手機天氣預報，為什麼只有 15 天？

巴黎奧運會的開幕禮，小夥伴們都看了吧。

給老狐印象最深的，不是把央視解說干沉默的大膽畫面，也不是辣眼睛的藍精靈，而是影響了現場演出效果的雨。

可能很多人不知道，在 16 年前的北京奧運會，原來天氣預報有雨，通過人工消雨，保證了北京奧運會精彩的表演。

天氣預報對人類生產生活的影響毋庸置疑。

往大了說，它影響著農業、工業的生產、活動的組織，農民安排農事、企業安排生產，包括像奧運會開幕禮這樣重要的活動，天氣預報都有非常重要的指導意義。

往小了說，天氣預報決定了老狐上班穿的是足力健還是洞洞鞋。

正因為天氣如此重要，電視上的天氣預報就成了許多人每天必看的電視欄目，《漁舟唱晚》的 BGM，是很多人共同的回憶。

不知道大家注意到沒，央視天氣預報，預測的天氣只有明後兩天的信息。

在手機上，天氣預報更長，不管是手機自帶插件還是第三方 App 上，都提供了 15 天內的信息，iOS 是個例外，只有 10 天。

而如果想要把預測時間再往上提升，受到混沌理論的限制，想要精確就比較難了，安卓手機雖然有 90 天的預測，但也是以十天為單位，沒有更詳細的天氣變化。

難道氣象學家就沒有辦法更長時間地精準預測天氣嗎？

去年，華為盤古氣象大模型預測天氣準確率更高的論文登上《自然》雜誌，前段時間，Google的天氣預報模型 Neural GCMs 也登上《自然》雜誌，用 AI 預報天氣目前是一個很火的賽道。

準確預測天氣變化的需求，古人就有，他們沒有精密儀器測量，而是搞玄學。

在出土的商朝甲骨文上，記錄了古人通過佔卜來預測天氣，這是目前關於天氣預報最早的文字記載。

可以想像這肯定不可靠。後來，古人通過觀察各種現象，總結經驗，找出天氣變化規律。

老祖宗們還留下了不少諺語，幫助人們預測天氣，像是天上鉤鉤雲，地上雨淋淋；或者雨後東風大，來日雨還下；喜鵲枝頭叫，出門晴天報等。

通過大量觀察，由經驗得出規律，在某種程度上也可以稱為統計預測法，但是這種方式缺乏理論依據，難以滿足科學發展需要。

這就好比人建造房子，如果缺少科學的數據，憑著感覺造，建造兩三層樓可能沒問題，但建造高樓大廈就可能是危房。

現代氣象學發展的關鍵人物，是挪威的物理學家威廉·皮葉克尼斯，他在 1905 年提出了用數學思想來描述大氣的運動狀態，給出了大氣運動的方程組，開啟了現代氣象研究的大門。

1910年，威廉·皮葉克尼斯開始在天氣圖上繪製流線，通過收集到的地面與高空觀測資料，他提出了中緯度氣旋發展的氣旋模型和極鋒理論，也就是下圖這個。由此形成了包括天氣學理論、天氣圖分析和預報方法的完整體系。

這裏有個重要的天氣預報方法就是天氣圖預測法，這種方法通過預報員利用天氣圖等各種圖表，基於天氣系統的演變歷史，再結合物理學、氣象學和個人經驗，來預測天氣接下來的變化。

不過現在的天氣預報沒有採用天氣圖預測法，而是採用了數值天氣預報。

前面提到，威廉·皮葉克尼斯給出了大氣運動的原始方程組，這也成為了數值天氣預報的基礎。

大氣運動方程組包括運動方程、連續方程、熱力學方程、水汽方程和狀態方程。

所謂數值天氣預報，就是依據已知的大氣溫度、濕度、壓力等初始條件，解方程組，求出未來大氣的溫度、濕度、壓力等數據。

大家別慌，老狐不是想教會大家解這個方程，只要知道有這個方程就行了。

解這組方程有多難呢？英國科學家理查森在 1910 年曾試圖用這個方程組計算 6 小時內某個地點的氣壓變化，因為當時對數據處理不對，導致結果錯誤。

如果想要預報全球的天氣變化，按照理查森的設想，在一個模仿地球的巨大球形建築里，把地球劃分成許多小的區域，每個人負責計算一個區域的天氣變化，一共需要 64000 人。

後來有人指出理查森又搞錯了，並且更正了真正需要的計算人數—— 204800 人。

直到 1950 年，氣象學家查尼用世界第一台計算機 ENIAC 成功模擬出第一個與實際相符的數值預測結果，他預測的是 24 小時後的天氣預報，計算過程剛好也花了 24 個小時。

聽著像是做了無用功，但這意味著數值天氣預測可以業務化，意義重大。這就好比你畢業剛工作，每個月薪金剛好夠付房租和夥食，但對自己來說，這是真正獨立的開始。

如今的數值天氣預報，氣象數據更加精細，也更加全面，以我國為例，一年前，我國一共有 7 個大氣本底站、27 個氣候觀象台、近 7 萬個地面自動氣象觀測觀察站，120 個高空氣象觀察站，242 部新一代天氣雷達，還有 7 顆在軌運行風雲氣象衛星。

所以，現在的天氣預報不僅是溫度、壓力、濕度這些數據，還能預測能見度、雷電、颱風走向，甚至包括冰雹、龍捲風這樣的局部極端天氣。

海量的數據，只能依靠最先進的超級計算機。像我國之前的天河一號，現在的神威計算機都在氣象研究上發揮了重要作用。

數值天氣預報目前最領先的機構是歐洲中期天氣預報中心，也就是華為盤古氣象大模型那篇論文里頻繁提到的 ECMWF。

先解釋一下這裏的「中期」： 0-12 小時內的天氣預報被稱為短時天氣預報、3 天以內的叫短期天氣預報，4-10 天是中期天氣預報。

下圖是 ECMWF 在半個標準大氣壓高度（海拔約5500m）上預報水平的演變，粗線是北半球，細線是南半球。3 天、5 天和 7 天的預測水平都有顯著提高，而 10 天以上的天氣預報，目前只能說有一定的參考價值。

所以手機上的天氣預報 App，最長只提供了 15 天的天氣數據，數值天氣預測的有效性，被限制在中期這個時間尺度里。

數值天氣預報的核心思想可以說是「機械論」，機械論認為，只要掌握大自然所有組成部分的相對位置，就能通過計算概括所有物質的運動。

但是，後來的氣象學家洛倫茲發現，大氣運動存在混沌現象，限制了天氣預報的準確性。

大氣系統是一個非常複雜的線性系統，對各種誤差極為敏感，觀察的數據、模式初始化以及計算精度的細小誤差，都會在計算過程中被不斷放大。

洛倫茲關於混沌現象更知名的解釋是「蝴蝶效應」——一隻南美洲的蝴蝶搧動翅膀，結果可能引發美國德克薩斯州的一場龍捲風。

而如今正如火如荼發展的 AI 天氣預報，能消除混沌現象的干擾嗎？AI 並沒有消除，而是想辦法繞過這個坑。

與數值天氣預測的基礎是物理模型不一樣，AI 天氣預報是一種統計預測法，通過對過去大量全面充分的氣象數據樣本進行分類歸納，總結出規律。邏輯上來說，其實跟古人總結天氣經驗十分相像。

只不過想要歸納海量數據，把這個工作交給了 AI，數據越多，預測結果越準確。

比如盤古大模型，利用歐洲中期天氣預報中心在 1979 到 2017 這 39 年間測得的氣象數據進行訓練，再用 2019 年氣象數據進行驗證，並用 2018 年的氣象數據進行測試。

測試結果顯示，在七天內，盤古氣象大模型預報的每一個天氣變量的均方根誤差，比中期歐洲天氣預報中心的綜合預報系統低 10%，比高通的 AI 模型 FourCastNet 要低 30%。

在颱風軌跡預報方面，論文用 2018 年 25 號和 26 號颱風進行了比較，結果顯示，盤古氣象大模型具有明顯優勢。

歐洲中期天氣預報中心在官網一篇文章為自己進行了辯論，拿了另一個颱風舉例，意思就是咱兩預測軌跡都接近，但是你中心風速預測沒有我準確。

這篇文章也對 AI 天氣預測進行了肯定，但是這裏你會發現，FourCastNet 又出現了，然後，它的表現直接被忽視。

FourCastNet 作為 AI 天氣預測的前輩，被後浪拍死在沙灘上。

與華為盤古氣象大模型不同，Google最新的 Nueral GCMs 是一個混合模型，核心分為兩部分，一部分是像數值天氣預測那樣，由動力學方程模擬大氣運動過程中的流體動力學和熱力學；另一部分是機器學習，由神經網絡解決一些無法用數理原理模擬的過程。

不過，在更長時間範圍，比如 10-15 天的天氣預測效果上，盤古大模型沒有提及，另外一個國產的伏羲氣象大模型在論文中提及 15 天的預測性能，與歐洲中期天氣預測中心接近。

AI 天氣預報，尤其是大模型天氣預報的另一個優勢是節能。

經過大量訓練後的盤古氣象大模型，能在 10 秒內完成全球 7 天重要氣像要素的預報，計算速度比數值天氣預報快 10000 倍以上。

數值天氣預報要用到的超級計算機，每小時的耗電量超過 2 萬度，相當於一座小城鎮的耗電量。

人工智能已經顯示出在天氣預報方面巨大的潛力，但並非要淘汰傳統的數值天氣預報，未來更可能是兩種模式共存，像Google的 Nueral GCMs 那樣，兩種模式合作，互為補充。

如果未來，天氣預報的精度和預測水平能進一步提高，精準預測暴雨、龍捲風、冰雹等破壞力強的天氣，人們有足夠時間為災害做足準備，那麼生命和財產的損失將會大大降低，這也是無數氣象科學家努力奮鬥的目標。

老狐期待這一天的到來。

參考資料：

河南日報：3000多年前的「天氣預報」，商人如何「佔卜」？

浙江天氣網：淺談天氣諺語

科創中國：天氣預報竟然是這樣「算」出來的

徐小峰：從物理模型到智能分析——降低天氣預報不確定性的新探索

杜鈞，錢維宏：天氣預報的三次躍進

《nature》：Accurate medium-range global weather forecasting with 3D neural networks

《nature》：Neural general circulation models for weather and climate

ECMWF：The rise of machine learning in weather forecasting

中國國防報：超級計算機性能知多少

編輯：餓羊羊