在天气预报领域，我们经历了从人工计算到数值模式的转变，未来甚至可能与人工智能算法进行结合，带来更加精准的预报服务。

对于数值天气预报，大部分的人都不会很陌生。

稍微通俗一点地说，这就像我们解方程组似的，在给定的大气初始和边界条件下，通过数值方法求得大气基本运动方程组，从而预报未来时刻的大气状态。

其中，一个首要条件就是提供准确的初始气象资料。但初始气象资料可不是拿来就可以用的，除了对其进行预处理、质量控制以外，还包括重要的一步，那就是资料同化。

今天，我们一起来揭秘资料同化的“神秘面纱”~

何为资料同化

我们先从字面意思着手。

在搜狗百科上，同化是这样定义的：

同化是指文化环境不同的个人或团体，与另一不同的文化模式相接触，融合成为同质的文化单位。

具体到我们今天说的便是将不同的气象观测资料融合到一起，从而为数值天气预报提供准确的初始资料。

“农田里的守望者”小型农田气候观测自动气象站

具体有两方面的含义。

一是如何合理地利用各种精度不同的非常规观测资料，把它们与常规观测资料融合为一个有机的气象大数据整体；

二是如何综合利用不同时次的观测资料，将气象大数据里面所包含的时间演变信息转化为气象要素场的空间分布状况。

资料同化的方法

早期，国内外气象部门主要采用多元最优插值方法，但该方法有明显的缺陷，使得气象大数据资源不能被充分地利用。

目前，四维变分资料同化方法正在国内外广泛研究和发展，我国于2010年首次实现了业务化的全球气象资料四维变分同化系统，并建立了以此为基础的业务化数值天气预报系统，提高了预报的时效性。

资料同化来源之小案例

我们都知道，飞机大密度地在机场起飞降落，其所携带的传感器能够自动探测气象观测资料。并且飞机气象观测的优势十分突出，在飞机爬升、巡航、下降阶段均可采集数据，且频次高、密度大，可弥补已有气象探测手段在获取大洋上空和高层大气数据方面的不足。

但我们不知道的是，它的用途之一还可以用于资料同化。

飞机气象观测资料是快速更新同化系统中除雷达、地面站之外最重要的观测资料源，能够显著提高3至12小时短时临近天气预报的准确度。

这下，大家对天气预报和气象大数据的了解是不是又进了一步呢？

参考资料：《气象与大数据》

图片来源：中国气象局、Pexels