编者按
数值预报技术是气象现代化的核心支撑，更是实现精准预报的关键所在。近日，全国数值预报技术交流研讨会在浙江召开，专家学者围绕数值模式动力框架、资料同化方法、耦合技术、人工智能在数值模式中的应用等六大主题展开探讨。
本期策划聚焦行业关切及其前沿动态，选取研讨会部分报告，通过梳理数值预报技术创新的亮点与实践经验，展示我国数值天气预报领域的最新进展与实践成果。
数值模式动力框架和物理过程算法
基于MCV算法探讨两种浅水模式研发
中国气象局地球系统数值预报中心副研究员 李江浩
筑牢气象防灾减灾第一道防线，数值预报模式发挥着重要支柱作用。中国气象局地球系统数值预报中心（以下简称“数值预报中心”）持续推进基于多矩约束有限体积方法（MCV）的下一代大气模式研发，在服务业务预报的同时加强基础研究，实现相辅相成，互促共进。
作为下一代大气模式的核心组件，MCV模式动力框架具备多项技术亮点，如采用自主研发的多矩约束有限体积算法，求解通量形式控制方程组，全球模式采用立方球网格、区域模式采用经纬网格，实现全球与区域代码一体化管理。这些特性与现有业务模式动力框架在计算网格、方程形式和数值算法等方面均有明显差异，为实现更高精度数值预报开辟了新路径。
为深入分析不同方程组形式的模拟性能，数值预报中心下一代模式研发成员李江浩基于MCV算法，在立方球网格上采用通量形式方程组和矢量不变形式方程组研发了两种浅水模式，并探讨了两者在计算精度、守恒性和计算效率等方面的特点。这一成果为斜压动力框架的发展和完善提供了重要理论依据和参考，也为模式进一步发展积累了宝贵经验。
该研究通过多个标准算例，全面评估了通量形式和矢量不变形式浅水模式的优缺点。初步结果显示，通量形式在所有算例中均取得良好的模拟结果，特别是在高分辨率下，其模拟能力更加稳定，能够长时间保持合理的流场形态；而矢量不变形式虽然在中低分辨率下表现良好，但在高分辨率下，立方球网格的角点区域容易出现噪音，影响模式计算稳定性。针对此问题，该研究尝试多种解决方法，如采用不同形式的立方球网格边界插值方法、不同的相对涡度计算方法等，但问题尚未完全解决，仍需深入研究。
一个良好的模式不仅体现在模拟性能上，还体现在计算效率上。该研究发现，相比通量形式浅水模式需要引入较多曲线坐标度量项，矢量不变形式浅水模式求解更为简单，因此在同等条件下，矢量不变形式浅水模式计算速度更快、计算成本更低，这种差异为未来针对不同应用场景的模式开发提供了借鉴。
“通过对两种浅水模式的对比研究，我们更加清晰地认识了不同形式方程组动力框架模拟的差异和特点。”李江浩表示，MCV模式目前采用通量形式方程组是可靠的，而矢量不变形式浅水模式在计算效率方面有一定优势，因此该研究不仅积累了模式研发经验、培养了模式研发人才，也为未来模式发展针对不同情景提供了多样化选择。
未来，研究团队将聚焦下一代模式研发中的关键问题，深化对提高计算效率及优化数值算法的研究，培养更多模式研发人才，共同推动中国气象局数值模式迈向更高精度、更高稳定性的新台阶。
资料同化方法及新型观测资料同化技术
CMA-MESO公里尺度同化系统持续焕新
中国气象局地球系统数值预报中心高级工程师 王瑞春
中国气象局中尺度天气数值预报系统（CMA-MESO）公里尺度同化系统不仅是模式预报性能不断提升的核心关键之一，也是现代气象观测系统发挥效益的重要平台。今年10月，CMA-MESO V6.0投入业务运行，气象部门灾害性天气预报预警和精细化服务能力再度提升。
CMA-MESO公里尺度同化系统通过同化常规观测和非常规观测资料，如气象雷达、卫星、地面自动站等观测资料，为水平1—3公里分辨率的模式提供初值。公里尺度同化的主要分析对象是中小尺度系统，这些系统的动力特征和物理过程十分复杂，在相应的模式预报过程中误差增长更加迅速且具有不连续特征。
因此，攻关公里尺度资料同化技术，从时空稠密的观测资料中提取有效的中小尺度信息，结合快速同化预报循环技术及时订正模式误差，提供更加准确的模式初值十分重要。
为满足升级需求，CMA-MESO公里尺度同化系统构建了内外循环双分辨率分析框架，改进并行计算方案，有力提升系统计算效率；重构适合中小尺度分析的湿度控制变量，改进了湿度分析效果；优化地面自动站、雷达径向风、风廓线雷达等观测资料同化方案，提升了局地稠密资料的同化质量；引入分析增量更新技术（IAU），有效解决了高频更新带来的模式噪音问题。通过上述工作，公里尺度同化系统和升级后的模式建立了覆盖全国范围1公里分辨率、1小时更新的快速循环同化预报系统。
通过试验和今年汛期准业务运行检验，新版系统计算得出的降水、温度等近地面要素的评分明显优于CMA-MESO V5.1，有效解决了近地面温度的异常偏差问题，对强对流天气系统的精细化描述能力也优于现有业务模式。
科技成果只有转化落地，才能真正实现其价值。水平分辨率1公里的CMA-MESO系统为北京冬奥会、成都大运会、杭州亚运会等重大活动提供了定制化、精细化的预报产品。该系统也已在中国气象局数值预报科技创新平台上线，可为低空经济、新能源等专业预报模式的发展提供强大支撑。未来，CMA-MESO V6.0将在短时临近预报、气象防灾减灾以及重大活动气象服务保障等方面发挥更重要的作用。
数值模式诊断评估与应用
CMA-MESO模式数据的云产品研发及检验
中国气象局人工影响天气中心高级工程师 魏蕾
近年来，人工影响天气领域在技术上的持续突破，使云预报产品的研发和应用逐渐成为提升作业精准度的关键。特别是在《人工影响天气“播雨”减灾行动计划（2023—2025年）》的指导下，中国气象局人工影响天气中心加强中尺度天气数值预报系统（CMA-MESO）在人工影响天气作业指挥中的应用，结合实际需求，研发出基于该模式的云预报产品。
此前，CMA-MESO数值模式通过发布动力、热力、形势场等产品，可提前了解宏观天气形势、降水系统的发展演变。但该模式预报产品缺少人工影响天气中所需要的云预报产品，这便是研究团队的攻关方向之一。
研究团队基于CMA-MESO数值模式数据研发了云预报产品，包括云带、云顶高度（温度）、云底高度（温度）、垂直积分液态水、垂直积分过冷水等七种，能够为更精细的云系分析提供支撑，便于提前掌握云系的整体分布与发展趋势。研究通过结合卫星、雷达、再分析等资料，对其进行检验。结果显示，从CMA-MESO模式预报的华北地区云量图来看，总云量以及高云、中云、低云的云量分布与观测的云量分布基本一致。
“根据云预报产品分析云系总体特征和降水机制等，可提供国家级和省级单位分析制作72小时作业计划，包括作业目标、时间、区域、作业部位、作业方式等参数。”魏蕾介绍。
此外，该产品已通过业务化评审、验收。在日常业务服务中，该产品应用于专报产品制作与发布，可提供更多样化、更精细化的面向人工影响天气专项服务的预报产品。下一步，研究团队将着手开发潜力区、过冷水层厚度、云相态和特性层高度等新产品算法，改善检验中发现的云顶高度系统性偏高等问题，为提升云预报产品精确度持续发力。
专业模式关键技术
高分辨率数值模式直接预报航空颠簸技术初探
中国气象局上海台风研究所高级工程师 刘梦娟
航空颠簸是指飞机在飞行中遇到的不规则的气流扰动现象，由大气中的湍流、风切变等气象因素引起，是常见的航危天气之一。当飞机遭遇颠簸时，可能产生机体摇晃，给机上人员带来不适甚至伤害；颠簸严重时会破坏飞机结构，影响飞机安全运行。为此，及时准确对可能引发飞机颠簸的局部天气作出预报至关重要。
依托数值预报国省统筹研发任务，中国气象局上海台风研究所聚焦高分辨率数值模式直接预报航空颠簸技术，开展了面向航空气象的模式关键技术研发。
早在2020年，国际民用航空组织气象信息与服务发展小组第16次会议提出，颠簸预报产品应以湍流耗散率形式提供，并区分晴空颠簸和山地波。刘梦娟介绍，目前国内外主流研究与业务预报仍通过基于数值模式输出的三维格点场计算各类大气湍流发生的潜势，主观或动态设置不同阈值，划分等级。“一方面，造成飞机颠簸的气象条件多种多样，单一指数难以全面涵盖；另一方面，表征湍流发生的指数与湍流耗散率间并非简单的一一对应关系，对模式分辨率极为敏感，进一步增加了算法的复杂度和误差。”
刘梦娟认为，航空颠簸的最终预报应当具备足够高的分辨率，采用可以直接解析飞行器尺度的数值模式。考虑到当前数值模式的分辨率尚无法直接预报对飞机颠簸影响最大的湍涡，参考湍流耗散率成为了必要选项。
以湍流耗散率指示航空颠簸的理论基础，来自于流体力学中的能量串级理论。湍流耗散率是描述湍流统计特征的物理量，能够反映颠簸发生的可能性。本研究是一项探索性的研究工作，其从湍流耗散率背后的物理意义入手，直接预报湍流耗散率这一变量，避免了考虑不同天气现象设置不同指数、人为调试阈值等问题。
针对一次发生于上海虹桥机场高空的颠簸个例，研究团队开展了一系列接近业务区域数值预报模式设置、水平分辨率1公里的敏感性试验，分析评估了8种不同边界层参数化方案模拟湍流耗散率的能力。这8种方案囊括了国内外主流研究与业务数值预报模式常用的边界层方案，涉及从一阶（不同阶数代表不同等级的参数化方法）预设廓线方案到1.5阶湍动能预报方案、再到高阶湍流耗散率预报方案。
“通常情况下，学界普遍认为高阶的边界层参数化方案物理意义更为明确，理论上应该更加准确，但在实际预报中却不尽然。如在我们的研究中，低阶方案在预报湍流耗散率上的表现显著优于高阶方案。”刘梦娟说。
结果也表明，低阶方案预报出了最强的湍流耗散率，与实况最为接近。这次初步“试水”，为正在研发的基于新一代中尺度天气数值预报系统（CMA-MESO）覆盖全国范围的航空气象专业模式直接预报湍流耗散率，提供了理论基础与技术支撑。
耦合模式关键过程
双向次网格陆气耦合框架推动城市气候科学研究
清华大学地球系统科学系副教授 王勇
全球气候模式是通过数理方程和计算机技术来研究气候和气候变化的一种重要工具，即通过数值算法将数理方程离散化。简单来说，会将整个地球划分成若干网格进行计算，而比网格尺度小的过程（即次网格过程）空间异质性无法被表征。
全球气候模式通常水平分辨率较粗，一般在100千米至200千米。若以网格为单位运算，会使网格内如城市、农田、植被等多样的地表覆盖类型次网格间的陆气相互作用被简化为单一网格尺度耦合。传统模式就像是用一张大网捕捉城市与乡村气候的细微差别，网眼太大，很多关键信息都溜走了，无法精准复现城市真实降水场景。
针对这一难题，研究团队开发了新的双向次网格陆气耦合框架，并将其植入美国国家大气研究中心的通用地球系统模式（CESM2）中。在传统模式里，陆面模式（CLM5）与大气模式（CAM6）仅在网格尺度交互。新框架则假设网格单元内的每个土地单元都有自己的虚拟次网格大气柱，它们可以独立地进行陆气之间的“交流”，即每个土地单元提供其不同的地表通量和状态，以驱动其中多个大气物理参数化方案，并接收反向大气反馈，使得大气物理过程及其对不同次网格陆面单元影响得以精细呈现，网格内各土地类型（如城市、农田、湖泊等）大气差异化研究成为可能。
研究结果显示，新框架试验效果较好，以中国区域为例，对照气象站观测，原模式高估城市热岛，平均偏差约+0.127摄氏度。采用新框架后，偏差减至+0.032摄氏度，降幅约75%。新框架能够捕捉到城市地区因城市热岛效应导致降水日平均降水更多，从而削弱了城市热岛强度。
此外，研究还发现城市区域的降水与农村有显著差异：城市地区强降水增多，弱降水减少，强降水日的数量增加，而弱降水日的数量减少。累计降水量方面，强降水量上升，弱降水量下降。其原因可能是在强降水情况下，水汽供应充沛，城市热岛使大气变得不稳定，增强了对流有效位能，促使对流增强。这样一来，更多的水汽在强烈的上升气流作用下便形成了更多的强降水。在弱降水情况下，降水主要来自于局地供应，城市不透水面减少了局地蒸发，从而相比于农村，弱降水减少。
该技术成果不仅为全球城市气候研究提供了更精确的手段，还可以用于全球湖泊、农田等局地气候的研究，从而为全球多尺度陆气相互作用的模拟研究提供了重要参考，是数值预报模式发展以及城市可持续发展进程中关键技术支撑，将持续推动数值模式技术和城市气候科学的发展与实践应用创新突破。
人工智能在数值模式中的应用
深度学习观测算子助数值预报计算提效
国家超级计算无锡中心助理研究员 王晨宇
在气象预报背后，数值预报模式和资料同化是不可或缺的核心技术。资料同化技术通过融合观测数据和模式预报结果，获得更接近真实大气状态的初值，从而提升预报精度。其中，气象卫星观测数据因其覆盖范围广、更新速度快等特点，成为资料同化中的关键数据源。
然而，卫星观测数据同化并非易事。作为间接观测数据，需借助观测算子这一“桥梁”，将模式状态物理量转化为卫星观测变量。
近期，由国家超级计算无锡中心、清华大学和中国科学院大气物理研究所合作开展的一项研究提出一种基于深度学习构建卫星观测算子的方法。王晨宇介绍，研究团队基于深度学习模型，建立传统辐射传输模式（RTTOV）机器学习代理模型，采用RTTOV模拟风云四号卫星AGRI传感器（FY-4A AGRI）亮温的输入输出作为数据集，训练出深度学习卫星正向观测算子。
深度学习模型具有可微分特性，可以直接基于正向观测算子构建切线性观测算子和伴随观测算子，而无需繁复的开发工作。这不仅提高了开发效率，还确保了模型的精度和应用于变分同化系统的有效性。此外，研究团队还开发了跨语言的高效耦合工具，将基于深度学习模型构建的卫星观测算子集成到传统资料同化系统中，为后续深度学习框架在数值预报领域的耦合应用奠定了基础。
为验证这一方法的可行性，研究团队进行了大量对比实验。测试表明，将深度学习观测算子集成到三维变分同化系统后，代价函数能够稳定收敛，且与常规探空观测资料对比，分析场的比湿信息得到改善，充分证明了构建深度学习观测算子的实用性和可靠性。
目前，人工智能在数值天气预报领域的应用已成为“人工智能驱动的科学研究”的热点和前沿。该研究在提高数值天气预报计算效率与数据利用率的同时，有效拓展了深度学习方法在数值预报领域的应用空间，为未来的数值天气预报模式创新提供重要参考。
（责任编辑：）
标签： 地理人物
