03许小峰《数据：气象融入现代科学的纽带》2023跨界融合创新应用合作发展大会主题报告-34页_5mb

数据信息与现代气象科学的建立

气象学从早期的经验科学逐步发展为现代科学，数据的获取、应用与分析成为其核心特征。伽利略将定量、实测方法引入气象领域，促使气象学从思辨转向实证与量化，推动了温度计、气压计等测量仪器的发明与气象观测网的建立。1820年起，天气图的出现标志着气象数据的系统化应用，而1904年V.皮耶克尼斯提出的数值预报设想，奠定了现代数值天气预报的基础。他强调数学方程与物理定律对于预测的重要性，并指出初始条件与物理规律对精度的决定性作用。

数值天气预报在1950年由查尼等科学家首次成功计算，但受“蝴蝶效应”影响，其准确性存在显著的时空限制。洛伦茨研究表明，尽管短期预测（12天内）具有可行性，长期预测则受限于初始条件的微小误差。为应对预测不确定性，改进观测系统和采用集合预报成为主要技术路线，后者通过概率分布输出结果，有效量化不确定因素。

再分析技术的出现使得历史与实时数据得以整合，进一步推动了气象研究的深化。WMO在全球气象观测系统（GOS）、全球天气监视网（GTS）和全球数据同化系统（GDPS）的建设中发挥了关键作用，并通过IGY联合观测和气象卫星的发展实现了全球气象数据的收集与共享。

数据信息挖掘与科学范式的转变

随着现代气象科学的演进，科学范式从经验、理论、计算逐步转向数据科学，这尤其在AI技术介入后表现得更为明显。AI大模型（基础模型）通过大量数据训练，展现出在气象预测领域的强大潜力，代表性成果包括：2021年阿里达摩院团队在AI气候预测大赛中超过《Nature》原模型；谷歌于2020年推出的MetNet模型，实现了更高分辨率、更长时效的降水预报；DeepMind开发的深度生成模型DGMR用于未来90分钟降雨预测；微软发布的ClimaX模型可进行从短期至1个月的关键天气变量预测。

2022年，华为发布的“盘古”气象大模型在NWP基础上显著提升预报精度与速度；同年的GraphCast通过机器学习可在10秒内生成全球天气预报，凭借其扩展性和准确性对标传统机构业务预报系统。这些案例显示，AI不仅优化了预报方法，更重构了气象研究的底层逻辑，即以数据为先驱，以算法驱动预测的全新范式。

AI与气象科学的结合引发了科学范式的转变。传统科学范式依赖理论、方程、数值积分等方式进行推演，而数据科学以大规模数据处理为基础，聚焦模式识别和预测，使得复杂现象不再完全依赖数学推导，而是由数据本身支撑决策。这一变革引发了科学哲学界对库恩范式理论的再思考，即当前的跨学科融合是否意味着一次科学革命。

小结

气象科学的演变本质是数据流与计算能力结合的过程，AI大模型拓宽了传统数值预报的边界，奠定了气象科学向数据科学的历史性转变。数据成为这一进程的核心要素，其优化与整合不仅提升预报能力，也改变科研模式和预测路径。尽管技术进步带来了许多突破，但也需关注潜在风险，包括模型泛化能力、基础数据质量以及集中数据资源导致的新垄断格局。未来研究需在科技创新与伦理平衡中寻求更普适的解决方案。