发布时间：2024-07-12 12:52 已有： 人阅读
| 杭州灵隐寺发大水、长沙一小时连发六道洪水预警…… 自6月长江中下游地区进入梅雨季节以来，南方强降雨接连而至，诸如“长沙市1小时降雨量相当于54个西湖水量”等与暴雨相关的新闻持续冲上热搜。 6月24日10时，中央气象台发布了今年首个暴雨红色预警，这也是中央气象台正式启用预警发布机制以来第三次发出国家级的暴雨红色预警。25日，中央气象台继续发布暴雨红色预警。 红色预警意味着什么？在什么样的情况下中央气象台会发布这一最高级别的预警信号？红色预警还会持续多久？预报员如何准确预报暴雨等极端天气？存在哪些预报技术挑战？
围绕上述问题， 还将有一次自西向东的强降雨过程。 7月1~3日，降雨强度将有所减弱，但长江中游部分地区仍可能出现中到大雨、局部地区暴雨量级的降水。
气象预报是一个持续动态调整的过程，我们无法仅凭当日的信息精确预报未来几天的气象变化，需要结合最新的气象预报数据和实时天气状况，进行细致的分析和研判，以确定发布何种级别的预警。 红色预警的发布通常基于对未来24小时内降水量的预测，一旦预测结果显示未来24小时降水量将达到红色预警的标准，我们将立即启动发布程序。 预报机制从中期向短期过渡，预报过程需模式预报和人工订正结合 一是中长期预报，通常指的是未来4天至2周内的天气预报，旨在提供天气趋势预报。 二是短期预报，这一阶段的预报范围覆盖未来1~3天。 三是短时预报，这种预报主要针对强对流天气等可预报性相对较低的天气现象，通常涵盖未来2至12小时内的天气变化。 四是临近预报，这种预报更为精细，侧重于未来2小时甚至更短时间内的天气状况。这一阶段的预报，主要基于实时的天气观测结果进行外推预报。 进入短期预报阶段时，我们会不断滚动更新天气预报，进一步细化具体的强降雨落区、影响区域以及降雨的具体时段和强度。 以6月21日~24日那轮强降雨举例，中期预报会概述成“6月21日到24日将有一次强降雨过程，预计部分地区将出现大到暴雨”等趋势性信息对外发布。而随着预报时间的缩短，进入短期预报阶段后，我们会更具体地指明哪些地区可能会出现强降水。 其实，每年6月的梅雨季都是我们重点关注的时段。今年4月，华南地区以一轮强降水开启了前汛期序幕，之后强降水过程频发。我们在做好华南前汛期降雨预报的同时监测到西南季风暴发，雨带将逐渐北移，长江中下游和江淮地区即将迎来梅雨季节。 为此，我们在6月13日组织了一场2024年梅雨专题会商，专门邀请长江中下游地区相关省市的气象台专家以及国家气候中心专家，共同研判梅雨的发展趋势。经过会商研判和细节讨论，我们得出共同结论：长江中下游地区预计在6月17日前后进入梅雨期，而江淮地区在20日前后迎来梅雨。 根据最新的实况数据，我们当时的预测与实际情况高度吻合。从预报技术的角度来看，这一准确预测结果主要得益于中期预报员对大尺度环流系统的准确判断。 中期预报员会在各种模式预报的基础上，综合考量不同模式的预测结果，并结合我们多年来积累的梅雨预报经验，如副热带高压的位置和强度、中高纬度冷空气的影响程度等，对模式预报结果进行订正。 需要强调的是，预报员并非机械地依赖模型输出，而是对其结果进行多种技术的后处理，并根据专业知识和多年的经验，从大量不确定信息中提炼出尽可能贴近实况的预报结论。
需要了解的是，我国天气预报一般使用数值天气预报，即利用数学模型模拟大气环流运动，预报未来天气系统的演变。 通常数值天气预报有两种标准形式：确定性预报模式和集合预报模式。确定性预报是一种早期发展、至今仍被广泛应用的单一模式预报。 但即使拥有最好的观测数据，实际大气真正初始状态也不可能完全精确获取，模式初值与真实大气初始状态之间总是存在误差。 集合预报的创新之处是不再使用单一的初值启动计算，而是一组初值的集合，单一的预报就转换为一组预报结果。中期预报员对这些预报结果进行“专家会诊”，最终判断出哪种天气状况最有可能发生。通常情况下，这一结果较单一初始预报效果更为准确。 之后，中期预报员在前述模式输出的预报结果基础上，运用客观方法如多模式集成、逻辑回归等技术手段，并进行不同地理纬度、不同空间层次、不同天气尺度等多维度人工评判，对预报结果进行订正，以提高预报的准确性。 同时，预报员也会依托实况监测信息，研判未来天气的演变趋势以及识别出模型可能存在的系统性偏差。基于实况监测信息和对模型偏差的理解，再进一步调整和优化预报结果。 因此，从中期预报到短期预报是一个不断细化、精确化的过程，一个重要原因就是可供参考的技术变得越来越多，短期预报可使用的模型数量远多于中期预报。 中期预报使用的模型主要针对全球范围进行预报，目前我国常用四家模型；而短期预报除了全球模型外，还包含针对中国区域的特定模型，目前有七八家，为预报员提供了更多可参考的数据和信息。 同时，随着AI技术的不断发展，我们也正在尝试将AI引入气象预报领域。 目前，我们已将盘古、伏羲等大模型数据接入平台，特别是在短时临近阶段，即未来两小时的预报中，AI模型对于对流系统的外推预报提供了大量准确的信息，极大地提升了预报准确性和可靠性。这是因为短时临近预报更多依赖实时观测数据。
因此，我们可以预测长沙周边地区可能会出现强降雨情况，但精确到具体时间和地点，挑战重重。 其次，关于强降水的极端性。各类模型给我们预估的降雨强度可能是某一具体数值，但实际降雨情况可能会远超这一预测。因此，精准预报极端降水的极值强度，目前还有极大的难度。 第一，暴雨因其局地性、突发性和活动规律多变等特点，至今仍是全世界预报领域的一道难题。 第二，技术方面突破的难度也极大。从近十年的预测模型发展变化来看，我国在其他方面如大尺度系统的预报能力方面有显著提升，例如副热带高压、高空槽等系统的预报性能有较快提高。不过对于强降水这类小尺度天气现象的预报，由于其尺度极小，技术进展显得相对缓慢，较难在短期内实现预报质量的飞跃性提升。 此外，我们目前使用的模型做不到极致完美，预测结果与实际状况之间存在一定偏差。特别是近年来，极端天气事件的频发，无论是从预报员认识层面，还是从模型的模拟和预报能力，都与实际状况存在差距，因此没办法对极端天气进行完美预报。 以去年河南极端强降雨为例，那次降雨集中在河南局地小区域，做到长时效精准预报的难度就比较大。 对于大气中的一个系统，我们可以根据它的空间范围和持续时间来确定这个系统属于什么尺度。可以分为大尺度、中尺度、小尺度等，越大的系统，持续时间越长，影响范围越广，可预报性越强；反过来，越小的系统，在越小的时间和空间范围，则预报难度越大。 比如在梅雨期，会有明显的雨带出现，覆盖面积大，位置往往越容易确定。但极端强降水事件往往呈现出分散性、点状分布的特点，这种点状分布的特性使得预报员难以准确捕捉其发展趋势和具体影响范围。 另外，极端强降水事件还面临诸多复杂因素的影响。比如，模拟系统无法对实际地形、地貌达到百分之百的准确度还原，也会增加预报的误差。 相比之下，我们对极端气温的预报相对容易把握。因为气温变化一般呈现线性趋势，预报人员可以根据历史数据和气象模型进行较为准确的预测。此外，针对气温预测研发出的客观预报方法，使用效果也比较好。 |
