2024 年 9 月 23 日，NASA 与 IBM 合作发布了一个名为 Prithvi WxC 的新型通用 AI 模型，用于天气和气候预测。Prithvi WxC 具有 23 亿参数，基于 MERRA-2 数据集的 160 个变量开发，采用 Transformer 架构。该模型在自回归滚动预测、降尺度、重力波通量参数化和极端事件估计等任务上表现良好。Prithvi WxC 的应用包括创建有针对性的天气预报、预测极端天气事件、提高全球气候模拟的空间分辨率，以及改善传统天气和气候模型中的物理过程表示。
Prithvi WxC 模型的开发背景可以追溯到 NASA 和 IBM 在地球观测和气候研究领域的长期合作。MERRA-2 数据集提供了丰富的历史气象数据，使得 Prithvi WxC 能够在广泛的气象条件下进行训练和验证。
Prithvi WxC 采用了 Transformer 架构，这种架构在处理长序列数据和捕捉复杂的时空依赖关系方面表现良好。例如，在自回归滚动预测任务中，Prithvi WxC 能够通过逐步预测未来的气象状态，从而提供短期天气预报。在降尺度任务中，Prithvi WxC 能够将低分辨率的气候模拟结果转化为高分辨率的局地气象预报，从而提高预报的空间分辨率。
Prithvi WxC 的应用非常广泛。首先，它可以用于创建有针对性的天气预报，帮助气象部门提供更精确的天气信息。其次，Prithvi WxC 可以预测极端天气事件，如飓风、洪水和干旱，从而为灾害预防和应急响应提供支持。此外，Prithvi WxC 还可以提高全球气候模拟的空间分辨率，使得气候研究人员能够更准确地模拟和预测气候变化的影响。最后，Prithvi WxC 可以改善传统天气和气候模型中的物理过程表示，从而提高模型的整体性能和可靠性。
Prithvi WxC 模型的实际应用案例已经开始显现。例如，加拿大环境与气候变化部正在与 IBM 合作，使用 Prithvi WxC 模型进行高度本地化的降水预报。通过结合实时雷达数据，Prithvi WxC 能够在几个小时内做出降雨预测，从而帮助当地政府和社区更好地应对突发天气事件。
与现有的天气和气候模型相比，Prithvi WxC 具有一些优势。传统的天气模型通常依赖于复杂的物理过程模拟，这些模拟需要大量的计算资源和时间。而 Prithvi WxC 通过采用 Transformer 架构和深度学习技术，能够在更短的时间内处理更多的数据，并提供更高精度的预测结果。此外，Prithvi WxC 还能够处理多种任务，如自回归滚动预测、降尺度和极端事件估计，这使得它在应用范围上更加广泛。
IBM 与 NASA 的合作历史悠久，双方在多个领域都有深入的合作。早在 2023 年，IBM 和 NASA 就发布了 Prithvi 地球观测模型，该模型已经被应用于估计过去洪水的范围和推断野火的强度。Prithvi WxC 是双方合作的最新成果，标志着他们在气候和天气预测领域的进一步突破。
Prithvi WxC 模型的发布不仅引起了气象和气候研究领域的关注，也吸引了其他行业的兴趣。例如，农业部门可以利用 Prithvi WxC 提供的天气预报来优化种植计划和灌溉策略，从而提高农作物的产量和质量。能源部门则可以利用该模型预测风力和太阳能资源的变化，从而优化可再生能源的利用效率。