Unsolved Mysteries
当前位置: 未解之谜网 > 自然科学 > 说好的台风呢?!气象预报不准?要准确预测天气有多难?

说好的台风呢?!气象预报不准?要准确预测天气有多难?

2023-9-10 未解之谜网

小心啊,打雷啰,下雨收衣服啊!

气象报告说好是晴天的,怎么一踏出门就开始下雨了?

昨天都说要直扑的台风,怎么又弯出去了?

多么希望天气预报能做到百分之百正确,只要出门前问一下手机,就能确定今天是出大太阳还是午后雷阵雨,是几点几分在哪里?又或是最重要的,台风到底会不会来?

但你知道,现在的气象预报,已经动用全球最强的超级电脑们了吗?既然如此,我们现在的气象预报能力到底有多准?我们什么时候能彻底掌握这颗蔚蓝星球上发生的所有天气现象?

天气预报有多困难?

虽然我们常常嫌说气象预报不准、台风路径不准、预测失灵等等。但我们现在的实力如何呢?

目前美国国家海洋暨大气总署的数据分析,对西太平洋台风的 24 小时预测,误差平均值约 50 英里,也就是一天内的路径误差,大约是 80 公里。其他国家的气象局,24 小时的误差也约在 50 到 120 公里之间。

现在只要打开手机随便开个 APP,就能问到今天的天气概况,甚至是小区域或是短时间区间内的天气预报。但在过去没有电脑的时代,要预测天气根本可以不可能(诸葛孔明:哪泥?)。

近代且称得上科学的天气预测可追溯回 1854 年,那个只能靠人工观测的年代,英国气象学家为了保护渔民出海的安危,利用电报传递来搜集各地居民的观察,并进行风暴预报。后来演变成天气预报后,却因为有时预报不准,预报员承受了舆论与国会批判的巨大压力,最后甚至郁郁离世。

19 世纪的气象学家为了保护渔民出海的安危,会利用电报搜集各地居民的观察进行风暴预报。图/Giphy

在电脑还在用打洞卡进行运算的年代,一台电脑比一个房间还大。气象局要预测天气,甚至判断台风动向,得要依赖专家对天气系统、气候型态的认知。因此在模拟预测非主流的年代,我们可以看到气象局在进行预测时,会拿着一个圆盘,依据量测到的大气压力、风速等气象值,进行专家分析。

当时全球的气象系统,则是透过全球约一千个气象站,共同在 UTC 时间(旧称格林威治时间)的零零时施放高空探测气球,透过联合国的“World Weather Watch”计划来共享天气资料,用以分析。

也就是说,以前的台风预测就是专家依靠自身的学理与经验,来预测台风的动向,但是,大气系统极其复杂,先不说大气系统受到扰动就会有所变化,行星风系、科氏力、地形、气压系统这些系统间互相影响,都会造成预测上的失准,更遑论模拟整个大气系统需要的电脑资源,是非常巨大的。

那么,有了现代电脑科技加持的我们,又距离全知还有多远呢?是不是只要有够强的超级电脑,我们就能无所不知呢?

有了电脑科技加持,我们的预报更准了吗?

当然,有更强的电脑,我们就能算得更快。才不会出现花了三天计算,却只能算出一个小时后天气预报的窘况。但除了更强悍的超级电脑,也要更先进的预测模型与方法。现在的气候气象模拟,会先给一个初始值,像是温度、压力、初始风场等等,接着就让这个数学模型开始跑。

接着我们会得到一个答案,这还不是我们真正要的解,而是一种逼近真实的解,我们还必须告诉模型,我容许的误差值是多少。什么意思呢?因为复杂模型算出来的数值不会是整数,而是拖着一堆小数点的复杂数字。我们则要选择取用数值小数点后 8 位还是后 12 位等等,端看我们的电脑能处理到多少位,以及我们想算多快。时间久了,误差的累积也越多,预测就有可能失准。没错,这就是著名的蝴蝶效应,美国数学暨气象学家 Edward Norton Lorenz 过去的演讲题目“蝴蝶在巴西挥动了翅膀,会不会在德州造成了龙捲风?”就是在讲这件事。

回到台风预报,大家有没有发现,我们看到的台风路径图,台风的圈怎么一定会越变越大,难道台风就像户愚吕一样会从 30% 变成 100% 力量状态吗?

轻台鸳鸯的台风路径潜势图。

其实那不是台风的暴风圈大小,而是台风的路径预测范围,也就是常听到的台风路径潜势图,是未来 1 至 3 天的台风可能位置,台风中心可能走的区域显示为潜势图中的红圈,机率为 70%,所以圈圈越大,代表不确定性越大。

1990 年后,使用美国国家大气研究中心 (NCAR) 为首开发的 Weather Research and Forecasting 模型做数值运算,利用系集式方法,藉由不同的物理模式或参数改变,模拟出如同“蝴蝶效应”的结果,运算出多种台风的可能行进路线。预测时间拉长后,误差累积也更多,行进路径的可能性当然也会越广。

“真锅模型”用物理建模模拟更真实的地球气候!

大气模拟不是只要有电脑就能做,其背后的物理复杂度,也是一大考验。因此,发展与地球物理相关的研究变得非常重要。

2021 年的诺贝尔物理学奖,就是颁给发展气候模型的真锅淑郎。他所开发的地表模式,在这六十年间,从一个没考虑地表植物的简单模型,经各家发展,变成现在更为复杂、更为真实的模型。其中的参数涵盖过去没有的植物反应、地下水流动、氮碳化合反应等等,增强了气候气象模型的真实性。

2021 年的诺贝尔物理学奖得主真锅淑郎。图/wikimedia

当然,越复杂的模型、越短的时间区间、越高的空间精细度,需要更强大的超级电脑,还有更精准的观测数据,才能预测接下来半日至五日的气象情况。

世界上前百大的超级电脑,都已被用来做大气科学模拟。各大气象中心通常也配有自己的超级电脑,才能做出每日预测。那么,除了等待更加强大的超级电脑问世,我们还有什么办法可以提升预报的准度呢?

天气预报到底要怎样才能做得准?

有了电脑,人类可以纪录一切得到的数据;有了卫星,人类则可以观察整个地球,对地球科学领域的人来说,可以拿这些现实资讯来校正模拟或预测时的误差,利用数学方法将观测到的单点资料,乃至卫星资料,融合至一整个数值模型之中,将各种资料加以比对,进一步提升精准度,这种方法叫做“资料同化 (Data Assimilation)”。例如日本曾使用当时日本最强的超级电脑“京”,做过空间解析度 100 米的水平距离“局部”超高解析气象预测,除了用上最强的电脑,也利用了卫星资料做资料同化。除了日本以外,欧洲中程气象预测中心 (ECMWF),或是美国大气暨海洋研究中心 (NOAA),也都早在使用这些技术。

如果想要进一步提升预报准度呢?不用担心,我们还有好几个招式。

人海战术!用更多的天气模型来统计出机率的“概率性模拟”

首先,如果觉得一个模型不够准,那就来 100 个吧!这是什么意思?当我们只用一种物理模型来做预测时,我们总是会追求“准”,这种“准确”模型做的模拟预测,称为“决定性模拟”,需要的是精确的参数、公式,与数值方法。就跟遇上完美的梦中情人共度完美的约会一样,虽然值得追求,但你可能会先变成控制狂,而且失败机率极高。

“准确”的模型就跟遇上完美情人共度完美约会一样,虽然值得追求,但失败机率极高。图/Giphy

不如换个角度,改做“概率性模拟”,利用系集模拟,模拟出一大堆可能的交往对象,啊不对,是天气模型,再根据一定数量的模拟结果,我们就可以统计出一个概率,来分析台风路径或是降雨机率,让成功配对成功预测的机率更高。

制造一个虚拟地球模拟气象?

再来,在物理层面上,目前各国正摩拳擦掌准备进行等同“数位挛生 (Digital Twin) ”的高阶模拟,简单来说,就是造出一个数位虚拟地球,来进行 1 公里水平长度网格的全球“超高”解析度模拟计算。等等,前面不是说日本可以算到 100 米的水平距离,为什么 1 公里叫做超高解析度?

因为 500 米到 1 公里的网格大小也是地表模式的物理适用最小单位,在这样的解析度下,科学家相信,可以减少数值模型中被简化的地方,产生更真实的模拟结果。

电脑要怎么负荷这么大的计算量?交给电脑科学家!

当然,这样的计算非常挑战,除了需要大量的电脑资源,还需要有稳定的超级电脑,以及几个 Petabyte,也就是 10 的 15 次方个位元组的储存设备来存放产出的资料。

不用为了天气捐赠你的 D 槽,就交给电脑科学家接棒上场吧。从 CPU、GPU 间的通讯、使用 GPU 来做计算加速或是作为主要运算元件、到改写符合新架构的软件程式、以及资料压缩与读写 (I/O)。同时还要加上“资料同化”时所需的卫星或是全球量测资料。明明是做气象预报,却需要等同发展 AI 的电脑科技做辅助,任务十分庞大。对这部分有兴趣的朋友可以参考我们之前的这一集喔!

结语

这一切的挑战,是为了追求更精确的计算结果,也是为了推估大魔王:气候变迁所造成的影响必须获得的实力。想要计算几年,甚至百年后的气候状态,气象与气候学家就非得克服上面所提到的问题才行。

一百年来,气候气象预测已从专家推估,变成了利用庞大电脑系统,耗费百万瓦的能量来进行运算。所有更强大、更精准的气象运算,都是为了减少人类的经济与生命损失。

对于伴随气候变迁到来的极端天气,人类对于这些变化的认知还是有所不足。2021 年的德国洪水,带走了数十条人命,但是身为欧洲气象中心的 ECMWF,当时也只能用丛集式系统算出 1% 的豪大雨概率,甚至这个模拟出的豪大雨也并没有达到实际量测值。

我们期待我们对气候了解和应对的速度,能追上气候变迁的脚步,也由衷希望,有更多人才投入地球科学领域,帮助大家更了解我们所处的这颗蓝色星球。

也想问问大家,你觉得目前的气象预报表现得如何?你觉得它够准吗?

夭寿准,我出门都会看预报,说下雨就是会下雨。

有待加强,预报当参考,自己的经验才是最准的。

等科学家开发出天候棒吧,那才是我要的准。更多想法,分享给我们吧

共有540阅 / 0我要评论

发表你的评论吧返回顶部

!评论内容需包含中文


请勾选本项再提交评论