自记纸
一张密布格子的长方形纸张，画着纤细曲折的笔迹。一直到20世纪90年代，它还是气象观测必不可少的道具，曾在“老资格”的基层气象人心中，留下不可磨灭的印记。
一张记录着1939年2月13日至14日风速和风向的达因风自记纸。
这样小小一张纸，密密麻麻的曲线，能够记录24个小时的风向、风速变化。
不仅仅是风速，气温、气压、湿度……自记纸上，记录着各类气象要素的点滴变化。
湿度自记纸
这些记录，远可以追溯到19世纪下半叶英国人在各个海关建立测候所，近则一直延续到20世纪90年代，记录了上百年的风风雨雨。
对于需要长期观测资料来进行的气候研究而言，这些“故纸堆”中的曲线，毫无疑问是不折不扣的宝贵资料。
问题来了，气候研究要通过模式大量运算，需要标准化的气象数据，显然无法直接读取自记纸。怎样才能将这些曲线，转化成格式标准、质量可控、适合模式使用的“数据”呢？
/ 从线条到数据 人工智能来帮忙 /
从图像到数据，需要的自然是图像识别技术。而这项技术，一直是人工智能的主场，近年来更是取得重大进步。在军事、刑侦、医学等多个领域，人工智能图像识别早已发挥巨大作用。
从事珍贵档案数字化工作的国家气象信息中心资料室，自然也把目光聚焦到人工智能这一工具上。
机器如何理解一张自记纸呢？其实原理说来也简单。
第一步：定义网格
这是一张达因风自记纸的局部。我们可以看到，它所记载的数据是由坐标规定的网格定义的，无论是上半部分的风速，还是下半部分的风向，线条上每个点所在位
都指向由纵横坐标确定的某个数值，并随着时间推移组成一条线。
既然如此，人工智能就要先把作为背景板的网格识别出来。
如图所示，计算机将背景的网格读取出来，并用红线标出，锁定其对应的数据。
当这一步完成后，“捉住”这条曲线就有了依据。下一步，人工智能需要“像素级”识别出曲线的具体走向。
第二步：识别迹线
自记纸上这条曲线，用专业名词叫做“迹线”。过去，观测员要用肉眼去网格一一对应，记录下数据。今天，人工智能可以更精确快速地完成这项工作。
绿线圈住的部分，代表人工智能识别到的迹线走过的位置。有了这个数据，结合第一步中得到的背景网格数据，就能重现出迹线的真实含义。
这一步的识别并没有看上去那么简单。很多时候，自记纸上会有额外的墨迹，以及当年观测员的笔迹，都会对机器的识别产生干扰，往往需要人工排除。
识别出现误差的迹线
此外，在迹线的“细枝末节”处，机器的识别也不是尽善尽美，同样会出现误差，需要人工修正。
第三步：计算结果
图像处理完毕，终于到了激动人心的时刻——计算得出数据。
在这一步中，技术人员会录入当年观测员留下的记录，作为对照，与由人工智能计算得出的数据比较。如果出现较大误差，还要去寻找原因、一一修正。
/ 挖掘“故纸堆”要做的还有更多 /
到了这一步，一张自记纸，已经变成了一行行数据。但档案数字化的工作，还远远没有完成。
一方面，人工智能可以经过训练提高水平。技术人员会将修正完毕的数据与图片作为人工智能的学习资料，进行模型训练，减少未来识别过程中出现错误的几率。
另一方面，自记纸观测年代跨度久远，由于其中还包含英、俄、日等国设立的观测站录得的数据，标准更是各异，识别出的数据还要经过严格的质量检测、质量控制和评估，才能得以利用。
技术人员搜集的不同年代的观测标准
为了控制数据质量，技术人员找出了许多不同年代的观测标准，古今中外，一应俱全。因为只有将观测数据对应到当年的观测标准，以及观测站的所处环境中，才能对数据进行均一化处理，形成适用于气候研究的长序列曲线。
几年来，国家气象信息中心与全国各省气象部门联合，利用图像处理技术完成了降水自记纸的数据还原与处理，又利用人工智能图像识别技术识别提取了风向风速的自记纸迹线。目前，气温、气压、湿度自记纸也完成了扫描，十四五期间将进一步处理。
2019年，EL型风向速自记纸数据提取软件已经业务应用。今年4月，各类自记纸中最复杂、最难识别的达因风向风速自记纸的数据提取软件，也已通过验收并向全国推广应用。
不远的将来，这些从“故纸堆”中拯救出来的数据，或许将成为应对气候变化研究重要的助力。
