薛建軍 賈朋群 肖子牛

（1 中國氣象局氣象干部培訓(xùn)學(xué)院，北京 100081； 2 中國科學(xué)院大氣物理研究所大氣科學(xué)和地球流體力學(xué)數(shù)值模擬國家重點(diǎn)實(shí)驗(yàn)室，北京 100029）

0 引言

大氣科學(xué)作為一門較新的應(yīng)用性學(xué)科，它的學(xué)科獨(dú)立、迅速發(fā)展與數(shù)學(xué)、物理、化學(xué)等學(xué)科的發(fā)展和相關(guān)技術(shù)的進(jìn)步密不可分。自18世紀(jì)中葉以來，在幾次科技革命的推動下，大氣科學(xué)從定性描述到定量分析再到預(yù)報(bào)預(yù)測能力的日臻成熟[1-3]。特別是進(jìn)入20世紀(jì)50年代以來，伴隨著數(shù)值預(yù)報(bào)概念的提出到其科學(xué)理論和技術(shù)方法的持續(xù)發(fā)展完善，大氣科學(xué)取得了迅猛發(fā)展。作為大氣科學(xué)發(fā)展的重要標(biāo)志，數(shù)值預(yù)報(bào)早已引發(fā)了一場“靜悄悄的革命”[4]，它的巨大成功和飛速進(jìn)步無疑是建立在多年穩(wěn)步持續(xù)的科學(xué)認(rèn)知和技術(shù)進(jìn)步的積累之上[4-5]，這其中就包括集合、同化的科學(xué)理論及其技術(shù)方法在大氣科學(xué)中的滲透和應(yīng)用。

1963年，Lorenz提出了著名的混沌理論，指出混沌系統(tǒng)由精確的確定性演化方程控制，但具有不可預(yù)測且看似隨機(jī)的行為[6-8]。而大氣、海洋等具有很強(qiáng)的混沌特性，導(dǎo)致預(yù)報(bào)預(yù)測時對初始狀態(tài)具有高度的敏感性。眾所周知，從數(shù)值預(yù)報(bào)建立的科學(xué)理論與技術(shù)基礎(chǔ)上看，首先數(shù)值模式并不“完美”①即便模式“完美”，由于初值的誤差及混沌特征，預(yù)報(bào)預(yù)測仍然不可避免地存在預(yù)報(bào)誤差。，其次一個真實(shí)的物理系統(tǒng)的狀態(tài)也無法準(zhǔn)確測量。加之大氣、海洋等因觀測誤差、分析誤差、站網(wǎng)分布不均等原因都會導(dǎo)致誤差不可避免[9]。因此，模式誤差、初始誤差以及非線性系統(tǒng)的不穩(wěn)定性共同導(dǎo)致了大氣、海洋及其耦合系統(tǒng)預(yù)報(bào)預(yù)測的不確定[10-13]。因此，為了盡可能地減小預(yù)報(bào)預(yù)測的誤差，集合預(yù)報(bào)、資料同化的科學(xué)理論與技術(shù)方法“應(yīng)需而生”并得以在現(xiàn)代天氣氣候預(yù)報(bào)預(yù)測中不斷發(fā)展應(yīng)用。

1 集合預(yù)報(bào)

1.1 集合預(yù)報(bào)的提出

通常認(rèn)為集合預(yù)報(bào)的思想是由Epstein和Leith提出的[8-12,14-15]。在假定模式完美的情況下，找到一組合適的擾動，以“初值+擾動”進(jìn)行預(yù)報(bào)來反映初值引起預(yù)報(bào)結(jié)果的不確定性，再通過集合平均保留各個預(yù)報(bào)最可能的共同結(jié)果，以減少初值帶來的不確定性影響。在理論上可以用一個概率密度函數(shù)來描述這種不確定性[13,16]，Epstein提出顯式積分Liouville方程估計(jì)大氣狀態(tài)的概率密度分布，但在實(shí)際中幾乎難以實(shí)現(xiàn)。隨后，Leith建議采用蒙特卡洛（Monte Carlo Forecasting，MCF）方法，用隨機(jī)函數(shù)產(chǎn)生擾動形成的初始場，實(shí)現(xiàn)了集合預(yù)報(bào)從理論邁向?qū)嶋H[10,16-18]。

1.2 集合預(yù)報(bào)的發(fā)展

從時間上劃分，一般可以將集合預(yù)報(bào)的發(fā)展歷程劃分為以下3個階段[11-12,17]。第一階段，20世紀(jì)70—80年代，主要開展集合預(yù)報(bào)理論方法研究和數(shù)值試驗(yàn)探索。第二階段，20世紀(jì)90年代，隨著計(jì)算機(jī)技術(shù)，特別是大規(guī)模高性能計(jì)算能力的提升，業(yè)務(wù)集合預(yù)報(bào)系統(tǒng)得以建立和發(fā)展。1992年12月7日，美國國家環(huán)境預(yù)報(bào)中心（NCEP）率先開展集合預(yù)報(bào)業(yè)務(wù)[19]，同年12月19日歐洲中期天氣預(yù)報(bào)中心（ECMWF）的集合預(yù)報(bào)系統(tǒng)開始準(zhǔn)業(yè)務(wù)運(yùn)行并于18個月后（1994年5月）正式投入業(yè)務(wù)運(yùn)行[19-20]。隨后法國、英國、日本、澳大利亞、加拿大等國也建立了各自的集合預(yù)報(bào)系統(tǒng)[9,11-12,19]。第三階段，20世紀(jì)90年代末以來，集合預(yù)報(bào)的研究更加深入，從初值的不確定性研究擴(kuò)展到模式不確定性、集合預(yù)報(bào)產(chǎn)品解釋應(yīng)用技術(shù)等多個領(lǐng)域。集合預(yù)報(bào)迅速成為數(shù)值天氣預(yù)報(bào)業(yè)務(wù)的核心，被全球多個國家和地區(qū)的業(yè)務(wù)、科研機(jī)構(gòu)所采用，甚至成為全球各大氣象強(qiáng)國競相發(fā)展的重要領(lǐng)域之一。表1、表2分別給出了世界氣象組織（WMO）數(shù)值試驗(yàn)工作組對集合預(yù)報(bào)業(yè)務(wù)現(xiàn)狀及發(fā)展態(tài)勢的最新調(diào)查[21]，可以看到，國外主要的業(yè)務(wù)中心仍然在持續(xù)加緊其在全球或區(qū)域集合預(yù)報(bào)的工作部署和技術(shù)研發(fā)。

表2 國外主要預(yù)報(bào)中心區(qū)域集合預(yù)報(bào)業(yè)務(wù)系統(tǒng)主要參數(shù)：水平分辨率（譜/格點(diǎn)）、垂直層數(shù)（L）、成員數(shù)（M）、預(yù)報(bào)時長及每天運(yùn)行次數(shù)[21] Table2 Operational system parameters of the regional ensemble forecast of major forecast centers abroad: horizontal resolution (spectrum/grid), number of vertical layers (L), forecast duration, number of members (M), forecast duration and daily operation times

盡管我國的數(shù)值預(yù)報(bào)業(yè)務(wù)起步于1950年代并很快取得了一些具有國際影響的進(jìn)展[22-24]，但直到改革開放之后，相關(guān)研究和業(yè)務(wù)應(yīng)用才迎來了新的契機(jī)[24]。受限于計(jì)算資源等客觀條件限制，國家氣象中心在20世紀(jì)90年代中期引入新的高性能計(jì)算機(jī)后，于1996年5月開發(fā)建立了一套中期集合數(shù)值預(yù)報(bào)系統(tǒng)[11,13]。此后，1998年6月在國產(chǎn)神威巨型計(jì)算機(jī)上建立了T106L19全球模式的中期數(shù)值天氣集合預(yù)報(bào)系統(tǒng)，并于2001年3月實(shí)現(xiàn)業(yè)務(wù)運(yùn)行[16]。世紀(jì)之交，在數(shù)值預(yù)報(bào)以引進(jìn)為主轉(zhuǎn)為自主開發(fā)為主的大背景下，開啟了我國新一代數(shù)值天氣預(yù)報(bào)系統(tǒng)研發(fā)的新征程。經(jīng)過多年努力，我國自主研發(fā)的國家級全球（CMA-GEPS）和區(qū)域集合預(yù)報(bào)系統(tǒng)得以建立（CMA-REPS）[13,24]，實(shí)現(xiàn)了全球50 km，15 d，中國區(qū)域10 km，3.5 d的集合預(yù)報(bào)。同時，基于中國氣象局次季節(jié)?季節(jié)?年際尺度一體化氣候模式預(yù)測系統(tǒng)（CMA-CPS）構(gòu)建了第三代氣候集合預(yù)測模式業(yè)務(wù)系統(tǒng)，實(shí)現(xiàn)大氣45 km，海洋0.25°×0.25°的S2S（0～60 d）和季節(jié)（未來13個月）氣候預(yù)測[25-26]（表3）。

表3 國家級集合數(shù)值預(yù)報(bào)系統(tǒng)概況[25,26] Table 3 Overview of CMA Ensemble Numerical Weather Prediction System [25,26]

1.3 集合預(yù)報(bào)主要的技術(shù)方法

集合方法提出的背后，是考慮到“單一”的初值/模式的不確定性難以避免，而“一組”考慮了不同的初值/模式的不確定性影響得到的“一群”預(yù)報(bào)結(jié)果，其大概率是要好于某單個結(jié)果。簡單歸納起來，集合預(yù)報(bào)的主要技術(shù)路線的思想如下[8-12,27-28]：

（1）假定模式完美，主要解決初值帶來的不確定性影響?！俺踔祮栴}”的解決是集合預(yù)報(bào)提出并得以建立起來的重要標(biāo)志。通過“初值擾動”，生成一組不同考慮了不確定性的初值樣本來驅(qū)動模式，得到集合預(yù)報(bào)結(jié)果。由于早期的蒙特卡洛法（MCF）、時間滯后平均（LAF）等方法存在較大的不足，難以滿足實(shí)際業(yè)務(wù)應(yīng)用需求[10,16-18,32]，實(shí)踐中常用的方法有：[8-12,16-18,28-31]奇異向量法（SVs）、繁殖向量法（BVs）、觀測擾動方法（PO）、集合轉(zhuǎn)換（ET）和重新尺度化集合轉(zhuǎn)換（ETR）和條件非線性最優(yōu)擾動（CNOP）等。近年來集合卡爾曼濾波（EnKF）、集合轉(zhuǎn)換卡爾曼濾波（ETKF）等數(shù)據(jù)同化的辦法也有較多的應(yīng)用。以上各方法特點(diǎn)及應(yīng)用情況見表4。

表4 集合預(yù)報(bào)初值擾動的主要方法及其應(yīng)用情況[8-12, 16-18, 28-31] Table 4 Methods and applications of initial disturbance for ensemble forecasting [8-12, 16-18, 28-31]

（2）假定初值精確，致力于解決模式引起的不確定性影響。隨著觀測和同化等技術(shù)快速發(fā)展，一些研究認(rèn)為模式系統(tǒng)誤差也是影響天氣集合預(yù)報(bào)效果的主要原因，比如模式中不同物理、化學(xué)過程、參數(shù)化方案等同樣存在不確性。集合預(yù)報(bào)從僅考慮初值擴(kuò)展到了考慮模式不確定性的影響[10,17,28-29,32]。具體的方法有：

多物理過程法。如加拿大氣象中心（CMC）的全球集合預(yù)報(bào)系統(tǒng)采用多物理過程組合來減小物理過程不確定性引起的模式誤差。如使用不同的對流、水平擴(kuò)散、重力波拖曳、輻射和地形處理方案等[29,33]。

隨機(jī)物理過程法。在集合預(yù)報(bào)系統(tǒng)中的模式傾向方程引入了隨機(jī)物理過程法，該方法假定模式的不確定性主要來自于參數(shù)化過程的不準(zhǔn)確和數(shù)值模式的截?cái)嗾`差。如ECMWF在1998年10著手考慮隨機(jī)參數(shù)化擾動方案（SPPT），2010年11月引入隨機(jī)補(bǔ)償方案（SPBS）[10,20,29]。我國的CMA-GEPS、CMA-REPS和CMA-CPS目前也采用了SPPT方案[13,24,26]。

多模式集合?？紤]了不同模式誤差的綜合影響，除了天氣預(yù)報(bào)，多模式集合預(yù)報(bào)方法也被應(yīng)用于氣候預(yù)測的集合預(yù)報(bào)中，并取得了一定的成功[10]。

然而，由于模式誤差往往與初始誤差導(dǎo)致的預(yù)報(bào)誤差相互作用難以區(qū)分，加之模式誤差來源廣泛，從次網(wǎng)格物理過程的參數(shù)化、模式離散到計(jì)算誤差都有可能且相互耦合，對集合預(yù)報(bào)模式不確定性的改善比對初值引起的誤差難度更大。

（3）模式和初值都不夠好，設(shè)法同時解決兩者帶來的不確定性影響。除了單獨(dú)考慮初值誤差或模式誤差，理論上也可將兩者同時考慮解決。比如：

多模式?多初值集合法，同時考慮不同物理過程和初值不確定性對集合預(yù)報(bào)的影響，但可能在統(tǒng)計(jì)上不顯著，預(yù)報(bào)成員之間存在較大的差異造成集合預(yù)報(bào)結(jié)果較大的系統(tǒng)偏差[8,10,12]。

隨機(jī)全傾向擾動法（STTP）在數(shù)值模式傾向方程疊加隨機(jī)強(qiáng)迫擾動，通過多次實(shí)現(xiàn)該隨機(jī)擾動產(chǎn)生集合成員進(jìn)行集合預(yù)報(bào)。NCEP從2010年開始使用此方法[10,29]。

1.4 ECMWF的集合預(yù)報(bào)

ECMWF作為最早開始發(fā)布業(yè)務(wù)集合預(yù)報(bào)的預(yù)報(bào)中心之一，經(jīng)過近30年的發(fā)展，其集合預(yù)報(bào)技術(shù)和產(chǎn)品性能早已處在全球領(lǐng)先地位（圖1）。從1992年以來，水平分辨率提升了20倍，從~320 km增加到~16 km；垂直分辨率提升了7倍，從19層增加到137層；預(yù)測時間從10 d延長到了46 d；集合成員個數(shù)從33個增加到51個；集合預(yù)報(bào)制作的頻率也有所增加，當(dāng)前還開展集合預(yù)報(bào)回報(bào)業(yè)務(wù)[20,34]。2021年5月11日，在ECMWF對其IFS（Integrated Forecasting System）進(jìn)行的系統(tǒng)升級中（IFS Cycle 47r2），將模式計(jì)算由傳統(tǒng)的雙精度（64位浮點(diǎn)計(jì)算）降低至單精度（32位浮點(diǎn)計(jì)算）以節(jié)省計(jì)算資源，提高處理速度（圖2），將集合預(yù)報(bào)從91層的垂直分辨率提至137層，實(shí)現(xiàn)其全球模式確定性預(yù)報(bào)（HRES）、數(shù)據(jù)同化（EDA）和集合預(yù)報(bào)（ENS）達(dá)到統(tǒng)一的垂直分層。測試結(jié)果顯示，升級后的集合預(yù)報(bào)系統(tǒng)對自由大氣整體的預(yù)報(bào)技巧提高了0.5%～2%，對50 hPa的平流層溫度預(yù)報(bào)技巧提高了5%～20%，對熱帶對流層的預(yù)報(bào)技巧提高了6%。此外還提升了對熱帶氣旋的預(yù)報(bào)技巧[35]。未來，ECMWF還將在2023年第一季度的Cycle 48r1計(jì)劃中，將ENS的水平分辨率提升至9 km，以與HRES保持一致。同時將當(dāng)前ENS extended作為一個單獨(dú)的系統(tǒng)獨(dú)立出來，維持36 km的水平分辨率和垂直137層的設(shè)置，以100成員每天從00 UTC運(yùn)行到第46天[36]。這些改變無疑將加快ECMWF向“無縫的集合數(shù)據(jù)同化和預(yù)測系統(tǒng)”[37]邁出更加堅(jiān)實(shí)地步伐。

圖1 1995—2017年ECMWF北半球500 hPa位勢高度集合預(yù)報(bào)CRPSS隨時間的演變，預(yù)報(bào)時間為24 h、72 h、120 h、168 h和240 h（整體呈上升趨勢，每條線上波動與季節(jié)相關(guān)的可預(yù)報(bào)性有關(guān)，冬季比夏季更容易預(yù)測）[20] Fig. 1 Time evolution, from 1995 to 2017, of the CRPSS of ENS forecasts for 500 hPa geopotential height over the Northern Hemisphere, for lead times of 24,72,120 168 and 240 hours. (The more or less regular pattern of peaks and troughs in each line stems from differences in predictability related to the seasons: winter weather tends to be more predictable than summer weather) [20]

圖2 IFS Cycle 47r1雙精度（DP）和91層集合預(yù)測（a）與IFS Cycle 47r2單精度（SP）和137層集合預(yù)報(bào)（b）的計(jì)算效率比較（單精度更快（綠色圓圈）并且減少了每個節(jié)點(diǎn)（黃色框）內(nèi)存之間的數(shù)據(jù)傳輸（紅色箭頭））[35] Fig. 2 The computational change from (a) IFS Cycle 47r1 with double precision (DP) and 91 levels in the ensemble forecast to (b) IFS Cycle 47r2 with single precision (SP) and 137 levels in the ensemble forecast allows faster core processing (green circles) and reduced data transfer (red arrows) between the memory on each node (yellow boxes)[35]

2 資料同化

2.1 資料同化的概念及其理論發(fā)展

初值問題是數(shù)值預(yù)報(bào)的核心問題之一，在給定初值的條件下通過既定的模式進(jìn)行數(shù)值求解以得到未來時刻的預(yù)報(bào)結(jié)果[17,38-39]。資料同化是有效的初值形成方法，它能夠“使用所有可用的信息，盡可能準(zhǔn)確地估計(jì)大氣運(yùn)動的狀態(tài)”[39-41]。先進(jìn)的資料同化技術(shù)被認(rèn)為是數(shù)值天氣預(yù)報(bào)突破的關(guān)鍵因素之一[4,17,42-43]。資料同化通常包括資料預(yù)處理、客觀分析和初始化等步驟，隨著同化技術(shù)的不斷發(fā)展，例如三/四維變分的應(yīng)用，這些過程的界限越來越模糊，在實(shí)際中各步驟的功能已逐漸融合應(yīng)用[17,43]。

同數(shù)值預(yù)報(bào)其他技術(shù)分支類似，資料同理論及方法也是在實(shí)踐中伴隨著數(shù)值模式、綜合觀測和高性能計(jì)算等技術(shù)進(jìn)步而不斷發(fā)展。早在1922年Richadson把觀測資料手工插值到網(wǎng)格點(diǎn)上作為數(shù)值預(yù)報(bào)的初始場。20世紀(jì)50年代Charney、顧震潮等采用主觀分析方法確定初值，這些也被看作是將同化的思想用于數(shù)值天氣預(yù)報(bào)的主觀分析中[39,44]。20世紀(jì)50年代隨著計(jì)算機(jī)和數(shù)值模式的發(fā)展，逐漸發(fā)展了氣象領(lǐng)域中的客觀分析方法（OA），而大氣資料同化就源于數(shù)值天氣預(yù)報(bào)的客觀分析方法。60年代隨著初始方程預(yù)報(bào)模式的出現(xiàn)，初值中不同變量間的動力學(xué)平衡成為關(guān)注的問題，客觀分析所需的背景場亦可由模式預(yù)報(bào)提供，構(gòu)成了預(yù)報(bào)—觀測—預(yù)報(bào)的循環(huán)，資料同化的完整概念形成，并發(fā)展了統(tǒng)計(jì)插值（又稱最優(yōu)插值）的客觀分析。70年代初伴隨著全球模式的出現(xiàn)，提出了基于全球大氣基本運(yùn)動模態(tài)的非線性正規(guī)模式初始化方案。80年代以后資料同化的理論框架逐漸建立起來，這一時期衛(wèi)星遙感資料的應(yīng)用也極大地推動了同化理論與方法的研究。80年代后期提出的變分同化方法，90年代中期又提出了基于集合預(yù)報(bào)的卡爾曼濾波方法等[17]。目前，三/四維變分、混合變分、集合資料同化等方法已廣泛用于業(yè)務(wù)資料同化系統(tǒng)[24,42-43]，全球主要業(yè)務(wù)中心也一直將資料同化系統(tǒng)的研發(fā)和升級作為關(guān)鍵核心業(yè)務(wù)能力之一（表5）[21]。

表5 國外主要預(yù)報(bào)中心全球資料同化系統(tǒng)主要參數(shù)：同化類型、水平分辨率（譜/格點(diǎn)）、垂直層數(shù)（L）、成員數(shù)（M）[21] Table 5 2 Operational system parameters of the global data assimilation system of major forecast centers abroad: assimilation type, horizontal resolution (spectrum/grid point), vertical layer number (L), and number of members (M) [21]

2.2 資料同化的方法

現(xiàn)代氣象業(yè)務(wù)中資料分析同化的基本方法大致經(jīng)歷了以下發(fā)展[39-40,42-44]。多項(xiàng)式函數(shù)擬合方法，由Panofskyu 1949年提出[45]，是比較早的客觀分析方法。逐步訂正方法（Successive Correction Method，SCM），Bergthorsson等[46]，Cressman[47]將它發(fā)展為一個業(yè)務(wù)客觀分析方案，用于美國當(dāng)時的聯(lián)合數(shù)值天氣預(yù)報(bào)。最優(yōu)插值方法（Optimal Interpolation，OI），經(jīng)Gandin[48]全面地研制和開發(fā)，并應(yīng)用到蘇聯(lián)的客觀分析中。變分方法（Variational methods，Var）如3DVar/4DVar是國際上大多數(shù)主要業(yè)務(wù)數(shù)值預(yù)報(bào)中心正在使用或使用過的業(yè)務(wù)方案[49-50]。集合卡爾曼濾波法（Ensemble Kalman Filter，EnKF）在1994年由海洋學(xué)者Evensen[44]引入到資料同化領(lǐng)域，逐漸成為同化技術(shù)發(fā)展的熱點(diǎn)[17,43]。

近年來，中國科學(xué)家也在資料同化方法研究中已取得了一些代表性成果[24]，如Wang 等[51]提出的降維投影四維變分同化（DRP-4DVar），Tian等[52]提出的集合四維變分同化方法（NLS-En4DVar）。此外，在業(yè)務(wù)同化系統(tǒng)中Han等[53-54]發(fā)展的有約束的衛(wèi)星資料偏差訂正技術(shù)（CBC，Constrained Bias Correction）作為重要的原創(chuàng)技術(shù)在CMA-GFS中取得顯著成效，并被 ECMWF的同化系統(tǒng)引進(jìn)和發(fā)展。盡管同化理論和技術(shù)方法也早已“今非昔比”取得了巨大進(jìn)步，但在數(shù)值預(yù)報(bào)業(yè)務(wù)中的資料同化仍然面臨一些問題，比如觀測算子、偏差、誤差、代表性、稀疏化、背景誤差協(xié)方差、強(qiáng)/弱約束、伴隨問題等交織在觀測、同化框架和模式約束等多個方面[55]。對這些問題的持續(xù)改善也期待著新的技術(shù)方法的出現(xiàn)和成熟應(yīng)用。

2.3 ECMWF資料同化新方向

ECMWF作為全球領(lǐng)先的氣象中心，也是資料同化方面的技術(shù)研發(fā)和業(yè)務(wù)應(yīng)用的佼佼者。ECMWF第一個在業(yè)務(wù)中實(shí)踐四維變分同化（4DVAR）技術(shù)，其早在1987年制定的4年發(fā)展計(jì)劃時開始醞釀用4DVAR來取代最優(yōu)插值方法，此后歷經(jīng)十年努力，1997年11月實(shí)現(xiàn)了業(yè)務(wù)化運(yùn)行[42]。自那時起ECMWF一直使用增量（Incremental）4DVar作為其同化系統(tǒng)核心算法[56]。

為了更加充分地利用當(dāng)前的全球觀測系統(tǒng)（GOS）產(chǎn)生連續(xù)的觀測流，減少“等待觀測數(shù)據(jù)到達(dá)”的時間，2019年ECMWF在同化系統(tǒng)中引入連續(xù)數(shù)據(jù)同化技術(shù)（Continuous Data Assimilation）[56]。連續(xù)數(shù)據(jù)同化的優(yōu)勢是不必等待所有觀測結(jié)果到達(dá)后才開始計(jì)算，計(jì)算階段與數(shù)據(jù)收集階段重疊（圖3）。在運(yùn)行中，不再要求在固定的截止時間后停止觀測進(jìn)入，而是在連續(xù)的外循環(huán)之間允許新的觀測進(jìn)入同化系統(tǒng)。由于每個外循環(huán)大約需要15 min才能完成，因此在連續(xù)數(shù)據(jù)同化中，有效截止時間延長了約25 min。在此框架下可以利用比當(dāng)前系統(tǒng)晚大約1.5 h的觀測，以及在截止時間之后到達(dá)的觀測。實(shí)驗(yàn)證實(shí)，連續(xù)數(shù)據(jù)同化能夠更加充分利用觀測數(shù)據(jù)并產(chǎn)生更準(zhǔn)確的分析結(jié)果，系統(tǒng)的可預(yù)測性提高了2～3 h[56]。

圖3 早期的四維同化和當(dāng)前四維連續(xù)數(shù)據(jù)同化示意（黑色箭頭表示4D-Var在各階段計(jì)算時獲取的觀測。藍(lán)色豎線表示預(yù)報(bào)開始的時間并沒有受到影響）[56] Fig. 3 Schematic representation of the current early-delivery 4D-Var configuration and the proposed continuous DA 4D-Var configuration. (The black arrows indicate at which stage of the 4D-Var computations new observations are ingested. The blue vertical line denotes the time when the forecast computations start, which is unchanged) [56]

此外，為改善海洋—大氣之間不同系統(tǒng)同化時的初始化沖擊，ECMWF還在積極推進(jìn)耦合同化技術(shù)研發(fā)與應(yīng)用。耦合數(shù)據(jù)同化能夠使不同時間尺度和同化方法的地球系統(tǒng)各組成部分取得最大的一致性。ECMWF在2018年6月（IFS Cycle 45r1）和2019 年6月（IFS Cycle 46r1）的兩次系統(tǒng)升級中引入了大氣、海洋和海冰的弱耦合數(shù)據(jù)同化。實(shí)驗(yàn)證實(shí)，弱耦合海洋?大氣數(shù)據(jù)同化對熱帶和極地地區(qū)溫度和濕度等大氣變量有顯著的改善[57]（圖4）。

圖4 北極（a）和南極（b）2017年6月9日—2018年5月21日耦合同化試驗(yàn)（藍(lán)色陰影表示使用弱耦合數(shù)據(jù)同化時預(yù)測與分析之間的差異較?。57] Fig. 4 The coupled data assimilation tests in the Arctic (a) and the Antarctic (b), for the period 9 June 2017 to 21 May 2018 . (Blue shades mean that the differences between forecasts and the analysis are smaller when weakly coupled data assimilation is used) [57]

3 討論及總結(jié)

自20世紀(jì)90年代以來世界主要?dú)庀髲?qiáng)國開始投入了比以往更多的人力、財(cái)力、物力致力于加速發(fā)展數(shù)值預(yù)報(bào)業(yè)務(wù)體系，并取得顯著成效[17]。然而隨著集合預(yù)報(bào)、數(shù)據(jù)同化理論和方法的日臻成熟，在現(xiàn)有科學(xué)范式下難以或者需要花費(fèi)更多的代價才能取得新的重要突破。初值難以精確，模式很難完美，可預(yù)報(bào)性問題短期內(nèi)尚不能顯著改善，數(shù)值天氣預(yù)報(bào)仍然面臨諸多難題[4,58-59]。除了科學(xué)認(rèn)識尚有不足，隨著模式分辨率的提升、集合預(yù)報(bào)成員的增加，隨之所需的計(jì)算資源和電力消耗呈指數(shù)級增長[4]，這些技術(shù)、經(jīng)濟(jì)上的挑戰(zhàn)也是業(yè)務(wù)數(shù)值預(yù)報(bào)系統(tǒng)發(fā)展不可忽視的因素。

由于傳統(tǒng)方法短期內(nèi)難以取得顯著進(jìn)展，世界氣象強(qiáng)國更加重視新興技術(shù)在數(shù)值預(yù)報(bào)領(lǐng)域的研究和業(yè)務(wù)布局[37,60]。隨著新一代信息技術(shù)和智能算法技術(shù)的不斷進(jìn)步，人工智能推動科技、產(chǎn)業(yè)發(fā)展和社會變革的巨大潛力得到全球更加廣泛的認(rèn)同。鑒于大氣科學(xué)顯著的非線性特征和當(dāng)前氣象領(lǐng)域典型的大數(shù)據(jù)特征①海量觀測和數(shù)值模式數(shù)據(jù)，具備典型的大數(shù)據(jù)特征，即規(guī)模性（Volume）、多樣性（Varity）、高速性（Velocity）和價值性（Value）。，因此利用機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等人工智能的方法，借助海量的觀測、模式數(shù)據(jù)來提升預(yù)報(bào)預(yù)測能力受到了的前所未有的關(guān)注并取得了積極進(jìn)展[61-70]。全球主要?dú)庀髾C(jī)構(gòu)也敏銳地捕捉到了這一發(fā)展戰(zhàn)略機(jī)遇，并逐漸將其視為氣象科技進(jìn)步的重要競爭領(lǐng)域之一。比如，ECMWF、美國國家海洋與大氣管理局（NOAA）等競相在其最新的發(fā)展戰(zhàn)略中除了持續(xù)推進(jìn)地球系統(tǒng)數(shù)值模式、資料同化等傳統(tǒng)優(yōu)勢領(lǐng)域的布局外還進(jìn)一步強(qiáng)化了人工智能等新技術(shù)在氣象領(lǐng)域的科學(xué)研究與業(yè)務(wù)實(shí)踐[71-72]。

大氣科學(xué)的每一次飛躍都伴隨著與其他科學(xué)技術(shù)進(jìn)步的融合發(fā)展。集合、同化思想在大氣科學(xué)中的滲透、應(yīng)用和發(fā)展極大地推動了以數(shù)值預(yù)報(bào)技術(shù)為核心的現(xiàn)代氣象業(yè)務(wù)發(fā)展。當(dāng)前人工智能等新一代信息技術(shù)在氣象及地球系統(tǒng)領(lǐng)域的融合應(yīng)用也許能夠較快帶來新的技術(shù)突破并為大氣科學(xué)的發(fā)展注入更多的創(chuàng)新源泉。