馬 杰，金榮花，宗志平，蔡薌寧，李 勇，周寧芳，尹 姍

（國家氣象中心,北京100081）

2016 年春季到夏季，受超強(qiáng)厄爾尼諾事件影響，西北太平洋副熱帶高壓主體偏強(qiáng)，使得我國南方地區(qū)入汛早、汛期強(qiáng)、降雨頻繁，中東部地區(qū)先后經(jīng)歷了近30 次顯著降雨過程，影響范圍之廣、累積降雨量之大，均對(duì)現(xiàn)有的延伸期時(shí)效預(yù)報(bào)保障能力造成了嚴(yán)峻挑戰(zhàn)。為此，當(dāng)年12 月我國召開了首次“全國延伸期預(yù)報(bào)技術(shù)交流會(huì)”，針對(duì)當(dāng)年汛期出現(xiàn)的問題進(jìn)行回顧，反思現(xiàn)有預(yù)報(bào)服務(wù)存在的薄弱環(huán)節(jié)和不足，提出了要建立基于可預(yù)報(bào)性的中期延伸期預(yù)報(bào)體系。

2016 年梅汛期前后共經(jīng)歷了6 次大范圍降雨過程。在延伸期時(shí)效，針對(duì)各降雨過程的發(fā)生及其起止時(shí)間，預(yù)報(bào)提前時(shí)效平均達(dá)到了16 d 左右，然而針對(duì)降雨落區(qū)尤其是雨帶位置的預(yù)報(bào)，卻存在明顯不足。以6 月30 日—7 月4 日的降雨過程為例，它為入汛以來最強(qiáng)降雨過程。6 月12 日發(fā)布的延伸期預(yù)報(bào)就對(duì)其進(jìn)行了準(zhǔn)確預(yù)測(cè)。但直到中短期時(shí)效（甚至24 h 時(shí)效預(yù)報(bào)），主流數(shù)值模式以及主觀預(yù)報(bào)均指出強(qiáng)降雨將集中在淮河一帶。為此，國務(wù)院、國家防汛抗旱總指揮部、中國氣象局及相關(guān)省市均極為重視，投入大量人力物力積極應(yīng)對(duì)。而實(shí)際強(qiáng)降雨卻穩(wěn)定在了長(zhǎng)江中下游沿江地區(qū)。武漢更是連續(xù)5 d 出現(xiàn)大到暴雨，開啟了“看海模式”，長(zhǎng)江下游的太湖水位嚴(yán)重超警。2016 年7 月18—20日也出現(xiàn)了類似的情況，四川盆地、江漢至華北、黃淮一帶的大部地區(qū)普降暴雨或大暴雨，局地更是特大暴雨。北京大興、河北井陘等22 個(gè)縣市雨量突破了歷史極值。該過程中主雨區(qū)從長(zhǎng)江流域迅速北跳到華北一帶，在前后2 d 時(shí)間北跳近10 個(gè)緯距。雨季轉(zhuǎn)換如此迅速，中期延伸期時(shí)效的所有數(shù)值模式均未準(zhǔn)確預(yù)報(bào)，造成了預(yù)報(bào)再次出現(xiàn)了重大誤差。

兩次重大降雨過程間隔時(shí)間短、影響大，且均出現(xiàn)了明顯的預(yù)報(bào)誤差。暴露出對(duì)延伸期理論研究認(rèn)識(shí)以及在業(yè)務(wù)實(shí)踐中存在著薄弱環(huán)節(jié)，如作為預(yù)報(bào)對(duì)象的雨帶位置，其可預(yù)報(bào)性如何？數(shù)值模式預(yù)報(bào)性能又如何？

因此，有必要對(duì)可預(yù)報(bào)性在延伸期時(shí)效應(yīng)用進(jìn)行回顧，為以后的預(yù)報(bào)服務(wù)提供借鑒。本文第一部分介紹延伸期時(shí)效可預(yù)報(bào)性的來源；第二部分給出數(shù)值模式預(yù)報(bào)水平及其現(xiàn)狀；第三部分闡述業(yè)務(wù)預(yù)報(bào)思路及可預(yù)報(bào)性產(chǎn)品；第四部分介紹延伸期預(yù)報(bào)的應(yīng)用領(lǐng)域；第五部分，探討未來發(fā)展之路。

1 延伸期時(shí)效的可預(yù)報(bào)性來源

可預(yù)報(bào)性指某一系統(tǒng)的預(yù)報(bào)時(shí)效存在的上限。在延伸期時(shí)效，大氣環(huán)流受到初始場(chǎng)和外強(qiáng)迫場(chǎng)（如海洋、陸面、平流層等）的共同作用。在前者的影響下，中緯度地區(qū)逐日天氣預(yù)報(bào)的可預(yù)報(bào)上限一般在2個(gè)星期左右。也就是說，當(dāng)預(yù)報(bào)時(shí)效超過2 周，預(yù)報(bào)準(zhǔn)確率將接近隨機(jī)猜測(cè)的水平。這主要是由于，大氣是一個(gè)復(fù)雜的非線性系統(tǒng)，其存在內(nèi)在隨機(jī)性[1-8]，隨著預(yù)報(bào)時(shí)效增加，隨機(jī)性將會(huì)使得預(yù)報(bào)完全失去技巧。而在外強(qiáng)迫場(chǎng)的影響下，大氣會(huì)產(chǎn)生某些準(zhǔn)定常系統(tǒng)。這些系統(tǒng)具有較長(zhǎng)生命周期，信號(hào)持續(xù)性明顯比日變化天氣更長(zhǎng)，同時(shí)還對(duì)天氣尺度系統(tǒng)有影響。因此在后者的影響下，延伸期時(shí)效某些特定的天氣過程往往具有較好的可預(yù)報(bào)性。

目前公認(rèn)延伸期時(shí)段的可預(yù)報(bào)性來源主要有：

1.1 熱帶季節(jié)內(nèi)震蕩模態(tài)（MJO）

MJO 不但影響熱帶地區(qū)，而且還作用于中高緯度地區(qū)環(huán)流[8]。研究表明，MJO 內(nèi)在的30~70 d 周期模態(tài)，對(duì)熱帶外地區(qū)環(huán)流系統(tǒng)有顯著的影響，尤其在冬半年，通過激發(fā)向極地方向傳播的Rossby 波，作用于1~4 周時(shí)效的中高緯度環(huán)流系統(tǒng)[9-11]。因此一直以來，MJO 被認(rèn)為是全球延伸期時(shí)段最重要的可預(yù)報(bào)性來源。

1.2 土壤濕度

全球陸—?dú)怦詈显囼?yàn)表明土壤濕度的信息可以持續(xù)數(shù)周時(shí)間，并通過影響蒸發(fā)及地表能量的傳輸來影響氣溫。研究揭示，在一些特定區(qū)域的特定時(shí)段，土壤濕度對(duì)延伸期時(shí)效的地表溫度和降水預(yù)報(bào)均有顯著影響。比如在北美地區(qū)，更為準(zhǔn)確的土壤濕度初始場(chǎng)對(duì)地面溫度和降水預(yù)報(bào)準(zhǔn)確率有較明顯的提高[12]。

1.3 雪蓋

在冬半年，歐亞大陸分布著大范圍的雪蓋。它通過影響太陽的短波輻射、地面向外的長(zhǎng)波輻射以及地表的熱導(dǎo)性，進(jìn)而作用于當(dāng)?shù)靥鞖狻夂騕13-14]。數(shù)值模擬表明，當(dāng)在初始場(chǎng)中增加雪蓋（雪深）信息后，東亞、俄羅斯西部、加拿大西部等地區(qū)的1~15 d 至2 個(gè)月左右的潛在可預(yù)報(bào)性將明顯提高。當(dāng)雪蓋偏強(qiáng)時(shí)，代表其覆蓋范圍和深度偏大，意味著反射更多短波、釋放更多長(zhǎng)波輻射，進(jìn)而造成近地面溫度偏低、濕度增加。而當(dāng)雪蓋融化時(shí)，不但會(huì)吸收大量的潛熱，同時(shí)還會(huì)向土壤中釋放水分，影響陸面的熱量平衡、水循環(huán)，并造成氣溫的降低。研究還表明，很多高緯地區(qū)雪蓋對(duì)局地氣候的影響較海溫更為明顯[15]。此外，分布廣泛的雪蓋還通過影響環(huán)流系統(tǒng)，進(jìn)而作用于較遠(yuǎn)的其他區(qū)域，如10 月歐亞大陸雪蓋強(qiáng)度與整個(gè)冬季的AO 指數(shù)存在密切聯(lián)系。

1.4 平流層—對(duì)流層相互作用

Baldwin 和Dunkerton[16]指出當(dāng)平流層增暖時(shí)，平流層出現(xiàn)異常的緯向風(fēng)并向?qū)α鲗觽鞑ィ▓D1a），進(jìn)而造成對(duì)流層內(nèi)NAO（North Atlantic Oscillation，北大西洋濤動(dòng)）的負(fù)位相或AO（Arctic Oscillation，北極濤動(dòng)）型環(huán)流分布。此外，該影響機(jī)制在平流層和對(duì)流層之間存在著3 個(gè)星期左右的時(shí)間差。基于這一特征，可以制作時(shí)效在3 個(gè)星期左右的延伸期預(yù)報(bào)。2019 年1 月，歐洲和北美出現(xiàn)了的大范圍極端低溫降雪事件（圖1b），就源于一次典型的平流層增暖現(xiàn)象。如圖1b 所示，圍繞在極渦邊沿的緯向西風(fēng)不斷減弱，最終形成東風(fēng)氣流，這一異常信號(hào)在垂直方向還隨時(shí)間不斷向下傳播，進(jìn)而影響到了對(duì)流層。在季節(jié)和更長(zhǎng)時(shí)間尺度上，很多研究者已經(jīng)基于數(shù)值模式再現(xiàn)了平流層異常緯向風(fēng)與NAO 和AO負(fù)位相之間的相互作用[17-19]。

圖1 平流層—對(duì)流層相互作用機(jī)制示意圖（a）和沿60°N 緯向平均的風(fēng)（緯向風(fēng)）時(shí)間序列（b）

1.5 海洋

海洋方面，最顯著的影響因子為ENSO 事件。赤道地區(qū)海洋通過“大氣橋”的作用影響全球其他地區(qū)海溫。赤道外地區(qū)的大氣—海洋/海冰通過相同機(jī)制對(duì)PNA/AO 等遙相關(guān)型區(qū)域具有某種微弱的調(diào)制作用。這一機(jī)制存在于延伸期到季節(jié)時(shí)間尺度[20-21]。Weber 等[22]通過數(shù)值模擬試驗(yàn)指出，在初始的一個(gè)月內(nèi)，海溫的緩變機(jī)制是維持預(yù)報(bào)技巧優(yōu)于氣候信號(hào)的重要因子（圖2）。

此外，很多研究者指出北半球延伸期時(shí)效預(yù)報(bào)技巧與遙相關(guān)型關(guān)系密切。尤其是冬季，溫度和降水的分布受三大遙相關(guān)型控制，如PNA 型[23-25]、NAO型[25]、以及AO 型[26]。同時(shí)遙相關(guān)型之間，如PNA 和NAO 在次季節(jié)尺度同樣存在密切聯(lián)系[27]。

圖2 大氣環(huán)流變化各強(qiáng)迫因子示意圖

2 延伸期時(shí)效數(shù)值模式預(yù)報(bào)水平

受制于科學(xué)研究和計(jì)算能力的發(fā)展，長(zhǎng)期以來延伸期時(shí)效的預(yù)報(bào)準(zhǔn)確率普遍低于短中期天氣預(yù)報(bào)和短期氣候預(yù)測(cè)。這主要是由于，一方面?zhèn)鹘y(tǒng)的天氣模式未考慮海洋、陸面等下墊面的影響，另一方面氣候模式則由于計(jì)算資源、成本等的考慮，分辨率往往較低，同時(shí)對(duì)天氣尺度信息忽略不計(jì)[28]。因此造成了傳統(tǒng)的天氣數(shù)值模式和氣候模式均在延伸期時(shí)段預(yù)報(bào)準(zhǔn)確率較低。近些年來，隨著計(jì)算機(jī)運(yùn)算速度的迅猛發(fā)展，天氣數(shù)值模式不斷發(fā)展，嵌入了海溫、陸面等外強(qiáng)迫信息，相應(yīng)預(yù)報(bào)時(shí)效和水平不斷提升[29]。10 d 內(nèi)ECMWF 模式預(yù)報(bào)準(zhǔn)確率穩(wěn)步提升（圖3）。

圖3 ECMWF 模式不同預(yù)報(bào)時(shí)效的預(yù)報(bào)評(píng)分

2004 年，歐洲數(shù)值預(yù)報(bào)中心開始正式發(fā)布延伸期時(shí)效天氣預(yù)報(bào)。最初每?jī)蓚€(gè)星期更新一次，到2011 年已經(jīng)實(shí)現(xiàn)了每星期一和星期四各發(fā)布一次。產(chǎn)品形式以趨勢(shì)預(yù)報(bào)、概率預(yù)報(bào)為主。趨勢(shì)預(yù)報(bào)即某一段時(shí)間平均的狀態(tài)，如累積降水量、平均溫度等，以及相對(duì)于氣候態(tài)的情形，如溫度偏高、偏低，降水偏多或偏少。這主要是考慮到大氣低頻或緩變部分可預(yù)報(bào)性較長(zhǎng)，因此一般選取逐周或逐侯的平均。它過濾了逐日天氣變化的噪音，實(shí)踐也證明其可預(yù)報(bào)時(shí)效超過兩個(gè)星期（圖4）。概率預(yù)報(bào)，即基于集合預(yù)報(bào)多成員信息，給出某種預(yù)報(bào)特征的概率。如溫度偏高的概率、降雨偏多的概率等。

近些年來，集合數(shù)值模式無疑發(fā)展為延伸期預(yù)報(bào)的基礎(chǔ)。研究表明，雖然延伸期時(shí)效預(yù)報(bào)的不確定性明顯，然而采用集合預(yù)報(bào)有利于克服傳統(tǒng)的單一預(yù)報(bào)的不足，同時(shí)提高了預(yù)報(bào)的效果和可靠性。圖4給出了近些年來延伸期時(shí)效模式預(yù)報(bào)水平的變化，不難看到12~18 d 預(yù)報(bào)技巧在2005 年后進(jìn)步明顯。

圖4 ECMWF 模式周平均500 hPa 高度場(chǎng)的預(yù)報(bào)評(píng)分時(shí)間序列

3 延伸期時(shí)效可預(yù)報(bào)性評(píng)估

在延伸期預(yù)報(bào)業(yè)務(wù)中，預(yù)報(bào)員需要在多個(gè)環(huán)節(jié)衡量預(yù)報(bào)對(duì)象的可預(yù)報(bào)性大小。比如預(yù)報(bào)產(chǎn)品的制作，往往要參考多種數(shù)值產(chǎn)品，并提煉其中的有用信息，最終形成多種預(yù)報(bào)產(chǎn)品和決策服務(wù)材料。這一預(yù)報(bào)過程，概括起來包含3 個(gè)步驟：（1）對(duì)多個(gè)模式以及同一模式的不同預(yù)報(bào)員得到的結(jié)果進(jìn)行比較分析，并結(jié)合前期數(shù)值模式性能、前期觀測(cè)實(shí)況和歷史背景（包括歷史相似個(gè)例），預(yù)報(bào)未來可能的環(huán)流形勢(shì)及其距平分布型。這一預(yù)報(bào)思路也體現(xiàn)在超級(jí)集合預(yù)報(bào)系統(tǒng)中，即在一定時(shí)間窗口內(nèi)，給予不同模式的權(quán)重不同，最終給出多模式集合后的最優(yōu)預(yù)報(bào)結(jié)果。即衡量各個(gè)模式在過去一段時(shí)間的可預(yù)報(bào)性大小。（2）基于不同時(shí)空層次的環(huán)流分布特征和演變趨勢(shì)，判斷未來降雨（如主要雨帶位置）、累積降水量和溫度相對(duì)于歷史同期的距平分布、主要天氣過程類型、發(fā)生起止時(shí)間，強(qiáng)度和范圍等。如冬半年的冷空氣過程，有時(shí)可預(yù)報(bào)性高，對(duì)冷空氣強(qiáng)度、路徑、影響范圍，數(shù)值模式提前2 周左右就給出了穩(wěn)定、準(zhǔn)確的預(yù)報(bào)；而有時(shí)可預(yù)報(bào)性很低，模式預(yù)報(bào)的冷空氣強(qiáng)度等不斷調(diào)整，直至臨近時(shí)刻才趨于穩(wěn)定。有經(jīng)驗(yàn)的預(yù)報(bào)員會(huì)根據(jù)預(yù)報(bào)對(duì)象，關(guān)注中上層的天氣系統(tǒng)（如冬季冷空氣過程，與極渦位置、強(qiáng)度等有很好對(duì)應(yīng)；夏季降雨過程與西風(fēng)急流及南亞高壓關(guān)系密切），因?yàn)槠淇深A(yù)報(bào)性一般高于低層。即衡量預(yù)報(bào)對(duì)象的可預(yù)報(bào)性。（3）分析模式不確定性信息，給出所關(guān)注系統(tǒng)變化特征等的概率，提供相關(guān)結(jié)論供決策服務(wù)參考?？偠灾谘由炱陬A(yù)報(bào)過程中，預(yù)報(bào)員需充分考慮預(yù)報(bào)對(duì)象的可預(yù)報(bào)性。

延伸期時(shí)效的客觀預(yù)報(bào)產(chǎn)品，也包含了可預(yù)報(bào)性的信息。國外預(yù)報(bào)中心，如ECMWF 和NCEP 等基于集合預(yù)報(bào)，也開發(fā)了多種展現(xiàn)不確定性的產(chǎn)品（圖5，郵票圖、箱須圖、離散度圖）。如針對(duì)逐時(shí)次（日）預(yù)報(bào)，當(dāng)各個(gè)成員預(yù)報(bào)結(jié)果差異明顯時(shí)，離散度的大小往往是一個(gè)主要的定量化指標(biāo)，當(dāng)離散度較小時(shí)，認(rèn)為可預(yù)報(bào)性高，反之亦然。具體到延伸期時(shí)效，周平均產(chǎn)品的可預(yù)報(bào)性，則對(duì)應(yīng)有距平概率值。

延伸期極端天氣的預(yù)報(bào)，歐洲數(shù)值預(yù)報(bào)中心首先基于歷史回算資料，開發(fā)了眾多變量的EFI 指數(shù)產(chǎn)品以及環(huán)流型可預(yù)報(bào)性產(chǎn)品[30]。當(dāng)出現(xiàn)4 類環(huán)流型時(shí)（圖6），歐洲地區(qū)易出現(xiàn)極端天氣過程。數(shù)值模擬表明，NAO 兩種位相的可預(yù)報(bào)性最好，其可預(yù)報(bào)時(shí)效均超過了10 d（圖7）。

4 延伸期預(yù)報(bào)的應(yīng)用

延伸期作為無縫隙預(yù)報(bào)的重要組成部分，具有顯著的經(jīng)濟(jì)價(jià)值[30]。目前，各國均在不斷加大投入，世界氣象組織更是啟動(dòng)了次季節(jié)到季節(jié)尺度預(yù)報(bào)計(jì)劃（S2S）。伴隨著預(yù)報(bào)準(zhǔn)確率的不斷進(jìn)步，延伸期時(shí)效預(yù)報(bào)產(chǎn)品所應(yīng)用的領(lǐng)域不斷拓展，目前在能源、農(nóng)業(yè)已經(jīng)體現(xiàn)了巨大的潛在價(jià)值。

4.1 能源領(lǐng)域

天氣是影響能源價(jià)格波動(dòng)的一個(gè)重要原因，能源的生產(chǎn)和消費(fèi)均易受其影響。近些年來，可再生能源迅猛發(fā)展，使得能源市場(chǎng)對(duì)天氣和氣候變化愈發(fā)敏感。統(tǒng)計(jì)表明，2013 年美國國內(nèi)13%的電力來源于可再生能源，預(yù)計(jì)到2035 年，電能、風(fēng)力和太陽能等清潔能源比例將上升到80%。因此，很多國家級(jí)的能源公司均與氣象公司保持著密切聯(lián)系。延伸期時(shí)效的預(yù)報(bào)，既影響能源需求，又聯(lián)系著能源的運(yùn)輸和調(diào)配。風(fēng)力、光照、水文等的延伸期概率預(yù)報(bào)，有助于能源調(diào)度和交易、穩(wěn)定能源成本和消費(fèi)。

4.2 農(nóng)業(yè)部門

圖5 ECMWF 模式臺(tái)風(fēng)路徑、強(qiáng)度以及單點(diǎn)10 m 風(fēng)場(chǎng)、海平面氣壓的概率預(yù)報(bào)產(chǎn)品

圖6 歐洲—大西洋地區(qū)冬半年極端天氣對(duì)應(yīng)的4 類環(huán)流型

圖7 數(shù)值模式對(duì)4 類環(huán)流型的預(yù)報(bào)水平

自古以來，農(nóng)業(yè)領(lǐng)域與天氣變化息息相關(guān)。農(nóng)田操作中的種植、灌溉、施肥、收獲等時(shí)間節(jié)點(diǎn)均與短期天氣變化關(guān)系密切。季節(jié)尺度的預(yù)測(cè)則在宏觀上影響著作物的選種和耕作面積。延伸期預(yù)報(bào)所扮演的獨(dú)特作用有助于連接上述二者之間的縫隙。尤其是，10 d 以上的有效預(yù)報(bào)信息將延長(zhǎng)對(duì)農(nóng)產(chǎn)品價(jià)格分析窗口，幫助農(nóng)戶提升對(duì)產(chǎn)量、庫存、市場(chǎng)行情的預(yù)估，決定產(chǎn)量是短缺還是過剩。在期貨市場(chǎng)，其地位更為重要，不但影響操盤手宏觀判斷，而且決定著期貨、遠(yuǎn)期合同、對(duì)沖等。準(zhǔn)確的延伸期時(shí)效決策信息，可以使用戶對(duì)價(jià)格的不確定因素有更好的把握，揭示更多影響生產(chǎn)和供應(yīng)者的風(fēng)險(xiǎn)。對(duì)農(nóng)業(yè)循環(huán)過程中其他參與者也是有利的，有助于他們更好進(jìn)行市場(chǎng)風(fēng)險(xiǎn)管控。

4.3 零售行業(yè)

在季節(jié)變化因素中疊加考慮延伸期天氣變化，比如颶風(fēng)/降雪對(duì)零售業(yè)庫存有巨大的影響。大數(shù)據(jù)分析表明，流通類銷售額的65%取決于天氣，因?yàn)樘鞖庵苯佑绊懭说纳?、心理，支配他們的消費(fèi)行為。氣溫相差1 ℃或降水量增減1 mm，都會(huì)明顯影響商場(chǎng)和客流及銷量的變化，這也就是經(jīng)濟(jì)學(xué)界所謂的“一度效應(yīng)”。在德國，氣溫超過22 ℃，啤酒開始勁銷，氣溫每上升1 ℃，大瓶裝的啤酒每天會(huì)多銷230萬瓶，德國氣象公司由此開發(fā)了相關(guān)的“啤酒指數(shù)”。此外，還有乘車指數(shù)、冰激凌指數(shù)、泳裝指數(shù)、食品霉變指數(shù)等，商家可據(jù)此提前制訂生產(chǎn)營(yíng)銷計(jì)劃。精明的商家根據(jù)天氣預(yù)報(bào)的情況，就能提前確定庫存和商品品種，以利用氣溫、降雨等變化增加銷售量。

5 未來技術(shù)發(fā)展趨勢(shì)

延伸期預(yù)報(bào)，要求對(duì)海量預(yù)報(bào)數(shù)據(jù)進(jìn)行快速提煉，分析其中的可預(yù)報(bào)性信息。目前大數(shù)據(jù)和機(jī)器學(xué)習(xí)方興未艾，探索它們?cè)谔鞖忸A(yù)報(bào)、政府決策及商業(yè)服務(wù)中的應(yīng)用將是未來一個(gè)重要發(fā)展方向。每天氣象衛(wèi)星、飛機(jī)、觀測(cè)站、輪船和卡車、手機(jī)上的傳感器等實(shí)時(shí)收集的觀測(cè)資料、數(shù)值天氣預(yù)報(bào)資料、以及近百年的歷史資料，共同組成了一個(gè)海量的氣象數(shù)據(jù)庫，為大數(shù)據(jù)的應(yīng)用提供了一個(gè)很好的平臺(tái)。美國NOAA （US National Oceanic and Atmospheric Administration）通過研究指出AI 技術(shù)提高了多種高影響天氣的預(yù)報(bào)能力[32]，比如強(qiáng)對(duì)流、颶風(fēng)、海嘯。另一方面，AI 技術(shù)也提升了天氣預(yù)報(bào)在商業(yè)領(lǐng)域的應(yīng)用，比如在風(fēng)能、太陽能、能源和航空業(yè)。IBM 加強(qiáng)了與氣象公司的合作，研發(fā)了Deep Thunder 系統(tǒng)，為商業(yè)合作伙伴提供0.2～1.2 km 分辨率預(yù)報(bào)。據(jù)統(tǒng)計(jì)發(fā)布的72 h 風(fēng)暴預(yù)報(bào)，減少了70%～80%的經(jīng)濟(jì)損失。Panasonic 公司2013 年收購了AirDat 公司，發(fā)布自己的Panasonic Global 4D Weather,并宣稱其風(fēng)暴預(yù)報(bào)優(yōu)于任何數(shù)值模式。孟山都公司收購了氣候預(yù)測(cè)公司，研發(fā)出HydroBio 軟件，用于提高水資源的使用效率，并指導(dǎo)農(nóng)業(yè)種植。

數(shù)值預(yù)報(bào)作為現(xiàn)代氣象業(yè)務(wù)的基礎(chǔ)，在延伸期預(yù)報(bào)中扮演著不可或缺的角色。未來數(shù)值模式的發(fā)展除了時(shí)空分辨率不斷提高外[33-34]，天氣—?dú)夂蛞惑w化已成為國際主流，如英國的一體化模式系統(tǒng)，美國GFDL 發(fā)展的CVS 預(yù)報(bào)系統(tǒng)。