人工智能助力挖掘历史气象数据，提升气候模型的准确性

信息来源：
https://www.nature.com/articles/d41586-025-02798-y

随着全球气候变化问题的日益严峻，科学界对天气数据的需求不断增长。利用人工智能（AI）技术，研究人员正致力于转录和数字化几百年前的手写天气记录，以填补气候模型的空白。这些新兴的机器学习工具不仅提高了数据处理的效率，还为气候科学的研究提供了重要支持。

老旧气象记录的价值

世界各地的气象服务部门都有未被数字化的历史记录，许多国家仍在依赖这些重要的纸质档案。刚果民主共和国的气象档案，特别是自1960年代以来收集的记录，正是这一价值的体现。气候科学家德里克·穆赫基（Derrick Muheki）深入刚果北部的偏远地区，从国家农艺研究所（INERA）中提取了数千页气象日志。尽管面临缺乏电力和语言障碍等挑战，穆赫基通过拍摄这些记录，积累了宝贵的数据资源。

刚果民主共和国气象档案中的数千份纸质文件现在正在数字化。图片来源：Derrick Muheki/INERA DRC

正如英国雷丁大学的气候科学家埃德·霍金斯所言，世界各地的档案馆中仍有大量未使用的降雨观测记录等待被挖掘。随着机器学习的进步，科学家们终于能够利用这些老旧记录，为气候模型提供更加全面的数据。

MeteoSaver：一项革命性的AI工具

穆赫基在布鲁塞尔自由大学的研究小组使用其设计的机器学习工具“MeteoSaver”，从9000多张扫描图像中提取有用的数据。最初，该工具的准确率为75%，但通过对其深度学习神经网络的改进，这一准确率已提高至90%。这一成果不仅使历史数据的数字化更为精准，也使得过去数十年未能充分利用的数据获得重新评估的机会。

计算气候变化背景下缺失的数据，尤其是在非洲这样的关键区域，可以帮助纠正过去关于气候变化的严重数据差距。随着气候模型对数据的依赖性加剧，能够获取更高质量和更精细的数据将对气候科学的未来发展至关重要。

提升气候模型的可靠性

来自旧船日志的天气报告——例如英国海豚号船只的这份 18 世纪文件——包含可以输入气候模型的数据。 图片来源：来自 Alamy 的历史收藏

科学家们通过利用机器学习工具，不仅能更有效地进行数据转录，还能够将以前未考虑的记录纳入气候模型中。及时填补历史气候数据缺口，以便进行更准确的天气预测，例如飓风和大洪水的频率与强度——这些信息对于理解现代气候变化至关重要。

气候变化研究的一个重大挑战是，科学家们如何确定全球气温是否已经超过工业化前水平的1.5°C——这是《巴黎协定》中设定的限制目标。通常，气候科学家使用1850年作为基准，然而，由于该基准时间的气候记录相对有限，因此造成的误差可能很大。通过回溯到1700年代的数字记录，研究人员正努力缩小这些不确定性。

气候科学家德里克·穆赫基 （Derrick Muheki） 拍摄了扬甘比的历史记录，然后构建了一个机器学习工具来读取它们并提取有用的数据。 图片来源：Derrick Muheki/INERA DRC

未来的展望

为气候科学贡献的重要数据正在逐步多样化，结合现代技术和历史记录的研究将进一步推进我们的理解。气候变化的紧迫性需要科学家充分利用可获取的数据，这不仅提升了对气候变化复杂性的理解，也为未来可能的应对措施打下基础。

人工智能在气候研究中的应用是一场革命。随着技术的不断进步，这些AI工具的准确性和效率将继续提升，使研究者能够快速获取大量有价值的信息，推动气候科学的发展。随着这些历史数据的数字化，我们或许将能更清晰地看到过去，进而影响未来，为应对全球气候变化作出贡献。