数值预报发展面临的科技挑战
来源：中国气象报社
发布时间：2015年09月23日
9月3日出版的《自然》杂志发表了欧洲中期天气预报中心专家彼得·鲍尔、阿兰·索普及加拿大环境部专家吉尔伯特·伯奈特的述评文章《数值天气预报的静悄悄革命》。文章指出，天气科学、高性能计算和观测系统的改进对促进数值天气预报发展至关重要。未来10年或更长时间，全球天气和气候模拟就分辨率而言，能够完成全球水平分辨率为1公里的对流分辨模拟；在复杂性方面，能够充分耦合大气-陆地-海洋-海冰模型。 预测技术的进步来自计算机能力提升、物理过程的参数化表达、地球系统耦合、观测资料的同化、通过集成方法对不确定性的描述以及它们相互作用的尺度等。椭圆部分表示此系统对10-2公里到104公里尺度范围内的主要现象进行计算耦合，并展示出从小尺度范围流动到完全耦合地球系统的模拟复杂性；框表示未来预测技术改进遇到的最重要挑战；箭头表示跨分辨率尺度和地球系统显现的误差传播重要性。图片来源：《自然》网站 科学挑战 数值天气预报已经在几个关键问题上取得了突破这些问题包括物理过程参数化、集合预报技术及其对分析和预报不确定性的合理估计、利用观测获得更理想的初值条件。将来，要想在许多关键领域期望实质性进展的话，就需要在必须要较现有认知水平上的更显著的进步。 就物理过程参数化而言，随着分辨率的增加，参数化的需求会逐渐降低；对于辐射和云的过程以及陆面模式，全显示方案已逐渐在一些公里尺度分辨的区域模式中得到应用；对于情况更为复杂一些的对流过程，即使大的热带对流云团或有组织的对流系统在发生目前分辨率（15公里）上是可分辨的尺度中，而其中包含的许多小尺度对流烟雨（convective plumes）即使在1公里分辨率下也可能无法显示表示，仍然需要进行参数化。 高分辨率有限区域云模式模拟结果表明，有组织的对流动力模态可以被模拟出来，对流生命周期、云组织结构或云和大尺度环流相互作用的模拟效果是可以得到改进的。目前，在公里尺度分辨率下运行全球模式能否减少所有对流相关的不确定性、减少所有预报范围内的模式偏差、提高预报能力，尚无明确定论。在这些高分辨率尚未实现的情况下，对流参数化在未来10年里仍是全球天气和气候模拟中非常关键的问题。 未来，有一些领域需要给予更多关注。 首先是物理过程参数化内在不确定性。不管是对过程理解的不全面，还是不可分辨的过程对可分辨过程的影响难以表示清楚。因此或许需要一种与现在完全不同的方法，对参数化要素或整个方案需要考虑一些统计方法，如概率分布函数随机抽样、子模式随机驱动或是在次网格尺度上嵌入完整对流分辨率模拟实现超级参数化。目前还清楚这种方法能否根本性地解决问题。 其次，更多物理和化学过程将被引入。一方面，大气模式与海洋、陆面、海冰模式的耦合需要引入更多的物理过程。由于海洋、海冰和陆面过程相对天气是慢变过程，每一种耦合都有其自身的特征空间和时间尺度，耦合过程提供的最有用信息一般是在3-7天以外，很大程度上会影响系统的长时间变化。然而，也有很多例子表明，耦合也会对短期预报产生影响，如在热带气旋路径上的海洋上翻流会对热带气旋强度产生影响，再如地表蒸发和土壤湿度会对地表降水产生影响。在耦合方面，最大的科学挑战是在于圈层界面上的通量交换问题，因为在圈层界面上各分量通量的系统误差相互作用会导致的模式震荡，并会在长期积分下引起模式平均状态的漂移。另一方面，大气成分中的微量气体和气溶胶直接影响辐射加热，它们也影响云的形成以及极区平流层云表面的异类化学反应。随着增加更多的物理和化学过程而带来的挑战是，要想清楚各过程中成份的初值条件，需要同化更为复杂的观测资料，即面临观测资料的挑战。同时，通过对模式中复杂过程不确定性的表示和对多样观测资料进行初始化耦合，集合预报在中期以上时效的可信性也会得到提高。 此外，如何使用更多现有和新的观测资料以及采用新的同化技术，数值天气预报面临着更多科学的挑战。目前全球预报中仅使用现有卫星资料总量的5%至10%，而且这部分资料主要是与气象预报相关的资料。对地球观测的优化，特别是世界各国对卫星观测管理的优化对于卫星资料同化至关重要。目前，数值天气预报仍受困于观测资料不足，虽然现有用于测量温、湿垂直廓线、云、近地面天气现象的卫星和地基观测系统得到维持，但是基本观测要素仍有缺失。例如，用多普勒雷达技术直接观测上层风，这种技术在现有业务卫星计划中还无法实现。热带地区占地球50%的面积，热带地区风的信息是基本要素，，而观测资料稀疏严重影响该地区的分析和预报，因此要在此方面加强国际合作。 现有资料同化系统的复杂性也面临挑战，大多数挑战涉及算法精度。这些算法重点关注新观测资料的利用率，同样也要和模式改进很好地衔接。考虑到预报计算成本中相当大的比例用于资料同化，计算负担能力仍将是约束因素。下一代数据同化方法可能会采用全新数学方法，但在不久将来，同化方法很可能是基于现有同化概念的组合。 目前算法依赖于线性理论和变分方法，与此不同的是，某些分量来源于集合预报，如误差统计。变分原理已经以不同的形式得到了实现，在未来10年中占主导地位的可能是变分和集合方法的最有效组合，或使用纯集合方法，如集合卡尔曼滤波。对于时间尺度短、空间尺度小（例如对流）的小尺度预报，可能需要非线性资料同化方法，但是现有的试验和理想化模式还难以推广到全球业务应用。 耦合的数据同化将成为未来耦合模式初始化的关键因素，耦合资料同化需要包括大气成分（气溶胶、微量气体）以及海洋、陆地表面和海冰。每个地球系统分量都有各自特殊的过程特征和时空尺度，在一个统一的资料同化框架下完成所有分量的处理将极富挑战性。 技术挑战 当今用于数值天气预报领域的最高性能计算机位于世界500强计算机中的前20名，它们的计算执行速度达到每秒千万亿次（1015次浮点操作），每天处理100兆字节级别的观测数据并产生10T级别模式输出。下一代水平分辨率为公里尺度的全球数值天气预报模式面临技术挑战，它要在大约53108个格点上对上百个预报变量积分，有上百个集合成员，用秒级时间步长。得益于国际合作，近地和地球静止轨道成千上万个光谱通道的高分辨率光谱仪可用，观测资料使用也将增加一个量级。 然而，未来高性能计算技术发展对解决科学挑战增加了新的限制。过去，处理器性能基于摩尔定律提升，未来会更加关注并行计算，应用的“可扩展性”变得更加重要，让数值天气预报代码更具扩展性是未来10年数值天气预报的首要任务。 对于如欧洲中期天气预报中心（ECMWF）的数值预报中心而言，电力使用的荷载上限可能约20兆伏安（MVA）。未来数值预报系统的计算任务将是现在的100倍至1000倍，需要约10倍的电源荷载。因此，需要改变相关硬件、设计代码和数值方法。新技术将在传统CPU基础上整合和集成低功耗处理器，即实现低时钟频率、高度并行化和内存更大、更快速数据交换、更高时钟频率的传统CPU的集合。。通过优化浮点操作和内存使用，使代码设计和算法适应这项技术，鉴于我们需要要处理数以百万的指令行的遗留代码，这将是一个根本性的挑战。由于处理器故障和不精确低能耗硬件的出现，系统的容错和快速恢复能力将变得至关重要。 数据分发和归档的要求使得高性能计算面临的挑战不断升级。当数据增长慢于计算的增长，百亿亿次字节（1018字节）的数据生产可能先于百亿亿次浮点操作()计算实现。重新计算的代价甚至比归档更为昂贵，因此数据挑战将需要优先解决。就未来处理器技术而言，硬件将限制数据传输带宽，因此需要设计弹性的存储系统解决偶然的硬件故障。 未来的地球观测系统将会出现许多技术机会和挑战。高端卫星仪器技术将越来越向高光谱辐射计的光谱通道方面发展，携带数以万计的光谱通道来探测大气热力动力状态和成分；配以主动仪器（如高分辨率雷达和激光雷达）用以探测地面特性、气溶胶、风、水汽、云和降水。两类仪器每天产生100G的下行数据，在几小时内完成处理、数据分发、数值预报系统应用及数据归档。 科学和技术的挑战在许多领域是相互依存的。计算和数据处理的效率对于天气和气候模式的复杂性有所限制。全球模式在1公里的对流可分辨尺度下运行，这将非常具有挑战性。科学性和计算性能二者之间的权衡由来已久，而“可扩展性”也将成为我们需要考虑的重要方面。 往期回顾
 |
