中期预报员会在各种模式预报的基础上，综合考量不同模式的预测结果，并结合我们多年来积累的梅雨预报经验，如副热带高压的位置和强度、中高纬度冷空气的影响程度等，对模式预报结果进行订正。

需要强调的是，预报员并非机械地依赖模型输出，而是对其结果进行多种技术的后处理，并根据专业知识和多年的经验，从大量不确定信息中提炼出尽可能贴近实况的预报结论。

图片来源：中国气象局

正探索将AI引入气象预报领域，提高预报准确度

NBD：中期预报与短期预报使用的技术有何区别？

蔡芗宁：中期预报的预报时效为两周以内，我们更加注重使用集合预报。

需要了解的是，我国天气预报一般使用数值天气预报，即利用数学模型模拟大气环流运动，预报未来天气系统的演变。

通常数值天气预报有两种标准形式：确定性预报模式和集合预报模式。确定性预报是一种早期发展、至今仍被广泛应用的单一模式预报。

但即使拥有最好的观测数据，实际大气真正初始状态也不可能完全精确获取，模式初值与真实大气初始状态之间总是存在误差。

集合预报的创新之处是不再使用单一的初值启动计算，而是一组初值的集合，单一的预报就转换为一组预报结果。中期预报员对这些预报结果进行"专家会诊"，最终判断出哪种天气状况最有可能发生。通常情况下，这一结果较单一初始预报效果更为准确。

NBD：对于今年强降雨，预报员如何"算"出预报结果？会用到哪些技术手段？

蔡芗宁：中期预报需要体现"早"和"准"。在"早"期，我们主要使用集合预报模式；随着时间临近，预报团队将更加注重预报的精确性，即"准"。因此，我们会使用确定性预报模式和集合预报模式两种预报结果。

之后，中期预报员在前述模式输出的预报结果基础上，运用客观方法如多模式集成、逻辑回归等技术手段，并进行不同地理纬度、不同空间层次、不同天气尺度等多维度人工评判，对预报结果进行订正，以提高预报的准确性。

符娇兰：在短期预报时段，我们开发了除数值天气预报技术之外的多种后处理产品。这些后处理产品是基于模式预报结果，以及历史数据进行进一步深度训练，是一套比模式预报更好的预报技术。

同时，预报员也会依托实况监测信息，研判未来天气的演变趋势以及识别出模型可能存在的系统性偏差。基于实况监测信息和对模型偏差的理解，再进一步调整和优化预报结果。

因此，从中期预报到短期预报是一个不断细化、精确化的过程，一个重要原因就是可供参考的技术变得越来越多，短期预报可使用的模型数量远多于中期预报。

中期预报使用的模型主要针对全球范围进行预报，目前我国常用四家模型；而短期预报除了全球模型外，还包含针对中国区域的特定模型，目前有七八家，为预报员提供了更多可参考的数据和信息。

同时，随着AI技术的不断发展，我们也正在尝试将AI引入气象预报领域。

目前，我们已将盘古、伏羲等大模型数据接入平台，特别是在短时临近阶段，即未来两小时的预报中，AI模型对于对流系统的外推预报提供了大量准确的信息，极大地提升了预报准确性和可靠性。这是因为短时临近预报更多依赖实时观测数据。

局地性、极端性暴雨预报难度大，且技术突破进度缓慢

NBD：预报今年南方大范围强降雨时，预报员们遇到了哪些难题？

符娇兰：对于短期预报员来说，首先，此次降雨过程累积雨量比较大，若想进一步精确预测这些雨量具体集中在哪些特定区域，比如未来长沙市域的降雨将集中在长沙县还是其相邻地区，很难做到精准预判。

因此，我们可以预测长沙周边地区可能会出现强降雨情况，但精确到具体时间和地点，挑战重重。

其次，关于强降水的极端性。各类模型给我们预估的降雨强度可能是某一具体数值，但实际降雨情况可能会远超这一预测。因此，精准预报极端降水的极值强度，目前还有极大的难度。

NBD：不同天气有不同的可预报性，哪类天气情况预报难度最大？

符娇兰：暴雨、强对流等较小尺度的天气系统，在预报方面面临更大的挑战。

第一，暴雨因其局地性、突发性和活动规律多变等特点，至今仍是全世界预报领域的一道难题。

第二，技术方面突破的难度也极大。从近十年的预测模型发展变化来看，我国在其他方面如大尺度系统的预报能力方面有显著提升，例如副热带高压、高空槽等系统的预报性能有较快提高。不过对于强降水这类小尺度天气现象的预报，由于其尺度极小，技术进展显得相对缓慢，较难在短期内实现预报质量的飞跃性提升。

NBD：我们注意到，近些年气候变化加剧，未来会给天气预报带来哪些挑战？

符娇兰：从短期预报角度来看，我们虽然有较多观测设备，包括高空中的卫星、雷达系统以及地面上各类监测站点和探空观测等，但目前尚无法精准捕捉到大气中极其细微的变化。

此外，我们目前使用的模型做不到极致完美，预测结果与实际状况之间存在一定偏差。特别是近年来，极端天气事件的频发，无论是从预报员认识层面，还是从模型的模拟和预报能力，都与实际状况存在差距，因此没办法对极端天气进行完美预报。

蔡芗宁：从中长期预报角度来看，在气象预报领域，极端强降水释放的信号不够明显，难以在较长的时间尺度内被准确捕捉。

以去年河南极端强降雨为例，那次降雨集中在河南局地小区域，做到长时效精准预报的难度就比较大。

对于大气中的一个系统，我们可以根据它的空间范围和持续时间来确定这个系统属于什么尺度。可以分为大尺度、中尺度、小尺度等，越大的系统，持续时间越长，影响范围越广，可预报性越强；反过来，越小的系统，在越小的时间和空间范围，则预报难度越大。

比如在梅雨期，会有明显的雨带出现，覆盖面积大，位置往往越容易确定。但极端强降水事件往往呈现出分散性、点状分布的特点，这种点状分布的特性使得预报员难以准确捕捉其发展趋势和具体影响范围。

另外，极端强降水事件还面临诸多复杂因素的影响。比如，模拟系统无法对实际地形、地貌达到百分之百的准确度还原，也会增加预报的误差。

相比之下，我们对极端气温（如极端高温或寒潮）的预报相对容易把握。因为气温变化一般呈现线性趋势，预报人员可以根据历史数据和气象模型进行较为准确的预测。此外，针对气温预测研发出的客观预报方法，使用效果也比较好。