現代天氣預報如何運作：從衛星到超級計算機

每份天氣預報，無論是手機應用上的七天展望還是國家機構發布的颶風路徑，都以同樣的方式開始：利用當前大氣的觀測數據。歐洲中期天氣預報中心（ECMWF）表示，它每天接收約 8 億次觀測數據，主要來自約 90 個監測大氣、海洋、陸地、積雪和海冰的衛星儀器；經過質量控制後，大約 6000 萬次觀測數據實際被用於其預報系統。

將觀測轉化為預報：數據同化

原始觀測數據不能覆蓋地球上的每個點，所以預報員無法直接從中讀出當前天氣。相反，機構使用一種稱為數據同化的技術，將不完整的觀測與前一次運行的短期預報相結合，產生一個完整、物理上一致的大氣圖景，稱為分析場。ECMWF 使用一種稱為四維變分同化（4D-Var）的方法，它將其描述為在空間和時間上結合「當前天氣的初始猜測與來自觀測的新證據」。英國氣象局（Met Office）對同一步驟的描述更簡單：數據同化「通過將可用數據與模型預測相融合，填補直接觀測缺失的空白......」

ECMWF 優先考慮的觀測類型包括來自微波和紅外衛星儀器的溫度和濕度讀數、通過雲追蹤和雷達、激光雷達和散射計儀器得出的風速估計，以及一種稱為「全天空」同化的技術，該技術使用來自多雲和下雨地區的衛星數據，而不是丟棄這些數據。

運行模型：超級計算機上的物理方程

一旦分析場建立，數值天氣預報模型就接管工作。這些模型將大氣分成三維網格，並在每個網格點求解支配運動、能量、質量和水分的方程，然後在時間上推進整個系統。美國全球預報系統（GFS），由美國國家海洋和大氣管理局（NOAA）下屬的國家環境預報中心運行，在其輸出的第一週使用約 28 公里（18 英里）的基本水平分辨率，在七天以後的預報中粗化到約 70 公里（44 英里），並耦合大氣、海洋、陸地/土壤和海冰的單獨模型。它每天生成四次完整預報，預報期長達 16 天。

ECMWF 的同等系統，綜合預報系統（IFS），在 2024 年 11 月進行了升級，升級版本稱為 Cycle 49r1。根據 ECMWF，該升級首次同化了兩米溫度觀測，修訂了模型如何表示其物理學中的不確定性，並將海浪模型的網格與大氣模型的中期預報分辨率（約 9 公里）相匹配。ECMWF 報告了該升級帶來的可衡量收益，包括第四天前後南極洲附近預報評分改進約 0.5%，其中部分是由海冰上新的微波數據驅動。

集合預報：預測不確定性本身

單一分析的單一模型運行給出了未來的一個版本，但大氣是科學家所謂的混沌系統：根據英國氣象局，「其初始狀態中的微小誤差可能導致預報中的大誤差。」由於觀測永遠無法完美捕捉大氣的真實狀態，機構從略有不同但同樣合理的起始條件運行同一模型數十次。這些平行預報的集合稱為集合，每次單獨運行稱為「集合成員」。

為什麼預報在更遠的時間內信心下降

ECMWF 報告稱，其 2024 年 11 月 Cycle 49r1 升級帶來了可衡量的預報準確性提升，包括第四天前後南極洲附近預報評分改進約 0.5%，它將其歸因於海冰上新的微波衛星數據。更廣泛地說，由於混沌系統中初始條件的微小誤差會隨著時間增長，機構還會根據不同的統計方法發布單獨的月度和季度展望，一旦逐日預報失去其有用性。

基於人工智能的預報的興起

除了這些基於物理的模型，各國機構已開始運行在數十年過去天氣數據上訓練的機器學習系統。美國國家海洋和大氣管理局（NOAA）在 2025 年 12 月宣布已使三個這樣的系統投入運行：AIGFS（全球預報系統的人工智能版本）、AIGEFS（人工智能集合系統）和 HGEFS，一個 62 成員的集合，融合了人工智能和基於物理的預報。根據 NOAA，AIGFS 可以在大約 40 分鐘內使用傳統 GFS 所需計算資源的約 0.3% 生成 16 天全球預報，而 AIGEFS 需要標準集合資源的約 9%。NOAA 管理員 Neil Jacobs 將這些系統描述為「美國天氣模型創新的重大飛躍」，引用了大規模模式和颶風路徑預報準確性的提升，但 NOAA 也承認 AIGFS 目前在颶風強度預報方面表現下降，官員們表示這一領域仍需進一步發展。

從模型輸出到您看到的預報

模型數據通常不是最終產品。英國氣象局表示，在超級計算機運行完成後，人工預報員解釋模型輸出，考慮模型分辨率無法完全捕捉的當地地形和條件，並在發布前調整預報，將人工判斷與計算輸出相結合以生成可用的預報。