中东太平洋一发热,中国山区就降水?丨大气悟理

编者按:看寒来暑往云卷云舒,思古往今来气候变迁,中科院之声与中国科学院大气物理研究所联合开设“大气悟理”,为大家介绍大气里发生的有趣故事,介绍一些与天气、气候和环境相关的知识。


“游人脚底一声雷,满座顽云拨不开;天外黑风吹海立,浙东飞雨过江来。” 短时临近天气,可以通过天气雷达、气象卫星云图等现代监测手段外推,甚至可以通过生活经验来判断。但如果想知道几个月之后的气候状况,就需要特殊的“锦囊妙计”,比如万里之外的中东太平洋一旦增暖,来年夏季我国中部山区就会下起大雨。这是为什么呢?一起来看一看吧。


一、未雨绸缪的短期气候预测


首先需要区分一下短期气候预测与天气预报。平时大家看电视,里面播报的未来三五天内气温、降水预报都属于天气预报的范畴。1963年,麻省理工学院气象学家爱德华·洛伦兹(Edward Lorenz)提出混沌理论,指出天气的可预测性极限是2~3周,也就是说2~3周以上的逐日天气预报是不可信的。


虽然我们预报不出未来几个月后指定几天发生的具体天气事件,但是未来几个月的平均气候状况是可以预测的。我们把预测时限为未来几个月到一年、预测要素为气象要素平均状态的预测称为短期气候预测。常见的短期气候预测如我国今年夏季长江流域是多雨还是少雨、今年冬天是冷冬还是暖冬等等。




2019年3月中科院大气物理研究所预测的中国夏季6-8月降水趋势,与当年夏季监测实况相比,准确预测出了江南/华南降水偏多和华北地区降水偏少的形势(图片来源:大气物理研究所)


天气预报与我们的日常生活息息相关,那预测几个月之后的气候状况又有什么意义呢?我举几个例子你就懂了。


1998年夏季,长江全流域出现大洪水,我国当年4月份的时候就对该灾害成功做出了预测,国家防洪力量提早、最优调度,最大限度地减少了民众损失。


2008年冬季,罕见的低温雨雪冰冻灾害袭击了我国整个南方,受限于当时的科技水平,我们并没有对该事件做出很好的预测。如果能提前一两个月预判到该灾害的发生并做出应对,灾害造成的损失将会小很多。


今年春季,我国云南遭受了近10年来最严重旱情,当地超147万人出现饮水困难。当地气象部门已提前做出准确预测,农业、水利部门也根据预测结果安排了相关农事生产。实际具体应对效果如何,我们拭目以待。




2020年春季云南旱情(图片来源:CCTV 财经频道报道)


二、短期气候预测里的“锦囊妙计”


气象学家们预测气候有三个锦囊。第一个锦囊里面装的是气候模式,也被称作动力学方法。气候模式是写成计算机代码的包含一系列大气、海洋、陆面过程等的数学物理方程组。我们中学求解方程时需要提供一些已知量,求解未来的气候状态同样如此,我们给气候模式输入一套初始条件,模式自己就可以算出未来的气候状态,是不是很神奇?




局地直角坐标系下大气运动的基本方程组(图片来源:TED Institute)


获得2019年国家最高科学技术奖的曾庆存院士早在上世纪90年代起就利用中科院大气所自主开发的耦合气候模式开展了汛期降水预测,该模式目前已发展为大气所LASG实验室的“FGOALS-f天气-气候动力集合预报预测系统”。




曾庆存院士(图片来源:CCTV纪录片《大家 | 气象万千 曾庆存》)


“FGOALS-f天气-气候动力集合预报预测系统”是包括大气、海洋、陆地和海冰四大圈层相互作用的耦合模式。与单独的大气模式相比,耦合模式在短期气候预测具有更为重要的意义。这是因为如果要预报未来三五天内的天气,我们只需单独考虑大气过程就够了。但如果要预测几个月后的气候,我们还需要考虑海洋、陆地、海冰等边界条件与大气的相互作用。气候预测的时限越长,边界条件将越为重要。




气候系统各圈层间相互作用示意图(原图来源:TED Institute,本文作者汉化)


气象学家们的第二个锦囊里装的是统计学方法。我国地处东亚季风区,在汛期降水预测中,我们常通过观测前期厄尔尼诺/拉尼娜(赤道中东太平洋海温异常显著升高/降低现象)等关键系统的变化,分析它们对东亚夏季风强度的影响,利用以往得出的统计规律,来预测几个月后我国的降水趋势。如1998年夏季长江全流域大洪水之所以能够被准确预测,非常重要的原因之一就是预测系统抓住了1997年冬季发生的超强厄尔尼诺事件。


实际业务中,我国气象系统短期气候预测通常使用动力与统计相结合的方法。具体而言,预报员提取出未来多月气候模式预报的大尺度环流场信息(即我们头顶上的风到底会怎么样吹,环流场是目前气候模式模拟得最准的要素之一),通过统计学方法建立环流与局地气象要素(如气温、降水)间的联系,进一步开展预测。


近年来,随着人工智能的发展,利用机器学习算法预测气候登上舞台。2019年9月,韩国学者 Yoo-Geun Ham 等在 Nature 上发文提出了能够预测厄尔尼诺事件的深度学习方法。他们指出,与现有的气候预测方法相比(一般而言,目前传统的预测方法无法提供厄尔尼诺事件超过一年的准确预测),该方法的预测准确性更高,预测时间最多可提前至一年半。机器学习算法是气象学家们的第三条锦囊妙计,只要给它们优秀的历史气候数据集进行训练,它们就能“呼风唤雨”。


三、“大气之锚”巧斗“山脉四人组”


虽然气象学家们拥有三条锦囊妙计,但目前短期气候预测的准确率还是不高。首先是因为气候系统是复杂的非线性系统,因此完全准确地预测气候是做不到的,目前短期气候预测准确率的上限一般在80%左右。其次,由于地面气象观测台站数量有限且分布不均,气候模式输入的初始场存在误差。此外,模式本身并不完善,其中的一些参数化过程(特别是云的模拟)是模式误差的主要来源之一。




当前气候模式对云的模拟示意图(原图来源:Carbon Brief,本文作者汉化)


在中国中部地区,巫山、巴山、秦岭、黄土高原四条东西走向的大地形“拉了一个群”,商量着要给中国气候预测人员一点颜色看看。不过它们也有骄傲的资本,中国中部山区气象站点分布少、地形复杂模式难以描述,当前的气候模式在该地区的预测能力十分有限。李白曾言:蜀道之难,难于上青天。对如今的我们而言,“上青天”并非难事,但蜀道周边的“山脉四人组”一直是我们气候预测中的“拦路大山”。




中国中部山区地形图(地图来源:国家测绘地理信息局)


另一方面,该地区人口众多,经济尚不发达,夏季降水异常及其引发的滑坡、泥石流等次生灾害常常对当地居民的生产生活产生重要的影响,也因此众多气象学家为提升该地区的气候预测能力而与“山脉四人组”做着艰苦的斗争。


中科院大气物理研究所学者胡开明、黄刚等人的研究发现,在厄尔尼诺次年夏季,东亚夏季风会携带更多的水汽通过中国中部山区,由于地形抬升作用会造成当地降水加大。此外,因为该区域西部的青藏高原在夏季是个巨大的热源,会加热其上对流层高层的西风,在西风暖平流的作用下,中国东部特别是秦岭和大巴山区会产生较强的上升运动,上述一系列的正反馈过程将导致厄尔尼诺对次年中国夏季降水影响最明显的区域出现在中国中部山区。




图中灰度填色代表地形高度,绿色箭头代表厄尔尼诺引起的次年东亚夏季风的水汽输送,实(空)心点代表厄尔尼诺引起的显著正(负)降水异常(图片引自Hu et al, 2017)


利用此机制建立预报方程可以显著的提高山区降水的年际预报的准确率,原本认为是观测最稀少、预报最为困难的中国中部山区,竟然是厄尔尼诺影响次年夏季中国降水最为稳定的区域,昔日气候预测中的“天堑”有望变成“通途”。该研究提出了一条解决复杂地区预报难点的新的思路,是对短期气候预测理论的重要拓展。该系列成果近期发表在期刊Advances in Atmospheric Sciences 上。


厄尔尼诺事件影响次年夏季中国中部山区降水就像气候系统抛下的船锚一样,任凭大气风云变换,这种被地形锚定的山区正降水异常始终岿然不动。而缺少地形锚定的中国东部平原地区,降水异常随大尺度环流异常的变动而变动,整个夏季平均下来就显得非常微弱。气候系统是否还有抛下过其他的“船锚”?全球变暖背景下这些“船锚”是否还能固定住?胡开明副研究员表示,这些还在进一步的研究之中。




船舶抛锚(图片来源:中国国家地理杂志)


四、预测有局限,求索将继续


预测是气象学所有研究的最终目标。而气候预测既要上天观风云之变化,也要下海测深渊之冷暖,如今发现还要穷山川河流之纹理和性质。可以预见的是,未来气象站点逐步精细化,尤其是海温、地温、高原积雪、植被等的监测信息的直接或间接的使用,能使对气候系统的监测、诊断和分析水平的不断提高。而计算机算力不断提升和气候模式持续改进,也为短期气候预测水平和准确率的提高提供了有力的支持工具。


然而另一方面,季风区降水存在着太多不确定性,ENSO系统只是影响季风区降水的因素之一。此外,随着全球变暖,极端天气事件频率和强度增加,中小尺度强对流系统更加活跃,气候的可预报性难度加大。因此,提高短期气候预测的准确率,对于气象学者而言,依然是“路漫漫其修远兮,吾将上下而求索”。


参考文献:

1. 魏凤英. 2011: 我国短期气候预测的物理基础及其预测思路[J]. 应用气象学报, 22(1): 1-11.

2. 唐颢苏,胡开明,黄刚.2019:El Niño衰退年夏季西北太平洋异常反气旋季节内演变特征及其机制[J].气候与环境研究,24(4):525-536.

3. Ham, Yoo Geun , J. H. Kim , and J. J. Luo, 2019: Deep learning for multi-year ENSO forecasts. Nature 573.7775.

4. He, B., and Coauthors, 2019: CAS FGOALS-f3-L model datasets for CMIP6 historical Atmospheric Model Intercomparison Project simulation. Adv. Atmos. Sci., 36(8), 771–778, doi.org/10.1007/s00376-.

5. Hu, K. M., S.-P. Xie, and G. Huang, 2017: Orographically anchored El Niño effect on summer rainfall in central China. J. Climate, 30, 10037−10045, doi.org/10.1175/JCLI-D-.

6. Hu, K. M., Y. X. Liu, G. Huang, Z. Q. He, and S.-M. Long, 2020: Contributions to the interannual summer rainfall variability in the mountainous area of central China and their decadal changes. Adv. Atmos. Sci., 37(3), doi.org/10.1007/s00376-.

7. Tao, S.-Y., and L. X. Chen, 1987: A review of recent research on the East Asian summer monsoon in China. Monsoon Meteorology, C.-P. Chan and T. N. Krishramuti, Eds., Oxford University Press, 60−92.


作者:唐颢苏、周春江、胡开明


来源:中国科学院大气物理研究所

发布于 05-12

文章被以下专栏收录