热门关键字： 宏观解读约稿沈良

一文告诉你，农产品研究中的天气模型怎么看？

虽然技术在不断进步，但几千年以来农业看天吃饭的格局依然没有发生太多变化，谁能想到大明王朝的覆灭背后竟是小冰河期带来的粮食减产？而你家炒菜的油、餐桌上的肉，价格会和横跨半个地球的巴西下不下雨息息相关？大宗农产品的价格分析离不开对气象的研究，如何看懂各种纷繁复杂的天气预测模型则是第一步。

一、天气模型究竟是什么？

简单来说，天气模型是通过计算机运行的有关天气预测的模型。天气模型与其他模型一致，主要由三个部分组成：①初始条件。初始条件即原始数据，需要一组准确的基础数据，完美天气模型的基础数据是了解地球大气中每个分子结构、速度和方向。然而现实中无法实现对每个分子的了解。②控制方程。控制方程最容易的理解方式类似中学的数学函数，原始数据经过数学函数计算过程，可以得到输出结果。③输出结果。经过系统计算得到天气模型的输出结果，通过对输出结果的加工得到我们日常看到的降雨、温度等天气预报结果。

比较完美的天气模型结果需要准确的初始条件和控制方程。天气模型输出结果不准确通常由这2个原因造成。

第一个原因是初始条件。由于不可能得到地球大气中每个分子的结构、速度和方向等数据，只能多搜集更多分子信息。而且不同观测点的测量频率也不相同，如卫星可以30秒测量一次，传统的地面观测通常1小时一次，而传统的高空观测每天只进行两次。全世界不同地区观测点分布也不一致，如撒哈拉沙漠和西伯利亚等地几乎完全缺乏观测数据。观测点数量、频率不一致、人们的观测差距以及我们用来填补这些差距的近似值带来的固有误差是预测不准确的重要原因之一。

另外一个原因是控制方程。即使初始条件接近完美，得出的结论也不一定完美，因为还需要完全准确的控制方程。但是有些情况下，我们知道分子如何相互作用，却无法在数学上完美表达，只能寻找用目前最好的相似可行计算方法，继续进行模型计算，从而得出预测。

在过去的几十年中，天气模型的数据同化和控制方程步骤中使用的近似值所引入的误差已显着缩小，从而提高了预报的准确性。

二、区域和全球天气模型区别？

天气模型分为全球模型和区域模型，两种模型各有优缺点。一个假设“完美”的模型不仅需要在地球表面的每个点上运行这些计算，它还需要运行计算表面以上大气中的每个点。这些点需要花费太长时间才能得到输出结果，无法及时完成预测，所以计算所有点对模型来说并不有效。为解决这个问题，模型只求解大气中某些点的控制方程，忽略点之间的空间，这使得预测能在实际发生之前完成。然而，在这个过程中需权衡重要性。较少的点可以较快完成预测，但准确度低，较多的点预测更准，但需要花费较长时间。

全球模型使用的点在水平方向上相隔大约10公里或6.2英里，各层点之间的垂直距离各不相同，网格间距（点之间的距离）非常适合确定飓风、东北风和暖/冷锋等特征的去向。区域模型以高分辨率运行，适用于较小地理区域，比如可以较准确预测某地区雷暴天气。区域模型仅预测未来1-3天，可以忽略大部分地球大气层，而倾向于对更小区域进行更详细的分析。以下左图为全球模型，右图为区域模型。

全球模型虽然缺乏特异性，但最适合预测大尺度特征，例如中纬度风暴系统和主要热浪/寒流。区域模型最适合用于局部预测，例如某城镇高温天气或单个风暴单元的大致位置。区域模型分辨率要比全球模型高得多。

尽管区域模型和全球模型模型各自存在利弊，但都是宝贵的天气预报工具。与所有天气模型一样，它们只是具有特定用途的工具。若尝试使用全球模型输出预测单个雷暴单元可能会偏差太大，而区域模型无法预测五天后是否会出现明显寒流。

三、EC和GFS是什么，为什么他们有差异？

当前两个最著名的天气模型，GFS和ECMWF都是全球模型，它们都服务于相同的目的，提前3-10天提供大规模天气预测，但它们有何不同以及为何不同呢？

GFS是美国政府在美国国家海洋和大气管理局 (NOAA) 及其附属机构的领导下运行的全球模型。由美国纳税人资助，这意味着任何需要的人都可以免费获得其输出预测。如果想要原始输出数据，可以从NOAA的网站免费下载。

ECMWF（European Centre for Medium-Range Weather Forecasts）欧洲中期天气预报中心是由一个独立的政府间实体管理，并得到 34 个欧洲国家的支持。前身为欧洲的一个科学与技术合作项目。ECMWF组织的建立方式意味着他们可以并且确实对他们的预测数据收费，如果想获取ECMWF原始预测输出，必须付费。

以下图片中左边为ECMWF对天气模型的输出结果，右边为GFS。从中可以看出GFS比ECMWF降水字段像素化程度更高。这是因为GFS以低于ECMWF模型的分辨率运行，这意味着它的网格点位于更远的位置（在GFS模型中每13公里放置一个，而在ECMWF模型中每9公里放置一个）。较低的分辨率通常意味着预测的准确度较低，因为模型不知道更多的大气和地形特征。

一般来说哪个模型更准确呢？

从统计学上讲，ECMWF 始终比 GFS 表现更好，以下为2个模型得分图。但在许多情况下，GFS对于特定风暴预测好于ECMWF，比如GFS早于ECMWF预测热带风暴多利安的形成。2015年1月27日纽约暴风雪，ECMWF预测降雪量将超过2英尺，GFS预测不到1英尺，最终纽约中央公园降雪9.8英寸，GFS预测更为准确。

为什么GFS表现要比ECMWF稍不足呢？主要是由于是ECMWF该组织的职责范围比NOAA的范围要窄得多，天气预报是NOAA使命中关键的一部分，但它只是其总体职责中相对较小的一部分，其中包括更广泛的环境问题，如气候、海洋和海岸的变化、保护和管理其沿海和海洋生态系统等。

两个机构的两种天气模型都为社会提供了价值，承认这一点非常重要。

四、为什么我们同时需要GFS和EC模型？

ECMWF预测结果往往比GFS相对准确，为什么我们还需要GFS呢？

在上述内容中举例了GFS在预测飓风多利安和15年1月纽约大雪比ECMWF更为准确。在许多情况下，GFS对特定风暴系统的预测结果证明优于ECMWF的预测。虽然GFS的预测结果整体不如ECMWF准确，但它仍为预测过程增加价值。强风暴（无论飓风还是温带气旋）的预测对不同干扰处理方式的微小变化极为敏感，两种模型同时运行产生不同结果，对任何干扰可能对风暴产生的最终影响非常重要。

以下为2018年3月的一个例子。左图是GFS在美国东海岸潜在风暴前约12小时对50mb旋涡预测，右图为ECMWF，中间为同一时间的WV卫星图像。用两种模型与现实卫星图进行比较，可以分清当前哪个模型能更好处理正在发生的情况。无论哪种模型对现在发生的事情有更好的处理，通常都会在预测方面做得更好。通过两种模型与WV图对比，这次ECMWF在处理五大湖和美国东南部相关扰动优于GFS，增加了其对大风暴预测的信心，最终风暴成为美国东北部地区的重磅炸弹，缅因州的山区测量到两英尺多的降水。

除了实际的预测应用外，GFS还因其开放访问和支持许多其他专业模型而具有价值。任何人都可以利用GFS生成的数据流进行自己的预测，或支持自己的区域模型。比如在运行佛罗里达州的区域模型来预测雷暴，那么需要一些信息来告诉模型如果在大西洋数百英里外形成的飓风会影响该州的预测结果。

由于获取ECMWF数据的成本如此之高，大多数区域模型和几乎所有大学团体或其他组织尝试测试的实验性区域模型都是在GFS提供的边界条件下运行的。

两个模型都很重要，不仅因为它们提供了预测，还因为它们有助于暴露彼此的弱点，使预测者能够做出更明智和准确的预测。

五、天气模型的局限性？

天气模型预测的错误之所以出现，是因为我们不知道大气中的每个空气分子在做什么。即使我们知道了，我们对这些分子如何在不同尺度上相互作用也并不完全了解。即使我们确实了解，我们也没有足够强大的计算机来计算所有这些分子在一段时间后可能达到的程度。考虑到天气预报任务的复杂性，即使天气模型非常好，但它们永远不会完美。

民众大多时候感觉不到天气模型预测的错误结果，比如明天出门是否需要多穿衣物，出门游泳会不会过热等，这是天气模型擅长的事情，因为预报37度而实际只有35度人们并不会注意到明显变化。

下图为两个模型对飓风的预测，左图为ECMWF，右图为GFS。飓风路径预测中的微小差异（<100英里）对路径上的人来说非常重要，因为如果在飓风路径上的人会做相当充分的准备，而如果预计离路径超100英里的人准备可能会相对较少。当预测大型风暴、雷暴、龙卷风等重要灾害时，小的预测错误也会相当明显。模型错误总是在发生，当这些错误变得严重时，重要的是求助于具有相关专业知识的人类预报员以解决问题。