高等天气学阅读课材料

1、高等天气学阅读课材料一、数值天气预报的原理、发展和未来参考文献（1）Peter Bauer ,Alan Thoroe and Gilbert Brunet，2015：The quiet revolution of numerical weather prediction . Nature, Vol. 525, No. 7567,47-55（2） David Kramer, 2016: Europeans shine in weather forecasting, Physics Toady, Vol.21, 22-24 （3）J. Schalkwijk et al., 2015: Weathe

2、r forecasting uses GPU-based large eddy simulation. Bull Amer. Meteo. Soc. Vol. 96, No. 5,P.715-723(4) Thompson , P. D.， 1957： Uncertainty of initial state as a factor in the predictability of large scal atmospheric flow pattern： Tellus, 9,275-295(5) Lorenz, E. N., 1963：Deterministic non-periodical

3、flow. J. Atmos. Sci.,20,130-141(6) Palmer, T. N., 2012：Towards the probabilistic Earth system simulation, a vision for the future of climate and weather prediction. Q. J. R. Meteorol. Soc, 138, 841-861(7) Hoskins ,B. ,2013:The potential for skill across the range of the seamless weather climate pred

4、iction problem: a stimulus for our science . Q. J. R. Meteorol. Aoc, 139,523-584 (8) Yu, H., Chen, P., Li, Q & Tang, B, 2013: Current capability of operational numerical models in predicting tropical cyclone intensity in the western North Pacific. Weather Forecasting ,38,353-367(9) Hong, S. Y. J. D.

5、, 2012: Next-generation numerical weather prediction: bringing parametrization ,explicit clouds and large eddies. Bull. Amer, Meteorol, Soc,93, ES6-ES9(10) Lorenc, A.C., Bowler, N. E., Clayton, A.M., Pring, S.R.& Fairbaim .D., 2015: Comparison of hybrid-4D En Var and hybrid -4D Var data assimilation

6、 method for global NWP. Mon. Wea. Rev., 143,212-229(11) Hurrell, J. et al.,2009: A unified modeling approach to climate system prediction. Bull. Am. Meteorl. Soc., 90, 1819-1832(12) WMO, 2015: Seamless prediction of the earth system : From minutes to months. WMO. No. 1156(13) Simmons, A. J. and Holl

7、ingsworth, A. ,2002: Some aspects of the improvement in skill of numerical Weather perdiction. Q. J. R. Meteorol Soc. 128, 647-677一、前言数值天气预报（NWP）的思想从20 世纪初Abbe 和Bjerkness 提出之后经历了长达一个多世纪的发展历程。由于它的发展主要依赖于科学知识的不断积累与技术水平的不断进步与提高，主要表现为渐进式的发展。这不同于基础性的物理科学，以不断出现科学的重大突破为主要特征。因而，国际上称数值天气预报的发展是科学界中的一场“静静的革命”。

8、但它可列为物理学中产生影响最显著的任何领域之中。同时作为一个计算问题，全球天气预报可与人类大脑的模拟与早期宇宙进化研究相比拟，数值天气预报每天都在全世界各大业务中心运行和做出长达2周的全球天气的预报。二、 数值天气预报的物理学原理和进展早在100多年前的20 世纪初，Abbey和Bjerkness提出物理定律可用于预报天气。他们认识到，大气未来状态的预报能被看作数学物理的初值问题。以观测到的目前天气为起点，通过积分支配的偏微分方程（纳维斯克斯方程），质量连续方程（包括地球旋转作用），第一热力学方程与理想气体的状态方程，可以决定将来的天气。并且以此诞生的数值天气预报也标志着气象学突现为一门精确的

9、科学。应该指出，这种科学思想深受拉普拉斯与牛顿的决定论的影响，即知道了初始条件，可以根据支配宇宙和万物规律的方程，完美地预测未来的状态。有三个主要的原因使早期数值天气预报制作是不可能取得成功的：一是科学上对非线性的数值天气预报方程组的混沌性质缺乏认识，这一点已为近于同时期的邦加来（Poincare）所指出（见高天第17讲）；这表明当时对天气过程的可预报性并无很多了解；二是当时只有很少的业务运行的天气观测站，无法为初始场提供适当的观测要素；三是没有快速的电子计算机求解复杂的天气预报偏微分方程组。后来Richardson 的数值天气预报试验失败说明了这点。实际上Bjerkness 自己已认识到了上

10、述问题。1904年，他在“作为力学和物理学的天气预报问题”一文中就写道：如同科学家所相信的，如果以后的大气状态是依据物理定律由前期状态发展而来，则十分明显，合理求解预报问题的充分必要条件：a）要足够准确的大气初始状态；b）要足够准确的知道决定大气由一种状态发展成另一种状态的定律。另一个影响数值天气预报发展的科学问题是偏微分方程的求解与方程中物理过程的参数化问题。天气预报方程组从数学上不可能得出分析解，必须从数值上求取空间和时间上的离散解。这种近似求解法把真实的连续的多尺度大气运动变成了网格可分辨率的与不可分辨尺度的运动，小到分子尺度的不可分辨的物理过程要进入可分辨尺度的方程组是通过产生于摩擦、

11、湿过程（凝结与蒸发）与辐射加热和冷却的质量、动量和热量的源项被考虑的。因为这些过程一般是不可分辨的，需要用“参数化”方法表征它们与可分辨尺度的相互作用。这实际上是对方程电组的复杂性进行了简化，以此可有助于求得数值解。1922年Richardson的数值预报正是以此取得了某些成功。后来通过引入地转近似方程组以准确地描述大尺度大气运动，大大简化了数值天气预报方程组。1950年Charney等利用第一台电子计算机在Princeton大学首次成功制作出了数值天气预报。但当时的预报图是历史的回报或模拟。第一次实时数值天气预报是1954年由Rossby在斯德哥尔摩做出的。经过以后近70年的努力，今天数值天

12、气预报已从上世纪初提出的理论观念转化为实际上服务于全社会与全人类的实际能力。借助于超级计算机的快速发展，现在每天对每一时间步长可在一百万个格点上求解非线性方程组，预报时效可达数周到数月。模式考虑了各种复杂的动力、热力、辐射和化学过程，其时间与空间尺度分别由几百米到几千公里，从几秒到几周。由上可见，科学知识和对大气过程的深入了解是能够制作准确数值天气预报的基石。此外，今天的数值天气预报也使预报员能够定量地评估用户对任何特定预报的信度。数值天气预报的成功充分说明了构建于经典物理学定律之上的深刻而基础的科学成果的一个范例。同时也说明成功不但需要科学的进步，也需要科学的愿景与对技术发展的敏锐性。科学技

13、术发展尤其是观测技术（全球观测系统） 和计算技术的发展使数值天气预报从理想转变为现实的另一重大推动力。尤其是超级计算机能力的日益增加对于求解完全的预报方程组有直接的影响。因而各种求解数值预报的方法被提出，能更好地提高数值计算稳定性（Courant-Levy 计算稳定性），精度，计算速度和多功能性，以处理更多的预报变量以及可分辨率与不可分辨尺度之间的相互作用。这些方法主要包括：选择空间离散表征空间变率，时间步长方法，边界处理和初始化方法。这些计算能力为NWP奠定了模式运行的可行性，真确性和基础。今天，具有不同复杂程度的许多模式形成了一个完整的模式演变序列。可进行全球气候预估，全球天预报，局地和区

14、域尺度的高影响天气模式预报以及空气质量预报。在过去40年，前述科学与技术的发展特别明显地推动了天气预报技巧的增加，并且这种技巧每天都能够客观与定量地与实况进行评估和分析。例如3-10天的预报技巧约每十年增加一天，即今天6天的预报准确性相当于10年前5天预报的准确率（图1）。北半球和南半球的预报技巧今天几乎相同，这由于全球覆盖的卫星资料观测信息的使用。准确的天气预报为社会与政府的灾害应急管理与减缓不利影响提供了重大支持，产生了明显的社会与经济效益和回报。这种效益甚至远超过为满足预报所需的投资，这包括基本科学研究，发展超级计算机设备，卫星与其他观测系统的费用总和。尤其是在应对极端天气事件引起的灾害

15、中，如2012年10月对美国东海岸有严重影响的Sandy飓风提前8天做出了正确的路径预报；2010年俄罗斯的热浪和2013年美国的冷期都提前1-2周作出预报。尽管NWP取得了重大进展，但未来10年面临更多挑战性的问题需要解决。如果运行分辨率为1km的全球模式，它需要高性能计算机与全球和中尺度观测系统有重大改进。图 1南北半球中高纬地区3天，5天，7天和10天预报的曲线。预报技巧是500hPa观测与实况的距平相关系数（ACC），大于60%的值代表是有用的预报，大于80%的预报代表高度准确的预报。注意：1999年之后，南北半球曲线日益接近，这代表技巧的突破，主要是由于在变分资料中使用卫星资料的原因

16、三、近代数值天气预报的组成部分和预报技巧。今天数值天气预报取得明显预报技巧的原因有三个方面：（1）不可分辨过程在全球模式中表征或参数化方案的改进；（2）能够计算预报不确定性的集合方法的应用；（3）决定初始状态的先进客观分析技术的引入。对于将来，如果使NWP进一步提高预报技巧，除了继续面临物理过程表征，集合模式和模式初始化的重大改进外，还必须有相关技术（观测和计算机系统）的协同发展。以下对上述几方面做具体的分析：l 物理过程的表征和参数化方法主要是表征模式中大气运动尺度的热量，水汽，能量和动量的输送。由于这些量的实际尺度是小尺度或微尺度的，不能为现代全球模式的分辨率（10-20km）所分辨，所以

17、，需用参数化方法表征其在大气中的输送作用。目前有许多参数化方案用于计算大气中和地表（陆地与海洋）与大气间辐射，对流与扩散作用。图2是这些过程的说明以及它们在什么地区发生作用。图2对天气预报具有重要作用的物理过程，这些过程无法在NWP模式中显式地分辨，但可由参数化表征其质量，动量和热量输送对网格尺度运动的作用或贡献。尽管这些过程是不可分辨的，但它们驱动着格点尺度的热量和动量收支，是实现预报技巧的关键因子。参数化或表征基本物理的准确和适当程度对于不同过程差别很显著。例如全球辐射和云微物理过程在区域和高分辨模式中使用的方式是类似的，这是因为这种参数化方案的公式说明的是小尺度物理过程，它在大、中、小空

18、间尺度模式中基本是相似的，只是在较高分辨率模式中，增加一些复杂性。由于受到对物理过程细节认识的限制，大多数情况下，参数化公式表征实际上是定量确定这些次网格过程对动量和热通量在一网格内空间的平均影响。对于深对流和特别的边界层过程则需要更高程度的参数化表征。因为他们是发生在格点尺度区内的很小或小部分，因而这些参数化方案的精度和可用性十分依赖于模式所用的分辨率。由于参数化决定了被模拟或被预报天气的关键方面，即云和降水的产生，以及温度和风场的分布，因而在目前的NWP业务模式中，对于10-100km尺度的短、中期预报，模式初始化误差最小化计算法以及季节预报用的是本质上相同的参数化方案。在这些参数方案中，

19、尽可能包括更多的物理细节，以实现这种“格点尺度不变性”要素（即在这一网格内，尽量逼近真实的情况）。这已成为近期的一个基本突破。四、集合预报集合预报的含义是：数值天气预报的结果不是依据一次模式预报，甚至是高分辨模式的预报，而是多次模式运行或迭代的集合。整体集合中每次预报的开始都会使用不同的略有差异的一套初值条件。根据每次预报结果的差异状态，可以了解其散布或离散的情况，不但可以得到预报的确定估计（集合平均），而且可以得到预报的不确定性程度，由此可以判断确定性预报的信度，即什么是最可能发生的，天气是否可以真正预报出来。因而集合天气预报实际上是一种概率预报。目前欧洲中心（EC）用的集合预报是50个预报

20、样本，美国的GFS预报系统用20个。集合预报的概念可以追朔到早期混沌的概念。在20世纪初，邦加来（Poincare）就已认识到（参看第高天17讲）。如果把小振幅的扰动（或误差）加于初始条件之上，则非线性系统的预报能得到很不相同的结果。这个问题在限制预报技巧上是十分基本的。1950s，当时有人对预报期间初始误差的增长问题进行了很多研究，直到Lorenz更为整体地从理论上和模拟试验方面进行深入研究，由此奠定了大气的混沌理论，最早为定量认识大气的可预报性做出了重要的贡献。Lorenz的主要结果是不稳定系统具有有限的，取决于状态的可预报上限，据此产生了压制或尽可能减小初始条件不确定性的需求，以后的演变

21、是大气状态的函数，所产生的预报误差是由不完善的模式引起。受上述理论概念的启示，即承认模式的不完善性与决定计算分析和预报的不确定性最终导致使用了集合方法。这代表物理学科中的重大和独特的成就。尤其对像预报降水这样高度变化的要素（图3）更为需要。这种情况下集合预报可以定量地估计降水位置与强度的预报不确定性，为用户提供不可缺少的信息。图3 同于估算英国降水的概率的36 小时集合预报示意图。单一预报红线是根据大气初始状态随时间向前积分模式得到。由施加于分析的小扰动（在已知的分析不确定性内）可提供方程预报解的集合，它实际是对初值不确定性（多次预报或迭代）的取样预报。以某种统计方法组合这些解就可以得到一个平

22、滑的降水概率定量估计（UKMet office，2015）。集合预报方法不仅用于预报阶段（集合预报），而且也用于其资料同化时段。UK Met office认为，如果所有的前期集合都预报的相同，则可十分确信模式预报可以告诉我们未来天气将由前期的观测如何和向哪里发展下去。这种情况下，可以对模式结果给以更高的权重。但如果在前期集合预报十分离散，每一个集合预报的结果不同，则在加权单一模式结果对观测的重要性时应给观测以更多的权重，给模式以更小的权重。因这个结果表明，模式本身通过它的历史集合显示了它在不同状态下自己具有的水平。这个结果也表明，预报系统的非线性与复杂性意味着用纯粹统计方法为未来预报去设定一种

23、不确定性（或订正）是不适当的。正确的预报需要的是由许多完整的，物理的、非线性积分运算得到的，这是一种无缝隙分析与预报集合方法，在其中观测信息被用于减少不确定性。实际上，加在初始状态和模式物理过程上的扰动相当于分析与模式误差，由他们产生了相应的集合成员，一致地和无缝隙的确定这些扰动以使得到的集合对多种预报尺度提供一种较好的不确定估算是一种有挑战性的工作。在这方面，数学和统计物理专家的参与是极其重要的。今天的天气预报是数值天气预报的一种集合，它实际上提供的是未来天气可能演变的一种内在的概率评估。五、资料初始化问题资料初始化的功能是尽可能把全球观测系统得到的资料最大程度地用于初始场的构建，以获得最佳

24、的初始场分析结果，而初始场的正确与否，关系到预报中误差的增长，明显地影响预报技巧。目前全球NWP模式中，EC（MWP）被承认位于世界水平的最前沿，是资料初始化工作做得最好的NWP中心。这也是EC的天气预报期技巧处于世界领先位置的主要原因之一。EC目前使用的是4维变分（4D-Var）资料同化法，其中第四维指时间，即不是取单一时刻的观测资料，而是取由若干个几小时间隔（如3小时）观测构成的时间窗口组成，并且前期的短期预报也与上述时间窗内的资料相融合。英国气象局（UKMet. Office）也是采用4D-Var方案。美国目前采用了3D资料同化方案。一般讲4D-Var 比3D-Var更准确，但花费的时间

25、是3D-Var的10倍。4D-Var方案的关键是必须把模式向前（观测期）和向后（观测期）一致的运行，为此必须发展另一套模式的版本进行运行。实际上这也涉及到整个预报系统的基本变化。模式预报初值条件的确定以及产生的相关预报误差问题在现代数值预报的初期（1950年代）已被注意与认识。当时主要用图解法和分析天气图规定初始场，并发展了多种资料的内插方法。后来才根据最佳控制论由资料同化技术代替了内插法。大气和地面的现在状况被称作分析，它可作为贝叶斯逆问题（Bayessian inversion problem）处理，这主要使用观测，由短期预报得到的先验信息及其不确定性作为约束条件以及预报模式。这些计算主要

26、为实现全球的最小化，是在四维空间进行的，其结果是产生在时空尺度上物理一致的分析场。这能使原来大量的时空不均匀与多种来源的观测资料（如自1980年代以来用于地球观测的巨量、多种类卫星资料），通过这种方法得到代表模式的初始场，进一步，初始状态的不确定性估算对于集合预报也是很关键的，因为资料同化既用了不完善的观测，也用了预报模式，所以集合方法也变成了资料同化的一个组成部分，如图4 所示。图4 集合分析和预报循环示意图。全球集合预报轨迹由在一时间窗中（如09:00-21:00）以前的分析集合起动，以此可提供现在天气的估算（第一次猜测场）。这些预报与可利用的观测资料（见带有误差范围的资料点）之差，即为分

27、析阶段短期预报误差。以后用变分技术在4维空间使这种差值最小化，可以得到改进的差值计算结果，即得到4D-Var轨迹。这减少了模式模拟结果与观测的距离（差值变小），以后再由这些改进的分析结果起动开始进入集合预报循环（Bavanita，2015）。四维变分资料同化技术的业务实施标志着业务全球NWP的一个重要里程碑。1997年EC首先使用，其后在2000年法国气象局开始采用，英国气象局于2004年使用，日本气象厅和加拿大环境部与美国海军研究实验室（US Naval Research Laboratory）也分别在2005年和2009年使用了4D-Var技术。因而从这个方法开始发展到第一次业务实施花了1

28、0多年的时间。在这期间，进一步的研究也大大地改进了4D-Var技术的主要部分，如通过预报模式与计算有效的辐射传输模式的结合日益增加了卫星放射率资料的使用。用对每次依赖于状态的加权方法，明显改进了短期预报与观测误差的特性分析，更好地利用由物理参数化明显改进而显现的一些观测资料。资料同化算法用预报模式和每天107量级的观测资料去确定初条件，它是四维物理一致的：在全球，从地面到中层（80km），沿时间从几小时到几天。业务模式经常更新以包括新的科学内容使模式物理的表征与模式不确定性，数值算法和观测资料利用得到改进，同时增强计算效率。六、数值预天气预报的技巧和目前的水平由于NWP系统运用了前述的先进资料

29、初始化技术，日益改进的物理参数化方案和集合预报途径，以及优化的计算方法（如谱模式），使得地球系统的可预报性大大提高。这是NWP预报改进和不断地提高预报技巧的前提和科学基础。研究表明，可预报性源包括较小尺度天气对大尺度的强迫，遥相关或通过不同地理地区可预报性链，陆面和植被，海冰与海洋等。不可预报源包括产生小尺度“混沌”噪音的不稳定性及其能量的逆尺度传播，与数值和物理近似有关的误差，以及观测数量的不足和使用不佳。图5 举例说明了中期预报中欧洲地区这种遥相关和不佳预报性能的来源。图5 预报对初始条件和误差传播敏感性的例子：模式初始化对其欧洲预报的长期影响图。（a）500hPa高度气流在第六天的平均误

30、差（彩色阴影）。预报本身（实线）和检验分析是2014年2月15日。美国西部急流与槽一起向南伸展。长红箭头指示大气波扰动在西风中的波导传播路径。大尺度偶极型误差的存在突现了预报和分析状态（蓝色双箭头）。欧洲大的预报误差主要由随时间增加的波的位相移动产生。往前追踪波的传播路径可看到热带东太平洋（图b）可能是预报误差的源区位置。这个地区的高空风有很大的24hr预报误差，这是由于该区无风场观测。如果运行试验中在b区是向分析场张弛，而不是向预报中的演变，则强的初值预报误差增长会减低。6天以后，在欧洲预报与分析之间的波形滞后也减小（蓝双箭头），只产生约一半的原始预报误差（这个试验表明了模式初始化的长期影响

31、，热带和中纬度的联系以及如何由此而得到的一周时间长度预报技巧的增加）。上述结果表明，在预报时产生非线性增长的噪音及由此导致的未来某种结构能够预报的基本上限有多长。小尺度事件的上限为几小时到几天，高影响天气事件的准确与可靠预报为1-2周，大尺度天气型与状态过度的预报为1个月左右，大气环流异常的预报为1个季度左右。预报期越长，预报技巧更多的使用距平相关，状态与其模式气候平均值之差以及更重要的时空平均，变成可识别信号的主要依据。在短期预报技巧中，有详细的预测结果，但对长期预报技巧主要是对于大尺度结构。上述多种尺度的无缝隙预报能力代表了模式系统能抓住在十分不同的时空尺度上发生的多种过程。NWP对许多其

32、他科学学科的基本优势在于其技巧是可以每天在全球范围内评估的，所以模式的成功与失败是准确知道的，并且改进预报技巧的路径是能有效检验的。为了评估预报技巧，采用了多种方法与指标，如平均值与方根误差，高空与地面场的预报与分析场距平相关。此外，对变化较大的参数如降水也设计了专门的评分标准。模式的偏差随预报时效变长，变得显著。虽然这可使用过去的预报加以校正，但在复杂模式中认识这些偏差的来源是NWP和气候预测的挑战之一。用资料同化统计的诊断方法对此是有帮助的，因为大多数偏差信号已在分析中与早期预报中出现，虽然量值较小。这种方法对于天气与气候科学同样有益。由于NWP涉及到预报的集合，所以预报技巧的评价系统需要

33、评估概率分布矩，如集合平均误差与分布的锐度（sharpness），通过比较预报分布与事件出现的观测频率，可决定预报的可靠性。由于集合预报是为提供有价值的天气极值概率信息作出的，所以发展了针对概率分布尾部的评分办法，以解释小概率事件统计学的结果。对于各种天气系统的NWP进行了综合评估，包括天气型和热带气旋，高低纬之间与平流层与对流层之间的联系，驱动天气尺度系统的行星波活动，与小尺度对流和地表相互作用的天气尺度等。检验预报技巧的一种有效方法是把天气与水文模式结合起来，以此预报河流流量。这有助评估NWP模式的降水、径流和储存预报，即可用单一预报也可用集合预报。这个过程中为进一步改进全球预报在所关系的

34、区域中的精度，一般通过区域化（downscaling）方法把全球模式的产品输出与水文模式相嵌套。近来由于NWP模式中能包括描述大气成分如气溶胶与痕量气体而进一步提高其预报能力。通过考虑示踪物平流和模式化学参数化能依新的方式评估大气的演变。由上面的说明可以看到，业务的NWP中心一般可每天多次提供从公里尺度的超短时预报到每月几十公里水平分辨率的全球季节预报。预报关系到天气，也扩展到空气质量和水文的应用。由于模式发展，资料同化算法与观测资料利用等方面的不断改进，使NWP获得了成功和进展。目前很难估算它的相对贡献大小。因为这三者是相互关联的。更准确的模式物理意味着预报可更好地与观测相一致，并促进了资料

35、同化的改进；反之，这又允许吸收或消化更多的观测，以进一步改进模式。最后应该指出，NWP从突飞猛进的计算机技术的进展获得巨大收益。根据浮点运算，计算机能力自1980s年代以后，每5年约递增约一个量级。这是由于处理器技术进步和更多处理器使用的结果。Moore定律表明：由于每个芯片传导速度（transistor speed）和钟速的增加，每18个月计算机能力翻倍。这种增长速度与NWP分析与预报的计算任务的增加容量相近似。在ECMWF，资料同化在多阶段进行模式积分，对于一个总数为65亿格点的计算在12小时时间窗内需要迭代100次量级；同时约进行1000万辐射强度的计算以把预报模式与60种以上卫星仪器得

36、到的观测资料作比较。今天，在EC，16-km高分辨模式在10天期间以10分钟时间步长对2百万个格点柱进行了计算（时间总步长1440个）。相应的集合用50个成员以30-60km水平分辨率和30分钟的时间步长作出15-30天预报。因而一天两次400亿个格点柱的计算在约2.5小时实时完成。这种计算机的巨大任务必须要求有一些最大的计算机设备去完成。应该指出，上述的NWP预报技巧的重大进展不仅依赖于相关科学的发展，也依赖于观测的使用与超级计算能力的快速发展。在实际预报中，当大气表现为更多或更少的潜在可预报性时，某些预报技巧的脉动或高低涨落会出现，这意味着某种天气状态似乎更易准确地预报，并且时效比其他天气

37、状态更长。对这些气流的状态的认识正在研究中，这可以使预报技巧得以更清楚地量化。在这方面，EC两个成功的例子之一是2012年10月美国大西洋沿岸Sandy飓风的成功预报。它是在15天前唯一成功地预报了飓风将改变原北上路径，转向登陆美国新泽西海岸的模式。其他模式包括美国全球预报系统都预报了该飓风将位于海上。第二个例子是2014年的Joaquin飓风的路径预报。美国的GFS模式给出的路径偏离飓风实际路径以西几百英里，并做出了在美国中部大西洋沿岸登陆，而EC的预报离海岸更远，并最后转向东到达大西洋，这与实况一致。世界上其它气象中心的NWP预报如EC一样也取得了不同程度的进展和成功。英国气象局也使用4D

38、-Var资料同化系统并在资料同化中也采用了集合方法，并且使用一体化模式（unified model），即短期的全球与区域天气预报到季节预报和100年气候预估用的是同一个模式。因而英国气象局的全球模式在业务运行中其本身不是终点，而是一整套多种产品的一个有机部分。这种模式系统有更大的投资效益比。其科学理念在于：对天气系统预报和气候预测大气物理学原理是相同的。从全球NWP模式预测技巧的排名是仅次于EC，居第二位。美国的全球预报系统位于世界第三位。但该模式在预报去年冬季纽约城冬季大暴风雪（积雪深度达2英尺）表现不凡，对造成这次暴雪的风暴路径GFS预报正确，而EC确实是报错的。GFS是用略逊于 EC 4

39、D-Var的3D同化系统，但全球模式的水平分辨率为13km，高于EC的16km水平分辨率。由于在Sandy飓风预报失败之后，去年得到了2台Cray超级计算机的支持，正大力推进资料的初始化方案的改进，使所得到的所有观测资料都能进入资料同化系统。目前以GFS全球预报为中心，NCEP还要制作气候预测，每小时制作18小时的区域预报，强天气预报，不久每隔15分钟将发布2小时预报。所以NCEP的预报项目和任务比EC要重得多，不像EC重点在中期预报。这也是美国 GFS模式落后于EC模式的一个原因。并且由于美国各部门的预报系统都与GFS系统相配套，一旦后者更新，会引起整个预报系统突然的大变化，因而美国将采取渐

40、进式的，不断更新的途径提高其系统的预测水平。世界上目前有一些国家不发展本国的全球模式，如澳大利亚、印度、新西兰、南非、韩国，它们都用英国气象局的全球模式，这是因为发展、维持与提升全球模式的水平需要巨大的基础建设和设备，如计算机编码2000万条。目前这些国家运行全球模式愈来愈困难，以自己的国力愈来愈难于满足本国的需求。例如在20年前，如果有风暴发生，在三天前预报该风暴是否可能位于西海岸，而现在则要求更加细致、更加精确，人们会提在风暴影响的流域地区洪水风险有多大？这是很难完全应对的挑战。七、未来的发展和挑战为使NWP在未来继续向前发展，三个方面是关键性的：（1）天气科学的发展；（2）高性能计算机的

41、发展与（3）观测系统的改进。目前已到达或可能将到达关键的科学与技术的十字路口。所以目前的时期对天气预报和气候科学将如何演变具有基本的重要意义。未来10年或更长时间的发展理念是：（1）在1km水平分辨率量级能行全球对流分辨率的模拟；（2）可以运行完全耦合的大气-陆地-海洋-冰模式；（3）在上述分辨率和复杂性下的集合方法将预测动力学、物理化学和或可能有生物化学过程的概率纳入天气的多季节范围和气候的多年代尺度范围预报中。这些全球预报为更精细尺度的有限地理区的短期、详细天气发展提供所需的初始场和边条件。在科学方面，所面临的主要挑战有五个方面：（1）物理参数化；（2）用集合方法对预报不确定性作更好表述；

42、（3）用观测为预报提供物理一致的初始条件和求解算法；（4）增加更多的物理以及化学过程；（5）耦合问题。概括起来，未来发展需要新的理念，新的思想和新的技术支撑。关于物理参数化，可以预期，随着分辨率增加，参数化的需求会逐渐降低。对于辐射与云过程和陆面模式，这是把现在的方案变成区域与局地应用的公里尺度的显式模式。对于对流，情况更复杂，因为大的热带对流云或有组织的对流可发生在目前可分辨的尺度上（15km），但其中的小尺度对流羽即使在1km也不可分辨，将仍需要参数化。因而这种模式分辨率的范围很大，包括部分可分辨对流。这是涉及灰色区问题，因为可分辨和参数化对通量的贡献需要量化，并组合在一起。现在的方案认为

43、，对流是完全不可分辨的，它们不能适当地代表可分辨和不可分辨两者对灰色区可分辨尺度热量和动量的影响。高分辨有限区云模式显示出，有组织的动力模态可以被捕捉，对流生命史，云组织或其与大尺度环流的相互作用的模式表征也能够被改进，但是否运行1公里量级尺度的全球模式也消除所有与对流有关的不确定性，并为减少模式偏差和增强所预报时段的预报技巧做出贡献，目前尚不清楚。由于这些高分辨还未达到，对流参数化对下十年的天气与气候模式发展仍十分重要。这方面的进展需要天气与气候领域的科学家共同努力。但是在物理参数化内在的不确定性方面，不论是由不完善的物理认识，还是由表征不可分辨的过程对可分辨尺度的影响造成，可能需要通过基本

44、不同的途径解决。参数化要素或整体方案等对大尺度可能是通过统计的分量，因为它们并不完全由可分辨尺度决定。参数的概率分布函数随机取样（stochastic），随机驱动的次单体模式或通过在次网格尺度纳入整个对流分辨的模拟是其中一些例子。现在还不清楚这种随机对流函数的方法有多重要。数值天气预报发展中，一个重要问题是模式的预报区域与分辨率问题。一方面，不断增加预报区的范围，从区域到半球，最后到全球;同时不断增加模式的水平分辨率，缩小水平格距。在1974年，模式的水平格距约为300km，以后的40年中， 水平分辨率经历了指数增长。目前，欧洲中期天气预报中心（EC）业务模式的水平分辨率为16km。美国的GF

45、S模式系统为13km。模拟的模式水平分辨率达到了3.5km（1周预报期）与0.87km（12小时预报期）。这个水平分辨率是目前NWP模式的上限。在未来10年之内，业务的全球NWP模式第一步要达到10km的水平分辨率，第二步要达到1-3km的水平分辨率。10年之后要达到终极目标：全球乱流分辨的模式，即100m的水平分辨率量级。这种水平分辨率的演变表明，全球模式日益增加其分辨或预报更小尺度天气现象的能力；同时，对小于格点尺度的不可分辨的运动正进行不断更新或改进参数化表征，因为即使到1-10km水平分辨率，部分地区仍需要物理参数化方案。在这种情况下，模式中物理参数化的表征要不断地减小其不确定性或精度

46、，以更好为描述网格尺度与次网格尺度的相互作用与次网格尺度运动产生的动量，水汽与热量源汇项。由全球NWP模式发展的前景看，水平分辨率由目前的13-16km跃进到10-100米级需要跨越两个过渡区或灰色区的障碍，即10km到1km的灰色区（Grey Zone）与1km到10m的灰色区。在这两个过渡区，前者是用云分辨模式与云参数化方案共存，后者是大涡模拟（LES）与湍流参数化方案共存。这对传统的具有物理参数化的流体静力学方法的NWP模式是一个挑战。它需要跨过第一个灰色区发展对流可分辨的非静力流体平衡的全球模式。这种模式所用的分辨率和云显式模式以及部分参数化方案能直接处理具有垂直对流翻转的对流云活动。

47、这种情况下，任一空气柱的垂直尺度（10-15km）将大于水平尺度（1-3km）。目前的全球NWP模式还没有采取这种途径与方法。也有人认为，如果直接采用更小的水平分辨率如100m，则可直接分辨尺度很小的对流云体及其垂直环流。这就进入到第二个三维乱流灰色区。目前NWP的发展正沿着这两种途径向前发展，目前还不清楚是逐次跨越两个灰色区的发展途径或一步跨越到第二个灰色区的途径哪一个真正有效和可行（由于计算机条件限制）。模式分辨率与积云参数化的关系：灰色区（Grey zone）计划：随着计算机资源的日益增长，越来越多的天气预报和气候模式现在运行的水平分辨率在1-10公里范围。在这种称为“灰色地区”（Gre

48、y Zone）分辨率范围运行的模式能够部分分辨与垂直翻转（对流或云引起的热量或水汽垂直输送）相联系的大气过程。这些过程仍需要部分参数化描述，但要求的是尺度意识（scale-aware）参数化方法，这种方法是随着分辨率增加而减少参数化的影响。Smagorinsky 的边界层乱流次网络贡献模式是尺度意识参数化的一个经典例子，也是大涡模拟（LES）成功的主要原因。但Smagorinsky 模式只能应用大气乱流部分是可分辨的，即显著小于1km的尺度。现在对于如何设计大于1km尺度的云与对流过程尺度意识参数化知之甚少，一般只是简单地在灰色地区的任一分辨率处进行开关，而并没有探究云与对流过程尺度意识参数化

49、的潜力，因而有必要系统地研究在灰色区对许多相关对流大气个例在改变分辨率下有无参数化对流的状况。首先研究冬季冷空气在暖洋面上爆发的个例，重点研究的是模式性能如何随分辨率在灰色区愈来愈粗时，其退化程度的量化问题。过去多年的卫星观测和现代MODIS卫星观测都表明寒潮爆发时，最初的对流作为一种有组织的滚轴状云系开始出现在冰层边缘，细胞状结构最终随着通过的边界层演变增长为大到50km开口的细胞状对流。可用三种模式：全球模式，中尺度模式和LES模式对这种现象进行模拟。全球模式的分辨率最高可达5km，较低分辨率为10km，区域模式的区域为750km1500km，分辨率为1,2,4,8,16km。LES模式以

50、拉格朗日模态在更小的区域100100km内运行，即在暖洋面上向南运动，以模拟副热带层积云向积云（ScCu）的过渡。全球模式和中尺度模式大多可模拟向积云的过渡过程，具有细胞状积云结构。通过这个计划的初步模式比较，可以认识模式性能与分辨率之关系，并可用于将来深积云对流参数化与分辨率关系的情况。大涡模式与全球NWP预报：三维乱流灰色区具有行星边界层厚度（约1km）与100米左右的水平分辨率，它对于最大的乱流涡旋是可分辨的，但对更小的乱流涡旋仍是不可分辨的。由于这个范围区的乱流具有自相似特征，可以真实尺度认知方式以可分辨涡旋表征不可分辨的涡旋的输送。这个结果被认为是用100m尺度的乱流分辨格点的水平分

51、辨率可能进行全球NWP的基础性成就。估计2060年前后可能实现在日常的业务预报中应用。大涡模式（LES）早在上世纪60-70年代已经提出。LES是用次网格尺度参数化（利用惯性段湍流具有自相似特征）表征大气湍流，代替可分辨运动尺度以下，直到毫米尺度的湍流运动作用。100m量级的分辨率足以模拟不存在外部复杂条件（如地形）影响下的乱流输送。作为解决未来全球NWP预报中跨越灰色区问题的这条途径是以大涡模式为起点，在此基础上将研究或预报区逐步扩大，直到扩展到全球尺度。近年来有些国家已用100m的分辨率模拟天气（如德国等）。目前重点是用经典的大涡模式进行区域放大或扩展，以后直接扩到全球，而不考虑有限区模式

52、，中尺度模式（如WRF）。但目前这些中尺度模式填补了全球NWP模式与大涡模式之间的过渡区，可在这些模式中嵌套上LES以详细表征特定较小地区的天气。如已发展了尺度认知的乱流模式，可允许这种模式灵活地向典型的LES模式扩展或成比例的缩小。因而区域大小与分辨率的选择与试验是两个重要的问题。它涉及到大规模平行运算技术的约束（GPU）。目前在法国加速超级计算机上，模拟区已扩展到400400km2，分辨率为100m。在未来10年，全球乱流分辨率的模式可以实现在4小时计算时间内模拟一小时天气，用1.5秒时间步长。如果进行接近全球的NWP预报，约增加10-100倍的计算机能力。这是巨大的计算机能力需求。所以，

53、LES需花费大量计算机时间。我们知道，目前业务的NWP的时间步长是15 分钟左右，如使其由13-16km分辨率变成乱流分辨的，不仅要使其格点大量增加，达到100m尺度，其时间步长也需减少到原来的1/40（缩小400倍左右）。由于将来计算机速度的快速发展，尤其是大规模平行运算系统的发展和应用，人们预计，第一个全球LES模式试验将在最近10年之内实现。全球超高分辨率（LES模式）的NWP模式运行将可能在2060年实现。更多的物理以及化学过程将被增加到模式中。因为模式是大气与海洋、陆面和海冰模式耦合在一起，因而需要更多的物理过程，其中有些已在今天的业务应用中实现。这种耦合有它自己特征的时空尺度，超过

54、3-7天的预报期，耦合自身可提供最大收益。这是因为海洋、海冰和陆面过程比较慢，主要影响更长期系统的记忆力。但也有一些例子表明，耦合也影响短期预报时效，如海洋在缓慢移动的热带气旋尾部的冷海水上翻可影响其强度，或者在陆地强降水受地表蒸发，因而受土壤蒸发条件的约束。应该指出，“耦合”问题的最大挑战与界面通量的匹配有关，在这种情况下，每圈层的系统误差相互作用，能对模式产生冲击，并且每一耦合时间步长下或通过更长积分的反馈也产生平均态的补偿变化。大气成分如痕量气体和气溶胶直接影响辐射加热，并且气溶胶还能作为形成云的凝结核，且非均匀化学发生在极地平流层云中，可加速O3的破坏。但气溶胶和痕量气体的预报其本身是

55、重要的，还因为他们影响空气质量。增加物理和化学过程的一个相关挑战在于这些成分的初始条件也是需要的。以此应有更多且复杂的观测需要被同化进去。由此超过中期预报的集合预报可靠性因而将增加。这是由于模式中许多更复杂的不确定性得到了表征，且能用更多种类的观测对耦合模式初始化。对NWP更多科学挑战的是使用更多的现有和新的观测与资料同化技术的进展。目前，每一全球预报用了卫星资料总量的约5-10%，这包括了其大部分信息内容。这种方法对最佳管理地球观测的大幅度全球投资具有重要意义，尤其是来自卫星资料。但NWP受不完善的观测资料限制，除了维持测量温度剖面、湿度、云和近地面天气的骨干卫星和地基观测系统外，基本的可观

56、测量仍然缺失。用多普勒雷达直接观测高空大气是一个例子，但这个技术还未列入业务卫星计划中。在热带最需要风的观测（覆盖地球面积50%），但这个地区缺少观测是增加分析正确性的一种严重障碍。但现有的骨干观测也需要由更可靠的有回复能力 （resilient）的观测系统提供。这需要大幅度的国际投资与协调。对卫星和地基观测也需要有类似层次的协调。尽管现有资料同化相当复杂，但对未来仍有许多挑战。大多是关于求解算法的改进。这样的算法将对准新观测资料的利用，但也能应对改进的模式。计算的花费继续是一个约束，实际上制作一次预报的大量费用是资料同化。下一代资料同化将可能用基本上是新的数学方法，但在最近的将来可能是基于现

57、在概念的一种组合。现在的算法是依赖线性原则与变分方法，而某些分量如误差统计是由集合得到。变分原理有一定的局限性，下一个十年主要是选取变分与集合最有效的集合，或者，使用纯粹基于集合方法，如集合卡曼滤波。在较短时间尺度（例如对流）运行的尺度效应需要非线性资料同化方法，目前对此只在少量的理想模式中做过试验。这些结果目前很难推广到业务应用。对于将来耦合模式的初始化试验，耦合的资料同化将是很关键的。这种同化将包括大气成分（气溶胶、痕量气体）以及海洋、陆面和海冰。每一地球系统的部分有其特有的特征与时空尺度，对此在一个完全一体化的同化框架中实现将是极为挑战性的任务。技术方面所面临的挑战主要有：（1）更高性能

58、的计算机发展；（2）增强资料的分布和存档；（3）观测系统：未来地球观测系统。今天NWP用的高性能计算机排在世界500强的头20位，其计算速度为每秒1015浮点运算（万亿次）；每天消化100 Mb 量级的观测资料和产生10 Tb（101012 bytes）产品输出。将来水平分辨为每公里尺度的全球NWP模式将对100多个变量至少在5108 个点，100层大气中，时间步长为数秒，并耦合略微更小尺度的陆面模式运行，最后给出100个量级成员的集合产品。观测资料的使用将也增加1个量级，这包括具有数千个光谱通道的低轨同步卫星的高分辨率光谱仪观测。未来预期的高性能技术的发展将对上述科学的要求给予新的限制或约束

59、。在过去，处理器性能是以Moore 定律演变的，记忆能力和处理器钟速也是如此。这种趋势不可能预期在将来会继续下去，因为能源消耗费必须减少。在将来更多的重点是放在并行运算上。这就是应用可扩展性变得重要的所在。它提供了将模式在更多处理器上运行，使时间对求解增益。使NWP编码更可扩展是未来10年中顶级优先的问题。另外，对于像EC这样的大NWP中心，能源的供应也有一个上限，约20 MVA 。对将来可能的NWP系统，其计算任务将大100-1000倍。能源的需求为今天的10倍以上。图5是模式分辨增加，对于一次预报和50个集合预报情况下，计算机核和电能供应增加的关系图。为使分辨率接近1-5km，所需要的高性能计算机的规模和花费将是前所未有的。图5 NWP模式分辨率对CPU和能源的需求。单次10天终点预