下载文档原格式
阿勒格尼学院学术如何
阿勒格尼学院位于宾西法尼亚州的米德维尔，学校致力于创造一个重视能力、资质及充分发挥学生天份的学习环境。
学院鼓励学生参与课程设计，以满足学生的需求及兴趣，同时，学院崇尚将课堂学习与课外活动相结合，以同时培养学生的学识和理解力。
据美藤国际教育介绍，无论是在化学试验室工作、参加舞蹈班还是参与田径运动，我们都会鼓励学生发挥自己的能力，以在毕业后能够享受充实的人生。
阿勒格尼学院为学生能够明确成功的定义及获得成功打下基础。
请立即到梓驰（Zinch）查看阿勒格尼学院的奖学金制度。
阿勒格尼学院强势专业
生物学经济学心理学
阿勒格尼学院著名校友
Ben Burtt，奥斯卡奖获奖声音设计师。
Dr. Robert Dowling，完成第一个完全植入式人工心脏手。
William McKinLey，第25届美国总统。
第35卷第1期2024年1月㊀㊀水科学进展ADVANCES IN WATER SCIENCE Vol.35,No.1Jan.2024DOI:10.14042/ki.32.1309.2024.01.014全球气象预报驱动流域水文预报研究进展与展望赵铜铁钢1,张㊀弛2,田㊀雨3,李㊀昱2,陈泽鑫1,陈晓宏1(1.中山大学水资源与环境研究中心,广东广州㊀510275;2.大连理工大学水利工程学院,辽宁大连㊀116024;3.中国水利水电科学研究院,北京㊀100038)摘要:全球气象模型及新兴人工智能模型为流域水文预报提供了日㊁次季节㊁季节等不同时间尺度的海量气象预报数据㊂与此同时,基于气象预报开展水文预报,涉及到数据获取㊁模型构建㊁评估检验等技术问题㊂本文以全球气象预报相关的研究计划为切入点,调研现有的1d 至2周小时尺度中短期天气预报㊁1~60d 次季节尺度气象预报㊁1~12个月季节尺度气象预报以及新兴的人工智能气象预报;梳理气象预报驱动下流域水文预报模型方法,阐述气象预报订正㊁水文模型设置和预报评估检验等技术环节㊂基于全球气象预报生成实时和回顾性流域水文预报,定量检验不同预见期下预报精度以评估相关模型方法的预报性能,为水利工程预报-调度实践应用打下坚实的基础㊂关键词:全球气象模型;气象预报;流域水文模型;水文预报;实时预报;回顾性预报;预报检验中图分类号:TV11㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1001-6791(2024)01-0156-11收稿日期:2023-10-08;网络出版日期:2023-12-26网络出版地址:https :ʊ /urlid /32.1309.P.20231226.0934.002基金项目:国家重点研发计划资助项目(2023YFF0804900);国家自然科学基金资助项目(52379033)作者简介:赵铜铁钢(1986 ),男,湖南衡阳人,教授,博士,主要从事水文预报研究㊂E-mail:zhaottg@通信作者:陈晓宏,E-mail:eescxh@ 在全球气候变化的背景下,流域水文要素呈现非一致性的特征,给水利工程调度运行带来巨大挑战[1-3]㊂传统的工程水文设计,如设计洪水计算㊁干旱重现期评估等,主要基于一致性假设,认为 过去的水文序列代表未来的水文情景 ;然而,非一致性意味着 过去不再代表未来 [4-5]㊂全球范围内,径流统计分布受气候变化和人类活动影响而整体发生变化,并且极大值㊁极小值与均值常呈现出相似的变化趋势[6]㊂淮河㊁长江㊁珠江等江河由于水量相对充沛,径流量受人类活动影响相对较小,整体变化不大;黄河㊁海河㊁辽河㊁松花江等江河径流量则呈现不同程度变化,海河流域尤为显著[7]㊂开发水文预报进行适应性管理,是应对气候变化下水文非一致性的有效途径[1,4]㊂以最长预见期分类,水文预报整体上可以分为3d 以内的短期预报㊁3~14d 的中期预报㊁15d 至1a 的长期预报,乃至1a 以上的超长期预报[8-9]㊂其中,短期降水预报应用于短期洪水预报,进而支撑水库防洪调度;防洪预报-调度是提升洪水资源化效率和提高防洪减灾效益的有效途径之一[10-12]㊂与此同时,中长期预报应用于制定周㊁月㊁季节等时间尺度的水库防洪㊁供水㊁发电㊁灌溉等调度计划[13-14]㊂由于中长期预报信息包含相当的不确定性,预报调度通常制定相对保守的决策以应对风险,即风险对冲决策[15-16]㊂气象条件是流域水文过程的重要驱动要素,气象预报预见期和精度直接影响着不同预见期下的水文预报精度[17-19]㊂近年来,全球气象模型(Global Climate Model,GCM)稳步发展,人工智能气象预报模型方兴未艾,为流域水文预报提供了日㊁次季节㊁季节等不同时间尺度的海量气象预报数据[20-22]㊂与此同时,气象预报驱动下的流域水文预报,包含着初始状态设置㊁预报检验评估和预报统计订正等关键技术环节[23-24]㊂相应的,水文预报既受到气象预报的直接影响,又与水文模型结构㊁参数以及流域初始状态㊀第1期赵铜铁钢,等:全球气象预报驱动流域水文预报研究进展与展望157㊀等要素紧密相关[25-27]㊂立足于全球气象预报领域国内外相关综述[20,25,28-30],本文致力于梳理全球气象预报驱动流域水文预报的模型方法研究进展并进行展望,期望为预报㊁预警㊁预演㊁预案 四预 工作提供有益的借鉴和参考㊂1㊀全球气象预报1.1㊀全球气象模型的发展全球气象模型通过定义旋转球体的Navier-Stokes偏微分方程组来刻画全球水量与能量平衡相关物理过程,进而耦合陆地㊁海洋㊁大气㊁海冰等模块从物理机制上来预报未来气象状况[20]㊂全球气象模型的缘起可以追溯到1904年,挪威气象学家Vilhelm Bjerknes发表著名论文‘从力学和物理学的角度考虑天气预报问题“,提出采用数学物理方程处理大气数据信息和开展数值预报的构想;时隔近50a后,美国气象学家Jule Charney于1950年首次实现对于实际天气过程的数值预报,开启了天气预报向客观化㊁数字化和自动化转型的时代[31]㊂近年来,得益于偏微分方程数值求解㊁大规模并行计算㊁卫星遥感与地面观测同化等先进技术的发展,全球气象模型取得了长足的进步,全球和区域尺度气象预报日益成为世界各大超级计算中心核心业务工作[28-30]㊂与此同时,欧洲中期天气预报中心(European Centre for Medium-Range Weather Forecasts,ECM-WF)㊁美国国家环境预测中心(National Centers for Environmental Prediction,NCEP)等重要气象机构面向不同时间尺度的气象预报推进了一系列国际合作研究计划,如表1所示㊂表1㊀代表性全球气象预报相关的国际合作研究计划Table1International cooperative research programs on representative global climate forecasts 类型预见期中文名称英文简称及全称参考文献中短期预报未来1~14d全球交互式大集合预报研究计划TIGGE,THORPEX Interactive Grand Global Ensemble Park等[28]次季节预报未来1~60d次季节至季节预报研究计划S2S,Sub-seasonal to Seasonal prediction Vitart等[30]季节预报未来1~12个月北美多模型集合预报研究计划NMME,North American Multi-Model Ensemble Kirtman等[29]㊀㊀从偏微分方程组求解的角度,全球气象预报主要受到初始状态和边界条件影响[32,20]㊂对于表1所示3种类型的气象预报,中短期天气预报主要受初始状态影响,也即模型初始时刻状态直接影响未来中短期预报结果[28,33];次季节尺度气象预报,既会受到初始状态的影响,又会受到边界条件的制约,因而更加复杂[30,34-35];进一步的,季节到年际气象预报主要受边界条件制约,也即海洋㊁海冰㊁陆地等下垫面条件对于大气的强迫作用[29]㊂1.2㊀中短期天气预报面向未来1 14d的小时尺度中短期天气预报,世界气象组织(World Meteorological Organization,WMO)在全球观测系统研究与可预报性试验(The Observing system Research and Predictability EXperiment,THOR-PEX)科学计划中设置了TIGGE[28,36]㊂TIGGE名称中的 大集合 指的是通过一定的数据协议整合发布源自全球13个气象中心的天气预报数据,包括欧洲中期天气预报中心㊁中国气象局(China Meteorological Adminis-tration,CMA)㊁英国气象局(United Kingdom Met Office,UKMO)等; 交互式 指的是根据用户需求来更新模型设置以改进预报结果,包括集合成员数量㊁网格空间分辨率㊁区域尺度预报等[36]㊂相比单一机构预报结果,TIGGE综合多个机构预报结果,能够从整体上显著地提升对于未来数天小雨㊁中雨到暴雨㊁大暴雨等不同天气事件的预报精度[36-37]㊂与此同时,随着预见期增加,集合预报可能会高估未来小雨㊁中雨等降水事件,同时会低估暴雨㊁大暴雨等降水事件;对此,需要引入统计订正方法以改进预158㊀水科学进展第35卷㊀报结果[38-40]㊂值得指出的是,中短期天气过程呈现混沌特性:天气预报对于初值较为敏感;相应的,预报误差随着预见期延长而迅速增加[28,41]㊂受限于混沌特性,中短期天气理论上的可预报性局限在2周以内[32]㊂1.3㊀次季节气象预报面向未来1~60d的次季节气象预报,世界气象组织在全球气候服务框架(Global Framework for Climate Services,GFCS)的基础上提出S2S,旨在为水资源管理㊁农业与食品㊁能源与健康㊁灾害风险管理等行业提供气象预报基础数据[30]㊂考虑到初始值的混沌效应[32],次季节预报把用于天气预报的大气模式与海洋㊁陆地㊁海冰等模式耦合起来,通过考虑大气-海洋-陆地-海冰等相互作用以延长预见期[30]㊂参照TIGGE的运行模式,S2S统筹发布欧洲中期天气预报中心㊁美国国家环境预测中心和中国气象局等机构开发的10余套全球预报数据[34,36,42]㊂相比于TIGGE仅仅发布实时预报[28,36],S2S在业务运行过程中不仅采用耦合模式进行未来1~60d的实时气象预报,还面向历史同期进行回顾性的气象预报[30]㊂例如,欧洲中期天气预报中心的回顾性预报为过去20a;即2023年10月1日(起报时间)对2023年10月1日至11月30日(预见期60d)进行实时气象预报,同时还会生成2003 2022年(过去20a)10月1日至11月30日(历史同期)的回顾性预报㊂回顾性预报不仅可以检验同一模型对于历史事件的预报效果,还可以定量评估不同预见期下系统与随机误差,有助于订正实时预报以提高预报精度[35,40-41]㊂1.4㊀季节气象预报面向未来1~12个月的季节尺度气象预报,美国国家科学基金会(National Science Foundation,NSF)联合美国海洋与大气管理局(National Oceanic and Atmospheric Administration,NOAA)㊁美国国家宇航局(National Aeronautics and Space Administration,NASA)等多个部门联合设立NMME[29]㊂NMME名称中的 北美 指的是该计划主要面向美国和加拿大的10余个季节气象预报模型㊂例如,美国国家环境预测中心的气象预报系统第一代(Climate Forecast System version1,CFSv1)和第二代(CFSv2)季节预报,都通过NMME发布预报数据[43];美国地球流体动力实验室(Geophysical Fluid Dynamics Laboratory,GFDL)第二代气象模型(Climate Model version2,CM2)曾经同时运行4个版本CM2p1㊁CM2p1-aer04㊁CM2p5-FLOR-A06和CM2p5-FLOR-B01,并且新开发了无缝预测和地球系统研究系统(Seamless System for Prediction and EArth System Research, SPEAR),这5套季节预报也都通过NMME发布数据[44-45]㊂不同气象中心开发的不同版本预报模型,通常给出不同时间步长和不同空间分辨率的预报数据,数据之间的差异性限制了相关研究的推进㊂针对这个问题,北美多模型集合预报研究计划先进行时间-空间重采样,即把时间步长统一为1个月㊁把空间分辨率统一为1ʎ,而后才公开发布预报数据[29]㊂这一举措极大地促进了多模型季节气象集合预报研究,包括精度检验㊁评估对比和推广应用等方面[45-47]㊂1.5㊀新兴的人工智能气象预报全球气象模型及各种遥感监测技术生成海量的地球系统数据集,推动人工智能(AI)预报模型迅速发展[48,21-22]㊂其中的标志性成果,当属华为云盘古气象大模型(Pangu-Weather)被开发和应用于全球气象预报[22]㊂从输入与输出2个方面,盘古气象大模型类似于全球气象模型:一方面,模型输入数据为0.25ʎˑ0.25ʎ的网格化全球气象场数据,具体而言,包括13个气压层的位势高度㊁比湿㊁温度㊁经向风速和纬向风速,以及海平面气压㊁地面2m温度㊁10m经向风速㊁10m纬向风速,共69个变量;另一方面,模型输出数据对应于输入的69个变量,同样为0.25ʎˑ0.25ʎ的网格化全球数据㊂得益于 相同的输入与输出数据 这种模型设置,华为云提供时间步长分别为1㊁3㊁6㊁24h的4个盘古气象预训练大模型,以迭代运算的方式生成未来的全球气象预报[22]㊂具体而言,对于18h后的全球气象预报,只需要把6h步长盘古气象大模型迭代运行3次:第1次运行采用观测的全球气象场作为输入;第2㊁3次运行均采用上一次的全球气象预报㊀第1期赵铜铁钢,等:全球气象预报驱动流域水文预报研究进展与展望159㊀作为输入㊂依托华为云计算平台,盘古气象大模型采用欧洲中期天气预报中心的第五代全球再分析数据集(ERA5)作为驱动,以1979 2017年的数据用作训练,2018年的数据用作测试,2019年的数据用作验证㊂面向位势高度㊁温度㊁经向风速㊁纬向风速等多个气象变量进行预报检验,盘古气象大模型相比欧洲中期天气预报中心的集成天气预报系统(Integrated Forecasting System,IFS)呈现出更高的预报精度[22]㊂2㊀气象预报驱动水文预报2.1㊀气象预报数据获取与订正气象预报数据是流域水文预报的重要基础[3,17,19]㊂在20世纪七八十年代,气象模型尚不发达,气象预报能力极为有限;当时,美国国家天气局(National Weather Service,NWS)提出以历史同期气象条件作为流域水文模型的驱动要素来构建河流预报系统(River Forecast System,RFS),即主要基于流域干湿状态的时限延长径流预报(Extended Streamflow Forecasting,ESP);以实际需求为导向,该预报系统提供最大径流㊁最小径流㊁累积径流量㊁河流水位等一系列水文预报数据,得到了相当广泛的工程应用[49]㊂从概念上,ESP方法基于 一致性 假设,也即假设未来降水具有与历史同期降水相同的统计性质;这种情况下,径流预报精度主要取决于流域干湿状态,也即土壤水㊁地下水㊁积雪等蓄水单元的存蓄状态[50]㊂伴随着天气预报技术和气象预报模型的发展,确定性预报被应用于驱动水文模型,生成单一情景的确定性水文预报;进一步的,气象集合预报也被应用于驱动水文模型,得到包含诸多情景的水文集合预报[17,25]㊂相比于历史同期气象条件,确定性气象预报和气象集合预报能够更为有效地反映实时气象情况;采用气象预报作为驱动可以生成更高精度的水文预报,不同预见期下预报精度的提升,既归功于流域干湿状态,又得益于高精度的气象预报精度[23,51]㊂如表2所示,TIGGE㊁NMME㊁S2S等气象预报国际合作研究计划,以及最新开发的Pangu-Weather等,提供了小时㊁日㊁月等不同时间步长和周㊁月㊁季节等不同预见期的全球气象预报㊂不同流域的水文预报通常会采用小时㊁日㊁月等不同时间尺度的水文模型;实际预报业务中,需要根据不同时间步长的水文模型建模灵活地获取对应的气象预报数据[52-53]㊂表2㊀气象预报模型与数据情况Table2Overview of climate forecast models and data研究计划模型数数据类型及年限精度预见期下载链接TIGGE>10实时预报,2006年至今无回顾性预报6h16d https:ʊapps.ecmwf.int/datasets/da-ta/tigge/levtype=sfc/type=cf/S2S>10实时预报,2016年至今回顾性预报,随着预报模型版本更新而动态更新[30]1d60d左右https:ʊ/SOURCES/.ECMWF/.S2S/index.htmlNMME>10实时预报,2011年至今回顾性预报,1982 2010年1月12月https:ʊ/SOURCES/.Models/.NMME/Pangu-Weather4下载时间步长分别为1㊁3㊁6㊁24h的预训练大模型,输入固定格式的ERA5全球再分析数据,生成2019年至今的实时预报1h不限https:ʊ/198808xc/Pangu-Weather㊀㊀值得指出的是,受系统与随机误差影响,全球气象模型原始预报的精度往往并不理想;如果采用原始气象预报驱动水文模型,水文预报不确定性既会受到原始气象预报误差的制约,又会受到流域水文模型的影响[23,37,52]㊂对此,需要对气象预报进行统计订正以控制水文预报的误差来源[38,40,54]㊂比较简单的订正方法有160㊀水科学进展第35卷㊀同倍比缩放法和同差值加减法,即把所有原始预报的均值与所有观测的均值做对比,从而获得倍比因子和加减差值来订正原始预报,这2种方法可以快速消除系统误差[39,54];稍微复杂一些的有分位数映射方法,即分别拟合原始预报与观测的边缘分布,根据边缘分布获得预报与观测的累积分布,由累积分布的统计分位数来确定原始预报与观测的映射关系从而订正原始预报,该方法既能消除系统误差,又能一定程度上处理随机误差[38,53];更为复杂的有Copula和贝叶斯联合概率等模型方法,这些模型不仅考虑预报和观测的边缘分布,而且考虑预报与观测之间关联关系的强弱,依据二者的关联关系估算观测值对应于预报值的条件分布,由此订正原始降水预报[23,40,54]㊂2.2㊀流域水文预报模型设置对接气象预报相关国际研究计划,国际水文集合预报研究计划(Hydrological Ensemble Prediction Experi-ment,HEPEX)从2004年延续至今,旨在开发水文学模型方法把气象预报转化为水文预报,更好地服务于水利工程调度管理[55]㊂面向预报模型方法开发,HEPEX提出六大研究主题(https:ʊ.au/about-hep-ex/),分别是:①气象预报数据降尺度用作水文模型输入;②基于水文模型的集合预报方法;③水文学及水力学预报模型的数据同化;④预报数据后处理与多模型预报集成;⑤预报检验及价值评估;⑥面向决策的预报需求识别㊁可视化及案例应用㊂TIGGE㊁S2S和NMME等国际合作计划以公开数据库的形式提供全球气象预报,极大地降低了水文工作面临的气象数据门槛(表2),为流域水文预报提供基础数据㊂相关科研团队下载气象预报作为集总和分布式水文模型的驱动条件,面向具体流域开展短期与中长期水文集合预报研究,取得了良好的效果[23,37,52]㊂与此同时,欧洲中期天气预报中心等气象机构建立起区域尺度乃至全球尺度水文模型,采用自己的气象预报驱动水文模型从而生成区域及全球水文预报[56]㊂例如,欧洲中期天气预报中心构建全球洪水预报系统(Global Flood Awareness System,GloFAS),采用集成天气预报系统IFS气象预报作为驱动生成未来1~30d的日尺度全球径流预报,实时预报从2019年11月至今,回顾性预报为1999年1月至2018年12月㊂以气象预报作为驱动要素进行水文预报,流域水文模型参数率定和土壤水㊁地下水㊁积雪等蓄水单元初始状态取值等技术环节相当关键[19,50,57]㊂一方面,可以借助于流域水文模拟,即对于每一次实时预报都依据前期观测的降水与径流进行模型参数率定和模拟计算,基于前期的降水 径流过程连续模拟来设定各个蓄水单元的初始状态[52,56-57]㊂另一方面,如果参数已经率定完成,则可以采用数据同化来更新模型状态,即引入土壤水㊁地下水㊁积雪等蓄水单元相关的站点观测及卫星遥感等信息,随着实时预报进行不断引入观测和遥感信息以调整蓄水单元取值从而改进径流预报[50]㊂对于水文模拟的思路,优点在于简单易行和对于数据要求较低,可以根据实时预报需要相对快速地率定模型参数和设置初始状态;局限性是前期降水 径流关系可能存在过拟合,并且前期模拟误差会影响后期径流预报,对此需要开发定量化的误差统计模型[52]㊂对于数据同化的思路,优点是综合地面观测和卫星遥感等多源信息;局限性在于卡尔曼滤波㊁粒子滤波等同化算法相对复杂,需要大量的长序列数据以支撑模型训练和结果校验等步骤[17,50]㊂2.3㊀流域水文预报评估检验以观测作为基准进行流域水文预报评估检验,既是预报模型性能评价的主要依据,又是预报数据工程应用的重要支撑[24,46,49]㊂流域水文预报具有偏度㊁可靠度㊁精度等不同的属性,分别对应不同的指标[58]㊂例如,偏度属性面向集合预报整体均值与观测整体均值大小差异,可以用相对偏差(Relative Bias,RB)指标来评估;可靠度属性面向集合预报区间是否能够有效概括观测值变化范围,可以用概率积分转换(Probability Integral Transform,PIT)指标来评估;精度属性面向集合预报与对应观测之间的差异值,可以用连续分级概率评分(Continuous Ranked Probability Score,CRPS)指标来评估[28,37,58]㊂考虑到统计指标计算通常需要20~ 30个样本,预报检验既需要实时预报,还有赖于长序列的历史同期回顾性预报[20,44-45]㊂㊀第1期赵铜铁钢,等:全球气象预报驱动流域水文预报研究进展与展望161㊀不确定性是预报信息的固有属性,集合预报采用多组情景来定量地描述预报不确定性及其统计分布,近年来在水文气象领域得到了广泛关注和长足发展[17,23,25]㊂从水利工程调度管理的角度,集合预报所包含的系统与随机误差,直接影响相关决策的最优性[10-12]㊂受水文模型结构㊁参数等要素影响,流域水文预报误差通常呈现有偏㊁非正态分布的特征,并且相邻时段之间的误差相互关联[52,59]㊂相比于单一时段的气象预报订正,水文集合预报受制于误差自相关性的影响,其统计订正需要同时考虑多个时段,订正问题所涉及的统计变量个数大为增加㊂对此,一种经典思路是误差时间序列分析,首先对比预报与观测数据得到预报误差,接着构建自回归等模型以拟合相邻时段之间误差关联关系,然后根据预见期从近到远对误差进行累积分析[52,60]㊂与此同时,一种新的思路在于依托多元统计算法直接构建多时段预报与观测之间的高维联合分布,根据联合分布生成给定预报值时观测值的条件分布,直接从条件分布抽样而得到订正预报[53]㊂以上2种订正水文预报的思路都有赖于实时预报与对应的回顾性预报[50,56]㊂3㊀讨㊀㊀论作为世界顶级的气象模型研发机构,欧洲中期天气预报中心团队曾经于2015年在Nature撰文 The quiet revolution of numerical weather prediction ,梳理20世纪50年代以来气象模型稳步发展的历程[20];近期,该团队在Nature Reviews Earth&Environment撰文 Deep learning and a changing economy in weather and climate pre-diction ,指出以深度学习为代表的人工智能模型将会为气象预报带来变革性的影响[61]㊂对于水文预报,既可以采用全球气象模型预报数据作为驱动[28-30],又可以尝试采用盘古气象大模型等人工智能模型生成的全球气象预报数据作为驱动[21-22]㊂与此同时,人工智能模型不仅可以提供输入数据,更是被广泛用于构建流域降水 径流模型[62-64]㊂流域水文预报通常采用模块化的建模思路,即把整个模块分解为气象输入㊁流域产流㊁流域汇流等模块[17,56]㊂人工智能模型可以有力支撑相关水文预报模型的模块开发,并且与已有的水文模块组合成为预报系统,促进不同预见期下水文预报精度提升[63-65]㊂为了充分检验预报模型系统的性能,既需要生成实时水文预报,还需要生成回顾性预报[29-30,45]㊂回顾性预报的概念源自于大气科学领域:回顾性指的是开发气象模型进行实时天气或气象预报的过程中,也用该模型对于历史同期的过往天气或气象进行预报㊂实时预报基于当前气象初始场;与之对应,回顾性预报必须把历史上当时的(而不是事后的)气象场作为初始场;由此,实时预报与回顾性预报是基于相同的模型设置而生成的,二者相结合可以充分地评估预报模型的性能[20]㊂例如,华为云盘古气象大模型与欧洲中期天气预报中心模型性能比较,正是得益于针对历史事件,尤其是台风极端事件,回顾性预报对比分析[22]㊂丰富的实时与回顾性全球气象预报数据集,为生成实时和回顾性流域水文预报提供了有利条件㊂基于气象预报生成实时与回顾性水文预报,面向历史洪水㊁干旱等代表性事件展开深入分析,定量检验不同预见期下的预报精度,评估相关模型方法预报性能,可以为水利工程预报-调度实践应用打下坚实的基础㊂4㊀结论与展望得益于全球气象预报模型的稳步发展和人工智能模型的飞速进步,各种时间步长㊁预见期和空间分辨率的全球气象预报数据层出不穷,它们有助于解决传统水文预报所面临的气象预报数据短板问题,为流域水文预报模型方法的研究提供肥沃的土壤㊂相比水文预报关注于具体的流域和预见期下的预报精度,全球气象预报更多的是关注区域乃至全球尺度的整体预报效果㊂伴随着陆地-大气-海洋-海冰模式㊁卫星观测㊁数据同化㊁人工智能等先进技术的进步,全球气象预报将会得到进一步的发展和提升㊂为了更好地将全球气象预报服务于流域水文预报,需要立足于目标流域开展3个方面的工作:。
第47卷第3期2021年3月Vol.47No.3March2021气象METEOROLOGICAL MONTHLY傅刚，陈莅佳，李鹏远，等2021爆发性气旋的前世今生气象,47(3):261-273.Fu G,Chen L J,Li P Y,et12021Explosive cyclones:past,present,and future"#.Meteor Mon,47(3)：261-273(in Chinese).爆发性气旋的前世今生!傅冈『陈莅佳1李鹏远1庞华基2张树钦31中国海洋大学海洋气象学系，青岛2661002青岛市气象局，青岛2660033广东海洋大学海洋与气象学院，广东湛江524088提要：温带气旋是中纬度地区每日天气舞台上最重要的“演员(在秋冬季节的中高纬度海洋上有一类快速发展的温带气旋——'爆发性气旋(尚未受到公众的广泛关注)文章围绕这一主题，首先回顾了温带气旋研究的历史，介绍了'爆发性气旋(这一术语产生的渊源，并对多位学者给出的爆发性气旋定义进行了系统梳理，重点介绍了一个考虑风速影响的、修正的爆发性气旋定义，还总结了爆发性气旋的研究现状，最后对其未来数十年的研究前景进行了阐述展望)关键词：爆发性气旋,挪威气旋模型，发展机制，未来前景中图分类号：P447,P456文献标志码：A DOI：10.7519/j.issn.1000-0526.2021.03.001Explosive Cyclones:Past,Present,and FutureFU Gang1CHEN Lijia1LI Pengyuan1PANG Huaji2ZHANG Shuqin31Department of Marine Meteorology,Ocean University of China,Qingdao2661002Qingdao Meteorological Bureau,Qingdao2660033Co l egeofOceanographyand Meteorology!GuangdongOcean University!Zhanjiang524088Abstract:Extratropical cyclones are the most important“actors"in the daily weather stage in mid-latitude region.In autumn-winter season,a great number of rapidly intensifying extratropical cyclones occur over the mid-and high-latitude oceans,termed as“explosive cyclones",which have received less public attention.Regarding to the theme“explosive cyclone",this paper firstly reviews the historical background of researching extratropical cyclone,and then introduces the origin of the t erm“explosive cyclone".The definitions of explosive cyclones given by several scholars are systematically analyzed.A modified definition of explosivecycloneconsideringtheinfluenceofstrong windsisemphatica l yintroduced$Inaddition!the currentresearchstatusofexplosivecyclonesissummarizedsystematica l y$Fina l y!thefutureoutlookof explosive cyclone study in next few decades is prospected$Key words:explosive cyclone,Norwegian cyclone model,intensifying mechanism,future outlook引言自20世纪初Bjerknes(1919)提出了极锋理论/气旋模型以来，温带气旋(extratropical cyclone)已经受到了一个多世纪的广泛关注)2019年，为纪念挪威卑尔根学派(Bergen School of Meteorology in Norway)创建温带气旋模型100周年，及美国气象学会(American Meteorology Society)诞生100周年，英国曼彻斯特大学的David M.Schultz教授和国家自然科学基金项目(1775042)资助2021年2月1日收稿-2021年(月2日收修定稿第一作者：傅刚，主要从事海洋气象学教学和研究工作.E-mail:fugang@262气 象第47卷美国纽约州立大学阿尔巴尼分校的LanceF. Bo -sart 教授等11位国际著名学者，联名为庆祝美国气象学会百年华诞的专辑(Meteorological Mono graphs') 撰写了文章(Schultz et al,2019)，对 100 多年来人类对温带气旋的研究成果进行了系统回顾与总结。
克劳修斯-克拉伯龙方程可用于克劳修斯-克拉伯龙方程，又被称为鲜鱼定律或漂流定律，是描述河流、海洋等自由液流动的基本定律。
它是由德国地理学家恩斯特·克劳修斯（Ernst Haeckel）和瑞典物理学家维尔延·克拉伯龙（Vilhelm Bjerknes）共同发现和提出的。
克劳修斯-克拉伯龙方程主要用于描述流体的速度、流量和河床边界等基本特性之间的关系，对研究和分析河流和海洋的运动具有重要意义。
克劳修斯-克拉伯龙方程的基本形式可以表达为：Q = v * A其中，Q代表流量，v代表平均流速，A代表横截面积。
这个方程表明了流量与流速和横截面积之间的关系，即在一条水流通过的横截面上，单位时间内通过的水量与流速和横截面积成正比。
这个方程是基于质量守恒定律和流动的连续性假设得出的。
克劳修斯-克拉伯龙方程的应用非常广泛。
首先，在水文学中，它被用来研究河流的径流量和流速。
通过测量河流的横截面积和流速，可以计算出河流的流量，从而进一步分析河流的水量和水质状况。
这对于水资源的管理和保护非常重要。
其次，克劳修斯-克拉伯龙方程也被应用于海洋学领域。
海洋中的水流和洋流是海洋循环系统中的重要组成部分，对于全球气候和环境有重要影响。
通过测量海洋中的流速和横截面积，可以计算出海洋的流量，进而研究海流的分布和演变规律，对于海洋环流、气候变化和生态系统的保护有着重要的意义。
此外，克劳修斯-克拉伯龙方程还可以应用于研究水电站和水力发电的工程设计。
通过测量河流的流速和横截面积，可以计算出水流的流量，并据此确定水力发电的潜力和机组的设计参数。
这对于水能资源的利用和可持续发展具有重要意义。
在实际应用过程中，克劳修斯-克拉伯龙方程常常需要结合其他地理、水利、环境和工程参数进行综合分析。
例如，需要考虑河道的形状、地形、水深等因素，以及湖泊、水库、河口等水体特征对流速和横截面积的影响。
同时，还需要进行长期观测和监测，获得准确的数据来推导和验证克劳修斯-克拉伯龙方程，以实现对流体运动的深入研究和理解。
气象发展历程气象学作为一门研究天气现象的学科，其发展历程可以追溯到人类文明的早期。
在古代，人们通过观察自然现象，如云彩、风向和气温等来判断天气变化，并在农业和航海中发挥作用。
然而，真正的气象学始于17世纪。
17世纪初，人们开始建立气象观测台，记录天气现象，以便研究和推测天气的变化规律。
1654年，法国人Evangelista Torricelli发明了气压计，并且研究了气压与天气之间的关系。
这是气象学史上的重要里程碑，为后来的气象学发展奠定了基础。
18世纪，气象学取得了重大的进展。
德国科学家Daniel Gabriel Fahrenheit发明了温度计，建立了摄氏温标。
他的研究使气象学能够更准确地测量和记录温度变化。
此外，法国天文学家Pierre-Simon Laplace提出了动力学理论，并将其应用于气象学中，解释了气压和风速之间的关系。
19世纪，气象学取得了更大的进步。
1842年，美国科学家Samuel Morse建立了第一个全国性的天气观测网络，使天气数据能够在更大范围内进行收集和分析。
此外，瑞士物理学家和气象学家Auguste Piccard发明了探空气球，并利用其升空到大气中进行观测和研究。
他的工作为气象学提供了更准确的数据和更深入的了解。
20世纪初，气象学发展迅速。
1904年，挪威物理学家Vilhelm Bjerknes提出了动力气象学的理论，奠定了现代天气预报的理论基础。
随后，雷达和气象卫星的发明和应用进一步改变了气象观测和预报的技术水平。
此外，计算机的发明和发展使得气象数据的处理和模拟成为可能。
近年来，气象学的发展取得了显著的成果。
通过高精度的观测设备和先进的计算模型，气象学家能够更准确地预测和解释天气现象。
此外，气候变化的研究也成为了气象学的一个重要领域，对全球气候变化进行模拟和预测，提供了重要的科学依据。
总的来说，气象学的发展历程可以看作是人类不断认识和探索自然界的过程。
从最早的观察和记录，到现代的高科技观测和预测，气象学为人们提供了更准确的天气信息和更全面的气候知识，对于人类的生产生活以及环境保护都起到了重要的作用。
VilhelmBjerknes: The Bergen Schoolmaster威廉·皮耶克尼斯：卑尔根学派的领袖当天气科学闯入威廉·皮耶克尼斯（VilhelmBjerknes）生活的时候，他脑海中其实正想着其它事情。
在19世纪后期，皮耶克尼斯作为年轻有为的挪威科学家，他的兴趣点主要集中在数学和力学上。
这主要是受到他父亲，著名的物理学家卡尔·皮耶克尼斯（Carl A. Bjerknes）的影响。
他父亲付出了毕生精力致力于用牛顿力学去证明宇宙中以太1)的存在。
当然，最终他父亲没能成功，而以太论也渐渐被其他杰出的物理学家所抛弃。
但皮耶克尼斯出于一个儿子对父亲的崇敬，仍坚持在这条路上走了很远。
在有关力学的研究中，他顺带在水文动力学和流体力学领域里发展了十分重要的的数学原理。
斯德哥尔摩大学（University of Stockholm）的同事们很快就看到了他的理论在地球流体领域的重要价值。
对皮耶克尼斯而言，能在其它“陌生学科”中应用他的理论，也属于他感兴趣的范畴。
于是，他最终强迫自己走出他曾经付出无数心血的、他父亲认为最辉煌的研究领域。
后来，皮耶克尼斯亲眼见证了他父亲在物理学研究中渐渐走向孤立。
在世纪之交，他不得不痛苦地反思这一切，思考如何成为一个面向未来的科学家。
虽然有些遗憾，他最终还是决定把父亲的工作彻底抛到身后，遵从同事们的建议，把他发展的流体动力理论应用到大气与海洋中去。
一旦做了这个决定，这个不期而至还难以接受的改变成为皮耶克尼斯人生的转折点。
这不仅彻底改变了他的研究方向，更改变了他对变化本身的态度。
他仍然是他父亲的儿子，但父亲那种离群索居的生活，对单一理论的固执的不懈追求，已经完全不是皮耶克尼斯要走的路。
他要面对的不仅是生活的变迁，如第一次世界大战、世界经济大萧条、食品短缺等，更要想方设法利用仅有的物质条件促进自己的科学研究。
他变得不仅精通于组织各种资源以实现科研目标，而且还擅长于在世界范围内推销和传播他的科研成果。
不止一次，他竭尽所能挣脱宿命，事实上，始终把命运牢牢掌握在自己手中，而不像其他同时代的科学家那样，常常被时代的命运所摆布。
他和他年轻的学生们，可以称得上是“伟大变革的代言人”或是“科学的革命者”；他们所做的研究，把天气预报实践与气象学的物理理论都向前推进了一大步；他们科研上的许多目标，都成为了之后100年内大气科学的发展指南。
毫无疑问，皮耶克尼斯就是现代气象学之父。
1904年，皮耶克尼斯在德国《气象学报（MeteorologischeZeitschrift）》上，明确地提出了一系列清晰可信的想法来实现他的长远目标：要让气象学变成真正的科学。
他写道：“如果像每一个气象学家认为的那样，气象学真的是一个状态按照物理规律发展到下一个状态的话，那么很显然，准确计算天气预报的充分必要条件就是如下两点：第一，足够准确的大气初始状态；第二，足够准确的大气发展变化所遵循的物理规律。
”从传统的科学如物理学或天文学的角度上来看，皮耶克尼斯的想法是非常完美的。
但对于世纪之交的大气科学从业者而言，这样的想法未免太过革命，因而很难被大家接纳。
皮耶克尼斯的想法多少有些异想天开，毕竟当时的气象学知识体系还很支离破碎，而且科学家和预报员本质上也是完全不同的两种人，在做着完全不同的两种事。
基于理论的科学家和基于经验的预报员眼中的气象学体系，从来都是泾渭分明。
更何况，在1904年时，他的想法也只是有个苗头，八字还没一撇呢。
整个19世纪期间，气象学尽管有一些进展，但那些所谓的理论只不过是其它学科——如天文学、物理学、数学等——早已掌握的知识、原理和定理的杂乱混合而已。
那些学科早已获得了长足的发展，而气象学仍然进展缓慢。
天气科学在自然科学中根本没有一席之地，而且也没能形成任何学术性、学院派的力量。
所有大学都不会颁发任何与气象学有关的学位，气象学界也几乎没有什么值得关注的学术刊物。
在有限的气象学家之间，通信和见面也很困难，这导致他们经常发现自己的研究成果早就被别人发现过了。
不论想研究点什么，观测数据也常常有问题、不可靠。
最优秀的气象学家也不过是对理想大气的机理进行解释，而这与现实中的地球大气或其它行星大气都大相径庭，也远远超出了气象预报员们所感兴趣和理解的范围。
而这个时代的天气预报员，则只是在摆弄一个看似很光鲜、实际很僵化的学科而已。
政府机构里的管理人员，用了近30年的时间，将气象观测网的地理范围扩展开去，但对知识的理解却没有半点进步。
天气科学本身仍然像一个新生儿一般年轻，但却被一群固执的老人所掌控。
人们曾热切期盼的风暴预警服务，在长久的等待之后仍然是水中望月。
尽管预报员们都清楚天气预报很不可靠，但他们似乎也并不期望它有所改善。
虽然气象学中的科学原理还是如此不充分，但在预报员的眼中已经足够了。
在这样的时代背景下，天气预报的工作与其说是基于物理学的，还不如说是基于几何学的：他们无非就是把通过电报传回的最新的气象观测数据，用统一的形状和记号标注在地图上。
而风暴的形成、发展和消亡全然不考虑在内。
这时的一些天气学的基本概念还停留在1870年代，可以简单地概括为：天气过程总是自西向东移动，天气图上若形成了闭合的低压中心就会形成风暴。
在天气图上，人们所画的等压线不过是把稀疏的地面气压相同的点连接起来，然后圆滑一下形成等值线。
通过与之前的天气图对比，预报员可以追踪低压中心的移动路径、速度和强度，并通过一些说不清、道不明的外推，粗略地进行接下去的天气预报。
还有一些图，总结了过去常见的风暴路径，也可作为预报的参考。
所有这一切，都是一些值得商榷的经验和模糊不清的理论的混合物。
在当时的美国气象局里，天气预报是被作为一种工作——而非科学——来加以培训的，只需要学习一些唯象模型（apprenticeship model），再用几年的时间见习其他前辈是如何“围着天气图转的”就可以了。
可以说整个天气预报体系，根本就没有任何科学的预报理论的发展机会。
因此，美国气象局的那些老家伙，几十年间一直对气象领域的创新和发展置若罔闻。
当然，也并不是所有的美国人都和气象局里的老家伙们一样保守。
在1905年还发生了一件颇具讽刺意味的事：正是美国的金钱支持，才使得后来作为卑尔根气象学派领袖的皮耶克尼斯在科学的成功之路上有了早期的发展。
那一年，43岁的斯德哥尔摩大学教授皮耶克尼斯，带上他的气象学讲义前往美国，他要去纽约哥伦比亚大学和华盛顿特区的卡内基学院做特邀报告。
他在报告中介绍了他发展的环流理论，以及如何将水文动力学和热力学的原理应用到大气科学上。
他还倡议气象学的各种理论要走向统一，并倡导把物理理论带入到天气预报中来。
他表达了整合天气理论与预报实务的决心，他说气象学将作为一门科学彻底站立起来。
更为激进的是，他还举气象为例，说明一门学科是否严谨、理性，主要就是看它是否有能力准确预报下一个时刻的变化。
卡内基学院的院长罗伯特·伍德沃德（Robert S. Woodward），被皮耶克尼斯的报告点燃了激情，他们彼此成为了一生的挚友。
皮耶克尼斯后来受邀成为“卡内基高级研究员”，并享受不错的年薪，足够他在全世界任何地方招聘他喜欢的年轻人做科研助手2)。
在皮耶克尼斯后来的研究生涯中，卡内基学院一直在提供巨大的支持，直到1941年第二次世界大战爆发为止。
今天，已退休的挪威地球物理学家昂特·埃利艾森（ArntEliassen），在回首皮耶克尼斯近半个世纪的学术创造和传播时这样写道：“没有比这笔钱花的更值的了。
”这些卡内基助手们日后成了20世纪最伟大的一批地球物理学家。
他们发展了大洋环流理论，准确描述了风暴的特征和生命周期，对大气的三维结构有了更好的认知，还提出了很多其它重要理论。
不仅如此，当他们离开卑尔根学派分散世界各地时，他们也把卑尔根学派的知识体系带到了世界各地。
在那个特殊而关键的动荡年代，他们彻底重塑了全球范围内天气预报的实践体系，大幅度提高了预报的准确性，延长了预报时限，加强了预报结果的可用性。
他们的工作对当时的军事工业和民航产业的崛起也起了至关重要的作用。
皮耶克尼斯是个温和而深邃的人。
他是一个深思熟虑的思想者，也是一名富有科学创见的学术领袖。
他极擅长吸引和鼓励有才华的年轻学生。
在选择和培养科研助手时，他总是能恰当地把“给学生自由”和“约束他们的行为”二者结合起来，因而他似乎有着点石成金的迈达斯之手3)。
埃利艾森回忆道：“不论他在哪里，在斯德哥尔摩、奥斯陆、莱比锡亦或是卑尔根，他总能在他身边营造出积极的工作环境。
”他在学生面前始终是一个很好的倾听者，并且能慷慨地分享他的远见、鼓励、甚至道义上的支持。
“皮耶克尼斯是一个绝顶聪明的人，还是个特别注重直观表达的人，不论何时，他总爱用几何图形和唯象图景来解释那些复杂难懂的方程。
”在回忆到20世纪另一位伟大的气象学家时，埃利艾森这样写道：“朱尔·查尼（JuleCharney）曾经说过，他猜想皮耶克尼斯一定总假象自己是大气中的一个气块，要决定往哪里走。
只有这样，他才能理解他头脑中的大气动力学。
”在斯德哥尔摩大学的瑞典学生中，有一位叫瓦格·埃克曼（VagnWalfrid Ekman）的年轻人。
他在完成皮耶克尼斯布置的任务时，有了很多关于海洋和大气的惊人发现。
这些研究都源于皮耶克尼斯和弗里乔夫·南森（Fridtjof Nansen）的讨论。
南森是挪威著名的航海家和探险家，他曾于1893年至1896年用船和雪橇横穿北极。
在那次探险中，他被困在西伯利亚沿岸地区，他的船突然陷入一团死水，怎么也出不来。
埃克曼后来的研究表明，正如皮耶克尼斯所预见的那样，“死水”现象是由表层淡水与下面高盐度水交汇处的重力内波引起的。
埃克曼的另一项重要发现，是从数学上证明了地球旋转驱动洋流，使得海船向风向的右侧漂流的现象。
这被后人称为“埃克曼螺线（Ekman Spiral）”，也被用来描述北半球的近地面风受到摩擦向右侧偏的现象。
1907年，皮耶克尼斯回到挪威，受克里斯蒂安大学（Christiania University）4)的邀请，在那里任教并继续发展他的天气学理论。
但时过境迁，此时人类对大气层空间的争夺已日渐加剧。
首先发明了汽油填充的固体火箭，再后来是飞艇和飞机。
皮耶克尼斯敏感地意识到这些工具对气象学有重要意义。
有规律的飞行器飞行，可以带来规律的大气探空数据，这将大大改善天气学的理论和预报。
反过来，人类驾驶飞机的出现，也要求气象学进一步提供更高准确性、更高精度的天气信息。
在这一时期皮耶克尼斯麾下的挪威籍科研助手中间，有一位名叫哈罗德·斯维尔卓普（Harald Ulrik Sverdrup）的年轻人，他后来成为了著名的物理海洋学家5)。
