气象数值预报中的数值模拟方法 .pdfVIP

气象数值预报中的数值模拟方法

气象数值预报是利用计算机模拟大气运动规律，预测未来几天、十天、数十天

甚至更长时间内的天气变化趋势。数值模拟方法是气象数值预报的核心技术之一，

也是气象学、计算机科学和数学的交叉领域。在这篇文章中，我们将探讨气象数值

预报中的数值模拟方法，包括数值模拟的基本原理、模拟过程中的误差和校正方法、

以及数值预报的发展趋势等方面。

1.数值模拟的基本原理

气象数值预报中的数值模拟方法是基于大气的动力学、热力学和水文学定律的

数学模型。它通过数学方程组求解来预测未来的大气状态。数值模拟的基本流程是

将大气分成一系列网格，然后在每个网格内求解大气的物理量（如气压、温度、湿

度、风速等）和动力学量（如上升速度、水平速度等）。这些物理量和动力学量是

根据气象学原理和观测数据、资料进行计算的，同时也会受到气体运动的摩擦、辐

射、降水等作用的影响。

具体来讲，数值模拟的过程可以被分为时间步进和空间离散两个部分。时间步

进将连续时间转化为离散的时间步，即将预报时段分为若干个小的时间段，每个时

间段内大气的状态是一个离散的数值。空间离散将大气分成若干个网格，每个网格

内气压、温度、湿度等物理量以及经度、纬度等位置信息都是一个离散的数值。

在数值模拟的过程中，可以使用不同的模型和算法来求解方程组。基于前述基

本原理，刘一霖等人（2007）把数值模拟方法分为两种：一类是基于大气动力学方

程组的全球模式和区域模式，另一类是基于统计方法的天气预报模式。前者包括众

多模型，如欧洲中心数值预报模式（ECMWF）、美国大气研究中心全球气象模式

（GFS）、中国气象局气象数值预报模式（CNMNM）、日本气象局全球数值预报

模式（JMA-GSM）等。后者包括集合平均模式、人工神经网络模型、回归模型等。

2.模拟过程中的误差和校正方法

气象数值预报的数值模拟精度受许多因素影响，如初始场选择、模型选择、参

数调整等。在数值模拟过程中，误差来源较多，可分为三类：物理误差、数值误差

和初始场误差。

物理误差主要由于模型的简化和假设所导致。气象系统非线性、非平衡、非平

稳，在气象现象描述和预测方面存在许多不确定性。为保证计算效率和精度，气象

模型中常常对流体流动的各个细节进行近似处理，这样可能会影响计算结果的准确

性。

数值误差源自数值计算的离散化和舍入误差。在离散化过程中，会出现截断误

差和舍入误差。截断误差是离散间隔过大或方法迭代次数不够导致的误差，而舍入

误差是由于计算机表示浮点数而引起的误差。这些误差会导致模拟结果明显偏离真

实值。

初始场误差是由观测精度、观测时间及地点选择等因素决定的。有时预报初始

状态可能存在偏差，它可能会对预报结果产生极大影响。有研究显示，对于同一模

式，初始场偏差该级别可引起数小时到数天的预报误差。

如何校正这些误差是气象数值预报研究的重要方向之一。目前，主要有以下三

种校正方法：

（1）简单后验处理方法：简单后验处理是校正模型结果的一种方法，即对模

拟结果进行保序处理，或将预报值按一个确定的比例缩小。

（2）同化方法：同化是指根据最新的观测数据，将模拟的气象变量更新为更

真实的值。同化可以通过不同的方法实现，如四维变分同化法、卡尔曼滤波器和格

子数据同化方法等。其中，四维变分同化法是当前气象同化方法的主流方法之一，

它是一种全局优化算法，不仅考虑观测数据的初始信息，还同化了前后若干个时间

步的信息。

（3）多模型融合方法：多模型融合是指将多个预报模式的预报结果融合起来，

得到更准确的预报结果。多模型融合可以采用不同的方法，如模式加权平均、基于

经验正交分解的融合方法等。多模型融合的主要目的是在减少不确定性的同时提高

预报的准确性和可靠性。

3.数值预报的发展趋势

气象数值预报技术从上世纪40年代的“试算预报”发展到今天的高分辨率数值

预报，取得了巨大成就。随着气象观测技术、计算机技术、气象数值模拟技术等方

面的不断进步，气象数值预报也不断在向更高的精度、更长的预报时段、更小的空

间尺度和更全面的预报方向发展。

未来气象数值预报的发展趋势可能包括以下几个方面：

（1）精细化预报：气象数值预报将会更加注重个性化、精细化的预报，例如

基于城市的天气预报、特定场馆或工地的天气预报等。

（2）大气化学预报：大气化学预报将