天气预报为什么时准时不准？到底咋算的？ - 开云入口

　　近期，多地频繁出现暴雨、大暴雨、雷电大风等天气，极端气候的频发也引发了公众的广泛关注与好奇：数天后的天气情况是怎么预测出来的？为什么感觉天气预报有时候准，有时候又不准？我国的天气预警预报技术水平到底怎么样啊？

　　围绕这些话题，今天我们邀请北京市气象局高级工程师拉萨进行解读。

　　大家每天看的天气预报，

　　是怎么算出来的？

　　现在的天气预报不再是“看云识天气”，而是一场“数值预报模式 + AI 气象大模型 + 预报员综合研判”的协同作战。

　　在短期和中初期时效内(1-14 天)，预报员经常综合对比各个数值模式的预报，给出最终的天气预报结论。对于短临预报(0–3小时)，则更多依赖雷达、卫星、高密度自动站、风廓线等分钟级乃至秒级更新的多源观测资料，尤其在夏季强对流天气的预报中作用更为关键。

　　1

　　数值模式(NWP)

　　数值模式(NWP)是目前短中期预报的绝对主力。它的计算逻辑是把地球大气切成密集的三维网格点，然后求解描述大气运动的物理方程组(流体力学+热力学)，计算每个网格点上的温度、气压、风速在未来几分钟、几小时如何变化，一步步算出未来 10 天的天气。

　　现在有 10km 左右的全球数值模式，也有精细到 1km 的区域数值模式，北京市气象局最新研发了“分钟级，百米级”的高分辨快速更新的数值模式系统。

　　2

　　AI 气象大模型

　　AI 模型不求解复杂的物理方程，而是“吃”进去海量的历史气象数据(比如过去 40 年的全球数据)，学习“昨天这样的天气，明天通常会变成什么样”的统计规律。

　　一旦训练完成，它预测速度极快(几分钟出 10 天预报)，且在某些指标上已媲美传统模式。但是 AI 模型缺乏物理解释，且预报中存在“平滑效应”，可能会有极值削弱现象。

　　目前我国已逐步构建起基于国产人工智能大模型家族，“风雷”(人工智能临近预报系统)、“风清”(人工智能全球中短期预报系统)、“风顺”(人工智能全球次季节—季节预测系统)、“风宇”(空间天气链式人工智能预报模型)等系列气象预报模型相继问世，部分核心指标达到国际先进水平。

　　其中，“风清”模型原创设计了神经状态转移架构网络，其性能已跻身国际第一梯队；“风雷”作为国内首个具有大气物理方程约束的短临预报业务模型，实现 3 小时预警提前量，雷达强回波预报技巧提升 25%，在多次强对流天气过程中发挥了关键作用。

　　总的来说，依托“数值预报模式 + AI气象大模型 + 预报员综合研判”的协同机制，当前 24 小时城镇天气预报准确率可达 85% 左右，气温误差控制在 1-2℃ 以内，为公众出行提供了可靠保障。

　　为什么会觉得天气预报不准？

　　极端天气预警预报难在哪？

　　有人可能会疑惑，既然 24 小时城镇天气预报准确率可达 85% ，那为什么一遇到极端暴雨、超强台风、突发龙卷风等灾害性的极端天气时，总感觉预警似乎是“慢半拍”，甚至“报不准”呢？

　　事实上，这并非人力可为或不可为的问题，而是极端天气的发生机理、路径等比常规天气要复杂太多，模拟和观测更是困难重重。接下来，我们可以从观测、模式与机理三个层面来逐一分析。

　　1

　　观测的“盲区”与“局限性”

　　许多极端天气(如龙卷风、突发性强对流)具有空间尺度小(仅数公里)、生命史短(从生成到消散不足一小时)的特点。

　　现有的全球观测网络在时空分辨率上存在局限，特别是高空观测(探空气球，一天 2 次，站点较为稀疏)难以实现全天候、无死角覆盖。尤其在高原、山区，观测站点稀疏，致使系统初生阶段的捕捉与监测存在“盲区”。

　　2

　　预报模式的“分辨率”与“物理过程”瓶颈

　　尽管数值预报模式不断进步，但全球模式的网格距通常仍在十公里量级，无法精确解析局地地形(如山谷、城市建筑群)的细微影响。区域高分辨率模式(1-3 公里)可部分改善这一问题，但对云微物理、对流触发等关键过程的描述仍不够精确。

　　3

　　极端天气机理复杂，难以模拟

　　极端降水、冰雹、雷暴大风等强对流天气，其发生发展涉及多尺度环流配合及复杂的地形-下垫面相互作用，机理极为复杂，模式对其的准确模拟和预报仍是世界性难题。

　　跻身国际先进！

　　我国极端天气预警还有哪些难关要过？

　　“十五五”规划纲要将提升极端天气应对能力、加强气象监测预报预警列为重点任务，既是对已有成绩的肯定，也提出了更高标准的期待。

　　当前，我国极端天气预报预警技术已整体达到“国际先进、部分领跑、核心技术自主可控”的水平，特别是在强对流短临预警、台风路径预报和自主数值模式研发等关键领域，具备与国际顶尖机构(如ECMWF、NOAA)同台竞争的实力。

　　在短临预报(0-3 小时)领域，我国已实现“分钟级监测、百米级模拟、AI 智能外推”。以 AI 短临模型“风雷”为代表，它利用深度学习直接分析雷达回波序列，3 分钟内能生成未来 3 小时、逐 6 分钟的预报产品。

　　相比传统外推，它对强回波的预报技巧提升了约 25%，且能有效捕捉雷暴的新生和消散过程，将有效预警提前量拉长到了 1-3 小时。

　　与此同时，北京“睿图-睿思”系统作为短临预报领域的代表，实现了百米级、分钟级的精细化预报，可逐 10 分钟更新 0-6 小时的短临降水预报，显著提升了暴雨、强对流等极端天气的预警精准度。

　　这些模式的协同发力，使我国具备了从 2-3 周延伸期预报到年尺度气候预测的能力——可提前 2-3 周预测全国性重大天气过程，提前 6 个月预测全球气候异常事件，并提前一年发布气候年景预测产品。下面以几个常见的极端气候为例，我们来看看具体成效：

　　暴雨、高温、寒潮预报：智能网格天气预报系统空间分辨率能精细至全国 5 公里、重点区域 1 公里，时间分辨率 1 小时，实现提前 3 至 7 天预报区域性暴雨、高温、寒潮过程。

　　强对流预警：强对流天气也就是我们常说的雷暴、冰雹、短时大风等突发天气，现在这类天气的预警能提前 48 分钟发出，较“十三五”末的 38 分钟提升 10 分钟，为群众避险转移赢得宝贵时间。

　　台风路径预报：台风 24 小时路径预报误差最少至 58 公里左右，稳居全球前列，为沿海地区台风防御精准部署提供了核心支撑。

　　可以说，现在的天气预报不仅能告诉你“要下多大的雨”，更能提前告诉你“危险什么时候来”，让我们有充足的时间去应对。

　　然而，成绩之下也面临着诸多挑战和需要度过的难关。

　　第一是，基于影响的复合型灾害风险预警业务尚处起步阶段，台风、暴雨、风暴潮等多灾种叠加的综合性预警能力不足，气象、水利、应急、交通等部门之间的数据壁垒亟待打通，跨领域协同攻关机制亟需完善。

　　第二是，气象服务融入韧性城市建设的深度仍有较大空间，社会公众的防灾减灾意识和主动避险能力尚需进一步强化。

　　第三是，监测预警服务全业务链条的智能化水平还有待进一步提高，就是预警发布后，如何快速、精准地转化为水库调度、交通管制、停工停课等具体指令，这条“最后一公里”的传导链条仍不够顺畅。突破这些难关，既需要持续的技术攻关，也呼唤制度创新和多部门协同的深度发力。

　　三个维度协同发力，

　　提升极端天气预报预警能力

　　如果把极端天气预警比作一场与“老天爷”的时间赛跑，那么观测设备是“眼睛”，数值模式是“大脑”，而风险产品则是传递到手脚的“指令”。

　　当前，我们的“眼睛”还有盲区，“大脑”的运算精度仍需提升，“指令”传达到具体行动的路径也还不够顺畅。要破解这些难题，进一步提升预报预警技术，笔者认为应该从夯实观测基础、突破技术瓶颈和深化风险认知三个维度协同发力，让整个链条环环紧扣。

　　1

　　补齐观测短板

　　在观测薄弱区域补充地面与垂直观测设备建设，加密布设相控阵雷达、毫米波雷达、风廓线雷达，形成对强对流三维结构的分钟级捕捉能力，同步推进高标准气象站建设，加强新型多源稠密观测产品的应用。

　　2

　　加强核心技术的关键攻关

　　迭代升级北京地区灾害性天气的多时间尺度数值预报核心技术和气象灾害风险预警技术。深化云微物理、对流触发机制、地形效应等基础研究，改进模式参数化方案。加强人工影响天气的精准调控技术研发，探索“防雹增雨”等减灾实践。

　　3

　　从“预报天气”到“预报风险”

　　研发基于影响的预报，不仅要报“雨量 300 毫米”，还要直接输出“哪些小区会积水、水库需不需要泄洪”的风险产品。

　　策划制作

　　解读专家丨拉萨 北京市气象局高级工程师

　　审核丨魏科 中国科学院大气物理研究所 研究员

　　来源：科普中国微信公众号