基于信息数字化的气象灾害临灾预测预警的方法及应用

游娜　陈刚毅

摘 要：我国地域辽阔，地形多样，气候特征也呈南北差异性，每年因气象灾害造成的损失占所有自然灾害造成总经济的71%。灾害问题是一个快速变化的问题，现行的科学体系更多的是研究不变性的问题，所以在解决灾害问题方面还有一定的局限性，文章采用信息数字化的方法理论和技术体系，对灾害的性质进行了定义，并将这套具体理论和技术体系运用到气象灾害临灾预测预警中，实现整个灾害链的联动协调。实现整个灾害链协同效应最大化最有效的方式就是临灾的预测预警，同时也是应急管理的重中之重。

关键词：信息数字化；气象灾害；预测预警

引言

我国是世界上灾害最严重的国家之一，2013年，全球约20，000人在自然灾害中丧生或失踪，自然灾害引发的相关损失约为1，310亿美元，这些自然灾害大多是风暴、水灾和其他严重的天气事件。据统计，我国每年由自然灾害造成的经济损失占国民经济总收入（GDP）的5-6%，气象灾害所造成的损失占所有自然灾害造成的总损失的71%。我国地处亚热带季风气候区，降水时空分布不均匀，旱涝灾害频繁发生，以有文献记载的严重自然灾害为例，从公元前1766年至公元1936年，我国发生水灾1058次，旱灾1074次，平均每年发生洪涝或者旱灾1.42次。在全球气候变暖的条件下，极端天气发生的概率还在增加，整个长江流域的洪涝灾害出现地更频繁，区域性严重干旱、冰灾雪灾等出现地概率也在增加。

国家的“十二五规划”第二十六章“加强山洪地质气象地震灾害防治”中明确指出加快建立灾害调查评价体系、监测预警体系；加强对重点突发性地质灾害隐患实施监测预警；加强气象灾害监测预警预报和信息发布系统建设。经过五年的建设，国家在防灾减灾方面也取得了很大的成就，特别是对灾害风险的评估、灾害信息的发布以及灾后救助方面进步很大，但是在临灾预测预警方面还存在着不足，这也是今后防灾减灾的重要工作之一，最有效的防灾减灾方式就是临灾预测预警。

1 气象灾害临灾预测预警的研究进展

现行的国内外对气象灾害的预测预警更多地是建立在气象资料同化，数值预报模式以及先进的监测技术的基础上，利用先进的监测技术采集资料和实时监测，对所采集的资料进行同化，然后依据现有数值预报模型得出的结论进行预报。这是现在的灾害预测预警模式的一般思路。

資料采集运用了现代的先进的监测技术，主要有北斗系统、卫星、雷达、GPS、无人机、风廓线、自动站、微波辐射计等等。随着科学技术的发展，各种监测仪器的分辨率、监测的技术、计算机性能等方面的提高都可以使获得的资料更加的精细和准确。

资料同化是现行对气象资料处理最常用方法，资料同化在数值预报中占有特殊的重要地位。[1]资料同化方法已经从早期的逐步订正法（SCM）、最优插值法（IO）发展到现行的三维变分发和四维变分发以及Kalman滤波法。[2]气象资料三维变分同化对计算机资源的要求相较于四维变分同化要低一些，且在被业务化方面也比四维变分法有优势，现在已被运用到世界各国的气象业务系统中。[3]中长期天气研究与预报模式（The Weather Research &Forecasting Model ，WRF）的同化系统（WRFDA）是已经发展得相对来说比较完善的气象资料三维变分同化系统，在业务中应用效果较为突出，我国的MM5模式也用的是三维变分同化。

数值预报模式在灾害方面的运用更多的是利用数值天气预报对可能出现的灾害天气进行预测。20世纪50年代Charney在美国、Rossby在欧洲建立数值天气预报业务，这标志着天气预报已从传统的半经验方法，发展到以大气科学理论为基础、通过高性能计算平台模拟计算得到预测结果的数值模拟方法。[4]所谓数值预报是在初值和边界条件给定下，通过数值方法求解描写大气演变的运动方程、连续方程、热力学方程、状态方程和水汽方程组成的非线性方程组来预测未来大气运动状态和天气现象的方法。[5]对于非线性方程组，只能利用数学离散化的数值差分计算方法进行求解出近似解。[6、7]国外基本上普遍使用的是欧洲模式，加拿大模式，美国的NCEP/GFS和日本的JMA模式等，中国气象局目前已向全国气象局台站下发预报产品的有欧洲中心细网格模式、日本模式、T639、T213、德国模式等。

2 气象灾害预测预警分析理论与方法

灾害问题是一个快速变化的问题。[8]灾害与变化信息数字化及其业务系统，在认识和方法体系上属于演化科学或称为信息论的“变化信息论”范畴，并其研究和实施的技术不同于不变体系，遂有该体系的基本认识观念、理论和技术路线均不同于当代科学体系。

2.1 基本原理

任何观测体系获得的信息都存在“非规则性”，作为实在的“变化事件”，不应当采用数量平滑等方法消除其对应的“变化信息”。针对工程破坏的动力灾变和灾害预测的业务需要，对于事件变化必须明确变化的过程性和事件发生的先兆事件（知所先、后）。信息数字化的观点认为“非规则信息是变化信息，不能作为不确定性或随机性而沿用数量方式消除或削弱观测到的信息”。按“变化事件”启用“非规则信息”，可以应对突发性灾害。在实际业务软件（Blow-op）应用中启用了“反序构”技术（将传统的“气压、温度、湿度和风”的信息“序”，改为“风向、风速和湿度”的信息序，并不使用气压系统），实践结果显示了灾害天气预报的超前性。特别是“风向”要素的启用，揭示了大气“滚流”的作用。即顺滚流上升和逆滚流下沉，构成了高低、压系统出现前，即获得了可以先于气压系统的预测天气现象的技术。在实践中发现了大气对流层上空“超低温”的非规则变化信息，“超低温”属于非规则信息中最为突出的非规则变化信息，“超低温”的发生区，正是大气运行中发生扭曲变化带（扭结）的数学三阶导数问题。当代的所谓数学模式中，恰恰没有包含三阶导数的“扭结”而成为当代科学体系中的没有触及的问题。[8]没有三阶导数的数学模型，必然不能触及灾害的本质，现行的科学体系在解决灾害问题方面必然还存在一定的局限性，亟待一种新的理论方法—信息数字化方法来解决灾害问题！

2.2 方法体系

信息数字化的方法启用了变化信息和变化事件，无论是变化信息还是变化事件均不属于当代科学体系中的“物理量物理学”，而是隶属于事件（变化事件）物理学，所以必须研究事件变化的过程性，并涉及了变化信息的过程性。遂启用了 “数字化方法”，实质是深入到事件性质的“唯象论”，或称为不限于形式的“唯量论”的初值外推体系。[8、9]从而使大气预测理论和预测技术真正进入预测化。

气象灾害临灾预测预警的具体方法体系是对大气常规探空信息进行数字化分析并对灾害的强度进行预测，然后配合自动气象站测得的非常规观测信息利用非规则信息数字化（相空间结构转化）方法对灾害的落时落区做出具体的预测[8]主要就是将常规大气探空信息应用到应用软件（Blow-up）上，再通过其结构化的图形V-3θ图上反映出来的风速风向、水汽分布、热力分布、超低温等信息对大气的垂直稳定度、滚流方向以及降水量等要素进行分析，对灾害的强度做出预测；再配合自动气象站、雷达、卫星等非常规的观测得到的数据通过非规则信息数字化（相空间结构转化）的方法对风速、风向、湿度、温度等要素进行更加精细化的分析，从而对灾害的落实落区做出预测。这两种方法配合使用则可以使气象灾害临灾预测预警取得较好的效果。具体如图2所示。

3 临灾预测预警应用

气象灾害预测预警体系在冰雪、冰雹、沙尘暴、雷暴、局部强降水、山洪泥石流、暴雨和雪灾以及雾、高温等方面可以应用，并且在实际应用取得的效果较好；2008年南方雪灾，欧阳首承教授对其持续时间做出为期15天的预测，并且对落时落区把握准确。[10]在中长期气象灾害预测业务分析软件系统研究与开发（含冰雪、干旱预测）中可以将此模块嵌入其中，这将使气象灾害预测进入一个新的纪元。对人工降雨作业业务分析的时间和地点把握也可以运用该技术体系。下面以北京2012年7.21特大暴雨为例阐释这套理论体系的具体运用。

北京市经历自1951年有完整气象记录以来最大降雨，截至2012年7月22日17时，北京市境内因暴雨灾害共死亡37人。此次造成惨重损失的强降雨于7月21日上午10点左右来袭，一直持续到次日凌晨。截至22日凌晨两点，北京城区降雨量达215毫米；降雨最大点在房山区河北镇，降雨量高达460毫米。

图3是2012年7月19日08时北京站的结构图，低层出现多次折拐，说明大气垂直稳定度不好即大气出现不稳定；低层盛行偏南气流，但是在700hpa处是偏北气流，沒有构成一个完整的顺滚流结构，中高层水汽不是很丰富，高层超低温不强，但是整体降水结构已经形成并且可能出现雷暴天气。图4是7月19日20时的北京站的结构图，与早上08时的图对比，700hpa的风速减小，低层偏南风风速增加，水汽来源比较丰富，高层300hpa处超低温有弱加强，且低层折拐明显比08时多，由于夏天温度高，地表吸热比较快，热力条件比较好；图5是7月20日08时的结构图，此时700hpa处风向出现偏转，图6是7月20日20时的结构图，700hpa处的风向从东北风转为明显的西北风，超低温加强，构成了一个西风一致的整体顺滚流结构，并且整层大气出现多次折拐，大气层结非常不稳定，此时降雨已经开始。

图7是北京站7月21日早上08时的结构图，高层超低温明显且成折拐状，超低温非常强，整层风速都较20日22时的风速大，暖湿气流输送增快，且出现了一个“蜂腰状”的雷暴结构，此时降雨量要增加至少一个量级。图8是北京站西边的一个站点，这个图上的超低温折拐明显，700hpa处出现了层云，低层西南气流比较充沛，大气层结不稳定，也是在降雨。图9是太原站21日08时的资料，太原位于北京站的西南边，此站点西南气流已经到达400hpa，在700hpa处风速达到16m/s，湿度条件配合比较好，高层超低温折拐明显，且在400hpa-500hpa处出现冷性层云，此时太原站的降雨量应该是大暴雨的量级。图10乐亭站在21日08时也出现了暴雨结构。即北京周边站点都是大暴雨结构，降水的动力条件和水汽条件具备，从周边站点以及北京站的情况来看，此次降雨过程很明显的是从西边移过来。经实况检验，北京此次过程是从西边移过来的（图11是北京降雨实况图）。按照V-3Θ结构图显示，在早上08时就基本上可以做出暴雨橙色预警，而不是在下午4点洪灾已经发生，才发布暴雨橙色预警。

4 结束语

无论是北京的7.21特大暴雨还是2014年发生的鲁甸、康定、景谷地震，都使人们意识到灾前预测预警与灾后救助是灾害链上两个不可或缺的环节，有效的临灾预测预警是灾害链的上游，在临灾预测预警上游这个环节做好，处在灾害链下游的灾后救援的任务和难度将会降低很多。灾害应急管理的任务是降低风险，减小灾害带来的损失，实现整个灾害链的协同效应最大化。最有效的防灾减灾在于临灾的预测预警和正确的应急决策，临灾预测预警应更是应急管理的重中之重。

参考文献

[1]薛纪善.气象卫星资料同化的科学问题与前景[J].气象学报，2009，67（6）：903-911.

[2]刘君，董佩明，黄江平，等.卫星资料循环同化对区域数值预报效果影响分析[J].气象，2013，2：156-165.

[3]潘江勇，李发明，荆大为，等.WRF数值预报模式气象资料的同化处理与对比分析[J].安徽农业科学，2010，38（17）：9098-9102.

[4]程正泉，廖代强.数值天气预报模式产品在预报业务中的应用[J].广东气象，2012，34（4）：1-5.

[5]何斌，李云泉，范晓红，等.四维同化技术在区域数值模式中的应用研究[A].第六届长三角气象科技论坛论文集[C].2009：88-94.

[6]俞小鼎，周小刚，王秀明，等.雷暴与强对流临近天气预报技术进展[J].气象学报，2012，70（3）：311-337.

[7]丑纪范.大气科学中的非线性与复杂性[M].北京：气象出版社，2002.

[8]林益（美）.信息数字化与预测[M].欧阳首承，陈刚毅，译.北京：气象出版社，2009.

[9]欧阳首承.天气演化与结构预[M].北京：气象出版社，2002.

[10]欧阳首承，陈刚毅，张葵.2008年1月份的中国南部的雪害、冰灾浅释[A].2008中国气象学会年会论文集[C].2008：768-773.

作者简介：游娜（1989-），女，籍贯：湖北云梦，成都信息工程大学管理学院硕士研究生，主要从事灾害应急管理研究。