《氣象術語事典》：每天在新聞上聽到的「天氣預報」是怎麼做出來的？

文：筆保弘德、山崎哲、堀田大介

我們每天在新聞上聽到的天氣預報，到底是怎麼做出來的呢？

本章的主題，就是解說天氣預報的預報過程。首先本節將介紹氣象預報的整體流程，然後再從下一節開始詳細解說每一環節的構成要素。下圖是天氣預報的整體流程。請各位一邊參考下圖，一邊閱讀下面的解說。

Photo Credit：台灣東販

從觀測出發

一如4.3節所述，現在的天氣預報，是以數值預報為基礎製作的。數值預報，是一種用物理學定律預測大氣流動的方法。而物理學定律，則是根據「一旦確定了目前的大氣狀態，則短期未來的大氣狀態也將自動確定」的原理來預測的。換言之，要預測未來的天氣，首先必須盡可能正確地掌握目前的大氣狀態。因此天氣預報的

第一步，就是觀測現在的大氣狀態。

事實上，氣象廳每天都會用各種觀測儀器，不分日夜地觀測日本的大氣狀態。然而，大氣不只會以很快的速度在全世界循環，還會放出比大氣本身的流動速度更快的波（如羅斯貝波等。羅斯貝波是種因地形和海陸溫差而產生的大氣波）。

譬如，在中緯度地區，一旦上游（西側）的溫帶低氣壓變強，就會經由羅斯貝波的能量傳遞，以幾倍於風速的速度影響到下游（東側），催生新的低氣壓（下游發展）。這種能量在大氣中高速傳遞的現象，會大幅左右每天的大氣，所以要預報日本的天氣，就必須觀測全球的大氣狀態。

氣象觀測是由全世界的氣象組織分工合作，依循共同的規則來執行，並經由氣象組織的溝通網路，即時在全球交換觀測資料。

另外，就像在電視上常看到的「衛星圖」，氣象預報會用到很多從太空監視大氣狀態的人工衛星，獲取數值預報和實時監測不可或缺的寶貴資訊。

數據同化與分析預報循環

各國在全球觀測到的氣象資料，會即時在世界各地分享交換，由氣象廳等數值預報中心蒐集起來。但就算蒐集了來自全球的龐大數據，卻還是沒有辦法毫無遺漏地觀測到全地球的大氣。然而要進數值預報就必須推測出大氣整體的狀態，所以沒有觀測到的部分，也得想辦法推敲出來。

各位可能會以為，想要知道某時間點的大氣狀態，唯一的辦法就是使用該時間點觀測到的資料；但其實我們還可以利用過去觀測到資料來推論。譬如，由於空氣是由西往東流動，故根據昨天在中國高空觀測到的資料，就能分析出今天日本上空大氣的很多訊息。

那麼究竟要怎麼做，才能從零散而沒有規律的觀測資料中，利用過去的觀測數據，推測出大氣整體的狀態呢？這裡必須用到一個很有趣的概念。

利用稍早之前的數值預報模型，來推測某特定時間的大氣狀態，預報結果可能不如直接觀測來得準確，卻能得到對大氣整體狀態的預測（＝「估計」）。因此，只要比較用稍早之前的數值預報得出的預估值（＝「第一估計值」）和觀測值，就能藉由將第一估計值修正到符合觀測值的方式，來得到目前大氣狀態的估計值。

用觀測值修正短期預測得到的第一估計值的操作稱為「分析」或「數據同化」；而經過分析，用觀測值更新過的估計值，則稱為「分析值」。

接著，把分析值當成初始值，丟進數值預報模型計算，再以得出的預測值為下一時刻的「分析」的第一估計值；按照這個方式，反覆進行分析和預報，即可持續算出結合觀測資料和物理定律（基於物理定律的數值預報模型）的大氣狀態預報值。

這種分析和預報交替進行的過程，就叫做「分析－預報循環」。至於第一估計值又是怎麼得出的？只要依照時間往上回溯，加入根據以前的觀測資料數據同化（分析）得出的模型即可。因此，使用分析－預報循環，不只能用最近的觀測資料，還可以運用過去得到的觀測資料，估算出大氣的狀態。

「分析」這個詞，原本泛指以邏輯解構各種事物；但在氣象學中，「分析」通常特指上述的這個過程。這個用法源於在電腦問世前，根據觀測資料製作目前天氣圖的「天氣圖分析」作業，這個作業以前常簡稱為「分析」。而數據同化之所以也叫「分析」，就是因為這個以前留下來的習慣。

而在數據同化方法誕生前，天氣圖分析很依賴預報員的綜合判斷，無論如何都會被個人的主觀因素影響。相較之下，由於數據同化是用機械性的流程自動算出結果，所以為了強調其客觀性，也有人將這種方法稱為「客觀分析」。

數值預報模型的執行和統計後處理（指引）

以數據同化得到的當前大氣估計值為初值，接下來就能利用數值預報模型進行各種預測。關於數值預報的部分，在4.3節已詳細介紹過。一如4.3節的解說，數值預報是用流體力學來處理大氣的運動，所以有些對天氣預報的接收者而言很重要的現象，數值預報模型並不能直接處理。譬如會不會打雷、飛機會不會遇到亂流，這些都不是數值預報模型直接預測的對象。

同時，如同4.4.節所述，在數值預報模型中，是把現實中連續不可分割的大氣分割成無數離散的小格子來呈現，所以也沒辦法表現（顯示）規模小於網格大小的現象。

因此，為了預測這些數值預報不能直接呈現，又或者顯示不出來的現象，科學家需要運用一種名為「指引（Guidance）」的統計學預測方法。

首先，把數值預報的結果，與要預測之現象的觀測資料間的關係，根據過去的資料事先讓模型以統計的方法學習。接著，在把數值預報模型的結果輸入學習完畢的統計模型，就能預測出數值預報無法呈現的現象了。