跳到主要內容

科技大觀園商標

分類項目
Menu

AI 深度學習如何優化解讀衛星觀測,讓颱風測報更加全面與精準?

112/08/31 瀏覽次數 8384
圖一: 2023 年 7 月杜蘇芮颱風逼近臺灣時,國立臺灣大學氣候天氣災害研究中心陳柏孚博士與研究團隊提供 AI 分析即時颱風地面風場資訊,供氣象局使用。圖中 R34 與 R50 約分別代表七級風與十級風暴風範圍。(影像來源:國立臺灣大學氣候天氣災害研究中心陳柏孚博士)

圖一: 2023 年 7 月杜蘇芮颱風逼近臺灣時,國立臺灣大學氣候天氣災害研究中心陳柏孚博士與研究團隊提供 AI 分析即時颱風地面風場資訊,供氣象局使用。圖中 R34 與 R50 約分別代表七級風與十級風暴風範圍。(影像來源:國立臺灣大學氣候天氣災害研究中心陳柏孚博士)

每到夏、秋兩季,颱風的生成與過境對臺灣居民而言,都是相當熟悉的記憶。從 2001 年以驚人雨量癱瘓臺北捷運的納莉颱風、2009 年造成「八八水災」重創南臺灣的莫拉克颱風,再到今年 8 月雖未登陸臺灣卻帶來豪雨並引發南投多處土石流的卡努颱風等,都可見到颱風帶來豐沛水量的同時,有時雖能填補水庫緩解缺水危機,但也經常伴隨災害。

國立臺灣大學氣候天氣災害研究中心陳柏孚博士回想,莫拉克在三天為臺灣帶來超過 3000 毫米的破紀錄雨量,但當時西南部山區更有高達約 1500 毫米的降雨集中在 12 小時內。「一般來說颱風停留越久、影響時間越長,累積降雨量一定越大,但那時大家驚訝的是,為什麼這麼短的時間降雨可以這麼猛爆?這 12 小時到底發生了什麼?」陳柏孚說起當時觀察莫拉克颱風的疑問,也在解答這些疑問的過程中,開啟他與颱風研究的緣分。

後來,陳柏孚經研究後分析莫拉克的猛爆雨量之謎:「在這 12 小時裡,其實颱風中心離降雨區域大概有 300 多公里遠,但在西南氣流跟颱風的交互作用影響下,導致一個長生命期颱風外圍雨帶系統,且具有自我加強與自我維持的能力,因此才在 12 小時內降下破紀錄的 1500 毫米雨量。」

用 AI 深度學習讓天氣預報更全面

科技或許無法減弱颱風的威力,但可以提升氣象預報的準確性,將災害降至最低,陳柏孚的研究團隊近幾年就將 AI 深度學習應用在臺灣劇烈天氣分析。「衛星的觀測其實是由很多配有不同感應器並接收多個電磁波的『頻道』組成,資訊量非常大,就算是氣象預報員在看一張衛星雲圖時,常常會有感覺這個圖看起來好像怎麼樣,但難以定量分析,因為簡單的數學或統計沒有辦法分析這麼大量(多維度、多變數)的資料。相較之下,AI 深度學習善於建立這些複雜資料間的關係,讓我們分析詮釋衛星觀測資料的能力變更強,」陳柏孚說。

究竟如何運用 AI 深度學習增進詮釋衛星觀測資料的能力?陳柏孚分享團隊實際運用深度學習分析颱風的四步驟。

首先是「搞清楚遊戲規則,做好資料標籤化」,也就是釐清讓電腦學習一張衛星雲圖或一連串雲圖動畫後,希望電腦告訴我們什麼?假如今天希望電腦能辨別颱風是輕、中度還是強烈颱風,就必須先把每一張衛星雲圖照片對應到強弱讓電腦學習。更進一步,除了颱風強弱之外,
像颱風在海表面的二維風場型態,也可以在定義之後讓電腦學習,幫助我們掌握更多關於颱風的細節,而這些都是在 AI 深度學習出現之前,難以分析的部分。

第二步就是「訓練深度學習模式」。和現在多數 AI 模型相同,研究團隊藉由讓電腦多次重複學習優化模式的權重,並在最後得到一個最佳化模式。

第三步為「實際使用與校驗」。有別於讓 AI 辨別貓、狗或車子這類有明確答案的任務,颱風的風場是什麼樣子?颱風的對流會造成哪些地方強降雨?現在颱風是介於中度跟強度之間嗎?由於這些「觀測」存在不確定性,因此在第一階段就會比較難明確標籤化資料,這時就必須找一些品質好卻稀缺的氣象觀測資料,來校驗所訓練模式的表現。

最後一步就是「提供預報員資訊與獲得回饋」,意即將深度學習的分析資料提供給氣象預報員使用,並透過預報員的回饋持續優化訓練模式。陳柏孚就舉今年 7 月逼近臺灣的杜蘇芮颱風為例,當時他們便即時用衛星雲圖預測、分析颱風在未來 24 小時的強度分布,同時標出颱風的風速、風向,以及受地形影響的狀況,並將這些資料提供給氣象預報員參考。

全球氣候變遷如何影響颱風的生成與發展

AI 除了能提升天氣預報的準確性外,也解答了一些關於颱風的科學問題,像是全球氣候變遷究竟為颱風帶來哪些影響?「氣候變遷最重要的事情就是讓颱風路徑分布往北移,這是現在得到最明確的結果,」陳柏孚分析,在全球暖化之後,暴風半徑很大的「大颱風」數量雖然變少,但在颱風整體往中高緯度移動的趨勢下,中高緯度又因地球自轉時地面移動的空氣與地表產生相對位移的「科氏力」較低緯度強,疑似造成大的颱風雖然個數變少,但是極端颱風總體能量和環流卻更強更大的現象。另一方面,陳柏孚與研究團隊也持續藉由 AI 模式,分析全球自 1981 年之後的颱風風速剖面,並發現過去 40 年強烈颱風的比例確實有提升,但增加幅度其實並沒有想像中大。

那麼臺灣已四年沒有颱風登陸的現象,也和全球氣候變遷有關嗎?陳柏孚認為有兩個因素:一個是統計取樣問題,一個是聖嬰現象。「由於臺灣的土地面積很小,在全球就宛如一個點,靠近臺灣周圍的颱風數量增加,本來就不代表登陸臺灣的颱風就會比較多,」陳柏孚說。

至於另一個因素「聖嬰現象」,對西太平洋颱風的影響就相當明確。在聖嬰年,颱風通常都會在離臺灣東邊較遠的地方生成,因此在暖洋面上發展的時間也較長,形成較多強度較強的颱風,颱風也有較高機率往日本前進;相對地,在反聖嬰年的時候,西太平洋的季風環流會比較侷限在菲律賓一帶,所以颱風通常會在臺灣附近形成,並在生成後很快就受陸地影響而減弱。「如果蒐集臺灣長時間的颱風資料,並分成聖嬰與反聖嬰年來看,可能真的會發現反聖嬰年有較多颱風襲臺,但假如我們只看過去 3 年、10 年的資料,就容易因為統計抽樣不足的問題而有誤判,」陳柏孚分析。

最後,陳柏孚也以 2022 年的尼莎颱風為例,提到當時颱風雖未登陸,卻為基隆河與新店溪帶來極大水量,造成臺北很多水門緊急關閉、車輛泡水的狀況。儘管過去四年來,颱風並沒有真正侵襲臺灣,但我們的生活仍與颱風息息相關。藉由 AI 深度學習的應用,不僅讓我們瞭解颱風生成、發展的趨勢,也讓颱風的觀測及預報,朝向更即時、準確與全面的目標前進。

資料來源

● 採訪國立臺灣大學氣候天氣災害研究中心陳柏孚博士

創用 CC 授權條款 姓名標示─非商業性─禁止改作

本著作係採用 創用 CC 姓名標示─非商業性─禁止改作 3.0 台灣 授權條款 授權.

本授權條款允許使用者重製、散布、傳輸著作,但不得為商業目的之使用,亦不得修改該著作。 使用時必須按照著作人指定的方式表彰其姓名。
閱讀授權標章授權條款法律文字

OPEN
回頂部