临近预报

  长期以来，气象雷达和卫星是临近预报主要的输入数据。基于云层和降水区域的移动情况进行外推的方法提供了短期内的预测。如今，高分辨率数值预测已经足够成熟，可以成为即时预测工具的一部分，并能够突破几方面的限制：最大成熟度、可用参数等。近年来，数据融合方法在丰富输出数据、减少不连续性等方面取得了新的突破，被应用于多个方面。

1. 临近预报的发展历史

  “临近预报”包含了常规天气预报的所有内容，预报周期根据定义有所差异，最长可达几个小时。对于临近预报的起源尚存在争议，但毫无疑问的是20世纪60年代雷达观测系统和地球静止轨道卫星的发展使其得以在更大空间尺度上实现。具体来说，地球观测系统提供了高频率的观测数据，使人们得以观测和发现大尺度地理空间范围内气候系统的演变规律。

  近年来，许多因素例如科学合作计划（如 COST 78-European Cooperation in Science and Technology，1983-1988），以及第二代气象卫星 (Meteosat Second Generation)等新一代气象卫星的发射等提高了即时预报的精度。世界气象组织推广了一些即时预报项目并进行展示，特别是北京奥运会（2008年）和温哥华冬奥会（2010年）的合作项目。这篇文章的封面图片就说明了即时天气预报能够改善体育活动观赛体验。

  长期以来，即时预报主要用于危险气候、龙卷风、暴雨和洪水预报等方面。除了“保证货物和人员安全”，即时预报还可以在优化经济成本方面发挥优势。例如，航空业也主要依靠“临近预报”开展运作（特别是预测短期内机场气象变化)。

2. 卫星数据的贡献

  地球静止轨道卫星具有以下几方面的优点：可以广泛地覆盖从热带到南北半球中纬度地区的广大地带，具有高时间分辨率（每5分钟观测一次的第二代气象卫星）和水平分辨率可达到中尺度(第二代气象卫星在欧洲上空的红外波段分辨率为4-5公里，可见光波段具有1公里分辨率）。法国气象局增加了一些第二代气象卫星为临近预报提供服务，这些工作在欧洲气象卫星应用组织领导下的国际合作框架内展开。该合作框架由临近预报卫星应用设施机构(SAFNWC(Satellite Application Facility for Nowcasting))领导。相比于地球静止卫星，低轨道卫星具有更高的空间分辨率，并搭载了具有更宽检测范围的设备。另一方面，对于某一特定区域，低轨道卫星每天有效观测次较少，更可能在地球同步卫星覆盖范围有限的高纬度地区发挥其独特作用。SAFNWC每隔两三年就会发布一个新版本的软件，给用户提供他们感兴趣的应用领域的即时预报产品。在 SAFNWC的框架内，法国气象局负责研发地球静止卫星和对流层数据产品的代码。

  以SAFNWC的RDT(Rapidly Developing Thunderstorm，快速发展的雷暴）产品[1][2]为例。RDT 能够检测、追踪、表征和预测对流单元的运动。从工作原理上看，RDT 基于不同波段的亮度温度值的差异来分析变化趋势。用户也可以使用其他来源的数据；如其他 SAFNWC 产品（云和风产品）、模型数据、来自地面闪电网络（如气象网络）的数据。此外，RDT 给出了观测和预测的对流区轮廓，以及描述对流单元特征的属性，特别是它们的严重性等数据；冷却速率、雷电活动情况、是否存在雷暴云、云的垂直分层等。

  天气预报员使用RDT来补充或替换覆盖率较差（如山区）或没有覆盖（海洋地区）的雷达数据。它还在 HAIC （高海拔冰雪）项目中进行了测试，该项目研究高海拔地区的大气冰核[3]，以评估其是否可以作为研究大气高冰核浓度地区的工具[4]。在HAIC项目期间，RDT达到TRL （技术就绪指数）等级的5级水平，表明它已足够可靠成熟。

  现在法国气象局生产的RDT产品能够满足包括航空业用户在内的全球各行业用户的需求。图1说明了RDT的覆盖范围，它是基于多颗具有不同空间和时间分辨率的卫星生成的产品。根据各种卫星的重访周期和可用性开展短期分析或预测(“planned for now” data)从而达到协同和组合使用的目的。

3. 雷达数据的贡献

  与卫星观测相比，气象雷达利用空气柱的最大反射率来确定对流的强度并推断到达地面的降水量。气象服务也使用其他类型的雷达测量；如多普勒效应，它提供了对径向风分量，可识别强烈的剪切力，进行极化测量[5]，描述水文气象类型等。

  区域方法允许跟踪大量的降水云层单元，而“面向对象”的方法则跟踪单个云层。通过对过去一段时期内云层的动向的记录，即可将雷达提供的信息用于推断未来一段特定时期的气象状况。

  2PIR方法（Immediate Precipitation Forecasting by Radar Imaging，雷达成像即时降水预报）始于90年代，并被迅速应用于即时预报，例如对天气高度敏感的体育活动的气象预报。2PIR 方法自面世以来以被用于各行各业，如今被法国气象局用于法国本土和国外未来一小时降雨量的自动化预报。该方法基于雷达反射率，首先通过互相关分析当时观测到的图像与前 10 分钟图像之间的雷达回波位移，从而形成一个规则定义的位移速度场。并基于此，结合最后观察到的反射率进行外推。2PIR 方法的主要局限在于来自雷达数据的限制和地形的影响。

  对于航空业，ASPOC3D 服务（信号和风暴预报在空中交通管制中的应用)的基础是：

• 闪电观测网络。
• 雷达网络结合卫星观测可以确定了整个法国的对流分布和云顶高度，（1公里空间分辨率，5分钟时间分辨率）。

  对流单体是由四个层次反射率的空间轮廓定义。这些具有三维属性的信息被转换成对航空有重要意义云的参数，例如：对流云的识别、轮廓特征的表征、云顶高度、云中心最大反射率值、证实云已经到达风暴阶段的闪电等。随后，每个参数被传输给终端用户，并被集成到控制台或模型中。图3显示了这些“对流”对象。

  在 2010年6月15日法国东南部发生严重洪水之后，为防发生异常局部降雨，当局提供了持续的气象服务。气象服务旨在以一种完全自动的方式为市长提供决策支持以应对洪水。APIC 服务（市级强降雨警报）根据法国雷达网络的数据计算累积降雨量，并与统计数据进行对比以评估观测到的降水情况是否存在异常，根据严重程度可分为两个等级。当被确定为异常等级，或此后降水持续增加时，便向用户发送警告。通过在线地图网站（图 4）可以查看当前的警告、暂时不可用区域以及没有该服务的区域分布。为了论证面向城市普及这种预警服务的可能性，法国气象局基于过去两年中等质量的雷达降水观测数据开展了测试。APIC 服务于2011年12月正式开通，如今已经覆盖了超过92%的城市。

4. 数值天气预报对即时预报的贡献

  目前的即时预报主要基于观测数据进行外推。数值模拟技术的进步和计算性能的提高使得我们可以进一步缩短预报周期，有望克服基于观测外推的方法的局限性（凭空创造的结构和固定不变的强度，过去的传统方法均未考虑到位移或强度演变方面的影响）。

  与此同时，精细的数值模式现在能够逼真地模拟对于临近预报有意义的尺度现象，并与密集的观测进行数据融合。数值预报使得即时预报成为可能：将最新的观测数据进行同化，满足最新预测时限。这些信息的高时效性要求需要它们在一定时间范围内能够实时使用。数值预报模型需要临近预报能够在短时间内提供最新信息，所以我们不得不在预报次数、观测数据的更新和运算时间之间做出取舍。如果模拟的物理过程与精细网格模型的物理过程保持一致，则必须开发专门用于临近预报的数值模型，以应对各种挑战。

  法国气象局开发了AROME-FR精细网格模型(查阅：天气预报介绍），用于创建一个专门用于即时预报的数值模型：AROME-PI，该模型已于2016年3月投入使用。

  AROME-PI 集成了 AROME-FR 的所有特征：二者具有相同的代码版本，相同的3d-var 数据同化方法，相同的空间分辨率(1.3 km)和相同的耦合模型(ARPEGE)。然而，有些属性被调整以满足即时预报的需要。例如，AROMEPI可以实现15分钟时间周期的预报，而 AROME-FR 则为1小时。该项目旨在促进模型在即时预测中的使用以及多源数据与其他预测模型的融合。

  这个模型提供了大量且高效的信息。如今系统已经投入使用，开始为法国气象预报员提供各种综合信息并发出危险预警。

5. 向前迈出了新的一步：数据融合

  数据融合方法[6]预计将在即时预测（卫星，雷达和中尺度数值预测之间的组合方法）中得到了广泛应用。

  例如欧洲气象卫星应用组织临近预报中心，除了卫星数据之外还使用了闪电观测网络和来自气候数值模型的数据。

  欧洲气象卫星组织的 MPE 产品（多传感器降水估计）是另一个例子。在某一区域，Meteosat7 卫星或 MSG 卫星可以与 DMSP（国防气象卫星计划）卫星（该卫星配备了 SSMIS (特殊传感器微波成像仪/探测仪）仪器）的观测数据进行联合应用。这些卫星数据的融合使得人们可以通过统计学习算法从地球静止卫星数据中估计降水发生的概率。与此同时，在每次卫星过境时可以通过地面观测积累的结果对观测数据不断进行校准。

  丰富的多源数据可以优化单一使用雷达数据的预报精度。以下两个例子可以具体直观地证明这一事实：

• 由Lannion空间气象中心开发的SAFNWC云顶产品得到了广泛应用，特别是在航空领域。它提供了对流云垂直方向分布的信息，而在水平方向上的二维轮廓则由法国水文气象雷达数据拼接合成。
• 相对螺旋度[7]是数值预报的一个重要指标，能够很好地表征龙卷风来袭前的云层对流情况。基于法国气象局的雷达观测可以计算这个指标。

  在刚开始的几个月，基于观测资料的外推结果表明站点数据与卫星观测的吻合度较高。AROME-PI 有助于补偿观测外推中已知的缺陷（例如由于数据可用性的限制或数据缺失造成的误差等）。科学家们面临的最大挑战是如何有效集成每种方法的优点以不间断地获得预报截止前0-3小时内的信息。法国气象中心自2016年6月以来开展了结合专家知识、雷达外推以及 AROME-PI 两种模式的预报，旨在获得最优的结果。根据每个专家的历史预测结果与地面观测记录的一致性，来确定分配给每种模式所占的权重。

6. 不久的将来

  “临近预报”脱胎于雷达和卫星，但随着它的发展，对于上述二者的依赖性已越来越低。数值预报的进步使得人们可以在更短的周期内开展预报，还能实时更新数据。这一研究结果表明，除了传统的外推方法和数值预测之外，还可以考虑采取数据融合的方法。

  临近预报的发展大大得益于宏观对地观测系统的进步。MTG (即第三代气象观测卫星—）将搭载 FCI （柔性组合成像仪）辐射计，具有更高的光谱、水平和时间分辨率。随着 LI (Lightning 成像仪)探测器伴随 MTG 卫星被发射升空，以大气对流数据为代表的更多气象观测信息将能够被用于校正、实时处理和验证预报的准确性。而雷达技术则有望在垂直观测、双极化和新参数的改进方面取得预期进展。

 

---

参考资料及说明

封面照片： 罗兰·加洛斯在雨中(2010)
[1] Mahfouf, J.-F., Moisselin, J.-M., Autonès, F., Vidot, J.,2017, Apport de l’observation satellitaire pour la prévision du temps, La Météorologie, to be published

[2] Autonès, F., Moisselin, J.-M., 2016, Algorithm Theoretical Basis Document for Convection Products, NWC/CDOP2/GEO/MFT/MFT/SCI/ATBD/Convection, seehttp://www.nwcsaf.org/indexscientificdocumentation.html

[3] Brenguier, J.-L., Bouttier, F., Moisselin, J.-M., 2015, Les nouveaux services météorologiques pour l’aviation, La Météorologie – n° 91 – novembre 2015 pp47-53

[4] Gounou, A., Moisselin, J.-M., Autonès, F., Brenguier, J.-L., Levaillant, D., Defer, E., Turner, S., Parol, F., Dezitter, F., Grandin, A.,2015, The RDT nowcasting tool for detecting convective areas associated with high ice water content during HAIC/HIWC field campaign. Paper for the 2015 SAE conference on Icing

[5] 雷达极化测量包括连续发射水平极化波和垂直极化波。通过比较两种反馈回波，可以确定目标的球形度，从而确定水文气象的类型。

[6] 数据融合必须区别于《气象数据同化》一文中描述的数据同化。在同化过程中，必须注意保持变量之间的某些平衡，以便能够平衡地初始化预报模式。在聚变中，我们没有这个约束，因此我们可以定义一个更接近观测值的状态。

[7] 在流体力学中，螺旋度(速度矢量与涡旋矢量的标量积)通常被认为是衡量局部旋转对流体粒子所产生的夹带效应的量度。