中国气象图书馆

2018年

  1. 2024年
  2. 2023年
  3. 2022年
  4. 2021年
  5. 2020年
  6. 2019年
  7. 2018年
  8. 2017年
  9. 2016年
  10. 2015年
  11. 2014年

第九期

  1. 第一期
  2. 第二期
  3. 第三期
  4. 第四期

专题报道

首页 > 《科技信息快递》 >2018年>第九期>专题报道
世界主要气象中心预报业务核心能力量化指标分析
发布日期 :2024-04-07  
█ 贾朋群 李婧华 田晓阳
1 引言
  世界气象组织(WMO)为了促进气象科学的发展和将气象更加广泛地应用于世界各国,尤其是发展中国家,提升全球人民福祉,近年来特别加强和突出了世界气象中心的建设。在1967年认定了美国、俄罗斯和澳大利亚等3个世界气象中心之后,2017年,欧洲中期天气预报中心、英国、加拿大、日本和中国成为第二批被认定的世界气象中心,其中世界气象中心(北京)也让中国成为唯一拥有“世界气象中心”称号的发展中国家。
  世界气象中心是WMO认定的全球核心气象预报、预测业务机构,其职责不仅局限于本国,还需在全球气象发展中发挥“中心”的作用和价值(周庆亮,2018)。因此,世界气象中心核心业务能力的高低,就成为考量中心含金量的关键所在。
  本报告在科技与气候变化司和国际合作司的支持下,借助中国气象局图书馆文献资料,以及课题组对国际气象科技进展跟踪研究的资料累积,试图对目前国际主要气象中心预报预测能力的领先水平以预报指标为衡量进行梳理,在此基础上结合这些“领先水平”的发展痕迹,特别是过去10年里水平提升的幅度,在给出当前水平(2016—2017年)的同时,对未来10年(2025年)和20年(2035年)国际上预报预测的先进水平将达到的高度进行预测。
  虽然气象部门的核心是预报已经是共识,但是如何预测气象预报能力的发展,其本身具有很大的挑战性。一方面,过去10年或更长的时间里,气象预报能力的提升是有目共睹的事实,其未来“向好”的发展态势应该会持续下去;另一方面,气候变化已经导致极端事件加剧,过去数十年一遇甚至百年一遇的极端事件层出让预报难度增加,加上预报水平更加接近可预报性的极限,预报能力递增的速度最近10年来已经出现减缓迹象。在这样的背景下对预报预测能力进行预测,不确定性会大幅度增加。本报告虽然提出了一些量化指标的预测,但其更重要的意义在于,透过这些指标的提升,思考和沉淀过去进步所依据的创新和智慧,同时着眼于未来,思考我们与世界领先水平之间的差距和如何迎头赶上,实现最终的超越。
  
2 可预报性:从单一数字走向2D分布图
  天气和气候模式可预报性的研究,可以追溯到洛伦茨基于大气混沌本质,给出可预报性的边界值为16.8天的结论。然而,随着模式模拟技术的发展、学界对非线性过程本质认识的进步和计算、模拟技术的改进带来的手段更新等,都让可预报性问题得到了更加清晰的解析和拓展。在2014年WMO组织的世界天气公开科学会议上,多位学者从动力、数值方法、云及辐射和陆-气、海-陆等各种相互作用的角度,梳理了科学界对可预报性的最新认识进展(WMO,2015)。最近,ECMWF学者(Buizza,2017)重新综合审视可预报性时,从模式与预报对象的时空尺度出发,给出了新的可预报“2D”分布(图2.1)。新的可预报图将可预报性的时效大大提高,其中可提前接近1年预报的要素为月海平面温度距平等和厄尔尼诺等气候信号密切相关的变量统计值。其余预报要素从易到难的排列为:月平均2m温度和气压、遥相关指数、高空场、地面场、降水和气象极值。而地面场及其后要素可预报的空间尺度均在1000km以内。
  实际上,本报告结果展示的最新业务核心预报能力的提升,也大致是按照新的可预报性2D图路线取得进展,2D图并非推翻经典理论,而只是因为拆分和细化了预报对象,因此具有新的认知角度。
  
  从更广泛的视野审视预报相关的时空和地球星球圈层之间的联系,可以得到针对大气、陆地和海洋可预报性的分布(图2.2)。这样的分布提示我们,短期天气(7天以内)和月预报之间时间尺度的预报预测,含有最为复杂的大气-陆地-海洋作用机制,而季节内到季节(S2S)预报更多的信号来自海洋。
  首先瞄准地球大气的数值天气预报(NWP),在进一步提升预报技巧时,需要考虑更多的地球系统组成,NWP向地球系统预报转变的脚步从来没有停息,而NWP模式向地球系统模式的过度,可以从更好的视角,审视针大气、陆地和海洋圈层可预报性,以及这些圈层之间相互作用对预报结果的影响,从而获得达到或接近可预报性极限的预报结果。
3 NWP全球业务模式核心指标
  世界各主要气象强国在1950年NWP试验成功后,从1954年开始,陆续建立了本国NWP相关业务。过去数十年,全球性的NWP业务在WMO的一些项目,例如WWRP、THORPEX等的推进下,获得了极大的发展(WMO,2015)。本报告在前期工作,即解读WMO验证中心针对全球模式核心指标验证(贾朋群和田晓阳,2018)的基础上,试图针对其中主要指标,具体解读当前(2016—2017年)领先业务水平,并主要基于过去的发展趋势,预测今后10年(2025年)和20年(2035年)两个时间点,这些指标可能的水准。
3.1目前主要气象中心全球天气预报业务模式
  表3.1梳理了目前各主要国家和区域气象中心业务数值预报模式情况,表3.2中给出了各气象业务机构和模式名称及简写。目前业务数值天气预报全球模式主要基于初始时间概率分布函数估计模型,通过集合系统对天气演变进行预报。先进的全球集合预报系统大约有20~50个成员,模式的水平分辨率在9~50km,垂直100层左右。北半球500hPa高度场最初集合离散度约2.5m(大约是变率的3%),在预报最初24h内以指数增长,在10天内发散到70m左右。
  预报系统性能领先的ECMWF,其模式水平分辨率达9km,垂直层数137层,预报时效在10~15天之间。2017年ECMWF将其IFS升级为IFS Cycle 43r3,主要改变有:改进了对流模拟,采用了新的辐射方案和气溶胶气候学,以及更好地利用了下投式探空仪数据和其他观测数据。这次升级换代使其预报技巧,特别对是热带气旋的预报,有了一定提高。
  未来5—10年,随着各国气象部门业务主模式的换代以及高性能计算机的发展,全球NWP业务模式分辨率将达到km尺度。其中ECMWF的战略目标是,到2025年以5km的分辨率进行全球集合预报。
  反映各国NWP预报系统性能的指标,几乎与系统可输出变量一样多,但其中最关键的两项指标,是ECMWF认定的反映预报系统整体性能最佳的500hPa高度和850hPa温度的可预报时效。本节主要围绕这两项指标及其他类似指标(如降水预报)展开。

  *方程列中:H表示流体静力模式(hydrostaticmodel),NH表示非流体静力模式;时间积分列中:SISL表示半隐式半拉格朗日法(semi-implicitsemi-Lagrangianmethod),HEVI表示水平显式垂直隐式格式(horizontally-explicitvertically-implicitschemes);分类列中:PBTI表示路径时间积分(path-basedtime-integration),EBTI表示欧拉时间积分(Eulerian-basedtime-integration)。这三列数据均来自Mengaldo(2018)。

3.2 ECMWF代表的领先全球模式核心指标现状
  ECMWF在其最新的2017年年报(ECMWF,2018a)中,给出了到2017年底该中心各种核心业务指标的统计。其中影响最大的预报产品——北半球中纬度24h降水集合预报的进步(图3.1)明显,从本世纪初的2.5天增加到7天左右。尽管如此,对比本世纪前10年和最近10年预报进步的幅度,预报改进的速度明显“减缓”,且在更多时次预报(图3.2)中也是可见的,但变缓的进步还是让10天左右的预报具有了价值。


  从全球主要气象中心预报指标的演变和相互比较来看(图3.3),本世纪以来ECMWF的发展趋势,也代表了世界上主要气象中心的进步。从图中指标进步的速度上可以看出,21世纪以来,第二个10年与第一个10年相比,与前述领先者ECMWF类似,各主要国家气象中心预报系统性能的提升速率都有明显的放缓。此外,在这张比较图中,再分析数据加入其中,这是因为模式的表现不仅仅依赖于预报系统,还与大气本质的可预报性和活跃程度等有关。再分析数据的进入,可以将某个时段内实际的业务预报系统表现与几年内不变的参考系统进行对比,能更加清晰地解读预报系统的相对进步。
3.3全球NWP模式2025年和2035年性能进步预测
  对世界上主要气象中心在未来10年甚至更长时间内预报水平提升幅度的预测,有多种方法。首先,各国气象部门在其战略(贾朋群和李婧华,2015)中,定性或量化提出未来核心指标的改进目标,例如ECMWF制定的最新2016—2025年战略(ECMWF,2016;贾朋群,2016),在预报方面明确提出了“2+4+1”战略,即到2025年:
  1)高影响天气的有效集合预报提前2周
  2)大尺度形势和机制转化预报提前4周
  3)全球尺度异常预测提前1年
  而NOAA虽然并没有直接在战略中给出明确的指标,却在其业务更新计划等文件中,对未来业务系统的发展给出了描述。图3.4为未来5年NOAA主要天气气候预报机构NCEP部分预报系统的升级情况,其中的主要特征可描述为:分辨率进入10km,区域模式和预警服务进入1~3km,集合成员数稳定在20~30个,最长预报时段超过1年达到15个月(Tolman,2017)。
  在最新发表的一些评述文章中,基于过去模式性能改变的技术和科学推动以及未来新技术在获取新资料和模式分辨率改进等方面发力的分析,可以给出未来预报模式改进的乐观估计,以及面临的挑战(例如,Baueretal,2015;郑秋红等,2015图3.5)。
  
  最后,各国气象中心针对NWP成为业务预报手段后,数十年来的进步用各种预报指标的改进,给出了明确的估计。越来越多的相互比较计划和更加详尽的验证计划,还能折射出不同系统间的差距。这样对比和估计的意义在于,当我们假设未来模式预报能力的提升,能够延续过去数十年的节奏,可以对未来的进步有所把握。当然,过去的进步发生在我们的预报性能远离“可预报性”的天花板,而未来如果可预报性的框架不变,保持进步的节奏将面临更大的挑战。即使如此,正如学者认为的,NWP自20世纪中叶成功以来,其进步巨大但节奏却是“静悄悄”的,工匠精神推进NWP进步的脚步依然可期。
  本节主要依据对NWP过去进步幅度的量化估计,同时参考各种战略给出的估计,对天气预报领域一些核心指标未来进步的可能幅度做出初步估计。本节的对比分析,一些前提和说明如下:
  1.本节主要比较的,是各中心核心业务模式能力。本节给出的模式指标,如果没有特别说明,一般是指针对北半球(如NCEP结果),甚至是指北半球中高纬度(如ECMWF的预报区域为北纬20~90度)。本节出现的各类数据图中,给出了限定性的更多说明性信息,读者可以从图中的说明性信息中更精细判断图的条件设定。
  2.预报结果中,集合预报系统一般给出优于单一模式的结果。但因为本节更加关注过去10年或更长时间,预报能力的提升情况,因此有时要综合两者进步的“速度”对不同指标的未来值给出判断。
  3.本节很多情况下,用“有效预报时效”即“天数”作为预报性能指标,而对什么是预报“有效”,不同机构采用的标准也有所不同。目前ECMWF针对有效预报采用的标准,即距平相关系数大于80%(ACC≥0.8)已经被大多数业务机构接受。但是,一些学者或机构,有时为了讨论方便,依然用较低的指标(ACC≥0.6)。本报告如不特别说明,均采用ACC≥0.8。而用于计算ACC的对比数据,也有观测值(即探空)和分析值之分,两种方法各有特点,但考虑到本报告关注趋势分析,故不加以区分。
  4.包括中国学者在内的NWP专家及相关机构的报告等,在过去3—5年里较多地对2020年前后的预报水平进行了预测,这些预测大多基于21世纪前10年的进步,给出第二个10年后的指标预测,本文在进行预测时,参考了这些预测结果。
基于全球预报过去20年的改进:2025和2035年预报时效将提高到8和10天
  图3.6分别给出过去22年和18年ECMWF/NCEP全球预报系统预报时效的持续提高的进程。ECMWF当前5天预报与22年前的2天预报相当;而目前的15天预报与过去的10天预报相当;NCEP在截止2017年的过去18年里,预报时效提高了4天。综合两个机构预报时效的提升率,即平均每10年提高近2天。如果这样的进程在未来20年里持续,目前主要预报指标大约6.7天的时效,在2025年和2035年将分别提高到8.5天和10.5天。


基于高分变率模式过去22年改进:2025年和2035年时效提高到7.6天和8.4天
  高分辨率模式是目前各国气象部门和企业、研究机构重点研发的预报工具,其意义不仅在于利用观测大数据和对区域预报细节两端的数据吸纳和服务能力的大幅度提升,更在于未来AI更多地介入NWP后(许小峰,2018),天气气候模式或许在解析、参数化机制之外,高分模式支持全球模式通过机器学习解读更多模拟中“灰色”地带的有效手段。图3.7给出过去20年,ECMWF高分辨率模式系统预报时效的改进:最近10年时效增加了0.8天,从大约6.0天提高到6.8天。未来10年和20年,时效持续进步将使高分辨率预报系统的时效,提升到7.6天和8.4天,接近同期集合预报水平。
多种模式要素预报:过去10年进步在1-2天之间
  图3.8给出过去20年,ECMWF在温度和降水预报上的改进:其中最近10年时效的增加在0.8—2天之间,这些要素在未来10—20年的持续改进,也将让这些关键预报得到可期待的1—2天和2—4天的改进。对比前面针对可预报性的讨论,到2035年前后,各类集合和确定性模式预报的水平,将全面接近和进入10天有效性阶段,也更加接近可预报性的极限。
  本节,我们主要基于附着在模式系统性能时间变化曲线上的“矩形区域”,定量标定了预报系统模式性能过去的进步节奏,并给出对未来性能提升的预测。虽然这样的估计较为简单,但是“温故知新”的道理在这里基本适用。用这样的方式,估计自诞生开始就一直在不断改进中的NWP业务能力的未来,具有一定的参考价值。
4 各主要国家气象中心耦合气候模式和地球系统模式核心能力指标
  1967年,美国学者Syukuro Manabe和Richard Wetherald在JAS上发表了论述一维辐射对流平衡模式的论文(Manabeetal,1967),这篇文章被认为是现代数值气候模式研究的起点(Forster,2017)。在20世纪随后的时间里,气候模式被加入了更多的要素,模式的结构和计算也走向精细化(图4.1)。
  尽管在Manabe等人之前,气候模式,包括温室气体影响地球气候的物理机制探索等,可以追溯到19世纪中叶,但是1967年的论文,除了借助计算机技术完成数值试验这一具有开创性和示范性的科学方法外,在科学上还有一些独到之处。首先,论文的结果是可重复的,这得益于作者对一系列科学假设进行了明确和精细化的调整。例如,作者先是利用最新水汽观测证明了气候变化不会影响相对湿度的假设,之后再利用这一假设模拟水汽反馈。另外,得到的模式包括足够多的物理过程细节,用来给出几种可能的人类和自然扰动对地表气温影响的估计,而这样的计算过程并不是很复杂,早期计算机系统能够胜任。最后,作者提出的辐射-对流模式,作为研究手段与研究目标完美吻合。
  Manabe等人最初的辐射对流模式,已经演化为辐射驱动,计算的复杂化也发展成当前的地球系统模式。地球气候模式走向精细化的趋势显而易见,其中在高分辨率和不同圈层、系统之间融合的表象中,Manabe等人早期探索的科学内涵无疑已经在传承中得到了发扬光大。传统气候模式中,陆地和海洋通过能量和动量通量以及水文循环与大气耦合。当前最新地球系统模式的突出特点是还包含了生物圈和非生物的相互作用,即包括了碳循环、陆地海洋生态系统和生物地球化学、大气化学以及自然和人为干扰(Bonanand Doney,2018图4.2)。
  上世纪90年代起,世界气候研究计划(WCRP)耦合模拟工作组(WGCM)组织开展耦合模式比较计划(CMIP)。前两个阶段影响范围局限在气候模式界,第三阶段(CMIP3)起,最新模式结果的公开性大大增加,开始为其他研究团体所用。2008年启动的CMIP5,已经成为政府间气候变化专门委员会(IPCC)报告的重要参考,和国内外气候模式工作组的首要工作之一。当前试验阶段为CMIP6(Eyringetal,2016a),共44家机构参与,中国有7家。CMIP6参与中心及其耦合模式或气候系统模式的情况,能够给出当前此类模式的全球概览。到CMIP6,因为模式元素的不断复杂化,虽然部分参与模式可能仍没有包含生物地球化学循环,在相关文件中有时也被统称为地球系统模式。
  
4.1 耦合气候模式和地球系统模式现状
  CMIP6除了延续常规试验——气候诊断、评估和特征化,以及历史模拟(DECK),还支持了共计23个小的模式比较项目(MIP),针对不同的科学问题(Eyringetal.,2016a图4.3)。MIP的数量从一个侧面体现了地球系统模式各有所长。Balaji等(2017)通过CPMIP(计算性能MIP)项目进行了计算性能的比较,提出模式由分辨率和复杂性进行描述,平台用计算硬件进行描述,并给出计算成本,以及耦合、存储和接口。针对部分地球系统模式的分析结果见表4.1图4.4
  
  
4.2 耦合气候模式和地球系统模式的核心指标
  对于模式分辨率,CMIP3周期的典型水平分辨率为大气250km,海洋1.5°。7年后的CMIP5周期中,缓慢进步到150km和1°。截止到2016年CMIP6的部分模式能实现大气至少50km和海洋0.25°。可能会参与高分辨率MIP(HighResMIPv1.0)的模式的大气及海洋分辨率对比见图4.5Haarsmaetal.,2016)。
  
  对于气候预测相关指标,CMIP6希望实现的其中一个目标是实现及时高效并长期的模式基准测试和评估,使其演变为常规操作(Eyringetal.,2016b)。WGCM会议上,通过了两个将用于CMIP6系统性和即时性能评估的工具the Earth System Model EvaluationTool(ESMValTool,Eyringetal.,2015)和thePCMDI Metrics Package(PMP,Gleckleretal.,2016)。这两个工具选择的指标基于IPCCAR5第一工作组报告第9章(Flatoetal.,2013)。AR5第9章中给出了针对大气、臭氧和气溶胶、碳循环、海洋、杂项、极端的35个指标。
  其他一些指标选择思路如Baker等(2016)对CMIP5部分模式进行的回顾性评估中,选用的是与地球能量收支相关的44个指标。CMIP6的新评估结果在两个工具网站上保持更新。未来,这项工作应该能对气候预测核心指标的选取起重要指示作用。
  世界天气研究计划(WWRP)和世界气候研究计划(WCRP)的次季节—季节预报项目(S2S)选择的关键指标,一为MJO预测技巧,二为天气型转变预测。2013—2017年的第一阶段实施中,10个S2S模式中有7个MJO提前20天预报的双变量相关技巧(bivariate correlation skill)超过0.5,只有1个模式(ECMWF)预报时效达到30天(图4.6)。在天气型转变预报方面,北大西洋涛动(NAO)正负转型预报提前3周,其他天气型的转化提前16天预报(WMO,2018)。
  
  NOAA气候预测中心对季节温度的预报指标如图4.7,2018年1月技巧达到36.9,超过财年目标(26),过去十年实现有效预报的预报所占比例也保持上升(DeWitt,2018)。
  英国气象局季节和年代际预报系统对NAO的冬季预测技巧发展如图4.8Scaife,2018)。1993—2016年间季节预报相关技巧为62%,对下一个冬天预测的技巧为42%(Dunstoneetal.,2016)。认为随着集合成员增加,未来季节预报有可能接近0.8。
4.3 气候预测主要指标的进步和未来指标预测
  根据ECWMF模式对MJO预报时效的发展(图4.9),2006—2016年,预报时效(双变量相关≥0.5)10年约增长12天(Baueretal.,2018)。如保持此进步速度,到2025年能达到49天。
  
  
  2004年美国NCEP纪念全球NWP业务开展50周年召开的学术会议上,美国学者Lord(2004)对那时NCEP的预报水平进行了阐述。在气候预测方面,他用Nino3.4海温距平指标,给出以1997/98年冬季到2003/04冬季的历史回报结果(图4.10(上)),其中提前3和6个月的相关性约为85%和76%(取6个预报指标的中数)。同样指标当前预报也有很多可比的量化结果,比如气候系统历史预报项目(CHFP)集合世界9个中心对1992—2010年历史回报3个月和6个月技巧能达到90%和82%(图4.10(下))(Tompkinsetal.,2017)。这样的对比结果提示我们,在Nino3.4海温距平指标为代表的短期气候信号预测方面,过去15年提前3和6个月的预测水平,相关性分别提高了5%和6%。
  综合考虑,上述相差大约15年的气候预测指数的进展,以及目前指标已经非常接近100%的情况,未来3个月和6个月针对Nino3.4海温距平预测的指标,可能分别可以达到93%和86%(2025年)以及96%和90%(2035年)的水平。
5 针对不同目标天气气候模式能力的比较和发展趋势
  虽然学者认定了业务天气气候预报模式整体能力的核心指标,但是针对特殊的预报因素或预报区域,不同模式的能力如何,同样是重要的模式性能衡量和选择的要素。本节给出这些比较的情形,并对结果进行分析。
5.1 区域预报
  • 中国区域预报——以4—6月南方降水预报为例
  基于TIGGE资料,气科院开展的研究(Huangetal,2017)评估了ECMWF、NCEP、JMA、KMA和CMA五家业务机构的全球集合预报系统(EPS)(图5.1)对中国南方雨季(2013—2015年4—6月)的预报能力。
  图5.2给出了5家机构EPS对4次特大暴雨过程的预报结果。在个例1中,5个EPS都难以预报大于50mm的降水。EPS的表现在10mm阈值处显著不同,CMA得到最高检验评分(treatscore,TS),ECMWF次之,JMA的TS最低。在25mm阈值处,CMA和ECMWF表现最好,而ECMWF给出了更好的频次。个例2中,对10—25mm的降水预报,各个EPS结果相差不大,而NCEPEPS对50mm降水预报最差。个例3中,5个EPS均高估了大于10mm的降水。对于25mm的降水,ECMWF和KMA的TS最高,而JMA严重低估了降水,TS最低。对50mm降水的预报,只有ECMWF和CMA给出了合理的预报。对个例4的预报整体好于个例1和3,在每个降水阈值(10mm、25mm和50mm)上的TS都比较高。对25mm降水预报,ECMWF和NCEP的EPS得到了较高的TS。对50mm降水预报,NCEP表现最优,其次是KMA和ECMWF。总体而言,ECMWFEPS结果优于JMA和CMA,而JMAEPS对于特大暴雨的预报,表现最差。
  所有EPS对个例2和4的预报都优于个例1和3,表明全球模式的暴雨预报有效性与个例选取有关。当暴雨与大尺度强迫有关时,模式可以抓住相关系统的信号,从而预报的更好。
 
  在更长时间尺度和主要影响中国和亚洲区域的亚洲季风重要指标——北方夏季季节内振荡(BSISO)的预报方面,国际参与S2S计划的11个业务模式中,ECMWF和UKMO模式整体表现最好,对BSISO1和BSISO2可分别30天以上和25天进行预报,中国模式系统目前预报的提前时间分别为10天和7天(颉卫华,2017)。
  • 南大洋预报
  位于30°S的南大洋占地球海洋面积的30%,在地球气候系统和全球碳循环中发挥着重要作用。此前的全球耦合气候模式和地球系统模式在模拟南大洋及其在持续的人类活动下的作用和响应方面差异很大。因此研究学者(Russell.etal,2017)基于加拿大CanESM2、澳大利亚CSIRO-Mk3.6、美国GFDL-ESM2M、英国HadGEM2-ES与日本MIROC-ESM及MRI-ESM1共6个地球系统模式耦合气候模式,评估了各模式对南大洋的风、南极绕极流系统(ACC)传输、锋面位置、海冰、热量吸收等多个指标的模拟情况。研究人员指出,尽管这不是严格意义上的模式相互比较,但是希望通过评估结果可以将模式的确定性进行进一步的准确量化。
  图5.3给出了观测和各模式模拟的南大洋纬向和年平均纬向风应力。可以看出,模式都模拟出了向赤道的风应力最大值。尽管每个模式模拟的向北(向赤道的)纬向平均纬向风应力有所不同,但所有模式在南大洋印度部分(55°S~45°S之间)模拟都出了最强的地面西风带。同时,不同模式模拟的最大纬向风范围显著不同。研究还指出,碳和热量的吸收与模拟的南半球西风带宽度显著相关。
  
  海冰偏差反映了海洋和大气中风和洋流驱动的输送异常和热通量异常,近十年来,海冰模式的模拟质量显著提高。图5.4给出了再分析数据和模式模拟的年海冰范围,由图可见,各模式对海冰的模拟差别很大。ESM2M模拟的冰明显少于所有月份观测到的冰量,且夏季几乎没有冰。MRI模拟的冰在秋季增长很快,而CSIRO的模拟结果则是冰在春季融化得不够快。冰层厚度与冰面范围高度相关,在冬季更是如此,大多数模式都模拟了合理的冰层厚度分布。
  
5.2 目标要素预报
  • 北极气旋预报
  随着北极航线的不断开发,船舶航线的设计和部署需要越来越准确的北极气旋预测,尤其是对其位置的预测。研究人员(AkioYamagami,etla.2018)评估了CMC、ECMWF、JMA、NCEP和UKMO集合预报对夏季强北极气旋的中期预报技巧,重点探讨了各集合预报对北极气旋成熟期的存在概率、中心气压和位置的预报情况。
  
  图5.5给出了5个业务机构对2008—2016年夏季10个强北极气象的预报结果比较情况。总体上,ECMWF在预测北极气旋的存在、中心气压和中心位置方面显示出1~1.5天的优势,而表现第二好的机构则取决于预报时效和具体的北极气旋事件。ECMWF(CMC)平均中心位置误差在提前4.5(2.5)d时降至≤469.1km(10个强北极气旋平均半径的一半),其平均中心气压误差为8.8(5.5)hPa。此外,JMA、NCEP和UKMO在提前3.5d时的平均位置误差为≤469.1km,平均中心气压误差分别为9.2、10.7和10.4hPa。综上,业务集合预报系统一般能在成熟期前2.5~4.5d预报北极气旋在469.1km范围内的位置,中心气压误差为5.5~10.7hPa。
  • 热带气旋预报
  数值试验工作组(WCRP)评估和比较了主要NWP业务模式的热带气气旋(TC)路径预报(Yamaguchi,etal.2017;张定媛,2018),截止2016年,共有12个全球模式加入该计划,验证区域扩大到全球范围。中国气象局于2004年加入了该比较计划。
  
  图5.6分别显示了全球、北半球和南半球TC3日预报的位置误差年平均值的时间序列。总体上,在全球和南北半球以及WGNE全球TC分区下,TC位置预报误差都呈现下降的趋势。在全球范围内,基于最近几年三个位置误差相对较小的NWP中心(ECMWF、NCEP和UKMO)验证结果的平均值,利用线性回归分析,发现2004—2014年TC1—5日预报的年平均误差分别减少6.1、8.8、11.6、13.9和14.5kmyr-1。相应地,预报改进率分别为4.2%、3.8%、3.6%、3.2%和2.6%yr−1。值得一提的是,ECMWF预报的优越性在南半球比在北半球更明显。另据WGNE计划的数据,ECMWF对西北太平洋TC在2012—2014年的三年平均5日预报位置误差为385km,而1991—1993年的2日和3日预报误差分别为331和435km,表明在这22年间,TC路径确定性预报时效大约提前了2.5天。
  
  相较于TC路径预报准确性总体上在不断上升,TC强度预报仍然具有很大的挑战性。图5.7给出了2012—2014年在西北太平洋和北大西洋生成TC的最低海平面气压3日预报散点图。其中各中心的平均海平面气压场的水平分辨率是不同的。可以肯定的是,当TC最低海平面气压约为940hPa或更低时,所有的NWP模式都倾向于低估TC的强度。即使在预报初期,强TC强度就被低估。这意味着,随着先进资料同化技术的发展和TC内外观测数据数量和质量的增加和提升,用于资料同化和预报模式的分辨率还需要进一步提高。
  2017年是大西洋和太平洋飓风,特别是强飓风发生较多的年份,其预报如何,是诠释TC预报当前水准的最好的例证。图5.8给出不同机构和模式预报结果。在路径预报方面,虽然ECMWF依然具有优势,但更多的优势体现在96小时即更长时间的预报上,4天及更短时间的预报,水平是否接近。2017年TC预报的一个突破,或许是在TC强度预报上,而且高分辨模式给出了最优答卷。而ECMWF在路径预报上的微弱优势,在强度预报方面却被NCEP业务模式及NOAA研究机构GFDL,也是美国下一代模式动力核心模式提供机构的FV3模式超越。这其中即有一定的不同年偶然性,但是,模式预报TC的能力,在路径上维持缓慢改进,而在之前能力较差的强度预报上性能大幅度提升,或许是一个重要趋势。
  
5.3 模式发展趋势分析
  天气和气候模式的发展,主要以业务预报需求为导向。在当前预报时效已经接近可预报性极限的情况下,借助高性能计算新技术和AI等新手段和思路,以及围绕预报开发新产品支持各种业务服务,成为推动模式预报有效性及其应用的主要手段。其中,新预报量的设计和业务化、下一代预报模式和数据同化技术的研发等,成为目前NWP领域发展的新趋势。
  • NWP水平提升的脚步没有停歇
  ECMWF最新给出了世界领先的5个气象中心2018年和2017年预报指标的比较(图5.9)。其中,在几乎所有的预报时段,1年里的进步都是“可测量”且是正面的。这种模式性能进步的可持续性,无疑是最令人振奋的,也是本报告预测未来更多进步的前提。
  
  • ECMWF推出新预报场
  ECMWF在不断改进和升级其业务预报模式的同时,2018年,在其模式输出端新增加了3个重要变量的模式预报场,以支持更多的模式应用和研究。新增加的模式输出产品是:闪电、总水汽输送和最大对流有效位能。这些新的预报产品提升了服务(如闪电)和天气诊断(如总水汽输送和对流有效位能)利用的可能,对世界各地预报员通过进一步分析,让预报“落地”提供了关键要素分析预报场。图5.10给出2018年5月这3种新模式输出产品的例子。
  
  
  • 模式分辨率继续提升
  ECMWF(2018a)已经明确将其业务集合预报系统的分辨率,从当前的18km提高到5km,而且实验表明,预报系统分辨率的提高,将提升预报的准确性。图5.11给出针对2017年9月Irma飓风强度预报,5km模式试验结果显示出更准确的预报结果。而当集合预报模式的分辨率提高之后,ECMWF当前集合预报系统的模式数量(50个)是否可以大幅度减少,仍然在试验中,目前的试验表明,模式数量的减少会使得中期概率预报的技巧降低。
  • 关键要素提升或许也有有力要素
  ECMWF在其战略里,提及到2025年极端天气提前4周预报的目标,这样的目标看似无法得到可预报性理论的支持,但实际上很多研究揭示了极端事件在可预报性方面,相对所有预报而言,具有一定的优势。图5.12分别给出北半球冷暖事件预报技巧得分,明显好于所有预报的平均得分。
  
  • AI等创新科技应用于天气气候预报
  NOAA利用利器学习改进了预报。研究人员发现,在对环境物理研究的基础上,应用AI可以显著提高冰雹(David John Gagneetal,2015)、雷暴、龙卷风和飓风等高影响天气的预报。
  在企业界,IBM收购Weather Company后,后者的传感器和模式等,为IBM的AI智能平台Watson提供了大量的天气数据。2017年7月报道,IBM的人工智能机器学习系统在云量预报精度上已可以做到优于其他任何模型30%以上,且随着更多资料的输入仍有提高空间(许小峰2018)。此外,IBM还与NCAR开展合作,发展天气预报模式Model for Prediction AcrossScales(MPAS),其是目标是以能够明确预测单个雷暴的分辨率对天气进行业务预测。松下公司多年来一直在研发自己的天气预报模式,并在2013年收购了AirDat,该公司生产安装在商用飞机上的专用天气传感器TAMDAR。2016年松下发布了Panasonic Global 4DWeather,其对2017年飓风“厄玛”4—7天的路径预测是所有模型中最准确的(图5.13)。在气候预测方面,2013年孟山都收购气候公司(Climate Corporation)后,开展了利用机器学习来优化用于农业的天气预测。
  天气相关数据的潜在来源将继续急剧增长,AI、机器学习等创新科技的新进展使气象机构和相关公司更好地利用这些数据成为可能。天气预报永远不可能是真正完美的,但AI将使其在准确性和分辨率上继续提高。
  
6 结果讨论
  本报告主要基于文献研究成果,试图选取反映世界气象中心核心业务指标,给出当前以及未来10年和20年可能的发展趋势,目的是把握世界气象科学发展趋势,促进我国气象现代化建设,特别是在制定未来发展规划过程中,了解世界最前沿的动态。
  1)对标国际领先水平是中国气象现代化不二的选择。对标或对标管理(bench-marking)最早是勘探测绘专业术语,指测量时用一个测点对位另一个测点,这种测量通常是把涂有红白相间的标志杆直立于测点,以便精准量化两个目标点之间的差距。
  本报告梳理了数值天气预报系统核心能力方面国际领先指标,在结合一个或多个机构的进步后,给出过去和当前指标数值,并主要依据过去指标改进的速率,预测给出2025年和2035年两个时间节点,这些指标的国际领先水平,为中国气象现代化进程提供重要靶标。
  2)提高模式整体预报能力需要长时间工匠式的“静悄悄”的累积。本报告着眼于预报预测的核心指标,然而这些反映气象中心整体能力的所谓核心指标,实际上是对一系列研发工作及其综合能力在一个总体上的考量。要有效地提升核心能力指标,WMO天气公开科学会议(WMO,2015)给出至少以下8个方面高水平的研发工作:1)理论进步;2)重大国际外场试验和观测技术(雷达、廓线仪和卫星等)复杂研发互动;3)数值方法挖掘(谱方法、有限元等);4)次网格尺度物理参数化(深对流、云、山脉等);5)大气-海洋-海冰和陆面-水文耦合;6)大气扩散和空气质量;7)地面、高空和卫星观测系统的数据同化;8)高性能计算系统。
  3)中国指标的提高,任重道远。本报告虽然主要致力于国际领先水平预报预测指标的探索,但让中国模式更好对标国际领先水平,是追踪研究的主要目的。图6.1给出基于WMO数值天气预报验证中心数据,中国与日本和ECMWF预报指标的最新对比。从图上不难看出,中国NWP整体水平与世界领先水平的差距:中国目前的整体水平大约相当于日本10年前,而日本与ECMWF的水平在快速接近,但预报指标的季节波动过大。而基于WMOS2S第一阶段总结和ECMWFMJO预报时效的发展回顾(图6.2),中国目前的MJO预报能力与世界先进水平相比,也有很大上升空间。但两张图中反映出的日本追赶世界领先水平的步伐,以及在气候预测中中国占住了自己的位置,也能让中国气象人收获更多的信心。未来10年或20年,不忘初心的中国气象界必须,也有能力靠近那时的气象预报世界先进水平。
  目前世界上领先的数值天气预报机构ECMWF,在酝酿其最新的2016—2025年战略时,前任中心主任作为作者之一,在著名期刊《自然》上发表了评述NWP进步的长篇评述文章,指出天气气候预报技术的巨大进步是“静悄悄的革命”,文后给出的多达100篇文献,这些文献在指明了NWP进步所依据的更广泛领域科学和技术进步的同时,更意味着数值模式能力的提升,需要多领域日积月累的创新研发活动才有可能。
  各国数值天气气候预报系统,无论是从系统本身含金量的角度,还是其在国家福祉和防灾减灾救灾过程中的作用来看,无疑都是国家“重器”。中国气象事业的现代化,这件“重器”在其中的作用不言而喻,完成这件大国重器的铸就,无疑是中国气象人最大和时刻不能忘记的“初心”。