被AI解放的气象观察员

编者按：本文来自微信公众号“AIDaily”，作者 小A，编辑 小A、仟亿，36氪经授权发布。

每天19点32分，央视一套会在《新闻联播》之后准时播放天气预报，对于普通人来说，这只是一个时长5分钟的天气资讯，但这5分钟的背后却有一个复杂、缜密的信息获取、处理、分析的链条。

天气预报的形成主要分为资料通化和数值预报，前者是手机全球共享数据以及自行监测的数据，后者则是根据这些数据通过大气运动方程式进行运算并输出结果。最后，天气预报员根据这些结果，结合天气发生的要素条件进行预报。

在这些环节中，最为基础的莫过于数据的收集。目前，气象数据的收集有三种方式，地基观测、空基观测（气象气球）、天基观测（卫星），而地基观测算是这些方式中最为艰苦的方式。

尤其是地基观测中的地面气象观测站，需要人工24小时值守，观测员的工作内容包括观测温湿度、云、雨、风等，但狭小的工作区域、单调且重复的工作内容、部分站点与世隔绝的工作环境（一般为山地）对观测员的内心是一次巨大的考验。

截止2018年年底，中国有6万多个自动气象站，覆盖95.6%的乡镇，数量、密度达到世界第一。即便如此，由观测员组成的地面观测站依旧在地基监测中占有重要的地位。

目前，我国晴雨预报准确率高达87%以上，居世界领先的水平，地面观测站居功至伟，但地面观测站工作的艰苦却是常人无法想象的。

7X24小时的高山守望者

杨焕强是来自杭州馒头山观测站的一名观测员，顺着南宋皇城遗址的凤凰山一路向南，不过几百米就可以到达这里。杨焕强所在的观测站就在一片像80年代的老社区簇拥下的山顶上，自2006年毕业以后，杨焕强就来到这里工作，距今已有12年。

坚守高山上的气象观测站是一项很需要毅力的工作，杨焕强刚来馒头山观测站的时候，面对的是7X24小时3班倒的工作制，最近这两年工作制度进行了修改，变成了早上7:00到晚上20:30。即便如此，像杨焕强这样的观测员依然没有多少休息时间，迫不得已，他们把家都安在了山上。

这些人每天守着25X25m的工作区域，日复一日的观测温湿度、云雨风，繁花似锦的杭州城似乎与他们没有太大的关系。

天气的变换莫测，使得这些一线观测员必须时刻坚守，尤其是在杭州这种沿海城市，每年的台风季、雨季都需要重点照顾。

杭州环境气象中心主任、高级工程师胡德云曾表示，与星为伴、与云为伍，在别人看来是件浪漫的事。但在我们眼里，它就是一串数字。

既然是数字，就可以被量化。对于从事气象观测工作的人来说，普通人眼中的白云、乌云、火烧云，在他们眼里却可以以细分成三族十属二十九类，天空的云量可以细化到11个级别，而且专业人员肉眼识别的准确率不低于80%。

但是，再高的肉眼识别率也需要全时段的人力观测，消磨观测员心智的同时也不利于提高效率、降低人力成本，而且观测员的工作环境也得不到改善。以杨焕强为例，过去的12年，除了偶尔去附近的钱塘江边跑跑步，他连过年都待在山上。

AI图像识别助力气象观测

在迫切需要改善员工工作环境，同时保证甚至提高观测效率和准确度的前提下，胡德云和杨焕强想到了对观测站进行技术升级，以期可以分担部分观测员的工作。

此时，他们想到了AI图像识别，通过高清摄像头+AI算法的组合替代观测员的眼睛，在通过云图模型对观测到的云进行分析并输出结果，这样将很大程度上减少观测员的负担。

想法很好，但要实现仍需要缜密的论证过程。

为了验证方案的可行性，胡德云和同事必须先建立可用的气候模型。为此，他们在全国建立28个气候监测站点，收集了100万张来自内蒙、青海、黑龙江、北京等地不同的气候图片，涵盖了沙暴、扬尘等多种气候。

不过，为了通过百度EasyDL定制化训练和服务平台训练气候模型，他们还需要从这100万张气候图片中挑选2万张用作模型的训练数据。最终，智能AI看云系统初步成型。

目前，这套系统可以对20多种云状、11种云量，以及雾、霾、沙尘、霜露、结冰、结雪、雨凇雾凇、茶叶霜冻等天气状况进行自动观测。其中，云状识别准确率87.5%，云量识别准确率85%，霜露、雨凇雾凇识别准确率均在80%以上。

根据杨焕强的表述，他刚刚工作时，气象观测依靠的是纯机械设备，后才用上了电器元件，这已经是一次巨大的技术革新。如今，他觉得深度学习或许可以带来第三次技术革新。从目前的技术升级的结果来看，AI技术确实带来了又一次的技术升级。

现在，这套系统已经在多个气象观测站进行试点，如果效果比较好，将会推广至全国。得益于这样的技术升级，杨焕强和他的同事终于可以下山了。

还可以做更多

和杨焕强有相同境遇的工作岗位还有很多，比如，遍布中国各种山川大河无人区的巡线员，几乎每个地区的巡线员都会面对几千公里的输电线路，为保证输电线路的安全，十几个人的巡查班每天要巡查100多公里，而巡查路线多为路况不佳的区域。

如今，无人机成为这些巡查员手里的利器，但即便如此，辨别的任务依然需要巡查员来完成，超长的巡查路线加上巨量的图片数据，单靠巡查班，效率和质量都无法保证。

或许，采取和馒头山气象观测站一样的技术升级思路会是一个不错的选择。通过采集的数据训练识别模型，再将模型与摄像头和无人机结合，如此依然，这套AI图像识别系统就能够分担高强度、高重复性的工作，替代人力的同时还保证的效率。

即便目前AI图像识别的技术很先进，像气象观测、线路巡查这样的工作依然无法实现完全的无人化，毕竟通过数据训练的AI系统有一定的局限性（用作训练集的数据不可能包含所有情况），很多时候依然需要人的介入，尤其是气象观测这种有一整套科学体系的工作，仅仅识别一张图片无法得出客观的结果。

但时代在发展，技术在进步，能让技术更好的服务于人只是时间问题。

作者暂无likerid, 赞赏暂由本网站代持，当作者有likerid后会全部转账给作者（我们会尽力而为）。


Support author:
Author's Filecoin address:
Or you can use Likecoin to support author: