导读：生活中，我们经常发现天气预报出了错， 为何预报员们总是做不好自己的工作？别着急，让本文作者告诉你做一次天气预报有多不容易。
关键词：天气预报；不确定性；模型；观测
2013年11月5日的一张地表天气图。
“天气预报总是错的！”是来自各行各业人们的共识，有时它甚至会成为新闻头条，因为那些引人瞩目的政客和足球教练们会为错误的预报而责怪天气预报员。
当预报出错时，人们倾向于迁怒信使，但如果今年夏天在你野餐时突然下雨了，我们建议你“放过”当地的天气预报员。从整合温度、气压和风速数据，到解读尚不完备的天气模型输出结果，中间有太多地方可能出问题。天气预报是一门被误解，常常被中伤的科学，它可以用来帮助理解气球是如何飞行的、复杂的运算，以及，没错，加上一点点人为判断，就变成了你在电视或者新买的iWatch上看到的天气预报。
气象学绝非猜谜游戏。当气象学家们在仔细研究一张有着稀奇古怪符号的天气图，或者更现代化点，一个色彩缤纷的电脑屏幕时，他们可不是在进行茶叶占卜——他们是在分析复杂电脑模型给出的数据结果。然而，展现出来的结果却必须是简单的。正如《12小时新闻速递》频道的气象学家Adam Epstein所说，“人们喜欢看到一个简单数字。”
让我们从已知的东西入手。在我们预测未来之前，我们先要知道当下的大气情况如何。实际上，天气预报的一大关键就源自对初始条件的解读，也就是天气模型得到的当下天气条件。看上去很简单，对不对？任何一个拥有温度计外加方向感良好的人都可以告诉你目前温度多少，是否在下雨以及风向如何。但仅仅具备表面条件还不足以做一个优秀的预报。
真正关键——也是气象学家关心的——则是地面7英里以上的大气。现在你看到问题在哪里了吧？我们根本没有方法得知从这里到大气层顶之间任意地点任意时刻的气象数据。
（图片来源：Pixabay）
幸运的是，有一个方法可以部分解决这一问题：在北美和太平洋岛屿地区的92个站点均会投放配备无线电探空仪的气象气球，一天两次，而这仅仅是全球高层大气观测网的一小部分。随着气球不断上升，它会记录下气压、气温、风速和风向是如何随着高度变化而变化的。
不幸的是，仅仅92个站点无法绘制出大气状况的全貌。以印第安纳州为例，离此州最近的两个高层大气观测站，分别位于俄亥俄州的威尔明顿和伊利诺伊州的林肯，相距310英里。这毫无疑问是观测网络中的一块空白。
在使用这些数据之前，这些空白地区必须被填上数据。技术千变万化，但结果却不变：填充的数据只能大约估测出站点之间天气变量的变化。这便是气象学家需要解决的不确定性的第一层。
在预测天气时还有一个重要变量：天气系统在不断移动。目前位于美国东部上空的天气系统在一周前也许位于太平洋上空。你可以想见，在太平洋上没有多少可用的观测数据，因此气象学家必须等到风暴到达西海岸时才能相信模型结果。因此下次你看到媒体讨论一周之后也许会有一场“大型风暴”，而一周之后你只得到了寸把积雪，你困惑到底发生了什么时，你便可以推断这是因为缺乏观测数据，
气象学家喜爱夸耀他们的模型。不过这些模型到底是什么以及它们和天气有何关系？天气模型代表了天气预报过程的另一层次。这些模型计算风热的变化如何波及整个大气从而形成风暴系统。观测过程是切入点，而模型则预测了未来的天气模式。
但事情并没有这么简单。大气是动态的、本质混乱的。这意味着大气在不断移动并且以不可预知的方式发生变化，再小的干扰也会引起气团移动和风暴形成过程中的巨大变化。即使有更好的观测网络和完美的模型，混乱也限制了我们精确预测天气的时间。
（图片来源：Pixabay）
Edward Lorenz将这一现象称为“蝴蝶效应”，他有句名言：“一只蝴蝶的翅膀扇动了一下，千里之外的地球上出现了龙卷风”。尽管听上去不可思议，理论上这却是可能的，而这也解释了为何想要预测一周以后的天气十分困难，初始条件的微小变化就会导致截然不同的预报。这也是为什么你不应该依据Accweather的25天预报规划自己的休假。
预报员依靠“总摄动法”来减小这种不确定性，也就是在运行模型之前轻微改变大气观测数据。他们重复这一过程数次，直到他们得到可能结果的分布情况。所以当你听到下雨的可能性是10%时，这是说这些模型中有10%预报了下雨。
如果气象学家只是面临以上问题，那么当模型预报出现错误时，他们仍有许多方法来尽量得出可靠数据（如果预报正确那就是锦上添花）。但实际远不止这些。
预报员使用多种模型，而每个模型在模拟小尺度过程时各有优劣。水滴碰撞粘合形成云的过程对模型来讲尺度太小无法精确模拟只有采取近似的方法。这种近似并不完美，但却让每个模型独一无二。结合多个模型的结果，预报员需要平衡每个模型内在的偏向。
气象家在使用这些模型上经验丰富，能够判断它们不适合哪些天气情况，比如说，当地面上有积雪时，有些模型会高估温度因为它们未将雪的影响纳入考虑。而国家气象局本地办公室的一位气象学家，则意识到了该区域上周末的大雪，并根据经验知道来自太阳的部分热量会用于融化积雪，而不是让大气升温，从而导致气温上升速度比平时慢一些。也就是说，虽然预报员以模型结果为指导，但还需依据自身专业知识调整预报结果。
当模型的结果互相冲突时，预报员需要从中选一个结果，对所有结果一视同仁或者根据先前经验权衡这些结果。这就要求预报员依据他工作地区的需求来调整模型结果。但这也引入了人为误差，尤其是当预报员选择了某一个模型而不是另一个，而又未将可能结果的范围向公众充分传达时。
预报员必须平衡种种不确定性，并将最准确的预报及时有效地传递给市长、聚会策划者以及慢跑者等等。这个任务绝不轻松，过程中的每一步都伴随着不确定性。而即使付出了这么多，正如《12小时新闻速递》频道的Epstein所说，“大部分观众只是想知道到底会不会下雨。”
作者简介：
Roop Singh是一位为红十字会和红新月会气候中心工作的气象学家，她的方向是建立对极端天气和自然灾害的抵御力。最近，她才从哥伦比亚大学取得气候与社会专业的硕士学位，她认为雷暴激动人心，还是天气讲座的红人。你可以在推特上关注她@RoopSingh。
Jack Simmons最近才从密歇根大学和哥伦比亚大学毕业，取得地球科学学位。他对天气与气候的兴趣源自于当年弗洛伊德飓风导致学校关闭整整一周这件事。你可以在推特上关注他@ProxyPup。
本文观点仅代表作者，不代表《科学美国人》。
（翻译：杨玉洁；审校：朱佳莲）
京公网安备11010502039775号
