天气预报的风向变化

在一个被“极端”天气困扰的世界里，气象预见性获得了更大的价值:全球化、数字相互依存的经济体不断寻求管理风险和避免不利条件的新方法。

虽然智能手机让每个手机用户都变成了消费和提供天气更新的公民气象学家，但推动天气数据收集技术创新的必要性来自商业。

各种组织都会购买量身定制的天气预报，为他们的战略计划和日常决策提供信息。他们对信息的需求不仅仅是了解天气，还包括天气对业务特定方面的影响。他们想知道他们的业务将如何受到气象结果的影响，以及他们如何抵消可能的损失。这被称为“天气情报”。

天气情报市场的蓬勃发展反映在越来越多的独立天气信息机构上:例如AccuWeather、Katestone、metroweather、Planalytics、Panasonic weather Solutions和the weather Company。另一家气象集团(MeteoGroup)取代英国气象局(Met Office)成为BBC气象服务供应商，登上了媒体头条。

这些挑战者进入了以前由政府机构主导的领域，得益于以前只有国家资助的气象局才能负担得起的技术。

例如，云计算提供了所需的高性能计算能力，以减少在有意义的预测报告中使用天气数据的处理时间。卫星技术的发展仍然可以提供跨大陆气象模式的轨道视图，随着新的低地球轨道(LEO)卫星星座的发展，传感器将足够接近Kármán线(海拔约100米，外层空间“正式”开始)，以测量压力、湿度、质量、辐射、温度和气流等气象要素。

这些设备将用于将气象传感器和其他传感器(构成物联网的一部分)发送的大量数据联网，这些传感器连接到远洋船只、飞行中的飞机、智能建筑等，这些方式在以前既不可行也不负担得起。

气象服务公司Katestone环境咨询公司的总经理克里斯汀·基利普说:“天气信息发生了巨大的变化。“客户需要与他们的业务或行业相关的更有意义的天气信息。随着气候变得更加不稳定和“极端”，依赖准确和相关的气候数据来管理业务风险成为一个重要工具。众所周知，不利的气候条件和相关风险，如热应激、风、灰尘、气味和闪电，对企业和经济有巨大影响。”

这种对天气情报帮助管理财务影响的能力的高度关注给提供商带来了额外的压力。IBM研究院环境建模、气候和天气首席科学家Lloyd Treinish说:“在改进基础物理、吸收多种数据以及能够更快、更可靠地生成信息方面，总是存在挑战。”“这项技术的一个新的延伸是预测天气影响的能力。例如，预测何时何地电网会因风暴而瘫痪，以及恢复电力需要什么资源。”

“天气信息发生了巨大的变化。客户需要与其特定业务或行业相关的更有意义的天气信息。

几十年来，高端计算一直推动着天气预报的发展。气象机构一直是超级计算机供应商最好的客户之一。例如，英国气象局的XC40 Cray超级计算机每秒可以执行超过23000万亿次计算，并接收数十万次天气观测数据，从中运行包含100多万行代码的大气模型。然而，任何能够负担得起通过云模型提供的高性能计算服务的人都可以获得这种能力。

MeteoGroup首席气象官Dennis Schulze解释说:“云计算是改变我们在气象学中做事方式的驱动因素，无论是在吞吐量还是数据摄取方面。”“国家气象机构仍然能够更多地利用创新的观测技术。然后将这些数据输入模型，这些模型构成了我们自己专有预测技术的基础。”

舒尔茨提到的数据来源似乎注定会无限扩大，因为传感器连接到专门设计的数据收集器和其他静态和移动的物体上，以便捕捉和传输气候信息。

松下天气解决方案公司(PWS)的天气预报能力是基于专有的大气数据收集系统和天气预测建模平台的组合，该平台在一台名为Sora的超级计算机上运行。该公司与软件公司Safety Line合作，开发高效的航空公司和机场运营，重点是减少燃料和二氧化碳排放。

该解决方案基于PWS的TAMDAR(对流层机载气象数据报告)传感器收集的实时天气数据，这些传感器安装在定期飞机的机身上，并与卫星通信公司铱星公司的FlightLink解决方案相关联。

每天有250架配备TAMDAR的飞机在北美300个机场降落和上升，TAMDAR数据每5秒提供风、温度、压力、结冰和湿度的观测数据。它还从全球其他数百个机场收集了3500份档案。

PWS气象学家使用这些大气数据集，结合其专有的预测模型，为Safety Line提供预测。然后，来自Safety Line的OptiClimb系统使用实时更新的PWS天气预报，为每架飞机的上升提供优化的飞行爬升剖面。

据称，在OptiClimb的引导下，航空公司在上升过程中最多可以减少10%的燃油消耗。该系统结合了每条飞行路线的机器学习性能模型，并在每次飞行前计算优化的爬升剖面。

长期以来，让机载传感器尽可能接近大气条件和由此产生的天气一直是一个挑战。气球仍然是一种主要的交通工具，但在很大程度上是不可控的，而且在高空很容易爆炸。

有人驾驶的飞机，比如美国宇航局的“飞行实验室”——专门装备的DC-8s客机，用于该机构的排放和大气成分计划的研究，旨在确定污染、风暴和气候如何相互作用——不能太靠近它们所跟踪的任何风暴的眼睛，原因很明显。

无人驾驶飞行器(uav)是气象学家希望改善近距离天气报告的一种替代方案。在美国，美国国家航空航天局(Nasa)发射了监测飓风等天气事件的无人机。例如，2016年10月，美国宇航局的全球鹰无人机跟踪了佛罗里达州海岸外的飓风马修，将传感器直接投放到5级风暴中。

龙卷风的致命力量主要来自其成因的不可预测性、形成的速度和方向。如果位于龙卷风路径边缘的人们有足够的预警，在龙卷风袭击之前转移汽车、商队和船只，那么一些破坏可能会减少。

通常情况下，外围的天气监测器和观察员会在15-20分钟内发出警告。CLOUD-MAP是一个联合四所美国大学开发气象学和大气物理学应用的项目，可能会扩大这一范围。

俄克拉荷马州立大学(OSU)正在研究远程驾驶无人机通过飞行中收集龙卷风特征数据来分析龙卷风的方法。该研究小组还在开发无人机，可以飞到龙卷风漩涡的核心，以捕捉数据，这些数据可用于计算未来龙卷风可能会如何显现，并得出提供延长预警期的方法。其他俄勒冈州立大学无人机在龙卷风周围编队飞行，同时收集多个数据点。

目前，进入龙卷风漏斗的无人机实时发送数据是不可行的:捕获的数据必须事后检索。这意味着飞机必须足够坚固，能够承受风、雨、冰雹和碎片的冲击，以及被甩向地面的冲击(因为它不太可能机动出来)。

俄勒冈州立大学机械与航空航天工程学院无人系统研究所所长杰米·雅各布博士说:“无人机需要(改进)使其更坚固，(能够)在更高的高度飞行。”“然而，我们已经证明了这些系统可以对观测和预测产生巨大的影响。”

防龙卷风的无人机不能在短时间内紧急起飞。它们必须在起飞前一个多小时准备好。俄勒冈州立大学的其他工作是开发一个基于低频声音探测的龙卷风预警系统。在龙卷风完全形成之前，它会发出低频的声音。俄勒冈州立大学校园里的定向麦克风接收到这种振动，并将信号转发给分析人员，告诉无人机地面人员在哪里驾驶无人机，以获得最佳测量结果。

蒸汽云是天气模式的症状和原因，更好的维度数据显示是什么原因导致它们形成和转变，将有助于更深刻地理解它们在形成多云天气模式中的作用。

关键是要更好地理解云的结构。长期以来，当涉及到云移动和改变形状时发生的过程，是什么导致了它们的水分密度和温度的波动时，气象学家们一直处于进退两难的状态。

石溪大学海洋与大气科学学院(SoMAS)和布鲁克海文国家实验室的研究人员利用雷达和气象技术对云层进行了“核磁共振”扫描。与磁共振成像(MRI)利用磁场和无线电波产生人体内部的详细图像一样，该项目旨在帮助科学家获得云内发生的事情的可视化。

其目标是利用云的扫描数据来提高天气模型预测地面降水类型和数量的能力，其精度和精度是以前气象方法无法达到的。

SoMAS应用雷达科学小组的Pavlos Kollias教授说:“使用这些技术，我们可以精确定位并突出云内部的不同组成部分。”“我们现在可以‘看到’降水是如何在云中形成和增长的，并更好地预测它们是雨还是雪，以及可能会累积多少降水。我们使用的雷达工作在毫米波长，而天气雷达工作在厘米波长。这种差异使这些系统对小颗粒更加敏感，并提供了优越的时间和空间分辨率——云MRI的高清方面。”

SoMAS传感器不覆盖大的水平距离，但在垂直维度提供了优越的分辨率。Kollias补充说:“垂直维度是粒子在复杂的微物理过程的作用下下落和生长的地方。我们使用几种不同的雷达来观察天空的同一部分，使我们能够对某些水成物的特性进行增强成像，就像MRI使用不同频率来实现分辨率和提高对比度一样。”

Katestone的基利普说:“我们对大气状况了解得越多，预测就越准确。新兴的卫星技术和广泛的气象站网络使我们能够估计正在发生的事情。高性能计算能力的提高使得更可靠、更准确地模拟大气、水和陆地成为可能。在改善数据同化和模拟大气动力学和发生的物理过程方面已经做出了相当大的努力。”

在技术提供商中，IBM可以说是在天气智能领域建立了最广泛的影响力。2015年，IBM收购了天气预报IT专家The weather Company，随后将其自有的天气情报平台Deep Thunder整合到收购业务中。

这一学科的工作得到了IBM超级计算经验的支持，其Watson HPC资源可用于天气建模、天气分析以及如何适应人工智能(AI)和机器学习来做天气预报的繁重工作的调查。

“Deep Thunder的项目是基于推进科学的理念，使用更好的测量方法，使用更强大的计算能力，”IBM Research的特林尼什说。“我们有一个Deep Thunder版本，可以提供全球预测。另一个例子是“深雷”驱动多个预测模型来评估水质变化。“深雷”在一个湖泊流域运行，与陆地径流预测模型和湖泊三维循环模型相结合。后者以几十米的分辨率工作，我们可以详细了解湖中污染物的运输情况。”

“我们永远不会有一个完美的预测，因为一些发生在非常小尺度的过程，比如云的形成，需要简化，”基利普补充说，“我们必须把大气看作一个混沌系统。”

全球天气模型的尝试——这种连锁效应可能在其中——需要计算资源，即使对最强大的机构来说也是一个挑战