0

0
0

文字

分享

0
0
0

航向颱風之眼:飛機觀測追風計畫—《科學月刊》

科學月刊_96
・2016/09/25 ・4464字 ・閱讀時間約 9 分鐘 ・SR值 574 ・九年級

-----廣告,請繼續往下閱讀-----

文/黃椿喜|中央氣象局氣象預報中心課長。

2003 年 9 月 1 日起,臺灣啟動了飛機觀測颱風的追風計畫,改裝過的 ASTRA 噴射客機航向杜鵑颱風 42000 英呎上的高空翱翔,數小時的任務內拋投了 14 顆投落送觀測,颱風內部資料透過衛星傳送到了氣象局的預報中心,預報員自螢幕上終於見到了真實的颱風結構,也終於我們每年都驕傲的見證西北太平洋上唯一經常性觀測之飛機,巡航在颱風上空不斷蒐集著關鍵的資料⋯⋯。

從二戰航向近代的飛機觀測

以飛機觀測熱帶氣旋的紀錄始於 1943 年。二次世界大戰期間,美國空軍中校達克沃斯(Joseph P. Duckworth)首先於 1943 年 7 月 27 日駕駛 AT-3 單引擎教練飛機穿越墨西哥灣附近的颶風中心,後安全返回基地,創下歷史上首次以飛機偵查並穿越颶風的紀錄。重大天然災害經常使政府投入資源進行研究,1954 年美國遭受到非常嚴重的颶風侵襲,颶風卡羅爾(Carol)、愛得納(Edna)及黑茲爾(Hazel)先後橫掃美國東部各州,導致將近 200 人死亡以及難以計數的損失。很不幸的,接下來的 1955 年災害並沒有因此緩和,北卡羅萊納州再度遭受 3 個颶風侵襲。美國國會於是決心撥款補助美國氣象局進行國家級的颶風研究專案計畫,從 1956 開始進行常態性的颶風飛行作業,這是世界上最早的官方例行性飛機觀測熱帶氣旋的作業。剛開始由於儀器限制、資料紀錄、處理方法及傳輸技術尚不成熟,造成分析上的困難,但經過數十年的改良及進步,加上投落送與機載雷達系統的應用,整體研究有非常大的進步。

1
漢翔航空之 ASTRA 噴射機及追風計畫登機人員。 圖/中央氣象局提供

1960 年代起,美國國家海洋暨大氣總署(NOAA)與國防部開始企圖以人工改造熱帶氣旋結構,進而改變其路徑,降低其對美國的影響。於是他們在 70 年代中期 NOAA 添購 2 架 WP-3D(P3)偵察機支援熱帶氣旋改造計畫,在此同時也針對熱帶氣旋發展之動力過程及其結構進行科學研究,並持續監測熱帶氣旋之生成、移動及強度作為其防災應變之參考。由於人工改造熱帶氣旋計劃評估之效果有限,且具政治上的敏感性,這個計畫最終在 1983 年停止,之後的觀測任務就更專注在熱帶氣旋的結構與環境的交互作用,以提高颱風路徑及強度之預報能力為主要目標。

-----廣告,請繼續往下閱讀-----

60 年代人造衛星升空運作是氣象觀測史上的里程碑,其後衛星觀測很快就涵蓋了整個地球。飛機觀測熱帶氣旋生成、位置及強度之監測功能也逐漸被衛星所取代,尤其是德沃夏克(Dvorak)在 1980 年代利用衛星觀測資料與飛機觀測數據比較後,發展衛星估計熱帶氣旋強度及位置方法,直到現在仍是各國估計颱風強度的基本方法。美國海軍也因此自 1987 年起正式停止西北太平洋的颱風飛機觀測計畫,但影響美國本土的東太平洋及大西洋的飛機觀測計畫則仍持續至今。

美軍在西太平洋的觀測任務停止以後,我國對監測及預報只能依賴衛星、少數的島嶼、船舶或雷達等有限的資料,對於颱風內部的結構特徵、強度演變等則缺乏精密的實測數據,常造成過大的誤差及預報之不確定性。尤其因為我國位於西北太平洋的颱風移動的主要路徑,每年平均受3 至4 個颱風侵襲,因此衝擊相當大。1990 年以後,颱風持續威脅臺灣,楊希(1990)、奈特(1991)、道格(1994)、賀伯(1996)、溫妮(1997)、瑞伯(1998)、碧利斯(2000)、桃芝(2001)、納莉(2001)等颱風陸續造成重大的傷亡,學界及氣象局於是更積極推動加強颱風之監測,並致力於改善其預報能力。終於在 2002 起國科會決定以經費支持,於是臺灣大學吳俊傑、林博雄教授以及時任氣象局預報中心葉天降主任(現為氣象局副局長)得以規劃重新啟動西北太平洋地區的飛機觀測計畫,並在 2003年第一次執行了杜鵑颱風的任務,這是自 1987 年美軍停止作業以來,再度有飛機在西北太平洋例行性的觀測颱風。

2-7
圖/科學月刊提供

現代飛機觀測常用的機型:低空穿越飛行(通常是螺旋槳機型改裝)之 NOAA P-3、AFC-130、NRL P-3,以及高空偵察飛行(通常是小型噴射客機改裝)之 G-IV、NASA DC-8、DLR Falcon、Canadian Convair、NASA ER-2 及臺灣的 ASTRA。

歷史上的特殊事件

在超過 70 年飛機觀測熱帶氣旋的歷史上,美國海、空軍曾經發生過 6 次失事事件,機上總共有 53 人全數罹難,失事事件都發生於早期 1945 至 1974 年間,主要是當時對颱風的認識不足,且舊型飛機性能較差所導致。這些事件有3件發生在西北太平洋,2事件在南海,另有1 事件是在大西洋。

-----廣告,請繼續往下閱讀-----

有一個藉颱風觀測失事隱藏真實原因的特別的案例,這是發生在二戰後的美蘇冷戰期間。1956 年 9 月 10 日,美國空軍宣稱其 RB-50G 型超級堡壘轟炸機飛到日本海觀測艾瑪颱風時失事,而實際上這架飛機並非是「狩獵颱風」的機型,且失事當時並沒有颱風影響該地區。

近代另一個重要的事件則是發生於 1989年 9月 15日,當時 NOAA  派了 2 架 WP-3D 飛機針對胡古(Hugo)颶風同步進行高、低層之穿越飛行研究,一架飛約在 5~6 公里高度,另一架則飛在 450 公尺高度。當低空飛機以 450 公尺的高度穿越胡古颶風的眼牆時,遭遇劇烈亂流襲擊而導致一具引擎故障,加上事先沒預測到胡古颶風快速增強至 938 hPa 的過程,因此進入颶風眼時僅剩下 270 公尺高度,飛行員瞬間意識到飛機幾乎要被波濤洶湧且狂風怒號的危險海面所吞噬,周圍甚至還到處有旺盛的積雲風暴。好不容易在恢復控制後,飛行員才緩慢沿著颱風眼內風雨較小處逐漸盤旋而提升高度,上升達到 2200 公尺後才由颶風東北側較弱的眼牆對流區域突破,進而安全飛出颶風中心返回基地。

8-12n
點擊看大圖。圖/科學月刊提供

追風常用的機型及搭載的觀測儀器

一般來說,飛機觀測通常可以分為2 類,一種是飛在中低對流層約 3~5 公里的高度,直接進入颱風眼區的穿越飛行,例如 P3、C130 等。另外一種則是飛在對流層頂約 13 公里高度,針對颱風周圍環境的偵察飛行,如美國的 Gulfstream IV-SP 或追風計畫使用的 Astra 噴射機。另外,近年來也常使用無人飛機進行偵查,如臺灣地區以研究為目的使用的小型遙控飛機 aerosonde,或美國最新的大型無人飛機全球之鷹(Global Hawk)系列。

1. 低空穿越飛行
用以穿越飛行的機型通常是螺旋槳機型的大型飛機改裝,目前美國進行穿越飛行的主力機型為 WP-3 及 C130J。這類的飛機通常搭配先進的都卜勒機載雷達,可對颱風的風場及降雨進行掃描。一般來說,單一顆都卜勒雷達只能掃描相對於雷達接近或遠離的風,如果有 2 顆都卜勒雷達就可以得到颱風完整的水平風場。但要同時出動 2 架飛機的機率不高,而如果颱風在短時間的變化不大,就可以利用同一架飛機在 2 個時間、不同位置的雷達掃描模擬 2 顆雷達進而估算水平風場。為了這樣的效果,這些飛機通常以 X 字型、4 字型或蝴蝶型的飛行路徑穿越颱風中心數次,一般會飛在 700hPa(約 3 公里),同時搭配投落送等儀器進行觀測。

-----廣告,請繼續往下閱讀-----

2. 高空偵察飛行
現代常用來偵查颱風的通常是小型噴射機,例如美國的灣流(Gulf Stream)、臺灣漢翔航空的 ASTRA、德國的 Falcon 等,這類飛機機體較小,穩定度也較低,因此不適合直接穿越颱風中心。所以一般飛在颱風上空約 40000 英尺(約 12 公里)高度,對颱風暴風圈或環境場進行偵察飛行,以拋投投落送取得垂直的溫、濕度及風場結構。

13-1

14
2003 ~ 2015 年飛機觀測之颱風路徑,圖上數字為 2003 年起算之觀測任務編號及當時的颱風中心位置。圖/文化大學周昆炫教授提供

3. GPS 投落送(GPS Dropsonde):
飛機投落送的結構如上圖,由筒狀紙捲包覆,裡面搭載拖曳降落傘、溫溼度感測器、氣壓感應器、電池、GPS 接收器、天線及無線傳輸器。而專門進行觀測的飛機須經特殊改裝並通過飛航認證的投落送拋投裝置,機上人員以每 10~20 分鐘間距投擲投落送。投落送離開飛機後會張開自動降落傘,由飛行高度逐漸降落到海表面,期間每秒會收集一次大氣的溫度、濕度。機上有天線接收投落送訊號,依據 GPS 及氣壓知道投落送的位置、降落速度和風速,機上的觀測員則以國際標準資料格式進行資料解碼並重新編碼,再透過衛星電話傳輸到地面接收站。

西北太平洋的飛機觀測

西北太平洋地區自 1987 年美軍停止飛機觀測颱風以後,中間有 17 年的觀測空窗期。之後才由國科會(現改組為科技部)在 2002 年同意支應「追風計畫」的研究經費。歷經1 年多的準備及測試,漢翔航空的 ASTRA 噴射機終於在 2003 年 9 月 1 日 12 時 30 分準時起飛至杜鵑颱風上空成功投擲 14 顆投落送觀測資料,並將資料即時傳輸到氣象局預報中心使用,這是西北太平洋自美軍停止颱風飛機觀測以來,再度見到飛機經常性航向颱風上空蒐集資料。這些資料創造了非常豐碩的科學研究成果外,也支援氣象預報作業使用,是氣象局預報作業上的重點觀測計畫。

由於飛行時機通常在颱風轉向或警報發布前後,因此這些資料常是預報的重要參考。例如 2015 年 8 月的蘇迪勒颱風就是依據 8 月6 日的連續 2 次觀測而將暴風半徑由 250 公里 2 度擴大至 300 公里,扮演預報的重要關鍵,並間接降低了難以預期的災難。目前追風計畫已經連續執行了 13 年,仍是西北太平洋上唯一常態性作業的飛機觀測計畫。期間總共針對 60 個颱風,執行 76 航次,並成功投擲超過 1000 個投落送觀測資料。另一方面,這些觀測資料也會進入超級電腦的分析系統,整合最新的地面、高空、衛星、雷達等多種觀測資料,再針對颱風優化後產生精準的大氣初始狀態,最後以數值天氣預報模式進行積分而計算未來天氣的變化。依據氣象局內部評估結果,採用飛機觀測資料後可以改善颱風路徑預報 5~7% 的誤差。與此同時,觀測資料也會即時送到美國的氣象資料接收系統,並傳送給世界各國的氣象單位,進一步改善各國數值天氣預報的模式,氣象局也會共享這些產品以進行最新的颱風預報。

-----廣告,請繼續往下閱讀-----
15-1
2015 年蘇迪勒颱風之衛星雲圖、颱風路徑、飛機觀測之飛行路徑及 925 hPa (約 1 公里高度)之觀測風場。圖/中央氣象局提供

跨國聯合實驗計畫

追風計畫執行期間,曾有 2 場很重要的聯合觀測計畫。第一次是 2008 年 8、9 月期間的亞太區域大型聯合觀測實驗計畫。此次聯合臺灣、美國、日本、德國、南韓、中國大陸等科學家共同參與,也是首次同時使用 4架飛機的聯合觀測實驗,包括我國的 ASTRA、美國的 C-130 和 P-3、以及日德合作的 Falcon。T-PARC 主要想解決西北太平洋颱風從生成過程、強度發展、結構演變、路徑轉折到溫帶變性及消散的科學與預報議題,而進行颱風生命期的完整觀測資料蒐集,改善颱風可預報度問題。期間總共對如麗、辛樂克、哈格比與薔蜜等 4 個颱風進行聯合觀測,尤其對辛樂克和薔蜜颱風更是蒐集到後續溫帶變性過程的完整生命期資料。

另一個重要的國際聯合觀測任務則是 2010 年 8 至 10月的颱風與海洋交互作用觀測實驗(ITOP),這個任務主要的議題包括海洋與大氣的交互作用、海洋冷暖渦漩對颱風強度的影響、颱風引起的海沫和波浪變化等,相較於 T-PARC 實驗更多了海洋影響颱風的探討。這次除 ASTRA 和 C-130 針對大氣部分的觀測外,另有大量錨定浮標佈署量測海洋的駐要參數,並搭配海洋研究船舶蒐集洋面資料。ITOP 實驗期間總共對凡那比和梅姬兩個颱風執行聯合觀測任務。


封面

 

本文選自《科學月刊》2016 年 4 月號

延伸閱讀:

-----廣告,請繼續往下閱讀-----

極地渦旋的驚心「凍」魄

從太空看地球

什麼?!你還不知道《 科學月刊,我們 46 歲囉!

入不惑之年還是可以當個科青

-----廣告,請繼續往下閱讀-----
文章難易度
科學月刊_96
249 篇文章 ・ 3653 位粉絲
非營利性質的《科學月刊》創刊於1970年,自創刊以來始終致力於科學普及工作;我們相信,提供一份正確而完整的科學知識,就是回饋給讀者最好的品質保證。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

-----廣告,請繼續往下閱讀-----

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

1
1

文字

分享

0
1
1
說好的颱風呢?!氣象預報不準?要準確預測天氣有多難?
PanSci_96
・2023/09/12 ・4646字 ・閱讀時間約 9 分鐘

小心啊,打雷囉,下雨收衣服啊!

氣象報告說好是晴天的,怎麼一踏出門就開始下雨了?

昨天都說要直撲的颱風,怎麼又彎出去了?

多麼希望天氣預報能做到百分之百正確,只要出門前問一下手機,就能確定今天是出大太陽還是午後雷陣雨,是幾點幾分在哪裡?又或是最重要的,颱風到底會不會來?

-----廣告,請繼續往下閱讀-----

但你知道,現在的氣象預報,已經動用全球最強的超級電腦們了嗎?既然如此,我們現在的氣象預報能力到底有多準?我們什麼時候能徹底掌握這顆蔚藍星球上發生的所有天氣現象?

天氣預報有多困難?

雖然我們常常嫌說氣象預報不準、颱風路徑不準、預測失靈等等。但我們現在的實力如何呢?

目前美國國家海洋暨大氣總署的數據分析,對西太平洋颱風的 24 小時預測,誤差平均值約 50 英哩,也就是一天內的路徑誤差,大約是 80 公里。其他國家的氣象局,24 小時的誤差也約在 50 到 120 公里之間。台灣呢?根據中央氣象局到 2010 年的統計,誤差大約在 100 公里內。也就是臺灣對颱風的預測,沒有落後其他先進單位。

現在只要打開手機隨便開個 APP,就能問到今天的天氣概況,甚至是小區域或是短時間區間內的天氣預報。但在過去沒有電腦的時代,要預測天氣根本可以不可能(諸葛孔明:哪泥?)。

-----廣告,請繼續往下閱讀-----

近代且稱得上科學的天氣預測可追溯回 1854 年,那個只能靠人工觀測的年代,英國氣象學家為了保護漁民出海的安危,利用電報傳遞來蒐集各地居民的觀察,並進行風暴預報。後來演變成天氣預報後,卻因為有時預報不準,預報員承受了輿論與國會批判的巨大壓力,最後甚至鬱鬱離世。

19 世紀的氣象學家為了保護漁民出海的安危,會利用電報蒐集各地居民的觀察進行風暴預報。圖/Giphy

在電腦還在用打洞卡進行運算的年代,一台電腦比一個房間還大。氣象局要預測天氣,甚至判斷颱風動向,得要依賴專家對天氣系統、氣候型態的認知。因此在模擬預測非主流的年代,我們可以看到氣象局在進行預測時,會拿著一個圓盤,依據量測到的大氣壓力、風速等氣象值,進行專家分析。

當時全球的氣象系統,則是透過全球約一千個氣象站,共同在 UTC 時間(舊稱格林威治時間)的零零時施放高空探測氣球,透過聯合國的「World Weather Watch」計畫來共享天氣資料,用以分析。關於氣象氣球,我們之前也介紹過,歡迎看看這集喔。

也就是說,以前的颱風預測就是專家依靠自身的學理與經驗,來預測颱風的動向,但是,大氣系統極其複雜,先不說大氣系統受到擾動就會有所變化,行星風系、科氏力、地形、氣壓系統這些系統間互相影響,都會造成預測上的失準,更遑論模擬整個大氣系統需要的電腦資源,是非常巨大的。

-----廣告,請繼續往下閱讀-----

那麼,有了現代電腦科技加持的我們,又距離全知還有多遠呢?是不是只要有夠強的超級電腦,我們就能無所不知呢?

有了電腦科技加持,我們的預報更準了嗎?

當然,有更強的電腦,我們就能算得更快。才不會出現花了三天計算,卻只能算出一個小時後天氣預報的窘況。但除了更強悍的超級電腦,也要更先進的預測模型與方法。現在的氣候氣象模擬,會先給一個初始值,像是溫度、壓力、初始風場等等,接著就讓這個數學模型開始跑。

接著我們會得到一個答案,這還不是我們真正要的解,而是一種逼近真實的解,我們還必須告訴模型,我容許的誤差值是多少。什麼意思呢?因為複雜模型算出來的數值不會是整數,而是拖著一堆小數點的複雜數字。我們則要選擇取用數值小數點後 8 位還是後 12 位等等,端看我們的電腦能處理到多少位,以及我們想算多快。時間久了,誤差的累積也越多,預測就有可能失準。沒錯,這就是著名的蝴蝶效應,美國數學暨氣象學家 Edward Norton Lorenz 過去的演講題目「蝴蝶在巴西揮動了翅膀,會不會在德州造成了龍捲風?」就是在講這件事。

回到颱風預報,大家有沒有發現,我們看到的颱風路徑圖,颱風的圈怎麼一定會越變越大,難道颱風就像戶愚呂一樣會從 30% 變成 100% 力量狀態嗎?

-----廣告,請繼續往下閱讀-----
輕颱鴛鴦的颱風路徑潛勢圖。圖/中央氣象局

其實那不是颱風的暴風圈大小,而是颱風的路徑預測範圍,也就是常聽到的颱風路徑潛勢圖,​是未來 1 至 3 天的颱風可能位置,颱風中心可能走的區域​顯示為潛勢圖中的紅圈,機率為 70%,所以圈圈越大,代表不確定性越大。​

1990 年後,中央氣象局開始使用高速電腦,並且使用美國國家大氣研究中心 (NCAR) 為首開發的 Weather Research and Forecasting 模型做數值運算,利用系集式方法,藉由不同的物理模式或參數改變,模擬出如同「蝴蝶效應」的結果,運算出多種颱風的可能行進路線。預測時間拉長後,誤差累積也更多,行進路徑的可能性當然也會越廣。

「真鍋模型」用物理建模模擬更真實的地球氣候!

大氣模擬不是只要有電腦就能做,其背後的物理複雜度,也是一大考驗。因此,發展與地球物理相關的研究變得非常重要。

2021 年的諾貝爾物理學獎,就是頒給發展氣候模型的真鍋淑郎。他所開發的地表模式,在這六十年間,從一個沒考慮地表植物的簡單模型,經各家發展,變成現在更為複雜、更為真實的模型。其中的參數涵蓋過去沒有的植物反應、地下水流動、氮碳化合反應等等,增強了氣候氣象模型的真實性。

-----廣告,請繼續往下閱讀-----
2021 年的諾貝爾物理學獎得主真鍋淑郎。圖/wikimedia

當然,越複雜的模型、越短的時間區間、越高的空間精細度,需要更強大的超級電腦,還有更精準的觀測數據,才能預測接下來半日至五日的氣象情況。

世界上前百大的超級電腦,都已被用來做大氣科學模擬。各大氣象中心通常也配有自己的超級電腦,才能做出每日預測。那麼,除了等待更加強大的超級電腦問世,我們還有什麼辦法可以提升預報的準度呢?

天氣預報到底要怎樣才能做得準?

有了電腦,人類可以紀錄一切得到的數據;有了衛星,人類則可以觀察整個地球,對地球科學領域的人來說,可以拿這些現實資訊來校正模擬或預測時的誤差,利用數學方法將觀測到的單點資料,乃至衛星資料,融合至一整個數值模型之中,將各種資料加以比對,進一步提升精準度,這種方法叫做「資料同化 (Data Assimilation)」。例如日本曾使用當時日本最強的超級電腦「京」,做過空間解析度 100 公尺的水平距離「局部」超高解析氣象預測,除了用上最強的電腦,也利用了衛星資料做資料同化。除了日本以外,歐洲中程氣象預測中心 (ECMWF),或是美國大氣暨海洋研究中心 (NOAA),也都早在使用這些技術。

臺灣這幾年升空的福衛系列衛星,和將要升空的獵風者等氣象衛星,也將在未來幫助氣象學家取得更精準的資料,藉由「資料同化」來協助模擬,達到更精準的預測分析。

-----廣告,請繼續往下閱讀-----

如果想要進一步提升預報準度呢?不用擔心,我們還有好幾個招式。

人海戰術!用更多的天氣模型來統計出機率的「概率性模擬」

首先,如果覺得一個模型不夠準,那就來 100 個吧!這是什麼意思?當我們只用一種物理模型來做預測時,我們總是會追求「準」,這種「準確」模型做的模擬預測,稱為「決定性模擬」,需要的是精確的參數、公式,與數值方法。就跟遇上完美的夢中情人共度完美的約會一樣,雖然值得追求,但你可能會先變成控制狂,而且失敗機率極高。

「準確」的模型就跟遇上完美情人共度完美約會一樣,雖然值得追求,但失敗機率極高。圖/Giphy

不如換個角度,改做「概率性模擬」,利用系集模擬,模擬出一大堆可能的交往對象,啊不對,是天氣模型,再根據一定數量的模擬結果,我們就可以統計出一個概率,來分析颱風路徑或是降雨機率,讓成功配對成功預測的機率更高。

製造一個虛擬地球模擬氣象?

再來,在物理層面上,目前各國正摩拳擦掌準備進行等同「數位攣生 (Digital Twin) 」的高階模擬,簡單來說,就是造出一個數位虛擬地球,來進行 1 公里水平長度網格的全球「超高」解析度模擬計算。等等,前面不是說日本可以算到 100 公尺的水平距離,為什麼 1 公里叫做超高解析度?

-----廣告,請繼續往下閱讀-----

因為 500 公尺到 1 公里的網格大小也是地表模式的物理適用最小單位,在這樣的解析度下,科學家相信,可以減少數值模型中被簡化的地方,產生更真實的模擬結果。

電腦要怎麼負荷這麼大的計算量?交給電腦科學家!

當然,這樣的計算非常挑戰,除了需要大量的電腦資源,還需要有穩定的超級電腦,以及幾個 Petabyte,也就是 10 的 15 次方個位元組的儲存設備來存放產出的資料。

不用為了天氣捐贈你的 D 槽,就交給電腦科學家接棒上場吧。從 CPU、GPU 間的通訊、使用 GPU 來做計算加速或是作為主要運算元件、到改寫符合新架構的軟體程式、以及資料壓縮與讀寫 (I/O)。同時還要加上「資料同化」時所需的衛星或是全球量測資料。明明是做氣象預報,卻需要等同發展 AI 的電腦科技做輔助,任務十分龐大。對這部分有興趣的朋友可以參考我們之前的這一集喔!

結語

這一切的挑戰,是為了追求更精確的計算結果,也是為了推估大魔王:氣候變遷所造成的影響必須獲得的實力。想要計算幾年,甚至百年後的氣候狀態,氣象與氣候學家就非得克服上面所提到的問題才行。

一百年來,氣候氣象預測已從專家推估,變成了利用龐大電腦系統,耗費百萬瓦的能量來進行運算。所有更強大、更精準的氣象運算,都是為了減少人類的經濟與生命損失。

對於伴隨氣候變遷到來的極端天氣,人類對於這些變化的認知還是有所不足。2021 年的德國洪水,帶走了數十條人命,但是身為歐洲氣象中心的 ECMWF,當時也只能用叢集式系統算出 1% 的豪大雨概率,甚至這個模擬出的豪大雨也並沒有達到實際量測值。

我們期待我們對氣候了解和應對的速度,能追上氣候變遷的腳步,也由衷希望,有更多人才投入地球科學領域,幫助大家更了解我們所處的這顆藍色星球。

也想問問大家,你覺得目前的氣象預報表現得如何?你覺得它夠準嗎?

  1. 夭壽準,我出門都會看預報,說下雨就是會下雨。
  2. 有待加強,預報當參考,自己的經驗才是最準的。
  3. 等科學家開發出天候棒吧,那才是我要的準。更多想法,分享給我們吧

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

2

4
3

文字

分享

2
4
3
精準預測氣象的「掩星技術」,讓你知道颱風放不放假!
科技大觀園_96
・2021/11/16 ・2380字 ・閱讀時間約 4 分鐘

-----廣告,請繼續往下閱讀-----

新颱風生成後,大家最關心的就是颱風的路徑、帶來的風雨大不大,以及——到底放不放颱風假?要能預測和評估颱風的走向影響,可靠的氣象觀測資料是不可或缺的。這就不得不提,在我們頭頂上認真執行觀測任務的人造衛星,以及它們身懷測知氣象變化的絕技!

每次颱風來襲,大家都關心會不會放颱風假。圖/pixabay

貢獻全球氣象資料,福爾摩沙衛星功不可沒

過去福爾摩沙衛星三號(福三)執勤十年,為全世界多個氣象中心與研究單位提供無以計數的資料,可謂台灣在國際氣象上的外交大使,於減少天氣預報誤差的貢獻度上,更曾被評為全球前五。福三榮退後,接棒的福爾摩沙衛星七號(福七)也在今年二月完成任務軌道的全部部署。福三和福七都不只有一枚衛星,而是由各 6 枚衛星組成的衛星星系(constellation)。每一枚衛星就像在不同位置巡守、收集氣象情報並互相通報的將士,使得觀測範圍可以覆蓋地球各個區域,提供即時而完整的三維觀測數據。

福衛七號結構示意圖。圖/國家太空中心

但福七與行經南北極的「繞極衛星」福三不同的是,它在南北緯 50 度間軌道繞行,主攻台灣、赤道與中低緯度颱風盛行區的觀測。因此福七可以提供密集度更高、更多的溫度、壓力、水氣等氣象資料。國家太空中心推估,它可提升氣象預報準度 10% ——以颱風為例,可以讓 72 小時的路徑誤差改善 10%,協助我們更精準地評估氣象變化與預防災害。

每日可提供 4000 點大氣垂直剖線資料、大幅提升全球氣象預報準確度的福七,究竟是怎麽辦到的?答案就是掩星技術 (Radio Occultation) 。

掩星技術,讓衛星成為太空中最精準的溫度計!

在天文學上,「掩星」指的是一個天體,在另一個天體與觀測者之間通過,產生的遮蔽現象。但英文中的「Occultation」,也可以指前景中的物體,阻擋遮蔽背景中任何物體的情形。而所謂的「掩星技術」,就是利用電磁波訊號在經過大氣層時,會因穿透不同溫度、壓力或濕度的空氣層,被「遮蔽」而產生轉向、變慢、減弱等的特性,來反演出地球上空之溫度、氣壓和濕度。

-----廣告,請繼續往下閱讀-----

衛星與衛星之間,本來因為地球的阻隔看不到彼此,但可以接受來自彼此的電磁波訊號。福七的主要酬載儀器——全球衛星導航系統無線電訊號接收儀」(TGRS),可以接受美國全球定位系統(GPS) 和俄羅斯全球導航衛星系統(GLONASS)全球定位衛星通過大氣與電離層的折射訊號。接著,通過計算電波訊號的偏折程度,就可以反演出大氣與電離層中的溫度、水氣、壓力、電子密度等數據。

掩星技術在 1995 年才開始投入應用,而從 2006 年的福三,到如今福七計劃中積累的研究經驗,使台灣成為這項新穎技術領域的佼佼者。掩星技術所得到的資料具備高準確度和解析度,也擁有不需要大量接收訊號的衛星,就可以得到大範圍數據、降低成本的優勢,不僅可以用作氣象預報,更能幫助我們監控和增進對氣候變遷的瞭解。

衛星加上同位素的助攻,可以使天氣預報更精準

另一方面,除了改善觀測一般氣象資料如溫度、濕度、大氣壓力等參數的準確度,在氣象觀測中新增測定不一樣的參數——如大氣水分子的同位素,也可以讓我們的天氣預報更精準!

過去礙於資料的取得有限,同位素分析在氣象觀測與預報中常被忽略。但近年來人造衛星技術的發展,為氣象科學推開新的一扇窗。來自歐洲太空總署、搭載光譜分析儀的衛星 IASI ( Infrared Atmospheric Sounding Interferometer ),讓東京大學的研究團隊,可以利用其所搜集到的大氣水氣資訊,在氣象預報的模型中,第一次嘗試納入同位素資訊的考量來做分析。

-----廣告,請繼續往下閱讀-----

我們都知道,擁有相同質子數、不同中子數的氫與氧元素之同位素,會讓個別水分子的重量變得更重或輕一些。水分子同位素對氣相和液相轉換相當敏感,與一般的水分子 H2O 相比,較重的水分子如 H2HO 或H218O 會更傾向於凝結成水珠,或更難蒸發。因此蒸發與降雨過程等大氣運動,便會影響不同同位素水氣分子的分佈。追蹤它們的行跡,能增進我們對氣象系統的瞭解。

研究團隊以 2013 年在日本發生的低壓事件作為參照,發現納入同位素的數據之後,氣象模型能更好地模擬這次事件的整體氣壓情形。而在全球的尺度,尤其是中緯度及北半球地區,融合同位素資訊後,氣象預報如氣溫及濕度預測的準確度,也都有所提高。雖然這只是初步的探究,但科學家期許,未來進一步完善氣象觀測衛星對同位素資料的收集,能使人類更往精準氣象預測的目標邁進。

人造衛星就像是科學家的千里眼,能觀測千里之外的風雲變化。發展衛星技術,不僅能讓我們更精準預測氣象,在全球化的現代,也能在國際上發揮「Taiwan Can Help」及互助的精神;各國對航太技術的投入與數據資源共享,更是科研工作與人類社會的一大福音。

福爾摩沙衛星拍攝的美麗福爾摩沙島。圖/國家太空中心

參考文獻

所有討論 2
科技大觀園_96
82 篇文章 ・ 1125 位粉絲
為妥善保存多年來此類科普活動產出的成果,並使一般大眾能透過網際網路分享科普資源,科技部於2007年完成「科技大觀園」科普網站的建置,並於2008年1月正式上線營運。 「科技大觀園」網站為一數位整合平台,累積了大量的科普影音、科技新知、科普文章、科普演講及各類科普活動訊息,期使科學能扎根於每個人的生活與文化中。