延伸期预报中的可预报性浅析
2019-07-20金荣花宗志平蔡芗宁周宁芳
马 杰,金荣花,宗志平,蔡芗宁,李 勇,周宁芳,尹 姗
(国家气象中心,北京100081)
2016 年春季到夏季,受超强厄尔尼诺事件影响,西北太平洋副热带高压主体偏强,使得我国南方地区入汛早、汛期强、降雨频繁,中东部地区先后经历了近30 次显著降雨过程,影响范围之广、累积降雨量之大,均对现有的延伸期时效预报保障能力造成了严峻挑战。为此,当年12 月我国召开了首次“全国延伸期预报技术交流会”,针对当年汛期出现的问题进行回顾,反思现有预报服务存在的薄弱环节和不足,提出了要建立基于可预报性的中期延伸期预报体系。
2016 年梅汛期前后共经历了6 次大范围降雨过程。在延伸期时效,针对各降雨过程的发生及其起止时间,预报提前时效平均达到了16 d 左右,然而针对降雨落区尤其是雨带位置的预报,却存在明显不足。以6 月30 日—7 月4 日的降雨过程为例,它为入汛以来最强降雨过程。6 月12 日发布的延伸期预报就对其进行了准确预测。但直到中短期时效(甚至24 h 时效预报),主流数值模式以及主观预报均指出强降雨将集中在淮河一带。为此,国务院、国家防汛抗旱总指挥部、中国气象局及相关省市均极为重视,投入大量人力物力积极应对。而实际强降雨却稳定在了长江中下游沿江地区。武汉更是连续5 d 出现大到暴雨,开启了“看海模式”,长江下游的太湖水位严重超警。2016 年7 月18—20日也出现了类似的情况,四川盆地、江汉至华北、黄淮一带的大部地区普降暴雨或大暴雨,局地更是特大暴雨。北京大兴、河北井陉等22 个县市雨量突破了历史极值。该过程中主雨区从长江流域迅速北跳到华北一带,在前后2 d 时间北跳近10 个纬距。雨季转换如此迅速,中期延伸期时效的所有数值模式均未准确预报,造成了预报再次出现了重大误差。
两次重大降雨过程间隔时间短、影响大,且均出现了明显的预报误差。暴露出对延伸期理论研究认识以及在业务实践中存在着薄弱环节,如作为预报对象的雨带位置,其可预报性如何?数值模式预报性能又如何?
因此,有必要对可预报性在延伸期时效应用进行回顾,为以后的预报服务提供借鉴。本文第一部分介绍延伸期时效可预报性的来源;第二部分给出数值模式预报水平及其现状;第三部分阐述业务预报思路及可预报性产品;第四部分介绍延伸期预报的应用领域;第五部分,探讨未来发展之路。
1 延伸期时效的可预报性来源
可预报性指某一系统的预报时效存在的上限。在延伸期时效,大气环流受到初始场和外强迫场(如海洋、陆面、平流层等)的共同作用。在前者的影响下,中纬度地区逐日天气预报的可预报上限一般在2个星期左右。也就是说,当预报时效超过2 周,预报准确率将接近随机猜测的水平。这主要是由于,大气是一个复杂的非线性系统,其存在内在随机性[1-8],随着预报时效增加,随机性将会使得预报完全失去技巧。而在外强迫场的影响下,大气会产生某些准定常系统。这些系统具有较长生命周期,信号持续性明显比日变化天气更长,同时还对天气尺度系统有影响。因此在后者的影响下,延伸期时效某些特定的天气过程往往具有较好的可预报性。
目前公认延伸期时段的可预报性来源主要有:
1.1 热带季节内震荡模态(MJO)
MJO 不但影响热带地区,而且还作用于中高纬度地区环流[8]。研究表明,MJO 内在的30~70 d 周期模态,对热带外地区环流系统有显著的影响,尤其在冬半年,通过激发向极地方向传播的Rossby 波,作用于1~4 周时效的中高纬度环流系统[9-11]。因此一直以来,MJO 被认为是全球延伸期时段最重要的可预报性来源。
1.2 土壤湿度
全球陆—气耦合试验表明土壤湿度的信息可以持续数周时间,并通过影响蒸发及地表能量的传输来影响气温。研究揭示,在一些特定区域的特定时段,土壤湿度对延伸期时效的地表温度和降水预报均有显著影响。比如在北美地区,更为准确的土壤湿度初始场对地面温度和降水预报准确率有较明显的提高[12]。
1.3 雪盖
在冬半年,欧亚大陆分布着大范围的雪盖。它通过影响太阳的短波辐射、地面向外的长波辐射以及地表的热导性,进而作用于当地天气、气候[13-14]。数值模拟表明,当在初始场中增加雪盖(雪深)信息后,东亚、俄罗斯西部、加拿大西部等地区的1~15 d 至2 个月左右的潜在可预报性将明显提高。当雪盖偏强时,代表其覆盖范围和深度偏大,意味着反射更多短波、释放更多长波辐射,进而造成近地面温度偏低、湿度增加。而当雪盖融化时,不但会吸收大量的潜热,同时还会向土壤中释放水分,影响陆面的热量平衡、水循环,并造成气温的降低。研究还表明,很多高纬地区雪盖对局地气候的影响较海温更为明显[15]。此外,分布广泛的雪盖还通过影响环流系统,进而作用于较远的其他区域,如10 月欧亚大陆雪盖强度与整个冬季的AO 指数存在密切联系。
1.4 平流层—对流层相互作用
Baldwin 和Dunkerton[16]指出当平流层增暖时,平流层出现异常的纬向风并向对流层传播(图1a),进而造成对流层内NAO(North Atlantic Oscillation,北大西洋涛动)的负位相或AO(Arctic Oscillation,北极涛动)型环流分布。此外,该影响机制在平流层和对流层之间存在着3 个星期左右的时间差。基于这一特征,可以制作时效在3 个星期左右的延伸期预报。2019 年1 月,欧洲和北美出现了的大范围极端低温降雪事件(图1b),就源于一次典型的平流层增暖现象。如图1b 所示,围绕在极涡边沿的纬向西风不断减弱,最终形成东风气流,这一异常信号在垂直方向还随时间不断向下传播,进而影响到了对流层。在季节和更长时间尺度上,很多研究者已经基于数值模式再现了平流层异常纬向风与NAO 和AO负位相之间的相互作用[17-19]。
图1 平流层—对流层相互作用机制示意图(a)和沿60°N 纬向平均的风(纬向风)时间序列(b)
1.5 海洋
海洋方面,最显著的影响因子为ENSO 事件。赤道地区海洋通过“大气桥”的作用影响全球其他地区海温。赤道外地区的大气—海洋/海冰通过相同机制对PNA/AO 等遥相关型区域具有某种微弱的调制作用。这一机制存在于延伸期到季节时间尺度[20-21]。Weber 等[22]通过数值模拟试验指出,在初始的一个月内,海温的缓变机制是维持预报技巧优于气候信号的重要因子(图2)。
此外,很多研究者指出北半球延伸期时效预报技巧与遥相关型关系密切。尤其是冬季,温度和降水的分布受三大遥相关型控制,如PNA 型[23-25]、NAO型[25]、以及AO 型[26]。同时遥相关型之间,如PNA 和NAO 在次季节尺度同样存在密切联系[27]。
图2 大气环流变化各强迫因子示意图
2 延伸期时效数值模式预报水平
受制于科学研究和计算能力的发展,长期以来延伸期时效的预报准确率普遍低于短中期天气预报和短期气候预测。这主要是由于,一方面传统的天气模式未考虑海洋、陆面等下垫面的影响,另一方面气候模式则由于计算资源、成本等的考虑,分辨率往往较低,同时对天气尺度信息忽略不计[28]。因此造成了传统的天气数值模式和气候模式均在延伸期时段预报准确率较低。近些年来,随着计算机运算速度的迅猛发展,天气数值模式不断发展,嵌入了海温、陆面等外强迫信息,相应预报时效和水平不断提升[29]。10 d 内ECMWF 模式预报准确率稳步提升(图3)。
图3 ECMWF 模式不同预报时效的预报评分
2004 年,欧洲数值预报中心开始正式发布延伸期时效天气预报。最初每两个星期更新一次,到2011 年已经实现了每星期一和星期四各发布一次。产品形式以趋势预报、概率预报为主。趋势预报即某一段时间平均的状态,如累积降水量、平均温度等,以及相对于气候态的情形,如温度偏高、偏低,降水偏多或偏少。这主要是考虑到大气低频或缓变部分可预报性较长,因此一般选取逐周或逐侯的平均。它过滤了逐日天气变化的噪音,实践也证明其可预报时效超过两个星期(图4)。概率预报,即基于集合预报多成员信息,给出某种预报特征的概率。如温度偏高的概率、降雨偏多的概率等。
近些年来,集合数值模式无疑发展为延伸期预报的基础。研究表明,虽然延伸期时效预报的不确定性明显,然而采用集合预报有利于克服传统的单一预报的不足,同时提高了预报的效果和可靠性。图4给出了近些年来延伸期时效模式预报水平的变化,不难看到12~18 d 预报技巧在2005 年后进步明显。
图4 ECMWF 模式周平均500 hPa 高度场的预报评分时间序列
3 延伸期时效可预报性评估
在延伸期预报业务中,预报员需要在多个环节衡量预报对象的可预报性大小。比如预报产品的制作,往往要参考多种数值产品,并提炼其中的有用信息,最终形成多种预报产品和决策服务材料。这一预报过程,概括起来包含3 个步骤:(1)对多个模式以及同一模式的不同预报员得到的结果进行比较分析,并结合前期数值模式性能、前期观测实况和历史背景(包括历史相似个例),预报未来可能的环流形势及其距平分布型。这一预报思路也体现在超级集合预报系统中,即在一定时间窗口内,给予不同模式的权重不同,最终给出多模式集合后的最优预报结果。即衡量各个模式在过去一段时间的可预报性大小。(2)基于不同时空层次的环流分布特征和演变趋势,判断未来降雨(如主要雨带位置)、累积降水量和温度相对于历史同期的距平分布、主要天气过程类型、发生起止时间,强度和范围等。如冬半年的冷空气过程,有时可预报性高,对冷空气强度、路径、影响范围,数值模式提前2 周左右就给出了稳定、准确的预报;而有时可预报性很低,模式预报的冷空气强度等不断调整,直至临近时刻才趋于稳定。有经验的预报员会根据预报对象,关注中上层的天气系统(如冬季冷空气过程,与极涡位置、强度等有很好对应;夏季降雨过程与西风急流及南亚高压关系密切),因为其可预报性一般高于低层。即衡量预报对象的可预报性。(3)分析模式不确定性信息,给出所关注系统变化特征等的概率,提供相关结论供决策服务参考。总而言之,在延伸期预报过程中,预报员需充分考虑预报对象的可预报性。
延伸期时效的客观预报产品,也包含了可预报性的信息。国外预报中心,如ECMWF 和NCEP 等基于集合预报,也开发了多种展现不确定性的产品(图5,邮票图、箱须图、离散度图)。如针对逐时次(日)预报,当各个成员预报结果差异明显时,离散度的大小往往是一个主要的定量化指标,当离散度较小时,认为可预报性高,反之亦然。具体到延伸期时效,周平均产品的可预报性,则对应有距平概率值。
延伸期极端天气的预报,欧洲数值预报中心首先基于历史回算资料,开发了众多变量的EFI 指数产品以及环流型可预报性产品[30]。当出现4 类环流型时(图6),欧洲地区易出现极端天气过程。数值模拟表明,NAO 两种位相的可预报性最好,其可预报时效均超过了10 d(图7)。
4 延伸期预报的应用
延伸期作为无缝隙预报的重要组成部分,具有显著的经济价值[30]。目前,各国均在不断加大投入,世界气象组织更是启动了次季节到季节尺度预报计划(S2S)。伴随着预报准确率的不断进步,延伸期时效预报产品所应用的领域不断拓展,目前在能源、农业已经体现了巨大的潜在价值。
4.1 能源领域
天气是影响能源价格波动的一个重要原因,能源的生产和消费均易受其影响。近些年来,可再生能源迅猛发展,使得能源市场对天气和气候变化愈发敏感。统计表明,2013 年美国国内13%的电力来源于可再生能源,预计到2035 年,电能、风力和太阳能等清洁能源比例将上升到80%。因此,很多国家级的能源公司均与气象公司保持着密切联系。延伸期时效的预报,既影响能源需求,又联系着能源的运输和调配。风力、光照、水文等的延伸期概率预报,有助于能源调度和交易、稳定能源成本和消费。
4.2 农业部门
图5 ECMWF 模式台风路径、强度以及单点10 m 风场、海平面气压的概率预报产品
图6 欧洲—大西洋地区冬半年极端天气对应的4 类环流型
图7 数值模式对4 类环流型的预报水平
自古以来,农业领域与天气变化息息相关。农田操作中的种植、灌溉、施肥、收获等时间节点均与短期天气变化关系密切。季节尺度的预测则在宏观上影响着作物的选种和耕作面积。延伸期预报所扮演的独特作用有助于连接上述二者之间的缝隙。尤其是,10 d 以上的有效预报信息将延长对农产品价格分析窗口,帮助农户提升对产量、库存、市场行情的预估,决定产量是短缺还是过剩。在期货市场,其地位更为重要,不但影响操盘手宏观判断,而且决定着期货、远期合同、对冲等。准确的延伸期时效决策信息,可以使用户对价格的不确定因素有更好的把握,揭示更多影响生产和供应者的风险。对农业循环过程中其他参与者也是有利的,有助于他们更好进行市场风险管控。
4.3 零售行业
在季节变化因素中叠加考虑延伸期天气变化,比如飓风/降雪对零售业库存有巨大的影响。大数据分析表明,流通类销售额的65%取决于天气,因为天气直接影响人的生理、心理,支配他们的消费行为。气温相差1 ℃或降水量增减1 mm,都会明显影响商场和客流及销量的变化,这也就是经济学界所谓的“一度效应”。在德国,气温超过22 ℃,啤酒开始劲销,气温每上升1 ℃,大瓶装的啤酒每天会多销230万瓶,德国气象公司由此开发了相关的“啤酒指数”。此外,还有乘车指数、冰激凌指数、泳装指数、食品霉变指数等,商家可据此提前制订生产营销计划。精明的商家根据天气预报的情况,就能提前确定库存和商品品种,以利用气温、降雨等变化增加销售量。
5 未来技术发展趋势
延伸期预报,要求对海量预报数据进行快速提炼,分析其中的可预报性信息。目前大数据和机器学习方兴未艾,探索它们在天气预报、政府决策及商业服务中的应用将是未来一个重要发展方向。每天气象卫星、飞机、观测站、轮船和卡车、手机上的传感器等实时收集的观测资料、数值天气预报资料、以及近百年的历史资料,共同组成了一个海量的气象数据库,为大数据的应用提供了一个很好的平台。美国NOAA (US National Oceanic and Atmospheric Administration)通过研究指出AI 技术提高了多种高影响天气的预报能力[32],比如强对流、飓风、海啸。另一方面,AI 技术也提升了天气预报在商业领域的应用,比如在风能、太阳能、能源和航空业。IBM 加强了与气象公司的合作,研发了Deep Thunder 系统,为商业合作伙伴提供0.2~1.2 km 分辨率预报。据统计发布的72 h 风暴预报,减少了70%~80%的经济损失。Panasonic 公司2013 年收购了AirDat 公司,发布自己的Panasonic Global 4D Weather,并宣称其风暴预报优于任何数值模式。孟山都公司收购了气候预测公司,研发出HydroBio 软件,用于提高水资源的使用效率,并指导农业种植。
数值预报作为现代气象业务的基础,在延伸期预报中扮演着不可或缺的角色。未来数值模式的发展除了时空分辨率不断提高外[33-34],天气—气候一体化已成为国际主流,如英国的一体化模式系统,美国GFDL 发展的CVS 预报系统。