《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?

《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?
Photo Credit:AP/達志影像

我們想讓你知道的是

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。

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。

氣象術語事典
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。