观宇宙之博大 察万物之精微

反映世界科学发展态势的学术期刊

科学观察, 2020, 15(1): 22-29 doi: 10.15978/j.cnki.1673-5668.202001003

研究论文

人工智能技术在大气科学领域的应用及其发展态势

张萌,1,*, 贾朋群1, 王小光2

1 中国气象局气象干部培训学院 北京 100081
2 华风气象传媒集团 北京 100081

Analysis of the Development Trend of Artificial Intelligence Applied in the Atmospheric Science Based on Bibliometrics

Zhang Meng,1,*, Jia Pengqun1, Wang Xiaoguang2

1. China Meteorological Administration Training Center, Beijing 100081, China
2. Huafeng Meteorological Media Group, Beijing 100081, China

通讯作者: *E-mail: zhangme@cma.gov.cn

基金资助: 2018年中国气象局局校合作工作交流项目

Corresponding authors: *E-mail: zhangme@cma.gov.cn

Online: 2020-02-15

摘要

运用文献计量学研究方法,针对Web of Science平台SCI-E数据库中2000–2018年“气象与大气科学”学科发表的“人工智能”主题文献进行了统计分析。从相关研究文献的出版年、国家和地区、机构、作者等指标的分布可以看出,人工智能主题文献发文数量增长趋势加快,美国在该领域发文量及影响力双双位居第一;中国发文量虽位居第二,但影响力有待提高。最后结合高频关键词、高被引论文和专家研判对人工智能应用于大气科学领域的发展态势和热点研究方向进行了综合分析。

关键词: 人工智能 ; 大气科学 ; 文献计量 ; 专家知识

Abstract

Bibliometrics research method was used to search the "artificial intelligence" subject literature published in the field of "meteorology and atmospheric science" in the SCI-E database (from web of science) from 2000 to 2018. The distribution of publication years, countries (regions), institutions, and authors were statistically analyzed, and the following conclusions were drawn. The number of articles on artificial intelligence subject has been increasing rapidly. The United States ranks first in both output and impact in this field. China is the second most published country, but its influence needs to be enhanced. Combined with high-frequency keywords, highly cited papers and expert knowledge, the development trend and hot research directions of artificial intelligence application in atmospheric science were comprehensively studied and determined.

Keywords: artificial intelligence ; atmospheric science ; bibliometrics ; expert knowledge

PDF (2119KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文 推荐给朋友

本文引用格式

张萌, 贾朋群, 王小光. 人工智能技术在大气科学领域的应用及其发展态势 [J]. 科学观察, 2020, 15(1): 22-29 doi:10.15978/j.cnki.1673-5668.202001003

Zhang Meng, Jia Pengqun, Wang Xiaoguang Analysis of the Development Trend of Artificial Intelligence Applied in the Atmospheric Science Based on Bibliometrics[J]. SCIENCE FOCUS, 2020, 15(1): 22-29 doi:10.15978/j.cnki.1673-5668.202001003

1 引言

近年来,人工智能(artificial intelligence,AI)作为计算机科学的一个分支学科,逐渐兴起并不断发展,其是一门研究和开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用的技术科学,并希望用机器来模仿和执行人脑的某些智力功能,进而用自动机模仿人类的思维活动和智力功能[1]。2016年3月,AlphaGo以4比1的总比分战胜围棋世界冠军、职业九段棋手李世石,之后在中国棋类网站与中、日、韩数十位围棋高手进行快棋对决60局无一败绩,又在中国乌镇围棋峰会上以3比0的总比分战胜排名世界第一的围棋冠军柯洁,这让大众对人工智能的关注达到了前所未有的高度。在人工智能领域的研究人员因不能开放获取文献而对传统期刊进行抵制的情况下,Scopus数据库的数据表明,2018年人工智能领域的论文发表数量仍比1996年高出近10倍[2],研究热度可见一斑。而人工智能的发展也标志着计算机技术进入了人工智能的新信息技术时代,将会给人类社会带来前所未有的变革。

气象作为一门既古老又现代的科学,其“古老”体现在自古以来就有人夜察星象、观云识天,而其“现代”则主要体现在随着科技进步,气象科学通过与其他科学的融合实现了飞速发展,逐渐成长为“大气科学”的过程。其中气象科学与计算机科学的结合不得不说是一个典范。1950年代,以计算机科学家冯•诺依曼和气象学家朱尔•查尼为代表的团队利用世界上第一台电子计算机ENIAC并以1949年1月31日观测纪录为初值,对欧洲地区进行了24小时的数值预报[3]。该事件标志着数值天气预报的首次成功,成为气象科学发展过程中的一个里程碑,也开启了一门崭新的学科——数值天气预报。经过数十年的发展进步,数值天气预报已经成为气象预报业务的中坚力量。

随着时代发展和科技进步,人工智能与数值天气预报是否能够擦出新的火花,也成为国内外气象界关注的重点。众所周知,AlphaGo在与李世石对战前,曾用两个多星期的时间,学了数千万盘棋局,这也是其能够获胜的一大因素。人工智能算法研究主要依赖大量的数据和案例,而云计算(cloud computing)可以为大数据(big data)在存储、管理与分析等方面提供支持[4],所以大数据和云计算可谓是人工智能的左膀右臂。人工智能的大数据基础往往是某个特定领域的长期积累数据和案例,而气象数据作为拥有长时间序列、多观测要素、与社会生产生活数据密切相关的“大数据”,无疑是人工智能最好的“试验场”之一。近年来,人工智能在大气科学领域的应用具有较宽的覆盖面,其可解决各类难以通过数理模型直接给出确定性方案的复杂问题[5],从前端观测、数据处理、预报预测,到服务产品提供等都有所涉及,而且涉及的深度和广度也在不断增加。因此,人工智能技术与大气科学的结合将十分令人期待,开展 “人工智能+气象”主题的学术文献计量研究,对于分析其进展,把握其方向都有着显著的指导和指示意义。

2 数据来源及统计方法

文献计量学是通过数学、统计学的方法定量地分析一切知识载体的科学,它的研究对象通常为科学文献及其数量[6],而科技文献是科学活动产出和交流的主要形式,是评价科研创新能力的主要指标之一[7]。通过对科学文献进行定量化分析,可以观察文献本身的规律,进而揭示学科的发展走势及规律[8]。例如,科睿唯安每年通过Web of Science数据库平台的文献计量分析发布引文桂冠奖,预测在该年或不久的将来可能获得诺贝尔奖的科研精英。2002–2018年,已有50位引文桂冠奖得主荣获诺贝尔奖[9]。SCI作为世界著名的三大引文索引数据库之一,在大气科学所属的基础研究和应用基础研究领域影响大、应用广。

本文基于Web of Science平台的SCI-E数据库,检索了2000–2018年有关“人工智能”主题的研究论文。通过使用检索式TS="artificial intelligence" OR "big data" OR "cloud computing" OR "machine learning" OR "deep learning" OR "neural network" OR "support vector machine" OR "decision tree" OR "bayesian",学科类别限定为“Meteorology Atmospheric Sciences”,文献类别限定为“article、proceeding paper或review”,检索得到该主题文献 2 932篇(检索时间为2018年8月15日)。分析了文献的逐年分布特征、国家和地区的产出及合作情况、高产机构和作者、来源出版物等,并结合高频关键词、高被引论文和专家知识审视人工智能在大气科学领域应用的发展态势和热点研究方向。

3 发展态势统计及分析

3.1 论文产出量

2000–2018年,SCI-E数据库共收录人工智能主题文献236 965篇,其中人工智能在大气科学领域应用的研究论文占比1.24%,图1给出了论文数量的年度分布,以及中国作者参与发表的论文情况。可以看出,论文数量一直维持较强劲的上升趋势,其中,中国作者的发文量从2010年前后开始有较为明显的提升,所占比例也迅速加大,2017年开始已超过25%。截止到检索日,SCI-E数据库中收录的2018年前8个月发文量已达到2017年全年发文量的80%。业界称,2011年以来随着大数据、云计算、互联网、物联网等信息技术的发展,人工智能进入蓬勃发展期,而从科技论文的发表情况来看,也印证了这一趋势。

图1

图1   2000–2018年大气科学领域中有关人工智能的论文逐年分布


3.2 国家/地区产出及影响力

从发文量可以看出,美国在发文量、篇均被引次数及h指数上均独占鳌头,发文量占比近35%,是第二名中国的2倍还多。中国虽然在发文量这一指标上位于第二集团,但其篇均被引次数和h指数显著低于上榜的其他国家,说明中国在该领域的论文影响力还有待提升。尽管英格兰、法国、德国发文量不多,但其论文影响力处于世界前列。印度和伊朗也有较好表现(表1)。

表1   2000–2018年发表有关人工智能在大气科学领域应用论文最多的前10位国家/地区

国家/地区 发文量/篇 占比/% 总被引次数/次 篇均被引次数/次 h指数*
美国 1018 34.720 26237 25.81 69
中国 461 15.723 3800 8.24 29
英格兰 228 7.776 6338 27.80 42
法国 219 7.469 4342 19.83 34
德国 199 6.787 4500 22.61 35
加拿大 179 6.105 3754 20.97 31
印度 169 5.764 1780 10.53 24
意大利 162 5.525 3791 23.40 30
澳大利亚 141 4.809 2310 16.39 27
伊朗 119 4.059 1917 16.11 21

*一个国家或学者发表的n篇论文中有h篇论文每篇至少被引用了h次,其余(n–h)篇论文每篇的被引次数均小于h[10]

新窗口打开| 下载CSV


3.3 国际合作

截止到2018年,在该领域与中国合作发文超过15篇的国家及地区包括美国、澳大利亚、加拿大、法国、日本和挪威。图2显示,中国的国际合作始于2010年,自2014年起中国合作的国家和地区数量,以及合作发文量都比之前有很大幅度的提高,且一直保持稳定。

图2

图2   2010–2018中国与其他国家和地区合作发文数量


3.4 机构产出和高产作者

发文量排名前10的机构有7家来自于美国,2家来自法国,1家来自中国。尽管法国整体发文量仅位于第三梯队,但法国国家科学研究中心在发文量及论文影响力方面都有很好的表现(表2)。同样,在高产作者的榜单中(表3),法国作者占据半壁江山,具有较大影响力。上榜的还有加拿大、南非和马来西亚的学者,而美国、中国和英格兰等高产国家和地区的研究人员则未进入榜单。

表2   2000–2018年发表有关人工智能在大气科学领域应用论文最多的前10所机构

机构 发文量/篇 总被引次数/次 篇均被引次数/次 h指数
美国国家海洋和大气管理局(NOAA) 159 6418 40.36 38
法国国家科学研究中心(CNRS) 144 3157 21.92 31
中国科学院 135 1253 9.28 18
加利福尼亚大学系统 110 3295 29.95 34
美国国家航空航天局(NASA) 99 3104 31.35 27
巴黎萨克雷大学联盟 78 1949 24.99 24
美国国家大气研究中心(NCAR) 73 5057 69.52 26
科罗拉多大学系统 70 1387 19.81 22
美国能源部(DOE) 61 1578 25.87 23
戈达德太空飞行中心 59 2367 40.12 22

新窗口打开| 下载CSV


表3   2000–2018年发表有关人工智能在大气科学领域应用论文大于15篇的作者

作者 机构 发文量/篇 总被引次数/次 篇均被引次数/次 h指数
Aires F 法国国家科学研究中心(CNRS) 22 564 25.64 13
Chevallier F 巴黎萨克雷大学 22 807 36.68 15
Hsieh WW 加拿大英属哥伦比亚大学 21 350 16.67 12
Ciais P 法国国家科学研究中心(CNRS) 19 619 32.58 13
Mckinnell LA 南非国家航天局(SANSA) 19 242 12.74 9
Pradhan B 马来西亚普特拉大学 17 849 49.94 10
Prigent C 法国国家科学研究中心(CNRS) 16 365 22.81 10

新窗口打开| 下载CSV


3.5 来源期刊和研究热点

国外刊载该领域论文大于等于100篇的期刊共有7种,其中6种归属大气科学类期刊(含空间天气学科),其影响因子和分区见表4,另外1种为灾害类期刊。刊载量大于150篇的分别为Journal of Geophysical Research-Atmospheres、Atmospheric Environment和Natural Hazards。可以看出,刊载人工智能技术应用论文数量较大的大气科学领域期刊均是领域内知名期刊,具有较高的影响因子,绝大多数位于Journal Citation Reports的Q1和Q2区,从侧面说明该领域文章的质量相对较好。

表4   2000–2018年刊载有关人工智能在大气科学领域应用的论文大于100篇的期刊

来源出版物 载文量/篇 影响因子 分区
Journal of Geophysical Research-Atmospheres 219 3.454 Q1
Atmospheric Environment 184 3.629 Q1
Natural Hazards 181 / /
Advances in Space Research 131 1.401 Q3
Journal of Climate 119 4.161 Q1
Theoretical and Applied Climatology 116 2.640 Q2
Monthly Weather Review 105 3.043 Q2

注:数据来源于2017版Journal Citation Reports(期刊引证报告,简称JCR);Natural Hazards不属于大气科学类期刊,故未给出其影响因子及分区。

新窗口打开| 下载CSV


结合Citespace软件得到的高频关键词(图3)、SCI-E数据库中的高被引论文(表5表6),并结合专家知识对人工智能应用于大气科学领域的发展态势和热点研究方向进行了综合研判,未来研究热点主要集中在以下几个方面。

图3

图3   2000–2018年人工智能在大气科学领域应用的热点关键词


表5   2000–2018年人工智能在大气科学领域的应用的高被引SCI论文

排名 题名 第一作者 来源 出版时间 被引频次/次
1 The NCEP climate forecast system reanalysis Saha, S Bulletin of the American Meteorological Society 2010, 91(8) 1918
2 Using Bayesian model averaging to calibrate forecast ensembles Raftery, AE Monthly Weather Review 2005, 133(5) 631
3 Evaluation of PERSIANN system satellite-based estimates of tropical rainfall Sorooshian, S Bulletin of the American Meteorological Society 2000, 81(9) 546
4 The evolution of the Goddard profiling algorithm (GPROF) for rainfall estimation from passive microwave sensors Kummerow, C Journal of Applied Meteorology 2001, 40(11) 535
5 Challenges in combining projections from multiple climate models Knutti, R Journal of Climate 2010, 23(10) 451
6 The global precipitation measurement mission Hou, AY Bulletin of the American Meteorological Society 2014, 95(5) 434
7 Comprehensive comparison of gap-filling techniques for eddy covariance net carbon fluxes Moffat, AM Agricultural and Forest Meteorology 2007, 147 407
8 Quantifying uncertainty in projections of regional climate change: A Bayesian approach to the analysis of multimodel ensembles Tebaldi, C Journal of Climate 2005, 18(10) 364
9 Current approaches to seasonal-to-interannual climate predictions Goddard, L International Journal of Climatology 2001, 21(9) 352
10 CO2 flux history 1982–2001 inferred from atmospheric data using a global inversion of atmospheric transport Rodenbeck, C Atmospheric Chemistry and Physics 2003, 3 346

新窗口打开| 下载CSV


表6   2000–2018年中国作者发表的人工智能在大气科学领域的应用的高被引SCI论文

排名 题名 第一作者 来源 出版时间 被引频次/次
1 Performance of high-resolution satellite precipitation products over China Shen, Y Journal of Geophysical Research-Atmospheres 2010, 115 124
2 A priori knowledge accumulation and its application to linear BRDF model inversion Li, XW Journal of Geophysical Research-Atmospheres 2001,106(D11) 91
3 Modelling the impacts of weather and climate variability on crop productivity over a large area: A new process-based model development, optimization, and uncertainties analysis Tao, FL Agricultural and Forest Meteorology 2009, 149(5) 89
4 Comparison of decision tree methods for finding active objects Zhao, YH Advances in Space Research 2008, 41(12) 78
5 Daily average temperature and mortality among the elderly: a meta-analysis and systematic review of epidemiological evidence Yu, WW International Journal of Biometeorology 2012, 56(4) 68
5 Trends and abrupt changes of precipitation maxima in the Pearl River basin, China Zhang, Q Atmospheric Science Letters 2009, 10(2) 68
7 Classification of hyperspectral remote-sensing data with primal SVM for small-sized training dataset problem Chi, MM Advances in Space Research 2008, 41(11) 67
8 Artificial neural networks forecasting of PM2.5 pollution using air mass trajectory based geographic model and wavelet transformation Feng, X Atmospheric Environment 2015, 107 66
8 Progress in developing an ANN model for air pollution index forecast Jiang, DH Atmospheric Environment 2004, 38(40) 66

新窗口打开| 下载CSV


(1)天气、气候预报模式的研发和方法上的改进。例如,神经网络及深度学习方法在卫星资料利用上的应用;机器学习方法在降水估计和预报上的应用;改进贝叶斯模型平均方法在多模式集成预报上的应用;深度学习在短临天气预报中的应用;决策树模型在降水相态辨识中的应用;概率编程模型在灾害天气预报中的应用;机器学习对模式参数化、资料同化的改进;超分辨率处理方法对气候模式的降尺度应用等。

(2)气象探测技术的改进。例如,气象探测设备的微型化、智能化和网络化发展,即自适应(即具有自检测、自标校、自校准、自补偿能力)和自组网观测能力,以及其广泛分布所产生海量数据的大数据挖掘技术的研究和应用;基于非气象观测设备的气象信息反演技术,如利用汽车雨刷器变化速度与GPS定位信息相结合来获取降雨量信息。

(3)人工影响天气作业方法的改进。例如,基于AI和模拟技术实现人影作业自动化;减消雹作业理论升级(即通过认识生雹天气系统孕育期的特征,使得防、消雹人影作业提前到天气系统初发期);大片层状云计划增(降)水试验等。

4 结论

近年来,随着人工智能技术的飞速发展,相关主题文献的发文数量增长也呈现出加快趋势。由于大气科学自身带有大数据的属性,人工智能技术向大气科学领域延伸的研究明显增多,出现了更多的应用案例。从全球的情况来看,美国在该领域的发文量及影响力双双位居第一位,且其机构的科研影响力表现优异;而从高产作者的排名分布来看,法国科学家则在发文量榜单上占据半壁江山,表明法国学者在人工智能应用于大气科学方面兴趣浓厚且研究逐步深入。针对研究热点的分析表明,人工智能技术主要应用于天气、气候预报模式的研发和方法的改进,气象探测技术的改进,以及人工影响天气作业方法的改进等。

中国虽在该领域发文量位居第二,但从文章质量和影响力来看,在该领域的研究成果与欧美发达国家之间还存在明显差距,建议科研人员从基础做起,强调科学研究的提质增效。

随着科技发展,人工智能、大数据和云计算被视为能够为这个时代带来变革性改变的技术手段。而未来借助计算机科学和互联网、物联网技术的发展进步,人工智能必将在气象观测、预报、服务等领域大展身手,而其能否成为继数值天气预报之后的大气科学发展史上的又一里程碑,中国能否在人工智能研究领域进入国际领先地位,从而带领大气科学实现“弯道超车”,还需当代的计算机科学家和气象学家如同70年前的计算机科学家冯•诺依曼和气象学家朱尔•查尼一样,开展通力合作、共同进步。

致谢

感谢中国气象局发展研究中心、公共气象服务中心、华风创新研究院的专家参与专家研判。

参考文献

蔡自兴 .

中国人工智能40年

[J]. 科技导报, 2016,34(15):12-32.

URL     [本文引用: 1]

介绍了中国人工智能从迷雾重重、艰难起步,到冲破禁锢、初露曙光,直至迎来春天、走上大道的发展历程。概括了中国人工智能取得的主要成绩和存在的问题,提出了发展中国人工智能的决策建议。

Hutson M .

Boycott highlights AI's publishing rebellion

Science, 2018,360(6390):699.

URL     PMID:29773728      [本文引用: 1]

贾朋群 .

闲话图灵、冯•诺依曼和数值天气预报的起源

[J]. 气象科技进展, 2012,2(2):62-64.

[本文引用: 1]

孟小峰, 慈祥 .

大数据管理: 概念、技术与挑战

[J]. 计算机研究与发展, 2013(1):146-169.

URL     [本文引用: 1]

许小峰 .

从物理模型到智能分析——降低天气预报不确定性的新探索

[J]. 气象, 2018,44(3):341-350.

[本文引用: 1]

郑文晖 .

文献计量法与内容分析法的比较研究

[J]. 情报杂志, 2006, (5):31-33.

URL     [本文引用: 1]

巩沐歌 .

基于科技文献产出的科研机构评价指标体系研究

[J]. 中国科技纵横, 2013, (15):213-214.

[本文引用: 1]

庞龙 .

科学引文分析的科学评价功能和意义

[D]. 太原: 山西大学, 2006.

[本文引用: 1]

科睿唯安. “诺奖预测的风向标”再次命中——引文桂冠奖成功预测诺奖人数增至50位

[EB/OL]. (2018-10-08) [2019-01-20] https://clarivate.com.cn/blog/2018-10-08/.

URL     [本文引用: 1]

Hirsch J E .

An index to quantify an individual’s scientific research output

Proceedings of the National Academy of Sciences of the United States of America, 2005,102(46):16569-16572.

URL     [本文引用: 1]

/