Tomorrow.io的雷达卫星利用机器学习，实力超群

我们中幸运坐在窗边的人可以通过望向窗外来预测天气，但对于不那么幸运的人来说，天气预报和分析变得越来越好。Tomorrow.io刚刚发布了其首批两颗雷达卫星的结果，通过机器学习，这些结果显示在地球和轨道上与更大型、更传统的天气预报技术相竞争。

自从2021年被称为ClimaCell的时候，该公司就一直在筹划这个任务，而今天发布的结果（将在不久后的气象学会议上正式呈现）表明了他们的高科技方法是有效的。

天气预测之所以复杂有很多原因，但是高功率的老旧硬件（比如雷达网络和老一代卫星）与现代软件之间的相互作用是其中一个重要因素。这种基础设施功能强大且具有价值，但是要提高预测准确率需要在计算方面付出大量努力，而且在某个点上，回报将逐渐减少。

这不仅仅是“今天下午会下雨吗”，还涉及更复杂、更重要的预测，比如热带风暴将朝着哪个方向移动，或者在风暴或干旱期间某个地区会降多少雨。随着气候变化，这些见解变得越来越重要。

当然，投资空间是显而易见的选择，但气象基础设施过于庞大和重量过重。美国国家航空航天局的全球降水测量卫星，作为该领域的黄金标准，于2014年发射，同时使用Ka（26-40 GHz）和Ku（12-18 GHz）频段雷达，重约3850千克。

Tomorrow.io计划以现代化的方式创建一个全新的基于空间的雷达基础设施。该公司的卫星非常小（仅重85公斤），并且只使用Ka频段。去年四月和六月分别发射的两颗卫星，Tomorrow R1和R2，经过长时间的调试和测试后，现在开始展示其优势。

在一系列计划于今年晚些时候在期刊上发布的实验中，Tomorrow声称，他们的卫星只使用一个雷达波段和相对较轻的质量，就能够产生与NASA的GPM卫星和地面系统相媲美的结果。在各种任务中，R1和R2卫星能够做出与GPM相似准确甚至更准确和更精确的预测和观测，并且它们的结果还与地面雷达数据密切吻合。

他们通过使用一种机器学习模型来实现这一点，正如首席气象官阿伦·乔拉所描述的，该模型可以同时发挥两种仪器的作用。它通过训练来自GPM两个雷达的数据，但通过学习观测和两个雷达信号之间的差异的关系，它可以只使用一个波段就做出类似的预测。就像他们的博客文章所说的那样：

如果这些结果确实成功，并普遍适用于其他天气模式，对于Tomorrow.io来说，这将是一个巨大的成功。但是，我们的目标并不是取代美国的基础设施——GPM和地面雷达网络已经存在很长时间，是非常宝贵的资产。真正的问题在于，它们很难复制，覆盖全球的其他地区。

该公司的希望是建立一个能够提供全球范围内这种详细预测和分析水平的卫星网络。他们计划生产的8颗卫星将更大，大约300公斤，功能也更强大。

“我们正在努力提供全球任何地方的实时降水数据，我们相信这将是天气预报领域的一项革新。” Chowla说道：“在这方面，我们正在着手提高准确性、全球可用性和延迟（即信号被卫星捕获到数据可用于生成产品之间的时间）。

他们还在进行必然的数据操作，使用更详细的轨道雷达影像进行自己和其他系统的训练。然而，为了使其发挥作用，他们还需要大量的数据，并计划通过今年进行更多的卫星发射来加快数据采集的速度。