本文发表于《大众科学》的前博客网络，反映了作者的观点，不一定反映《大众科学》的观点
“天气预报总是错的！”是各行各业的人们经常抱怨的一句话；当备受瞩目的政治家和橄榄球教练抨击预报员的错误报告时，这句话甚至会成为头条新闻。
当预报出错时，责怪报信人是很自然的，但如果今年夏天你的野餐意外地下雨了，我们建议你对当地的气象预报员宽容一些。从综合温度、气压和风速数据，到解读不完善的天气模型输出，很多环节都可能出错。天气预报是一门被误解、经常被诟病的科学，因此，了解高空气球、复杂的微积分，以及是的，还有一点人为判断，是如何影响你在电视或新手表上看到的天气预报的，这将有所帮助。
气象学远非猜测游戏。当气象学家仔细研究带有外来符号的天气图，或者更现代地，研究带有旋转色彩的计算机屏幕时，他们不是在解读茶叶——他们是在分析复杂计算机模型的数据产品。然而，结果必须是简单的。正如新闻12台气象学家亚当·爱泼斯坦所说，“人们喜欢看到一个单独的数字。”
关于支持科学新闻报道
如果您喜欢这篇文章，请考虑通过以下方式支持我们屡获殊荣的新闻报道： 订阅。通过购买订阅，您将有助于确保有关塑造我们今天世界的发现和想法的有影响力的故事的未来。
我们从我们已知的内容开始。在考虑未来之前，我们需要知道现在的大气层是什么样的。事实上，天气预报的大部分技巧都来自于对初始条件的解读，即天气模型拥有的关于当前大气层状况的信息。很简单，对吧？任何有温度计和良好方向感的人都可以告诉你温度、是否正在下雨以及风从哪里来。但仅仅是地面条件不足以做出好的预报。
真正的活动——尤其是气象学家关心的那种——发生在高达七英里的空中。你可以看到这里的问题。不可能知道此刻到大气层顶部的每一点每分钟都在发生什么。
来源：Pixabay
幸运的是，这里有一个部分解决方案：配备了名为无线电探空仪的仪器包的高空气球，每天两次在北美和太平洋岛屿的92个站点定期发射，这是全球高空观测网络的一小部分。当气球向上移动时，它会记录压力、温度、风速和风向如何随高度变化。
不幸的是，92个站点远远不能构成大气层的完整图像。以印第安纳州为例。在该州附近最近的两个高空观测站之间，即俄亥俄州威尔明顿和伊利诺伊州林肯之间，有310英里的距离。这无疑是观测系统中的一个漏洞。
在数据可以使用之前，必须填补这些漏洞。技术各不相同，但基本结果是相同的：填补的数据只能近似站与站之间天气变量的行为。这是气象学家需要应对的第一层不确定性。
天气方面还有另一个重要的变量：它会移动。现在美国东部上空的同一天气系统可能在一周前还在太平洋上空。你可以想象，太平洋上空的观测数据不多，因此气象学家必须等到风暴到达西海岸后才能完全信任模型输出。因此，当你在媒体上看到关于一周后可能发生的“超级风暴”的报道，而一周后你只看到了一英寸的雪，并想知道是怎么回事时，你可以推断出缺乏观测数据在结果中发挥了作用。
气象学家喜欢吹嘘他们的模型。但这些模型是什么？它们与天气有什么关系？天气模型代表了预报过程的另一层。模型计算风和热的变化将如何在大气层中扩散，形成风暴系统。观测数据充当起点，模型预测未来天气的模式。
但这并非如此简单。大气层是动态的且本质上是混沌的。这意味着它不断地以不可预测的方式移动和变化，即使是微小的扰动也可能导致气团移动和风暴形成的巨大变化。即使有更好的观测网络和完美无缺的模型，混沌也会限制我们准确预测未来天气的时间。
来源：Pixabay
爱德华·洛伦茨在著名的“蝴蝶效应”中描述了这种现象，他说，一只蝴蝶翅膀的拍打可能会在半个地球之外引起龙卷风。尽管这听起来很奇妙，但理论上是正确的，并且解释了为什么很难提前一周以上预测天气；初始条件的微小变化可能导致截然不同的预测。这就是为什么你不应该围绕Accuweather的25天预报来计划你的假期。
为了减少这种不确定性，预报员依赖于“扰动集合”，在运行模型之前稍微改变大气层的观测数据。他们重复这个过程多次，直到他们可以获得可能的未来分布。因此，当你看到10%的降雨概率时，这意味着10%的单独模型运行结果导致降雨。
如果气象学家面临的仅仅是这些，那么当预报结果出错时（或者当预报正确时受到表扬），他们就完全可以被原谅了。然而，这还不是终点。
预报员使用不止一个模型，每个模型都有自己的优点和缺点，这取决于它们如何近似小尺度过程的差异。云形成过程中水滴碰撞并粘在一起就是一个模型无法“看到”的过程的例子，因此它被近似处理。这种近似并不完美，但有助于使每个模型都独一无二。通过查看多个模型，预报员可以平衡每个模型中潜在的偏差。
气象学家有使用这些模型的经验，并且可以识别出它们表现不佳的情况。例如，当地面有积雪时，一些模型会高估温度，因为它们看不到积雪。另一方面，当地国家气象局办公室的气象学家意识到周末在预报区域发生了暴风雪，并且根据经验了解到，来自太阳的能量部分用于融化积雪，而不是加热空气，从而导致气温上升较慢。通过这种方式，预报员将模型输出作为指导，但根据他们的专业知识调整这些信息。
当预报员面临意见不一致的模型时，他们必须在模型之间做出选择，将每个结果视为同样可能，或者根据先前的经验权衡模型。这使预报员可以根据他们所服务的社区的需求调整模型输出。然而，这也引入了人为错误，尤其是在选择了一个模型而不是另一个模型，并且可能结果的范围没有充分传达给公众时。
预报员必须平衡这些不确定性来源，并提供最准确的预报，以有效地为市长、派对策划者和慢跑者等服务。这是一项绝非简单的工作，过程的每一步都存在不确定性。尽管付出了如此复杂的努力，正如新闻12台的爱泼斯坦所说，“很大一部分观众只想知道是否会下雨。”