極端 “熱” 氣候下的 “冷” 思考 | 圖源：pexels。com

導 讀

在寒潮的影響下，中國北方似乎已有入冬的跡象，而南方的高溫乾旱卻餘熱未盡，江西的極度乾旱仍在持續。世界其他地區的氣象災害也此起彼伏，極端天氣氣候事件的影響愈加凸顯。極端事件預測為什麼這麼難？未來的日子是否會有更多 “水深火熱”？

撰文 | 姜中景

責編 | 馮灝

● ● ●

眼下，江西遭遇的重度氣象乾旱已持續超過90天，其中有97%的縣（市、區）達到特重氣象乾旱 ［1］。鄱陽湖代表站星子站今夏最低水位退至6。68米，重新整理鄱陽湖有記錄以來歷史最低水位 ［2］。但氣象預報依然沒有好訊息，10月17日18時，中央氣象臺繼續釋出氣象乾旱橙色預警，浙江南部、福建大部、江西中部至南部、湖南中部至南部等地有特旱。

國家氣候中心評估表示，2022年夏季中國的高溫熱浪事件綜合強度為1961年以來最強。持續的高溫天氣是此次乾旱的幕後推手 ［3］。

圖1

2022年10月17日全國氣象乾旱綜合監測圖

|

圖源：國家氣候中心

10月11日前後，上海出現 “囤水風波”。受長江流域持續乾旱影響，上游來水比正常年份明顯減少，淡水河流量不足，海水倒灌，地處長江口的上海出現了罕見的夏季咸潮，造成河道水體變鹹 ［4］。出於對用水安全的擔心，很多市民開始去超市搶購礦泉水。

一些人不免疑惑，為何氣象部門沒有準確預計到此次江西等地遭遇的這場曠日持久的特旱？極端事件的預測難在哪兒？預測準確度又該如何提高？

圖2

2022年9月中國氣象災害分佈圖

|

圖源：國家氣候中心

1

江西極度乾旱，誰是元兇，誰是幫兇？

由於我國屬於典型的東亞季風氣候，降水量時空分佈不均，年均降水量由東南沿海向西北內陸遞減。南方雨季長，降水量大，容易出現洪澇災害；而北方雨季短，降水量小，容易出現乾旱。這也就形成一直以來大家熟悉的 “南澇北旱” 的氣候常態。現在怎麼就變成 “南旱北澇” 了呢？

今年夏季高溫熱浪的成因已有諸多討論，總結起來，

副熱帶高壓可以稱作是引發持續高溫天氣繼而導致此次極端乾旱的 “元兇”。

“副高是從控制的天氣系統角度來解釋，最簡單明瞭。” 中央氣象臺首席預報員張濤告訴《知識分子》。

今年，由於副高異常強盛，西太平洋副高、伊朗高壓、南亞高壓增強，形成幾乎打通整個北半球的環球副熱帶高壓帶 ［5］。這也是今年夏季北美、西歐和亞洲多地同時出現高溫熱浪的原因。

對於中國，西太平洋副高相較往年向西延伸，中國南方在西太平洋副高的控制下，大氣以下沉氣流為主，少雲情況下地面接收太陽輻射增加以及氣團下沉絕熱增溫，造成了地表溫度升高和對應區域的乾燥少雨

［6］

。

除了副高之外，

其他氣候因子也可能是極端高溫事件的潛在 “幫兇”。

海洋是全球氣候變化的重要驅動力，太平洋和印度洋的熱帶海溫變化對我國夏季長江中下游的極端天氣事件也有重要影響。南京資訊工程大學氣候與應用前沿研究院院長羅京佳向《知識分子》解釋，“厄爾尼諾、拉尼娜這些氣候現象表現為熱帶太平洋的海溫異常，分別對應著海溫的升高和降低，這種海溫異常可以透過影響熱帶對流等活動驅動整層大氣，激發大氣中的波列，進而將熱帶的影響傳播到中高緯度地區。”

因此，儘管厄爾尼諾、拉尼娜這些氣候訊號不直接對中緯度的溫度產生影響，但它們可以透過影響大氣環流，比如影響東亞季風的建立、控制雨季程序來影響極端事件的強度和頻率。

比如今年夏季，拉尼娜事件下西太平洋副高更加向西延伸，使得中國南方進入副高控制區，為我國夏季持續高溫的發生提供條件。

未來，副高是否會成為 “慣犯” 持續向西擴張領地，使得“南旱北澇”成為未來的氣候新常態？羅京佳表示，“目前在全球變暖背景下，厄爾尼諾、拉尼娜的發生頻率增多或減少還沒有定論，如果拉尼娜更加頻發，可能未來南旱北澇會更常見。

但按照世界氣象組織的定義，氣候平衡態的時間尺度一般在30年，僅基於最近幾年的狀態，現在給出 ‘氣候新常態’ 的說法還為時過早。

”

事實上，對於今年這場乾旱，國家氣候中心早在4月的汛期預測中已經給出大致預測（圖3），並在每週滾動釋出的氣候預測公報中更新預測未來15-30天高溫發生時段和影響區域。對於旱情的發展，國家應急管理部7月末提出，注重加強旱情監測分析和抗旱水源排程管理，包括江西要利用沿江濱湖地區外江外湖水位偏高有利條件，提前做好提水引水、蓄水保灌工作 ［7］，在8月1日至25日，全國共開展飛機人工增雨作業91架次，組織地面人影作業1。1萬次 ［8］。

圖3

2022年汛期中國氣象災害分佈圖

|

圖源：國家氣候中心

儘管氣象部門密切跟蹤著天氣氣候變化，南方旱情的監測預警也一直持續。但 “水糧” 就這麼多，沒有穩定補給，“拆了東牆補西牆” 也難解旱情的燎原態勢。“缺水該怎麼活？” 身處 “江南水鄉” 的公眾好像不得不開始嚴肅地思考這個可能長期存在的問題。

那麼，地球上的水都去哪裡了呢？

2

極端事件，從“點”到“面”有何關聯？

過去的八月和九月，在中國的江西乾旱刷新歷史記錄的同時，日本多地則出現創記錄降雨，巴基斯坦遭受著暴雨和洪澇的連續攻擊…… 全球不同國家和地區都在經歷著不同程度的高溫、乾旱、颶風、暴雨、洪澇等氣象災害 ［9］。

儘管極端天氣氣候事件有著很強的區域特徵，但任何一個地方都不是氣候孤島。在自然的挑戰面前，沒有一個地方可以獨善其身。

極端事件不僅要求在區域尺度上得到精準表達，也需要在更大的範圍內來考察全球不同區域氣候熱點的關聯性。

圖4

2022年9月國外氣象災害分佈圖

|

圖源：國家氣候中心

當多個災害型別如干旱和熱浪在多地同時或連續發生；或者不同災害型別發生時空重疊；又或者之前的氣候條件或天氣事件增加了系統的脆弱性，使得後續災害事件更容易出現；這些不同型別的 “複合” 會導致災害事件的區域或全球的影響疊加放大，對社會環境的損害劇烈增加 ［10］。

中科院大氣物理研究所研究員王愛慧提到，

未來的研究需要更多考慮複合型氣候事件，而不只是像過去一樣通常關注單個極端事件

［11］。“考慮複合型事件，一方面是因為從民生的角度，相比於單個事件，複合型事件的破壞性更大；另一方面是現在像 ‘旱澇急轉’ 愈加頻發，僅考慮單個事件已經不足以描述自然界的變化規律。” 王愛慧告訴《知識分子》。

複合型極端事件的概念最早是在政府間氣候變化專門委員會（IPCC）2012年《管理極端事件和災害風險推進氣候變化適應》特別報告 ［12］中提出 ，雖然已經過去了近10年時間，但學界對此類事件的理解、分析、量化和預測仍處在初級階段，該領域還有很多科學問題亟待解決。

關於該方向的研究難點，王愛慧強調，一個是複合事件的背景場隨時空演化，較為複雜；其次，不同氣候要素比如溫度和降水之間的關係不穩定；最後，

資料可靠性也是一個問題，目前關於極端事件可用的觀測資料不是很多，大部分還是依賴於模式資料。

為了提高預測能力，氣候研究需要確定影響區域氣候熱點的過程，判斷超過氣候閾值的可能性。地球系統的非平穩性與 “快極端事件”（如颶風）和 “慢極端事件”（如干旱）的相互作用將成為研究的關鍵點 ［13］。

極端事件就好像是天氣賽跑中大跨步領先的運動員，頻頻打破歷史記錄。氣候變化究竟是不是極端事件的 “興奮劑”？對此，北京大學大氣與海洋科學系教授胡永雲告訴《知識分子》，“全球變暖背景下，某一次極端事件比如2021年7月河南鄭州大暴雨，很難說它就是全球變暖造成的，但整體上極端降水事件是呈現增加趨勢，類似鄭州7。20大暴雨的事件將增多。颱風方面有兩種不同觀點，一種表示全球變暖背景下，颱風的強度增加，但個數減少；另一種則表示強度不變，個數增加；目前還處在爭論中。”

圖5

全球變暖1°C、1。5°C、2°C、4°C四種情景下，極端高溫和極端降水的頻率和強度都有所增加

|

圖源：IPCC AR6_WG1_SPM［14］

氣候變化下極端事件的發生頻率增加是一個趨同的認識，但不同個體極端事件的特徵表現、不同型別極端事件頻率變化存在巨大差異。

3

極端事件頻發，預報到底“難”在哪兒？

天氣預報到底準不準？公眾常常有 “天氣預報不看，不如掐指一算” 這樣類似的調侃。以1922年英國氣象學家劉易斯·弗萊·理查德森出版《數值過程天氣預報》一書為標誌點，數值天氣預報發展已有百年曆史，隨著通訊技術的發展，天氣預報大家常常看，但預報結果並非人人信。

最早期的天氣預報依賴於預報員藉助天氣圖進行天氣形勢的推演。而隨著計算機的誕生，全球觀測網路的發展，以及資料同化技術的不斷改進，紙張預報圖時代已經終結，基於計算機的天氣分析成為當前業務預報的通用手段。

數值模擬技術的發展並不意味著預報員就可以高枕無憂，抄抄機器模擬出的資料就可以輕鬆給出結論。就目前的預報技術水平而言，單純的計算機或者是預報員都沒有辦法獨自給出 “準” 話。張濤解釋，“現代天氣預報是基於數值預報的。數值預報是基石，主觀預報不可能離開它了。數值預報會有誤差，會有各種客觀預報方法去解讀它或調整它，預報員也會依據自己的主觀認知和經驗來調整它。”

事實上，日常天氣預報就已經讓預報員們應接不暇，而極端天氣氣候事件意味著 “小機率，高影響”。即氣象後果更嚴重，如果預報出現偏差，將更加嚴重地威脅公眾生命財產和基礎設施安全，帶來巨大社會經濟損失。因此，預報員們可謂 “壓力山大”。那麼，相比於日常天氣預報，極端事件預報的難點又在哪裡？

“所有極端天氣事件都在日常天氣預報的範疇之中，它們從預報技術上講並沒有本質區別，主要難度在於天氣強度的極端性把握”。

張濤說，“重大事件的氣象服務一般會比日常天氣預報有更高的精細化要求，比如要求定時定點定量等；當日常預報中發現未來有可能發生極端事件時，預報的精細化程度也會相應提升。

就乾旱而言，它其實是一個逐漸累積的過程，是氣候事件，不是天氣事件，不屬於天氣預報的範疇，而氣候預測主要預測降水和氣溫的平均趨勢，並不能簡單預測乾旱。

旱情時刻被監測，當累積到一定的程度時，會根據未來3天的天氣預報釋出氣象乾旱預警。”

此外，過去天氣預報主要提供未來幾天的天氣資訊，根據愛德華·洛倫茲提出的混沌理論，也就是大家耳熟能詳的 “蝴蝶效應”，

天氣預報的理論上限大概在兩週左右。而極端天氣事件持續時間的延長和強度的增大，也在不斷挑戰預報的時空上限。

極端事件的精確模擬對氣候模式的區域表徵提出了更高的要求，愈加複雜的天氣氣候背景下，人們對天氣氣候一體化預報模式的需求也越來越強烈 ［15］。天氣模式和氣候模式的融合也成為當前需要攻克的一個前沿問題。

在過去，天氣預報和氣候預測使用不同的模式進行數值積分。由於計算能力的限制，氣候模式通常網格較大，以犧牲小尺度的物理過程為代價，從而實現能量、動量和物質迴圈的守恆，但這些小尺度的物理過程卻對天氣預報的準確性至關重要，因此，短期天氣預報通常關注局地過程的表達，而選擇性忽略了地球系統中季節-年-年代際尺度過程的表徵。但人們逐漸意識到，小尺度過程對氣候預測也有重要影響 ［16］，地球系統的複雜性也同樣影響著天氣尺度的預報 ［17］。

目前的計算機技術還難以支援超高解析度條件（如1公里）的地球系統模式計算，為了實現天氣-氣候模式的融合，“數字孿生” 概念下的軟體基礎設施的更新為天氣-氣候一體化模式的實現提供了潛在發展途徑 ［18］。

4

人工智慧時代，預報如何變“準”？

人工智慧、大資料等領域的蓬勃發展，推進著地球系統科學的數字革命。近年來，“數字孿生地球” 的概念不斷深入大眾視野。2021年，歐盟開始啟動 “目的地地球”（Destination Earth）計劃，試圖打造一個超高精度、近實時演變的地球數字模型。

“數字孿生地球” 透過將模擬和近實時觀測相結合的方式來監測地球系統的演化，從而能夠更加精準地預測氣候演變和極端事件。

圖6

“數字孿生地球”概念圖。基於背景預報集合（橙色箭頭），將其與時間窗內的觀測（黑點）進行比較，透過統計方法將其校正為更接近觀測的分析集合（綠色箭頭）

|

圖源［18］

基於該概念框架，歐洲中期天氣預報中心（ECMWF）的科學家們對軟體基礎設施提出了圖7中的計算架構的設想 ［18］。這種通用、可擴充套件的系統架構為實現數值模式的尺度融合提供了潛在的解決方案，但由於計算硬體和軟體更新速度的差異、投資力度的大小等外在限制，要真正實現這一目標也並非易事。

圖7

“數字孿生地球” 軟體基礎設施概念圖

|

圖源［18］

對於該方面研究的進展，羅京佳說，“目前天氣-氣候一體化模式是國際上一個前沿的方向，像國際上歐洲中心、英國氣象局等業務部門，國內大氣所、國家氣象局、南信大等單位都在開展相關研究，但目前的研究結果、技巧比較等方面的相關文章還不是很多。”

胡永雲表示，“數值預報方面，中國起步晚一些，相對來說基礎要差一點，早期的計算機條件不太好，人才儲備也不太夠。雖然近些年在追趕，但差距還是明顯的。要追上發達國家的步伐，只學習西方的理論和技術是不夠的，科學精神的學習也很重要。”

人工智慧在地球系統科學和模式開發中的應用也逐漸增多，這對預報準確性的提高起著重要作用。羅京佳介紹，當前人工智慧在模式中的應用包括降尺度、偏差訂正、機率預報、構建預報模型以及資料-物理雙驅的融合模型/模式等方面。

降尺度方面，採用人工智慧的方法能夠把原來較粗的比如100公里的模式網格降低到幾公里至幾十公里，這能夠大大提高水平解析度，提高區域精細化模擬和預測水平。

其次，由於計算能力和物理認知的限制，氣候動力模式的預測結果和真實大氣的演化存在一定偏差，目前研究人員也嘗試應用人工智慧的相關方法來進行模式結果的偏差訂正。

另一個方面的應用是在機率預報，這有別於過去的確定性預報概念。比如明天下不下雨這個問題，公眾比較習慣的方式是 “下” 或者 “不下”，天氣預報你得給個準話。而機率預報則是給出降水的一個機率，例如某個城市明天下雨的可能性是百分之多少。機率預報由於要考慮進天氣條件的機率分佈，對模式模擬的成員數量的需求更大，機器學習的應用能夠在某種程度上緩解計算資源的限制，提高預報準確性。這也許能減少老百姓們被 “忽悠” 的感覺。

此外，利用人工智慧、機器學習的一些方法構建預報模型也是研究人員正在嘗試的方向，希望透過資料驅動模型和物理驅動模型的融合，帶來一些新的啟發。比如，可以利用機器學習方法構建一個模型來替代數值模式中關鍵的次網格物理過程引數化方案，這樣原先只能透過物理引數化方案來表徵的一些小尺度過程現在也能夠在網格上解析，從而進一步提高模式效能。

人工智慧對應的資料驅動發展下，現在國內外一些企業和公司也在開始預報工作，中科院大氣物理研究所副研究員夏江江告訴《知識分子》，“企業大廠的優勢在於其人工智慧技術、強大的算力和行業某些具體的落地場景，但是需要結合科研單位研究能力和領域知識的優勢、以及必不可少的氣象機構的資料來源和業務預報經驗。” 對於國內外的比較，他表示，“目前相關研究工作大多還是單兵作戰，要想並跑甚至引領國際先進水平，還需要更多團體的深度合作。”

氣候科學領域，研究人員最為擔心的一點是機器學習的方法相比於傳統基於大氣運動方程組構建的氣候模式缺乏可解釋性。人工智慧幫忙，預報是真的從根本上變準了嗎？還是程式設計師們的 “調參魔法” 在起作用？

關於可解釋性，夏江江舉了個例子，比如人工智慧進行影象識別，但是模型錯誤地將在雪地上的哈士奇判斷成狼，研究人員分析發現此類誤判實際是由圖片中雪地這種獨特的背景造成的。透過對結果及 “錯誤” 的這種 “解釋”，我們可以對訓練模型進行修正。

但氣象資料由於要素種類多源、時空維度多樣、相互作用複雜，解釋起來就更加困難。

談及如何解決，羅京佳表示，第一個是可以在選取預報訓練因子的時候加入一些物理機理的考量；其次是在構建人工智慧模型時加入物理規律的約束；第三種就是在應用人工智慧方法時進行步驟拆解，每進行一小步就進行物理成因的分析；還有一種方法就是在人工智慧無法解釋情況下，利用傳統的物理方法比如數值模式進行驗證。

“人工智慧和傳統物理方法都有各自的優缺點，如何將資料驅動和物理驅動方法相融合，克服各自方法上的缺陷去更好的解決問題，是我們更需要關注的，而不是因為有缺陷就把這個方法 ‘一棍子打死’。” 羅京佳補充。

參考文獻：

（上下滑動可瀏覽）

1。 江西：重度氣象乾旱已持續87天，贛江北支斷流持續50多天，https：//www。sohu。com/a/591056261_121119270

2。江西：長江九江段、鄱陽湖水位止跌回漲，https：//www。sohu。com/a/591762416_362042

3。國家氣候中心：我國高溫熱浪事件綜合強度已達1961年以來最強，finance。people。com。cn/n1/2022/0817/c1004-32504584。html

4。上海遭遇鹹潮入侵？對供水有影響嗎？官方最新迴應， https：//mp。weixin。qq。com/s/jwSRquCtAJxgRpSeqqGwUw

5。地球知識局，江西，特重度乾旱！https：//mp。weixin。qq。com/s/W1zYVTx0QfpsM5yCb3jGxg

6。濤淘風雲，極簡東亞夏季風環流解讀史上最熱夏（下），https：//mp。weixin。qq。com/s/Yt5mfciR3yjQqZkbQEnQQw

7。中華人民共和國應急管理部，多地多舉措應對高溫乾旱天氣！持續高溫，這些安全事項要注意，https：//mp。weixin。qq。com/s/aXeaOSCElQuOANaNIQy9XQ

8。中國天氣網，六問人工增雨抗旱：人工增雨難在哪 未來幾天旱區增雨條件如何？， https：//mp。weixin。qq。com/s/VEfoVofkxzX-Kmr31unuuA

9。全球災害性天氣監測月報，東亞北美等地高溫持續，巴基斯坦遭受罕見強降水襲擊， www。nmc。cn/publish/tianqiyubao/quanqiuzaihaixingtianqijianceyuebao/index。html

10。Zscheischler， J。， Martius， O。， Westra， S。 et al。 A typology of compound weather and climate events。 Nat Rev Earth Environ 1， 333–347 （2020）。 https：//doi。org/10。1038/s43017-020-0060-z

11。Smriti Mallapaty， China’s extreme weather challenges scientists trying to study it， Nature 609， 888 （2022）， doi： https：//doi。org/10。1038/d41586-022-02954-8

12。IPCC， 2012： Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation。 A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change ［Field， C。B。， V。 Barros， T。F。 Stocker， D。 Qin， D。J。 Dokken， K。L。 Ebi， M。D。 Mastrandrea， K。J。 Mach， G。-K。 Plattner， S。K。 Allen， M。 Tignor， and P。M。 Midgley （eds。）］。 Cambridge University Press， Cambridge， UK， and New York， NY， USA， 582 pp。 Intergovernmental Panel on Climate Change （IPCC）。 Climate Change 2013： the Physical Science Basis。 Working Group I Contribution to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change （Cambridge Univ。 Press， 2013）。

13。World Climate Research Programme Strategic Plan 2019-2028。 https：//www。wcrp-climate。org/images/documents/WCRP_Strategic_Plan_2019/WCRP-Strategic-Plan-2019-2028-FINAL-c。pdf

14。IPCC， 2021： Summary for Policymakers。 In： Climate Change 2021： The Physical Science Basis。 Contribution of Working Group I to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change ［Masson-Delmotte， V。， P。 Zhai， A。 Pirani， S。L。 Connors， C。 Péan， S。 Berger， N。 Caud， Y。 Chen， L。 Goldfarb， M。I。 Gomis， M。 Huang， K。 Leitzell， E。 Lonnoy， J。B。R。 Matthews， T。K。 Maycock， T。 Waterfield， O。 Yeleki， R。 Yu， and B。 Zhou （eds。）］。 Cambridge University Press， Cambridge， United Kingdom and New York， NY， USA， pp。 332， doi：10。1017/9781009157896。001。

15。氣象人生，丁一匯：天氣氣候預報一體化模式是未來發展方向 | 氣象院士，https：//mp。weixin。qq。com/s/6IOz6oYfDWfW6sAnRClyeA

16。Palmer， T。 & Stevens， B。 The scientific challenge of understanding and estimating climate change。 Proc。 Natl Acad。 Sci。 USA 116， 24390–24395 （2019）。

17。Brunet， G。 et al。 Collaboration of the weather and climate communities to advance subseasonal-to-seasonal prediction。 Bull。 Amer。 Meteorol。 Soc。 91， 1397–1406 （2010）。

18。Bauer， P。， Dueben， P。D。， Hoefler， T。 et al。 The digital revolution of Earth-system science。 Nat Comput Sci 1， 104–113 （2021）。 https：//doi。org/10。1038/s43588-021-00023-0

知識分子

，贊173