10月7日，加拿大环境与气候变化部（ECCC）发布《数值天气和环境预报人工智能集成路线图》^[1]，概述了如何将人工智能集成到研究-开发-业务（R-D-O）工作流程和生产链中，进行天气和环境预测。

1、人工智能集成目标。将人工智能方法应用于现有系统，开发新的人工智能驱动工具以提高预测准确性，并将人工智能技术与传统气象和环境预测方法无缝融合。识别人工智能带来变革性变化的潜在活动、挑战和机会，确保从研发到业务部署的每一步都得到严格执行，从人工智能创新中受益。

2、关键的优先事项。增强资料同化和建模框架，包括通过结合数值方法和机器学习的混合方法；加速向所有尺度的集合预报方法过渡；通过临近预报和快速循环数值预报系统帮助改进甚短期预报。

3、将人工智能集成到生产链中的可改进领域。包括：

（1）观测和资料同化。人工智能可以在改进观测质量控制和误差估计方面发挥重要作用，并帮助估计仪器未直接观测到的一些关键参数。将人工智能方法嵌入当前和即将推出的资料同化算法中。在观测方面，人工智能可以帮助加速、增强或启用新的观测算子。在集合预报不确定性估计方面，新的和计算成本较低的建模方法可以创建大型集合预报，减少预报误差估计中的噪声。借助适用于混合中央处理器-图形处理器平台的资料同化算法，能够更好地处理先进数值模式日益增长的计算需求和不断增长的观测数据量。

（2）数值预报。目前可用的人工智能模型在相似分辨率下能够达到或超过物理模型的质量，并仅耗费小部分时间和能源。目前，在人工智能系统能够提供当前基于物理的模型的优势、准确性和可靠性之前，基于物理的模型仍将是加拿大天气和环境预报系统的核心。作为第一步，将优先考虑采用现有的开源人工智能系统，目标是获得将人工智能系统集成到业务环境中的经验；了解业务部署人工智能系统所需的计算资源；为预报员提供额外的替代数据源。

（3）后处理和专业产品。随着人工智能的出现，更新的有前途的后处理技术正在显现，可以大幅提高预报的分辨率，基于天气状况纠正预报误差，增加集合预报成员数量来表达预报不确定性，或为高影响事件生成复杂诊断。

（4）数据。人工智能适配数据应可用于训练、模型开发、测试和验证目的。需要投资特定的人工智能相关研发活动的数据生成。（刘燕飞）