天气预报升级：新型观测系统提高预测准确性
Pierre Tabary
法国气象局预测运营部运营副主任
气象预测可以帮助我们预判未来的可能情况，对防灾减灾具有重要意义。因此，天气预报必须具备一定的短期准确性。如今，随着技术的发展，天气预报越来越准，那么他们是
最早的天气预报系统只能进行地面观测。
随后，气象学家引入了遥感技术，从地面发射雷达电磁波用于高空观测。
再后来的技术进步就是使用轨道卫星、同步卫星进行观测。
近年来气象卫星的数量大幅增加，而欧洲更是启动了雄心勃勃的计划。
还有所谓的“实时观测”：使用手机网络等非天气预报系统观测天气。
天气预报模型最早于20世纪初开发[1]，其基本思路是如果能确定某个时刻的风速、湿度、气温、气压等数据（统称大气初始值），就能将其代入描述大气变量如何依时间变化的物理学公式，推算出未来的天气状况。天气预报必须具备一定的短期准确性，才能有实际意义。由于一处的预报需要使用别处的天气状况观测数据进行计算，天气预报专家很早就建立起了信息交流机制，实时分享观测数据，比对各自使用的模型的准确性。
01
地面观测和高空观测
最早期的天气观测系统由地面仪器组成，只能测量出所在处的大气状况，但天气学家很快就发现此类数据的不足，因为准确的预测需要高空的观测数据。于是，他们开发出了无线电探空仪：即放飞携带仪器的探空气球，用于测量高空的气压、气温、湿度、风速等数据。探空仪每天可以放飞多次，最高可上升至20公里的高空，不仅能从陆地上释放，还能从船上释放。
图片来源：PI France
气象观测技术经历了长足的发展。现在无人机观测已成为了现实。无人机特别有利于海上高空大气数据采样，因为海上的无人机放飞监管相对宽松，而且还能根据所处地点的实际天气情况调整采样手段.
02
遥感技术的出现
自上世纪六七十年代以来，使用遥感技术远距离测量大气参数，在气象观测中得到了广泛的应用。气象雷达就是一个例子：使用雷达发射出去的电磁波遇到雨、冰雹和雪后会被反射回来，由此可以绘制出降水探测图。将多个气象雷达组成网络，能覆盖方圆上百公里的区域。如今，欧洲有两百多个气象雷达，美国、日本各自拥有的数量类似。气象雷达数据与天气预报模型的结合已有许多年的历史，大大提高了天气预报的准确性[2]。
还有一种遥感手段是使用激光雷达，它与电磁雷达类似，但发射出去的是光波，能远程测量大气中的气溶胶，即大气尘埃或者云滴。如今各大气象局均使用了激光雷达[3]。
03
卫星观测
气象观测技术的另一大进步是气象卫星。只要有一颗卫星，就能对极大范围的区域实现观测。气象卫星分两类：第一种是同步卫星，它处于赤道同一位置的上方（距地面高度约3.6万公里）。因为单颗同步卫星只能覆盖地球表面的一半，所以使用它们进行全球气象观测需要多国合作才能完成。
第二类卫星是轨道卫星，持续绕着地球运行，离地面高度300-800公里左右，每100分钟就能绕地球一周。由于飞行高度只有同步卫星的十分之一，轨道卫星拍摄云层和地面的分辨率更高，而且因为其轨道经过南北极上空，所以飞行途中能覆盖所有的纬度，而且在每个观测点的分辨率相同（有别于同步卫星）。
卫星上搭载了各种仪器，用不同的波长段观测大气中的云层、降雨、气溶胶、风速、温度、湿度等数据。
“近期，欧洲成功发射了新一代地球同步卫星。”
近年来，人类发射的气象卫星数量急剧增加，催生了不少雄心勃勃的计划，在欧洲更甚。仅在去年12月，欧洲航天局就成功发射了一批新一代同步气象卫星[4]。
04
实时观测
最后，还有一种被称为“实时观测”的手段——有些设施的设计初衷本不是用来做天气预报的，却也可以用来观测天气。比如手机网络，在法国有几千个基站天线，它们之间用微波通信。运营商发现，如果天线之间有降雨区域，微波波长会受影响，降低天线的接收水平。
法国气象局Météo France运营副总监Pierre Tabary解释说：“手机运营商为应对信号衰减，配备了信号放大设备，而气象学家则搭上顺风车——测出信号衰减，就能得知该地区的降水强度，改善降水图[5]。一开始谁会想到手机网络还有这用处？”
另一个例子是卫星定位系统——美国的全球定位系统（GPS）和欧洲的伽利略系统。它们本来是用于导航定位的，“可这些定位卫星在不断发射信号，信号穿过大气层时会发生轻微折射，路径变得‘弯曲’。气象学家们又巧妙地搭上了顺风车：发射一些小卫星接受定位信号，并测量其弯曲度，由此得到平流层和对流层上层的热力学数据（如湿度等）。”
这种测量方法称为“无线电掩星”，研究人员已经验证了其测量原理的有效性，目前有几十颗此类卫星已经投入使用，并将得到的数据输入天气预报模型中进行计算[6]。“这种办法的妙处在于我们自己不必向大气中发射电波，而是利用他人发射的电波，可谓是‘物美价廉’。”如今，全球天气预报模型中约90%的数据来自卫星，且该趋势还将持续。Tabary总结道：“不过，这不意味着地面测量的重要性会下降，因为卫星数据仍要依靠地面数据校准。”
作者
Isabelle Dumé
编辑
Meister Xia
1. Lynch, Peter ; Les origines de la prévision numérique du temps et de la modélisation climatique, La Météorologie, 2008, N° 63 ; p. 14–24 10.4267/ 2042/21887
2. Wattrelot, Eric, Olivier Caumont, Jean-Francois Mahfouf. Operational Implementation of the 1D13D-Var Assimilation Method of Radar Reflectivity Data in the AROME Model. Monthly Weather Review, 2013, 142, pp.1852–1871. ⟨10.1175/MWR-D-13–00230.1⟩. ⟨meteo-01001390⟩
3. Rey, Gérard ; Traullé, Olivier ; Bourcy, Thomas ; Dubouchet, Elisa. Un nouveau réseau de lidars aérosols à Météo-France. La Météorologie, 2016, 95, p. 11–14 10.4267/2042/61610
4. Stuhlmann, Rolf, Kenneth Holmlund, Johannes Schmetz, Hervé Roquet et al., Observations depuis l’orbite géostationnaire avec Meteosat troisième génération et EUMETSAT – https://www.eumetsat.int/
5. Alpert, P., Messer, H. & David, N. Mobile networks aid weather monitoring. Nature 537, 617 (2016). https://doi.org/10.1038/537617e
6. Kursinski et al. 1997. Observing the Earth’s atmosphere with radio occultation measurements using the Global Positioning System. J. Geophys. Res. 102:23.429–23.465.
