下载掌阅APP，畅读海量书库
立即打开
随着科学技术的进步，气象数据的来源又有了一个新的途径——气象数值模式，这类由气象数值模式产生的数据，已成为当今气象领域不可或缺的重要部分，并且气象观测数据的处理也越来越离不开数值模式的应用。
气象数值模式是数值天气预报的核心成分，数值天气预报的核心思想是将物理学的定律应用于预报天气，即把天气预报视作数学物理的初值问题，使用偏微分方程从观测到的当前的天气向前积分得到未来的天气。这一思想的产生和尝试发端于20世纪早期，直到20世纪50年代，随着世界首台电子计算机的诞生，数值天气预报才具备了现实应用的条件。
考虑地球自转影响的纳维斯托克斯方程、质量连续方程和热力学第一定律、理想气体方程一起构成了一组完整的大气预报方程，大气中的风场、气压场、密度场和温度场的时空变化都可以用这组方程加以描述，这些方程在时间和空间离散化之后借助大型计算机以数值方法求解。空间离散化，是把地球预报范围（全球或区域）划分成水平和垂直网格，大气预报方程就在各个网格上建立（图2-1）。对方程的离散近似的做法，使得一些重要的大气物理过程，包括摩擦、凝结、蒸发、辐射加热与冷却，无法直接在网格上解析表达，它们的效应被作为质量、动量和热量的源项进入可解析尺度的方程中。由于这些过程通常都无法解析，它们需要按照与可解析尺度的相互作用被“参数化”表达。
图2-1 气象数值模式的网格示意图
气象数值模式运行的关键一步是气象观测资料的初始化，即确定气象数值模型积分的初始条件。早期用于确定初始条件的方法基于对天气图的分析，后来各种各样的插值方法被基于最优控制理论的资料同化技术所取代。随着气象观测资料来源的多元化以及同化理论、计算技术的发展，当前世界上先进的数值模式都应用四维同化技术进行模式初始化。四维同化是将大气和地面状况分析推演在数学上处理为使用观测资料、短期预报所提供的初始信息、它们的不确定性以及预报模式作为约束的反演问题。通过四维同化，模式生成在时间和空间上物理一致的分析，并能够处理大量的、时空分布不均匀的观测数据（例如大量而多种多样的卫星数据）。这些经过模式同化处理分布在计算格点上的数据就是气象数值模式数据。
在世界范围内，每天有许多全球和区域数值模式在各国气象中心运行，以高空到地面的庞大观测数据（包括无线电探空、地面气象站、气象卫星等）作为输入，进行着数值天气预报。在中国，从中央到地方，有已经形成系列的数值天气模式系统。在中国国家数值天气预报中心，每天运行的业务系统有：全球中期数值天气预报系统、中尺度数值天气预报系统、全球台风数值天气预报系统、空气质量预报系统等。上海作为中国气象局华东区域气象中心，拥有针对本地特点开发的数值天气预报模式系统，包括华东区域中尺度模式系统、快速同化系统、台风预报系统等。这些模式每天都输出大量数据产品，对各种天气现象，如大风、台风、暴雨、雷电、雾、霾、空气质量状况等，进行准确预报。
同气象观测数据一样，气象数值模式数据可以应用于国民经济和社会生活的各个方面；但在具体的应用过程中，必须注意数据的“适用性”。如前所述，数值模式数据是格点数据，每一格点上的数据代表的是这一格点内的平均情况，通用模式的水平格点距，从几千米到十几千米不等；而我们生产生活应用场景的空间尺度一般都是米百米量级的，因此存在较大的应用场景空间尺度不匹配问题。在时间尺度上，数值模式数据一般为6 h一次或12 h一次，同样和许多应用需求存在较大的时间尺度不匹配。因此，对于数值模式数据的应用，必须做好二次开发研究。