轉載于 RUMLA

中國科學院大氣物理所聯合北京航空氣象所，分析研究盤古氣象預報模型與多種全球業務數值模式初始場適配能力。

近期，氣象領域出現了多個智能氣象預報模型，特別是華為盤古氣象預報模型，其結果受到了歐洲中期數值天氣預報中心的認可，并且已在《nature》期刊發表。目前該模型推理預測部分已開源，可供測試驗證使用，盤古天氣模型也是目前已知唯一推理預測部分開源的智能預報模型。

雖然這類智能預報模型發布的預報能力已經過論文作者和部分機構的實驗驗證，但仍尚存在一些不明確之處，主要包括：

（1）此類模型均使用ERA5再分析產品作為訓練數據集，雖然歐洲中期數值預報中心近期也驗證了該模型在業務IFS預報初始零時刻場下的能力，但是實際氣象業務中還廣泛使用其它全球中期數值預報業務產品，這些數值預報產品的起報時刻初始零時刻場是否可同樣可適用于智能預報模型，并獲得與原數值模式相當或超過的預報能力還未經過驗證。

（2）盤古天氣使用全球氣象要素場作為模型輸入，受計算資源等條件限制，具備全球要素場制作能力的機構目前并不多，各個中小規模的預報機構通過同化局地觀探測數據生成了很多局地數值天氣預報產品，是否可利用以及如何利用這些質量更高的局地數值天氣預報初始零時刻場產品提升盤古天氣預報產品的質量還沒有相關分析研究。

為解決上述疑問，該研究選取開源的盤古天氣智能預報模型為測試對象，通過個例實驗測試了盤古天氣智能預報模型與常用實際氣象業務數據的適配性，用于測試的產品包括：歐洲中期數值預報中心的ERA5再分析產品、歐洲中期預報中心數值產品ECMWF-IFS、美國氣象局數值產品NOAA-GFS、中國氣象局數值產品CMA-GRAPES、通用全球大氣譜模式數值產品YHGSM以及局地與全球2種數值模式產品的拼接產品（驗證局地數據改善能否提升預報效果）。

部分結果如圖1和圖2所示：

圖1 不同初始場條件下部分測試結果

圖2 拼接初始場作為輸入時盤古氣象預報模型在全球及東亞區域產品質量

分析認為：

（1）通過圖1可以發現，使用相同初始場時，盤古氣象模型預報結果與原預報結果相比，一部分優于原有預報結果，一部分與原有預報質量相當，因此盤古氣象模型可兼容于多種不同數值預報初始場（回答了上述第一個疑問）。

在不同數值預報初始場下與原預報產品性能表現存在差異，導致這種現象發生的原因可能是此類智能預報模型通過訓練擬合了用于生成訓練數據集的數值天氣預報系統（即ECMWF-IFS version Cy41r2, 2016）的能力。因此智能天氣預報模型更能“適應”特定數值模式生成的初始場，因而造成預報產品與原有模式產品質量對比上的差異。

（2）從圖1中也可以發現，使用ERA5作為盤古氣象預報模型初始輸入時（視為更好的初始場），可獲得更好質量的預報產品，即提升整體初始場的質量有助于提高智能預報模型的預報效果。

（3）通過圖2的拼接產品試驗可以發現，對于盤古天氣智能模型，優化局部區域的部分要素初始輸入數據（即將在此實例上表現更好的ECMWF-IFS在東亞區與NOAA-GFS的初始場進行拼接得到新的輸入初始條件），也可獲得較之原有充當背景的模式更優的結果。因此，若想提升盤古天氣智能模型對局地預報的水平，相較之于改變全球初始場的質量，一個更為容易的方式是可以通過提升局地初始場質量（如對局地要素進行訂正）來實現（回答了上述第二個疑問）。

盤古天氣等智能預報模型作為氣象預報模型的一種新的實現途徑，與傳統數值天氣預報模式相比，具備輕量易部署、計算時間快等優勢。由此可能引發對于氣象預報新的使用方式的探索，對其實際業務數據的適配性測試是掌握其能力特點并進行后續研究的重要環節。本工作的試驗分析僅僅針對若干個例數據，未來還將針對較長時間段（如月、季度、年或更長時段）統計智能模型預報的效果。