉震耳欲聋的噪声，提取出微弱而清晰的人声。

　　团队用这套跨领域方法，在无尽的“雪花点”里一步步锁定真正的信号，成效逐渐显现。2025年业务数据显示，北半球可用预报时效延长了3小时，台风120小时路径预报误差平均减少约70公里。

　　“过去看大气，像戴一副度数固定的‘老花镜’，现在我们换上了自动对焦的‘动态CT’。”龚建东说，这让台风预报误差大幅缩小，数万乃至数百万民众再也不用“虚惊一场”大规模转移了。

　　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。”