小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

分享

無縫隙地球系統(tǒng)理念下世界氣象中心發(fā)展趨勢淺析

 啵啵老公 2024-01-31 發(fā)布于北京

世界氣象中心是世界氣象組織(WMO)全球數(shù)據(jù)處理和預報系統(tǒng)(GDPFS)三級體系中的頂層業(yè)務機構(gòu),通過提供全球監(jiān)測預報信息產(chǎn)品為國際防災減災和可持續(xù)發(fā)展做出了突出貢獻。本文系統(tǒng)回顧了目前世界氣象中心的發(fā)展現(xiàn) 狀,重點圍繞無縫隙地球系統(tǒng)發(fā)展的理念,介紹了無縫隙預報、人工智能、云計算等最新相關(guān)技術(shù)進展,并結(jié)合先進全 球業(yè)務中心的戰(zhàn)略計劃及WMO的最新政策對未來世界氣象中心的發(fā)展趨勢進行了初步展望。







圖片

0 引言

世界氣象組織(WMO)作為目前擁有193個會員 國和會員地區(qū)的政府間組織,是聯(lián)合國的專門機構(gòu)。由于天氣、氣候本身具有無國界的屬性,全球氣象數(shù) 據(jù)交換和共享對于氣象觀測和預報業(yè)務的發(fā)展至關(guān)重要。WMO于1963年在第四次世界氣象大會上通過了 啟動世界天氣監(jiān)視網(wǎng)(WWW)計劃的決議,主要是為 了加強氣象衛(wèi)星的國際合作。當前,WWW已發(fā)展到 利用觀測技術(shù)、通信系統(tǒng)和數(shù)值預報等在全球范圍內(nèi) 規(guī)范、收集、分析、加工和分發(fā)天氣、氣候和其他環(huán) 境信息,促進各會員的國家氣象和水文部門更好地應對災害性天氣、氣候變化等,以減少生命財產(chǎn)損失、 保護資源與環(huán)境,并保障社會經(jīng)濟的發(fā)展[1] 。WWW 計劃包括三個核心部分:WMO全球綜合觀測系統(tǒng) (WIGOS)、WMO信息系統(tǒng)(WIS)和全球數(shù)據(jù)處理和 預報系統(tǒng)(GDPFS)。 

GDPFS是由WMO各個會員的業(yè)務中心組成的網(wǎng)絡(luò),按照WMO有關(guān)規(guī)范制作和提供天氣、氣候、水和環(huán)境相關(guān)產(chǎn)品和服務。GDPFS采用世界氣象中心、 區(qū)域?qū)I(yè)氣象中心和國家氣象中心三層級聯(lián)業(yè)務體 系。世界氣象中心主要通過其發(fā)展的全球數(shù)值預報模 式(以及全球集合預報系統(tǒng)),向WMO各會員,特別是欠發(fā)達國家會員提供無縫隙的分析和預報產(chǎn)品,以 支持他們開展高影響天氣早期預警[2] 。

21世紀以來,人工智能、云計算、新型觀測等新一輪科技的迅猛發(fā)展為傳統(tǒng)氣象信息的收集、制作 和分發(fā)帶來了新的機遇[3] 。全球氣候變化背景下社會各領(lǐng)域?qū)庀箢A報信息的要求更多更高,未來需要采用綜合地球系統(tǒng)的方法[4] ,并朝著基于影響的預報和基于風險的預警方向發(fā)展[5] 。另一方面,過去幾十年 WMO通過制定標準、規(guī)則、規(guī)范,實現(xiàn)了免費的國 際數(shù)據(jù)共享,成為了全球性組織和國際合作的典范。為了更好地應對新時期數(shù)據(jù)交換需求的激增和促進國 際社會加強合作,WMO修訂了地球系統(tǒng)框架下的統(tǒng) 一數(shù)據(jù)政策,將對世界氣象中心的相關(guān)業(yè)務產(chǎn)生影響[6] 。本文將介紹無縫隙地球系統(tǒng)背景下世界氣象中 心的現(xiàn)狀,新技術(shù)發(fā)展趨勢,并結(jié)合美歐國家和地區(qū) 業(yè)務中心對世界氣象中心的發(fā)展進行展望。


圖片

 世界氣象中心發(fā)展現(xiàn)狀

1.1 世界氣象中心概況

WMO框架下的GDPFS由世界氣象中心(World Meteorological Centre,WMC)、區(qū)域?qū)I(yè)氣象中心 (Regional Specialized Meteorological Centre,RSMC) 和國家氣象中心(National Meteorological Centre, NMC)三層業(yè)務中心組成,分別在全球、區(qū)域和國家 層面履行GDPFS的職能,向WMO會員及相關(guān)機構(gòu)提供 天氣、水、氣候、環(huán)境等分析和預報業(yè)務產(chǎn)品。WMO 發(fā)布的《全球數(shù)據(jù)處理和預報系統(tǒng)手冊》(WMONo.485)(以下簡稱GDPFS手冊)是各個GDPFS中心運 行資料處理和預報系統(tǒng)的技術(shù)規(guī)則的唯一來源[7] ,目 的是確保各個中心業(yè)務運行采用的資料、信息及制作 規(guī)范、規(guī)程和規(guī)格具備足夠的統(tǒng)一性和標準化。

GDPFS手冊規(guī)定,WMC須至少開展全球確定性數(shù)值天氣預報、全球集合數(shù)值天氣預報和全球長期數(shù) 值預報這三項業(yè)務。截至2021年12月,WMO認定的 WMC有10個(表1)。美國、俄羅斯、澳大利亞是在 1967年WMO第五次世界氣象大會被認定為WMC的, 中國、英國、德國、加拿大、日本和ECMWF是在 2017年WMO執(zhí)行理事會第69次屆會上被認定為WMC 的,而法國是在2021年WMO執(zhí)行理事會第73次屆會 上被認定為WMC的。不難看出,由于發(fā)展全球數(shù)值 模式需要很高的計算機投資成本、業(yè)務運行和維護成 本以及科研開發(fā)的大量投入,因此WMC絕大部分集 中在發(fā)達國家。

承擔WMC職責的國家氣象水文部門也存在著同 時承擔WMO區(qū)域?qū)I(yè)氣象中心的情況,如表1所示。目前被WMO認定為至少三個RSMC的WMC有8個,其 中,東京被認定的RSMC最多(7個)。北京被認定的 RSMC有4個,包括核環(huán)境應急響應、沙塵暴預報、海 洋氣象服務和區(qū)域氣候中心。一些RSMC除了提供實 時業(yè)務產(chǎn)品以外還負責協(xié)調(diào)相關(guān)中心的非實時活動,稱為牽頭中心。牽頭中心的職責包括負責對其他中 心提交的業(yè)務數(shù)值模式結(jié)果進行驗證或檢驗。例如, ECMWF承擔了確定性數(shù)值天氣預報(NWP)檢驗牽頭 中心和海浪預報檢驗牽頭中心的職責,負責匯集和發(fā) 布各中心提交的檢驗結(jié)果,同時提供必要的指導。日 本氣象廳是全球集合預報模式檢驗的牽頭中心。

圖片

1.2 世界氣象中心產(chǎn)品平臺 

根據(jù)GDPFS手冊(2019版),世界氣象中心須按照 要求向WIS提供清單中規(guī)定的全球確定性NWP產(chǎn)品(預 報時效至少達6 d)、全球集合數(shù)值天氣預報產(chǎn)品(預報 時效達10 d)和全球長期數(shù)值預報產(chǎn)品(預報時效至少 達4個月),同時在網(wǎng)站上發(fā)布相關(guān)業(yè)務模式系統(tǒng)的說 明文檔及通過WIS提供的產(chǎn)品列表,并保持更新[7] 。

各個WMC主要通過WIS的全球信息系統(tǒng)中心 (GISC)提供相關(guān)產(chǎn)品的元數(shù)據(jù),讓WMO各會員能 夠發(fā)現(xiàn)、檢索和獲取所需的產(chǎn)品。此外,中國、德國 等WMC建立了專門的網(wǎng)絡(luò)平臺或子網(wǎng)頁來發(fā)布相關(guān) 產(chǎn)品。例如,中國氣象局在2018年建立了世界氣象 中心(北京)網(wǎng)站(http://www.),實時發(fā) 布CMA-GFS全球確定性數(shù)值模式產(chǎn)品、CMA-GEPS 全球集合預報系統(tǒng)產(chǎn)品和CMA-CPS全球氣候模式產(chǎn) 品,以及風云氣象衛(wèi)星觀測產(chǎn)品和氣候指數(shù)等產(chǎn)品, 網(wǎng)站的用戶訪問量不斷增加,2021年網(wǎng)頁訪問次數(shù)已 達近30萬。德國氣象局在其官網(wǎng)上建立了世界氣象 中心子欄目,實時發(fā)布ICON全球確定性數(shù)值預報產(chǎn) 品和全球集合預報系統(tǒng)圖形產(chǎn)品,最長時效達7.5 d。ECMWF等其他世界氣象中心也通過各自網(wǎng)站提供全球或區(qū)域范圍的數(shù)值預報模式產(chǎn)品。

GDPFS建立的目的之一是促進合作和信息交換, 從而有助于發(fā)展中國家氣象水文部門的能力提升。WMO自2006年啟動了“災害性天氣預報示范計劃” (SWFDP),包括中國在內(nèi)的多個國家的WMC參與了 SWFDP的亞洲、非洲等各個區(qū)域子計劃,通過建立的 網(wǎng)站平臺提供全球NWP產(chǎn)品和集合預報(包含基于站 點的)產(chǎn)品,并開展相關(guān)技術(shù)培訓,為提升發(fā)展中國 家災害性天氣預報預警能力,減少災害和損失作出了積極貢獻[2] 。


圖片

2 無縫隙地球系統(tǒng)理念及技術(shù)發(fā)展趨勢 

WMO認定的WMC代表著當前國際氣象業(yè)務的先進水平,在數(shù)值天氣氣候預報及應用等領(lǐng)域取得了 顯著的進步,并建立了相關(guān)的數(shù)據(jù)共享框架,促進 WMO各個會員都能受益于這些進步。隨著科學認識 的不斷深化,氣象研究已越來越傾向于將地球系統(tǒng)作 為一個整體來考慮。2015年,WMO第十七次世界氣 象大會提出了“綜合無縫隙GDPFS”的發(fā)展方向,即 構(gòu)建從分鐘到年代際,從局地到全球的全覆蓋、無縫 隙全球數(shù)據(jù)處理和預報系統(tǒng)。無縫隙預報理念、AI、 云計算等新技術(shù)以及WMO地球系統(tǒng)框架下的統(tǒng)一數(shù) 據(jù)政策將推動與影響未來WMC的業(yè)務發(fā)展。

2.1 無縫隙預報 

2014年舉辦的首次世界天氣開放科學大會以及2017年出版的“地球系統(tǒng)科學前沿”白皮書等將無縫 隙預報作為未來幾十年科學界指導方針的重要指標, 提出從分鐘級到世紀尺度、從米到全球空間尺度的預 報發(fā)展趨勢[8-9] 。短時臨近和延伸期時效是目前預報中 備受關(guān)注的“縫隙”,也是預報的難點。德國氣象局 從2017年起啟動了無縫隙綜合預報系統(tǒng)(SINFONY) 項目[10] ,主要利用雷達、衛(wèi)星資料和集合預報模式將 臨近預報與短期預報進行融合,旨在改善0~12 h時效 的強對流天氣預報。

傳統(tǒng)逐日至周尺度上的天氣預報多依賴于高分辨率大氣數(shù)值模式,而月至季節(jié)尺度上的氣候模擬和預 測考慮了?!憽獨怦詈线^程,但模式分辨率低于天氣 預報模式。無縫隙天氣氣候一體化模式是當前國際研 究的前沿,目前有個別業(yè)務中心能夠運行無縫隙的數(shù) 值模式,如英國氣象局基于相同的模式框架構(gòu)建了無 縫隙預報體系,即統(tǒng)一模式(UM),包含1.5 km的區(qū) 域?qū)α鞒叨饶J?,幾十公里的氣候模式及上百公里?地球系統(tǒng)模式[11] 。

在次季節(jié)至季節(jié)(S2S)尺度上,WMO發(fā)起的S2S預測計劃[12] 匯集了來自全球11個業(yè)務預報中心制作的 次季節(jié)預報產(chǎn)品(預報時效長達60 d),包括近實時集合預報和集合再預報,旨在重點改進兩周以上異常天 氣事件的預報能力。

面對不同尺度多模式的海量信息,很多業(yè)務中心通過發(fā)展模式后處理技術(shù)來降低模式的偏差,從 而得到協(xié)調(diào)一致的預報結(jié)果。例如,英國氣象局融 合多模式信息發(fā)展了綜合模式后處理和檢驗系統(tǒng) (IMPROVER)[13] ,提供無縫隙格點化概率預報產(chǎn)品。我國近些年利用多源觀測、模式數(shù)據(jù)及新技術(shù)、新方 法,初步建立了針對不同預報時效的無縫隙精細化網(wǎng) 格預報技術(shù),提高預報的準確度和精細度[14] 。

2.2 人工智能和機器學習 

以機器學習、深度學習為代表的人工智能(AI) 技術(shù)近些年已經(jīng)開始在氣象觀測、預報、服務等各個 方面發(fā)揮作用[15] 。WMO研究理事會在2020年設(shè)立了 百萬兆級計算、數(shù)據(jù)處理和AI任務組,并開展概念指 南的編寫,將在AI相關(guān)領(lǐng)域通過國際協(xié)調(diào)來促進提升 地球系統(tǒng)預報能力。WMO還加入了國際電信聯(lián)盟“自 然災害管理AI焦點組”,將提煉最佳實踐,為自然災 害管理的AI國際行動制定路線圖。英國氣象局在其 《數(shù)據(jù)科學框架(2022—2027)》明確提出了將機器學 習和AI融入到天氣氣候科學和服務中。

傳統(tǒng)數(shù)值天氣預報過程主要涉及初值生成(觀測資料預處理、資料同化)、模式積分(后處理)、產(chǎn)品 應用和高性能計算,AI技術(shù)已經(jīng)被應用于各個環(huán)節(jié)來 優(yōu)化和改善數(shù)值預報的性能[16] 。從不同時間尺度預報 上來看,目前AI技術(shù)主要在短時臨近預報、季節(jié)預報方面較傳統(tǒng)方法體現(xiàn)出了一定的優(yōu)勢?;诶走_、衛(wèi) 星等觀測資料,以神經(jīng)網(wǎng)絡(luò)模型為代表的深度學習方 法已經(jīng)成為短時臨近強對流天氣預報的有效途徑[17] 。此外,物聯(lián)網(wǎng)及新興觀測數(shù)據(jù)也為發(fā)展基于AI的短時 臨近預報提供了更多可能性。在季節(jié)尺度上,很多學 者采用機器學習方法開展了對重要信號(例如ENSO) 的預報,取得了較好的效果[18] 。也有學者采用純數(shù) 據(jù)驅(qū)動的AI技術(shù)發(fā)展了次季節(jié)至季節(jié)尺度的預報模 型,能夠在3分鐘內(nèi)生成預報時效長達6周的320個成 員的預報,對4周以上的溫度預報效果較好,并且計 算效率較數(shù)值預報模式顯著提升[19] 。對于中期時效的 預報,當前機器學習方法還無法取代數(shù)值預報模式, 其中最重要的一個原因是缺乏高質(zhì)量的訓練樣本,尤 其對于極端天氣事件,其對訓練樣本的要求更高。因 此,如何將數(shù)值模式和AI技術(shù)相融合,構(gòu)建無縫隙的 高分辨率天氣氣候模型將是未來預報業(yè)務以及研究需 要考慮的重要方向。

2.3 云計算 

近年來逐步成熟的云計算技術(shù)由于其彈性計算、虛擬化、分布式存儲等特性可以為氣象大數(shù)據(jù)的存儲 和服務提供支撐。通過研發(fā)用戶友好的工具,可以將 數(shù)據(jù)進一步集成到用戶的業(yè)務流程中。利用云資源, 可以實現(xiàn)數(shù)據(jù)的高交互操作(如數(shù)據(jù)裁剪和轉(zhuǎn)換),使 得訪問和應用預報信息及產(chǎn)品更加便捷。

WMO的WIS 2.0雖然不會強制使用云計算基礎(chǔ)架 構(gòu),但鼓勵WIS中心逐步采用云技術(shù),以提供最有效 的解決方案。目前,國家氣象部門等公共部門考慮到 數(shù)據(jù)的可靠性、安全性以及高性能計算機的前期投 資,尚未大規(guī)模將數(shù)值模式部署到云上運行。德國氣 象局利用試點項目嘗試在商業(yè)云上運行針對中亞地區(qū) 的ICON區(qū)域數(shù)值模式,并開展計算測試和成本評估。作為學術(shù)研究機構(gòu),美國國家大氣研究中心(NCAR) 已將其全球應用范圍最廣的中尺度數(shù)值天氣預報模式 (WRF)搭建到云環(huán)境[20] ,并提供在云環(huán)境運行WRF 的文檔和教程。相關(guān)私營部門對待云計算則更為開放 和積極,亞馬遜、微軟和谷歌等云服務提供商(CSP) 發(fā)展了各種商業(yè)云服務和開源平臺,利用云計算和機 器學習等研發(fā)精細化的預報服務。對于用戶而言,云 計算和傳統(tǒng)計算孰優(yōu)孰劣并沒有統(tǒng)一的答案,這取決 于用戶的需求、資源等具體情況。

2.4 WMO全球數(shù)據(jù)交換政策進展 

2021年10月,WMO世界氣象大會特別屆會批準 了“地球系統(tǒng)數(shù)據(jù)國際交換的統(tǒng)一政策”這一具有里 程碑意義的決議,將以往天氣、氣候、水等單獨的資 料交換政策轉(zhuǎn)換為統(tǒng)一的政策。該決議將資料劃分 為“核心數(shù)據(jù)”和“推薦數(shù)據(jù)”兩類,包含天氣、氣 候、水文、大氣成分、冰凍圈、海洋、空間天氣等七 個領(lǐng)域,將有利于在地球系統(tǒng)框架下提供統(tǒng)一的解決 方案,也有利于加強各國公共、私營和學術(shù)部門的合 作。值得指出的是,該政策也提出除了各會員提交核 心觀測數(shù)據(jù)以外,發(fā)達國家會員也須將利用數(shù)據(jù)加工 而成的高質(zhì)量產(chǎn)品(數(shù)值模式預報等)免費和無限制 地反饋給其他會員,形成互利互惠的資料交換格局。在此背景下,未來包括WMC在內(nèi)的GDPFS業(yè)務職責 將可能隨著地球系統(tǒng)數(shù)據(jù)政策的實施和相關(guān)技術(shù)規(guī)則 的更新而調(diào)整和擴充。


圖片

3 世界氣象中心發(fā)展趨勢 

2019年3月,WMO在北京召開了首屆“世界氣象中心研討會”,會議取得了六個方面的成果,并提出 了未來無縫隙GDPFS的行動領(lǐng)域和優(yōu)先重點,包括系 統(tǒng)和服務、研究和創(chuàng)新、資料可及性和平臺[21] 。針對 未來發(fā)展,各WMC也根據(jù)戰(zhàn)略目標和業(yè)務特點制定 了各自的發(fā)展戰(zhàn)略和計劃,下面將以歐洲中期天氣預 報中心(ECMWF)、美國和中國的WMC為例分別進行介紹。

3.1 歐洲中期天氣預報中心 

ECMWF在其《歐洲中期天氣預報中心戰(zhàn)略 (2021—2030)》(以下簡稱戰(zhàn)略)[22] 中提出了三大支 柱,包括科學技術(shù)(世界領(lǐng)先的天氣和地球系統(tǒng)科學、 前沿技術(shù)和計算科學)、影響(提供適合需求的高質(zhì)量 產(chǎn)品,方便用戶高效便捷地獲?。?、組織和人才(實施 多站點有效組織,聚焦人才)。

在科技方面,ECMWF將進一步發(fā)展對流可分辨 尺度(3~4 km)的集合預報,并探索地球系統(tǒng)各個子 系統(tǒng)的集合變分同化方法,重點提升兩周以上延伸期 時段的預報能力。同時,戰(zhàn)略中還提出要應用先進的 高性能計算、AI和機器學習以及天氣云發(fā)展一個高精 度的地球數(shù)字模型,即“數(shù)字孿生地球”,以監(jiān)測和 模擬人類活動和極端天氣氣候事件。

ECMWF還重視加強與其他組織的合作,例如, ECMWF和歐洲氣象衛(wèi)星開發(fā)組織(EUMETSAT)合 作開發(fā)的“歐洲天氣云”正處于試驗階段,目的是促 進各成員、機構(gòu)和氣象數(shù)據(jù)用戶之間以數(shù)據(jù)為驅(qū)動的 新型合作。ECMWF還參與了歐盟的哥白尼計劃,加 強氣候變化和空氣質(zhì)量監(jiān)測等。此外,ECMWF近年 來加快了數(shù)據(jù)開放政策的步伐,從2020年10月起將其 實時全球模式預報圖形產(chǎn)品通過其網(wǎng)站向公眾免費開 放,以更好地為用戶提供服務。

3.2 美國國家海洋和大氣管理局 

為了加強氣象服務的協(xié)調(diào)與合作,確保美國通過地球系統(tǒng)方法引領(lǐng)氣象服務,2020年美國成立了推進 氣象服務機構(gòu)間委員會(ICAMS)[23] 。這是近幾十年 聯(lián)邦機構(gòu)間協(xié)調(diào)工作的一次重要重組,該委員會由美 國國家海洋和大氣管理局(NOAA)局長與白宮科學和 技術(shù)政策辦公室(OSTP)主任共同擔任聯(lián)合主席,其 職責范圍超越了狹義上的天氣范圍,而是包含地球系 統(tǒng)背景下所有涉及陸地、海洋、大氣的服務。

面對過去美國國內(nèi)數(shù)值預報發(fā)展不集約、不協(xié)調(diào)的問題,2020年NOAA成立了地球創(chuàng)新預測中心 (EPIC)[24] ,旨在聯(lián)合政府、科研部門及企業(yè)共同研 發(fā)一個用戶友好和可訪問的數(shù)值預報業(yè)務模式,將采 用“開放式創(chuàng)新”模式重點推進統(tǒng)一預報系統(tǒng)(UFS) 的研發(fā)。UFS是一個基于社區(qū)的、耦合的綜合地球模 擬系統(tǒng),涵蓋從局地到全球,從小時到季節(jié)尺度的預 測,并將主要依靠云計算方式為開發(fā)人員和用戶提升 訪問數(shù)據(jù)和資源的便捷性。

3.3 世界氣象中心(北京) 

中國氣象局自2017年被WMO認定為世界氣象中心以來,重點結(jié)合“全球監(jiān)測、全球預報、全球服務”的戰(zhàn)略,采用“小實體、大網(wǎng)絡(luò)”的方式由國家 氣象中心牽頭各業(yè)務單位聯(lián)合履行世界氣象中心(北 京)職責。除了做好WMO規(guī)定業(yè)務以外,世界氣象中 心(北京)還建成了自主可控的全球數(shù)值預報預測產(chǎn) 品、風云衛(wèi)星全球監(jiān)測產(chǎn)品以及中國全球大氣和陸面 再分析(CRA)產(chǎn)品的業(yè)務體系,通過世界氣象中心 (北京)門戶網(wǎng)站和GISC北京對外共享。同時,還開 辟了多個欄目及時發(fā)布權(quán)威技術(shù)進展報告以及全球重 大(熱點)天氣的業(yè)務監(jiān)測預報英文簡報。

世界氣象中心(北京)統(tǒng)籌協(xié)調(diào)GDPFS框架下中國承擔的海洋、沙塵、氣候、核應急等相關(guān)RSMC以 及WIS、WIGOS區(qū)域中心,聯(lián)合各中心及專家深度參 與國際氣象治理。此外,世界氣象中心(北京)還積 極開展國際天氣會商和技術(shù)培訓,為“一帶一路”沿 線重點國家氣象部門開通專門通道,支持欠發(fā)達國家 會員能力發(fā)展和國際防災減災。在模式檢驗方面,世 界氣象中心(北京)除了開展規(guī)定的全球確定性和全 球集合模式的檢驗之外,還開展了區(qū)域高分辨率數(shù)值 模式的檢驗。

2021年,中國氣象局成立了“中國氣象局地球數(shù)值預報中心”,聚焦關(guān)鍵核心技術(shù),發(fā)展我國自主 可控的地球系統(tǒng)數(shù)值預報模式。2022年發(fā)布的《氣象 高質(zhì)量發(fā)展綱要(2022—2035年)》中明確提出了“到 2035年,氣象關(guān)鍵科技領(lǐng)域?qū)崿F(xiàn)重大突破,氣象監(jiān) 測、預報和服務水平全球領(lǐng)先,國際競爭力和影響力 顯著提升”等遠景目標。


圖片

4 存在問題 

當前被WMO正式認定的世界氣象中心已經(jīng)有10 個,意味著已經(jīng)有10個全球業(yè)務預報模式并提供業(yè)務 預報指導產(chǎn)品。從地理分布上看,歐洲、美洲、亞 洲、大洋洲的世界氣象中心分別有5個、2個、2個和1 個,北半球占了9個,歐洲占了半數(shù)。因此,從全球 業(yè)務預報模式的發(fā)展上看,存在著明顯區(qū)域不平衡的 問題。隨著未來向計算效率更快、分辨率更高的全球 集合預報系統(tǒng)發(fā)展,目前多中心的確定性全球模式將 如何發(fā)揮作用,是否還需要更多的全球業(yè)務中心等都 尚待討論[25] 。

其次,面對日益增加的全球極端天氣氣候事件及防災減災需求,世界氣象中心的功能還有待 進一步發(fā)揮。據(jù)估計,到2030年全球業(yè)務中心每天產(chǎn) 生的分析和預報數(shù)據(jù)的量級將達到PB級,然而現(xiàn)階段 這些中心可供用戶使用或再處理的數(shù)據(jù)或產(chǎn)品還比較 有限。由于互聯(lián)網(wǎng)帶寬以及海量數(shù)據(jù)本身的復雜性, 國際用戶特別是欠發(fā)達地區(qū)下載和應用這些數(shù)據(jù)還存 在諸多不便。最后,在地球系統(tǒng)框架下,全球水文、 海洋、冰凍圈和其他環(huán)境數(shù)據(jù)的交換相比于傳統(tǒng)氣象數(shù)據(jù)的交換會面臨更復雜的挑戰(zhàn)。對于世界氣象中心 (北京)而言,未來如何在無縫隙地球系統(tǒng)理念下更 好地提升能力、發(fā)揮作用和提升國際影響力還存在著 很多的挑戰(zhàn)。一方面需要進一步提升自主核心業(yè)務能 力,加強地球系統(tǒng)模式和無縫隙預報技術(shù)研發(fā),加快與AI、云計算等新技術(shù)融合;另一方面需要積極適應 WMO新數(shù)據(jù)政策,發(fā)展高質(zhì)量高分辨率的全球數(shù)值 模式產(chǎn)品及高交互便捷的訪問途徑,同時還要拓展國 際合作交流,借鑒世界先進中心經(jīng)驗,積極牽頭國際 試點計劃,發(fā)展更廣泛的國際用戶。


圖片

5 結(jié)論和討論 

本文主要介紹了WMO框架下世界氣象中心的現(xiàn)狀,重點圍繞無縫隙地球系統(tǒng)理念梳理了相關(guān)技術(shù)發(fā) 展趨勢和WMO數(shù)據(jù)交換政策的進展。可以看出,作 為GDPDS三級體系中的頂層業(yè)務機構(gòu),世界氣象中心 通過發(fā)展先進的全球數(shù)值預報模式,制作全球監(jiān)測預 報產(chǎn)品并向WMO各會員共享信息,為全球防災減災 和可持續(xù)發(fā)展作出了突出的貢獻。

當前國際氣象界已越來越認識到,需要通過綜合無縫隙的地球系統(tǒng)方法,來認識并改進各個時間尺度 和連續(xù)空間尺度上的陸地、海洋、海冰以及極端天氣 的預測,而建立地球系統(tǒng)無縫隙預報需要跨學科和跨 部門的合作和協(xié)調(diào)才能成功。為了迎接時代發(fā)展帶來 的挑戰(zhàn),世界氣象中心需要向著更加高效和更具適應 性的方向發(fā)展:一方面通過加強與科研部門、私營部 門的合作,充分發(fā)揮機器學習等AI技術(shù)在不同時空尺 度預報中的優(yōu)勢,統(tǒng)籌集約地構(gòu)建天氣氣候一體化的 數(shù)值預報模式,同時加強對全球產(chǎn)品的本地化釋用, 借助云計算等平臺提高產(chǎn)品的可及性和適用性。另一 方面,針對WMO新的全球數(shù)據(jù)交換政策,世界氣象 中心需要建立與國家氣象水文部門的互惠合作機制, 開展極端或高影響天氣氣候事件的快速響應服務,助 力發(fā)展中國家提升早期預警和防災減災能力,促進這 些國家更積極地開展互動反饋,為全球觀測數(shù)據(jù)共享 作出貢獻,從而實現(xiàn)互利共贏的新發(fā)展格局。


圖片

參考文獻

[1] 王毅, 周慶亮, 代刊, 等. 全球數(shù)據(jù)處理和預報系統(tǒng)發(fā)展及展望. 氣 象科技進展, 2019, 9(2): 6-10. 

[2] 王毅, 周慶亮, 佟華, 等. 災害性天氣預報示范計劃技術(shù)進展. 科技 導報, 2020, 38(20): 86-96. 

[3] Dewitte S, Cornelis J P, Müller R, et al. Artificial intelligence revolutionises weather forecast, climate monitoring and decadal prediction. Remote Sensing, 2021, 13(16): 3209. 

[4] Ruti P M, Tarasova O, Keller J H, et al. Advancing research for seamless earth system prediction. Bulletin of the American Meteorological Society, 2020, 101(1): E23-E35. 

[5] WMO. WMO-No.1150. WMO guidelines on multi-hazard impactbased forecast and warning services. WMO, 2015. http://library./pmb_ged/wmo_1150_en.pdf.

[6] Hooke W. Three policies shape enterprise value: minor adjustments could enhance the societal benefit. An AMS policy program study. Washington: The American Meteorological Society, 2022.

[7] WMO. WMO-No. 485. Manual on the Global Data-Processing and Forecasting System. WMO, 2019.

[8] Brunet G, Jones S, Ruti P M. Seamless prediction of the earth system: from minutes to months. WMO Rep. 1156, 2015. http:// library./pmb_ged/wmo_1156_en.pdf.

[9] Rauser F, Alqadi M, Arowolo S, et al. Earth system science frontiers: an early career perspective. Bulletin of the American Meteorological Society, 2017, 98(6): 1119-1127.

[10] Tr?mel S, Chwala C, Furusho-Percot C, et al. Near-Realtime Quantitative Precipitation Estimation and Prediction (RealPEP). Bulletin of the American Meteorological Society, 2021, 102(8): E1591-E1596.

[11] Hanley K E, Whitall M, Stirling A, et al. Modifications to the representation of subgrid mixing in kilometre-scale versions of the Unified Model. Quarterly Journal of the Royal Meteorological Society, 2019, 145: 3361-3375. 

[12] Vitart F, Ardilouze C, Bonet A, et al. The subseasonal to seasonal (S2S) prediction project database. Bulletin of the American Meteorological Society, 2017, 98(1): 163-173. 

[13] Vannitsem S, Bremnes J B, Demaeyer J, et al. Statistical postprocessing for weather forecasts: review, challenges, and avenues in a big data world. Bulletin of the American Meteorological Society, 2021, 102(3): E681-E699.

[14] 金榮花, 代刊, 趙瑞霞, 等. 我國無縫隙精細化網(wǎng)格天氣預報技術(shù) 進展與挑戰(zhàn). 氣象, 2019, 45(4): 445-457. 

[15] Schultz M G, Betancourt C, Gong B, et al. Can deep learning beat numerical weather prediction? Philosophical Transactions of the Royal Society A, 2021, 379(2194): 20200097. 

[16] 孫健, 曹卓, 李恒, 等. 人工智能技術(shù)在數(shù)值天氣預報中的應用. 應用氣象學報, 2021, 32(1): 1-11.

[17] 周康輝, 鄭永光, 韓雷, 等. 機器學習在強對流監(jiān)測預報中的應用 進展. 氣象, 2021, 47(3): 274-289. 

[18] Ham Y G, Kim J H, Luo J J. Deep learning for multi-year ENSO forecasts. Nature, 2019, 573: 568-572.

[19] Weyn J A, Durran D R, Caruana R, et al. Sub-seasonal forecasting with a large ensemble of deep-learning weather prediction models. Journal of Advances in Modeling Earth Systems, 2021, 13(7): e2021MS002502. 

[20] Powers J G, Werner K K, Gill D O, et al. Cloud computing efforts for the weather research and forecasting model. Bulletin of the American Meteorological Society, 2021, 102(6): E1261-E1274.

[21] 周慶亮, 任璐, 王蒙. 首屆世界氣象中心研討會簡評. 氣象科技進 展, 2020, 10(3): 154-155.

[22] Pappenberger F, Rabier F, Venuti F. Invited perspectives: the ECMWF strategy 2021–2030 challenges in the area of natural hazards. Natural Hazards and Earth System Sciences, 2021, 21(7): 2163-2167.

[23] Droegemeier K K, Jacobs N A. Restructuring of US federal coordination to advance meteorological services. Bulletin of the American Meteorological Society, 2022, 103(2): E230-E247.

[24] Jacobs N A. Open innovation and the case for community model development. Bulletin of the American Meteorological Society, 2021, 102: E2002-E2011.

[25] Palmer T. A vision for numerical weather prediction in 2030. arXiv, 2020: 2007.04830.

                                            (作者單位:國家氣象中心

原文鏈接:

http:///amst/2023/202305/yjjz/202312/P020231219637460468717.pdf

圖片


圖片

內(nèi)容來自于《氣象科技進展》2023年第5期


    本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導購買等信息,謹防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊一鍵舉報。
    轉(zhuǎn)藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多