天气预报是怎么提前知道会刮大风的？

“北京发布十年来首次大风橙色预警”

“‘破坏性大风’来了！”

“阵风可达12级，陆地罕见”

看着手机里一条一条蹦出来的天气预报，在实验室里奋战一星期，甚至还通宵干活的小编一想到美好的周末就此报销，人悄悄地碎了……

不过转念一想——要是没有提前几天的预警，这突如其来的12级妖风，怕不是要把周末的小编直接吹上天？

这么看来，天气预报简直是现代版“未卜先知”啊！都说预测未来最难，可它却能提前几天锁定狂风路径——这“神仙操作”到底是怎么做到的？

今天，趁着北京大风余威未消，小编带大家一起“乘风破浪”，揭秘全球天气预报系统的黑科技！（文末有彩蛋~）

1

1.天气预报的发展史

早在三千多年前的商周时期，先民就开始尝试预测天气变化。甲骨文记载显示，当时通过灼烧龟甲观察裂纹进行占卜，其中就包含对阴晴雨雪的预测。这种基于占卜的天气预测，反映了人类早期对自然规律的朴素探索。

这段甲骨文预报的是降雨，意思是，壬寅日占卜，癸日下雨，后来的天气是起了暴风。来源:中国气象网

到东汉时期，王充在《论衡·变动篇》中记载了"天且雨，琴弦缓"的现象，说明当时已注意到湿度变化与天气的关联。不过这类经验性观察尚未形成系统理论，直到明清时期，天气预测仍带有玄学色彩。值得肯定的是，古人通过长期观测总结的二十四节气，以太阳周年运动为基准建立的农时体系，至今仍在指导农业生产中发挥着重要作用。

大家小时候都背过二十四节气歌

真正意义上的科学天气预报始于定量观测技术的突破。17世纪温度计、气压计的发明，19世纪热力学定律的建立，为气象观测提供了物理基础。1851年英国首次绘制天气图，通过收集不同地点的气压、温度数据，科学家们终于能够系统性分析天气系统的移动规律，这标志着现代气象学的开端。

托里拆利：记得一个大气压是多少mm汞柱吗？

19世纪电报技术的普及，彻底改变了气象数据收集方式。各地气象站得以实时传输观测数据，使1854年诞生的天气图真正成为动态监测工具。

早期和现代的气象图，可以看出基本思想其实是一致的（左侧为1783年布兰德斯的第一张天气图，来源https://www.sciencedirect.com/topics/earth-and-planetary-sciences/synoptic-meteorology，右侧为中央气象台2025年4月12日14:00的天气图，来源http://www.nmc.cn/publish/observations/china/dm/weatherchart-h000.htm）

通过对比连续数日的天气图，预报员首次能追踪气团移动轨迹，预测冷锋过境时间——这种"外推法"使24小时天气预报准确率提大幅提升。但这种方法就像观看连环画，只能推测画面间的过渡，无法真正解析天气变化的物理机制。

得益于流体力学等理论的发展，在1904年，挪威气象学家皮叶克尼斯（Vilhelm Bjerknes）在世界上首次提出了天气预报问题是对大气运动方程进行积分求解的概念，并写出了一组包含7个变量的偏微分方程组，用来描述大气的状态。

这组方程相当复杂，甚至（并不那么意外的）找不到解析解。直到十几年后，英国气象学家路易斯·理查森（Lewis Fry Richardson）才第一次尝试真正求解这组方程。当然，由于技术的不成熟，他花了六个星期才完成时间跨度为六个小时的预报计算，且完全没有现实上的参考价值（采用了不合理的近似和计算步长导致误差巨大）。

路易斯·佛莱·理查森，这位狠人在参加一战应急救援工作的间隙完成了复杂到令人发指的计算，甚至后来验算的结果表明，假若当年理查森对数据做平滑化处理以去掉各种噪声的话，他的预报基本上还是准确的。

尽管这样，理查森并没有放弃。由于认识到数值天气预报所需的巨大计算量，在1922年他出版的专著《通过数值过程预测天气》中，描述了他关于一个“天气预报工场”的奇思妙想：在这个工厂里，通过彩色信号灯和电报通信来指挥和协调64000名专业计算人员（computer，非现在所指的计算机）同时用手工进行必要的计算，才能做出时效上有意义的预报。

理查森设想的数值天气预报系统，简直就是某种人列计算机（来源：https://www.emetsoc.org/resources/rff/）

当然，现实生活中不可能有这种东西存在，不过24年后ENIAC的出现改变了一切。1950年，在普林斯顿高级研究所，气象学家恰尼（J. G. Charney）、费也托夫（R. Fjörtoft）等人和计算机之父冯·诺依曼（John von Neumann）合作，在ENIAC上成功地制作出了历史上第一个24小时天气预报图。

第一个成功的24小时数值天气预报 a. t = 0的位势高度和涡度实况b. t = 24h的位势高度和涡度实况 c. 位势高度和涡度实况24h的变化 d. t = 24h的位势高度和涡度预报（来源：Charney J G, Fjörtoft R and von Neumann J. Numerical Integration of the Barotropic Vorticity Equation. Tellus A: Dynamic Meteorology and Oceanography, 1950）

1954年，瑞典和美国先后开启数值天气预报业务，数值天气预报从纯研究探索走向了业务应用。随后，其它国家陆续跟进。经过70年的发展，数值预报已经成为一个跨学科的复杂而严格的系统性工程，使得天气预报从传统的以统计和经验为主的天气图方法，转变成为客观定量的科学。数值天气预报被认为是物理学科各领域中最具影响的成就之一。

2

2.天气预报的基本原理

目前大家常说的的天气预报一般指数值天气预报，这套系统就建立在皮叶克尼斯1904年提出的方程组之上。

皮叶克尼斯的方程组，其中的未知量包括大气的速度v（有3个分量）、温度T、压强p、密度ρ和水汽混合比例q（来源：E. Kalnay, 2003: Atmospheric modeling, data assimilation and predictability. Cambridge University Press, Cambridge）

有了这个方程组，接下来的预报流程就“简单”了。

比如说我们要预报中国的天气，基本的步骤如下：

• 用很多网格（比如经线和纬线）把中国分割成一个个小格子，然后在垂直地表方向（也就是高度）上也分成很多份。这样我们在中国地图的表面就有了一个三维的网格点阵。出于精度考虑，点阵越密越好。

• 然后加上中国周围的大气边界条件。

• 所有的网格点和边界条件上大气的状态值作为初始条件，开始解方程。这么变态的方程当然是求数值解了，用各种差分去逼近导数。

• 得到网格点上大气的这7个值，再根据气象知识，我们就知道每个网格点是天晴多云雷阵雨转阴了。

这套天气系统的计算听起来非常的清晰流畅，但实际上完全不是那么一回事。首先，得到大气系统的“边界条件”对于气象观测能力提出了非常高的要求。另外，这套流程中要计算的方程组实在是太复杂了！

孩子们，我真的很能算

理查森的计算手稿

学过微分方程组的同学们都知道，偏微分方程组的维数越高，求解就越困难，而天气预报中使用的偏微分方程组维数=三维网格的格点数量×7，总数可以高达10 7量级，这对于人力计算来说简直是不可能完成的任务。

二十多年后气象学家恰尼、费也托夫找到了解决方法：简化方程组。简单来说，皮叶克尼斯的方程组中的有些变量在不同的环境中是可以忽略掉的，恰尼只保留了压强这个变量进行计算，大大简化了计算的复杂度。

基于这套思想，他们与冯·诺依曼合作进行了第一次成功的24小时天气预报。

随后的故事就和我们之前提到的一样，天气预报正式进入实用阶段，全球各国都建立了自己的预报网络，看起来一切都得到了解决……吗？

并非如此！在长期的研究后，恰尼认识到具有参考价值的天气预报时间有个上限，在1965年洛伦茨（Edward Norton Lorenz）估计这个上限时间为两个星期。不过当时恰尼认为，这个上限来自于模型本身的缺陷，然而实际上，即使使用皮叶克尼斯的原始模型，这个上限时间依旧存在。因为这一“上限“其实来自于一种当时并没有被充分了解的现象，也就是混沌系统本身的性质。

3

3.天气预报与混沌理论

长久以来，气象学界对于长期天气预报这一课题都保有消极的态度。气象学家甚至普通人都知道，长期天气预报是不精确的：谁知道明年的今天这个地区的天气会怎么样呢？但是这背后的原因如何，大家却并不那么清楚。爱德华·诺顿·洛伦茨就是一位专注于这一课题的气象学家。

爱德华·诺顿·洛伦茨，混沌理论之父。他曾说过：“人们经常都会看到，纯粹理论研究的一点点成果，也许在很长时间之后，会导致连做该纯理论研究的科学家都始料不及的实际应用。”

在1961年的一天，洛伦茨和往常一样，使用自己简化的大气运动模型来研究大气的非周期动力学现象。他计划把昨天的模拟结果重新计算一遍，以保证结果准确无误。然而仿真结果令他大吃一惊，新画出来的曲线与昨天的记录大相径庭：两条曲线从相同的初始点出发，在起初几周时间点上的预报相互吻合得很好，但随后两者迅速分离，大约两个月后便变得毫不相关了

著名的洛伦茨方程，描述了第一个被发现的吸引子结构（洛伦茨吸引子）。其中σ为普朗特数，ρ为瑞利数，β是系统参数。

经过反复核查，洛伦茨发现第一次计算中使用的初始值为0.506127，而第二次验算时他偷懒只输入了0.506。经典动力学的传统观点认为，系统的长期行为对初始条件是不敏感的，即初始条件的微小变化对未来状态所造成的差别也是很微小的。正是基于这一观点，洛伦茨认为这一不到千分之一的“四舍五入”不会带来什么影响。

现在他发现自己错了，这影响其实大得很。

洛伦茨方程的一个MATLAB模拟，红线初始值为x=0, y=2, z=9，蓝线初始值为x=0.00001, y=2, z=9。参数 σ = 10，β = 8/3，ρ = 30（来源：https://zhuanlan.zhihu.com/p/613425779，原文为动图）

随后的时间里，洛伦茨重复进行了不同初始值的仿真，证实了他的看法：由于该数学模型对初始条件具有高度敏感性，一个微小的初始误差随着反复迭代计算最终酿成巨大的结果差异，导致了模型未来行为的“不可预测性”。

洛伦茨把他的发现写成了论文“确定性的非周期流”，于1963年发表在《大气科学》杂志（“Deterministic nonperiodic flow”，Journal of the Atmospheric Sciences, 20: 130-141, 1963）。他将自己的发现打了一个比方：“在巴西的一只蝴蝶拍打一下翅膀会在得克萨斯州引发一场龙卷风吗？”从那以后，蝴蝶效应（“butterfly effect”）作为一个时髦的科学名词正式走上了历史舞台。

洛伦茨的工作让人们意识到，这种对于初值敏感的动力系统可能在自然界广泛存在，我们的天气系统就是其中之一。

非常不幸的是，在全世界各地的气象监测站收集气象数据的时候，总是会或多或少地带有一些误差，将这些带有误差的初始值输入到超级计算机模拟中之后，得到的模拟数据在足够长的时间之后一定会产生巨大的误差，而这就是恰尼指出的“天气预报带有时间上限”的来源。

这也是天气预报总是不准的原因之一~

为了尽量减小混沌带来的不确定性，实际业务中通常采用集合预报这种形式。集合预报通过对初始值引入微小扰动，执行多次预报从而产生一系列可能的预报结果，使之能包含实际天气的发展情况，其预报效果从概率上好于单个预报，但随之而来的是多次预报带来的计算量的线性增加。

集合预报示意图（来源：Bauer P, Thorpe A, Brunet G. The quiet revolution of numerical weather prediction. Nature, 2015）

因此数值天气预报拥有巨大的计算量，同时天气预报业务对于时效性要求非常高，几乎在任一时期，数值天气预报系统都使用了当时最快速的高性能计算机。

不断提高预报的准确率是社会发展的必然要求，数值模式正朝着更高时空分辨率、更复杂物理过程、集合预报和多模式耦合发展。然而由于摩尔定律等物理现实的限制，算力的增长面对计算需求的增长显得有些力不从心。

近些年，以神经网络、深度学习、生成式人工智能等新技术为代表的人工智能技术取得了巨大突破。这些技术普遍需要大量数据进行预训练，而天气预报这一领域在过去70年间，包括真实数据和模拟数据在内，积攒了大量数据，正好符合人工智能模型训练的要求。

“AI+气象”于过去的两三年内取得了令人瞩目的成绩，正在气象预报领域掀起一股世界性的研究热潮。包括盘古气象大模型在内，大量预报准确，生成迅速的气象大模型崭露头角，为更高效，也更方便的天气预报做出了独特的贡献。

4

小彩蛋：风要有多大才能超越重力

看完了天气预报，我们再回头看看北方这创纪录的大风。相信在网上冲浪的朋友们都看到了“专家建议100斤以下的人不要出门”等等类似的标题。那到底多大的风才能把人吹起来呢？

这件事要从蒲福风级开始讲起。蒲福风级（Beaufort scale）是国际通用的风力等级，由英国人弗朗西斯·蒲福（Francis Beaufort）于1805年拟定，用以表示风强度等级。

蒲福风级表

此外，还要用到简单的空气动力学知识。气体的动压指的是气体由于运动产生的力，公式为

其中q表示动压，单位Pa，ρ为气体密度，单位kg/m3，v是气体流速，单位m/s。再加上简单的力学和几何知识，假设一个成人的迎风面积约为A，则可以得到人在风中的受力大小为

取常温常压下空气密度ρ=1.225kg/m 3，A=1m 2，则可以计算出不同风力下人受到的力的大小。有了蒲福风级和风压的计算方法，我们就可以将具体的风级与体感联系起来。小编就此简单画了一张图，有兴趣的小伙伴也可以算一下，自己的体重可以扛住多大的风~

在实际情况下，人体在地面上能承受的横向力大约是体重的60~70%，还有人体并不是一块平面等其他因素影响，能把人吹倒的风力会比上面的粗糙计算要小很多。

当风太大时，也会发生下图这种悲惨的情况。

大风天真的很危险！图源自互联网

所以说，像这样的大风天还是听天气预报的，躲在家里少出门为好。

参考资料：

[1]天气预报发展简史：从玄学到科学 - 林建设的文章 - 知乎https://zhuanlan.zhihu.com/p/269579422

[2]国外的天气预报是否比国内的准？- 知乎用户WY66Ea的回答 - 知乎https://www.zhihu.com/question/20634817/answer/17228215

[3]蝴蝶效应-洛伦兹吸引子 - Hsuty的文章 - 知乎https://zhuanlan.zhihu.com/p/613425779

[4]https://www.sciencedirect.com/topics/earth-and-planetary-sciences/synoptic-meteorology

[5]https://mp.weixin.qq.com/s/E42qbqYu7UpCdo8LjrEcaA

[6]https://mp.weixin.qq.com/s/-Oks7lnNe8Gp9MQUIvZttA

[7]https://www.metax-tech.com/ndetail/12503.html

[8]http://www.nmc.cn/

[9]https://baike.baidu.com/item/%E7%88%B1%E5%BE%B7%E5%8D%8E%C2%B7%E8%AF%BA%E9%A1%BF%C2%B7%E6%B4%9B%E4%BC%A6%E8%8C%A8

[10]“吸引子”与“混沌” 08 - 科学羊的文章 - 知乎https://zhuanlan.zhihu.com/p/584075185

编辑：K.Collider

本文转载自《中科院物理所》微信公众号

《物理》50年精选文章