基于信息數字化的氣象災害臨災預測預警的方法及應用

游娜　陳剛毅

摘 要：我國地域遼闊，地形多樣，氣候特征也呈南北差異性，每年因氣象災害造成的損失占所有自然災害造成總經濟的71%。災害問題是一個快速變化的問題，現行的科學體系更多的是研究不變性的問題，所以在解決災害問題方面還有一定的局限性，文章采用信息數字化的方法理論和技術體系，對災害的性質進行了定義，并將這套具體理論和技術體系運用到氣象災害臨災預測預警中，實現整個災害鏈的聯動協調。實現整個災害鏈協同效應最大化最有效的方式就是臨災的預測預警，同時也是應急管理的重中之重。

關鍵詞：信息數字化；氣象災害；預測預警

引言

我國是世界上災害最嚴重的國家之一，2013年，全球約20，000人在自然災害中喪生或失蹤，自然災害引發的相關損失約為1，310億美元，這些自然災害大多是風暴、水災和其他嚴重的天氣事件。據統計，我國每年由自然災害造成的經濟損失占國民經濟總收入（GDP）的5-6%，氣象災害所造成的損失占所有自然災害造成的總損失的71%。我國地處亞熱帶季風氣候區，降水時空分布不均勻，旱澇災害頻繁發生，以有文獻記載的嚴重自然災害為例，從公元前1766年至公元1936年，我國發生水災1058次，旱災1074次，平均每年發生洪澇或者旱災1.42次。在全球氣候變暖的條件下，極端天氣發生的概率還在增加，整個長江流域的洪澇災害出現地更頻繁，區域性嚴重干旱、冰災雪災等出現地概率也在增加。

國家的“十二五規劃”第二十六章“加強山洪地質氣象地震災害防治”中明確指出加快建立災害調查評價體系、監測預警體系；加強對重點突發性地質災害隱患實施監測預警；加強氣象災害監測預警預報和信息發布系統建設。經過五年的建設，國家在防災減災方面也取得了很大的成就，特別是對災害風險的評估、災害信息的發布以及災后救助方面進步很大，但是在臨災預測預警方面還存在著不足，這也是今后防災減災的重要工作之一，最有效的防災減災方式就是臨災預測預警。

1 氣象災害臨災預測預警的研究進展

現行的國內外對氣象災害的預測預警更多地是建立在氣象資料同化，數值預報模式以及先進的監測技術的基礎上，利用先進的監測技術采集資料和實時監測，對所采集的資料進行同化，然后依據現有數值預報模型得出的結論進行預報。這是現在的災害預測預警模式的一般思路。

資料采集運用了現代的先進的監測技術，主要有北斗系統、衛星、雷達、GPS、無人機、風廓線、自動站、微波輻射計等等。隨著科學技術的發展，各種監測儀器的分辨率、監測的技術、計算機性能等方面的提高都可以使獲得的資料更加的精細和準確。

資料同化是現行對氣象資料處理最常用方法，資料同化在數值預報中占有特殊的重要地位。[1]資料同化方法已經從早期的逐步訂正法（SCM）、最優插值法（IO）發展到現行的三維變分發和四維變分發以及Kalman濾波法。[2]氣象資料三維變分同化對計算機資源的要求相較于四維變分同化要低一些，且在被業務化方面也比四維變分法有優勢，現在已被運用到世界各國的氣象業務系統中。[3]中長期天氣研究與預報模式（The Weather Research &Forecasting Model ，WRF）的同化系統（WRFDA）是已經發展得相對來說比較完善的氣象資料三維變分同化系統，在業務中應用效果較為突出，我國的MM5模式也用的是三維變分同化。

數值預報模式在災害方面的運用更多的是利用數值天氣預報對可能出現的災害天氣進行預測。20世紀50年代Charney在美國、Rossby在歐洲建立數值天氣預報業務，這標志著天氣預報已從傳統的半經驗方法，發展到以大氣科學理論為基礎、通過高性能計算平臺模擬計算得到預測結果的數值模擬方法。[4]所謂數值預報是在初值和邊界條件給定下，通過數值方法求解描寫大氣演變的運動方程、連續方程、熱力學方程、狀態方程和水汽方程組成的非線性方程組來預測未來大氣運動狀態和天氣現象的方法。[5]對于非線性方程組，只能利用數學離散化的數值差分計算方法進行求解出近似解。[6、7]國外基本上普遍使用的是歐洲模式，加拿大模式，美國的NCEP/GFS和日本的JMA模式等，中國氣象局目前已向全國氣象局臺站下發預報產品的有歐洲中心細網格模式、日本模式、T639、T213、德國模式等。

2 氣象災害預測預警分析理論與方法

災害問題是一個快速變化的問題。[8]災害與變化信息數字化及其業務系統，在認識和方法體系上屬于演化科學或稱為信息論的“變化信息論”范疇，并其研究和實施的技術不同于不變體系，遂有該體系的基本認識觀念、理論和技術路線均不同于當代科學體系。

2.1 基本原理

任何觀測體系獲得的信息都存在“非規則性”，作為實在的“變化事件”，不應當采用數量平滑等方法消除其對應的“變化信息”。針對工程破壞的動力災變和災害預測的業務需要，對于事件變化必須明確變化的過程性和事件發生的先兆事件（知所先、后）。信息數字化的觀點認為“非規則信息是變化信息，不能作為不確定性或隨機性而沿用數量方式消除或削弱觀測到的信息”。按“變化事件”啟用“非規則信息”，可以應對突發性災害。在實際業務軟件（Blow-op）應用中啟用了“反序構”技術（將傳統的“氣壓、溫度、濕度和風”的信息“序”，改為“風向、風速和濕度”的信息序，并不使用氣壓系統），實踐結果顯示了災害天氣預報的超前性。特別是“風向”要素的啟用，揭示了大氣“滾流”的作用。即順滾流上升和逆滾流下沉，構成了高低、壓系統出現前，即獲得了可以先于氣壓系統的預測天氣現象的技術。在實踐中發現了大氣對流層上空“超低溫”的非規則變化信息，“超低溫”屬于非規則信息中最為突出的非規則變化信息，“超低溫”的發生區，正是大氣運行中發生扭曲變化帶（扭結）的數學三階導數問題。當代的所謂數學模式中，恰恰沒有包含三階導數的“扭結”而成為當代科學體系中的沒有觸及的問題。[8]沒有三階導數的數學模型，必然不能觸及災害的本質，現行的科學體系在解決災害問題方面必然還存在一定的局限性，亟待一種新的理論方法—信息數字化方法來解決災害問題！

2.2 方法體系

信息數字化的方法啟用了變化信息和變化事件，無論是變化信息還是變化事件均不屬于當代科學體系中的“物理量物理學”，而是隸屬于事件（變化事件）物理學，所以必須研究事件變化的過程性，并涉及了變化信息的過程性。遂啟用了 “數字化方法”，實質是深入到事件性質的“唯象論”，或稱為不限于形式的“唯量論”的初值外推體系。[8、9]從而使大氣預測理論和預測技術真正進入預測化。

氣象災害臨災預測預警的具體方法體系是對大氣常規探空信息進行數字化分析并對災害的強度進行預測，然后配合自動氣象站測得的非常規觀測信息利用非規則信息數字化（相空間結構轉化）方法對災害的落時落區做出具體的預測[8]主要就是將常規大氣探空信息應用到應用軟件（Blow-up）上，再通過其結構化的圖形V-3θ圖上反映出來的風速風向、水汽分布、熱力分布、超低溫等信息對大氣的垂直穩定度、滾流方向以及降水量等要素進行分析，對災害的強度做出預測；再配合自動氣象站、雷達、衛星等非常規的觀測得到的數據通過非規則信息數字化（相空間結構轉化）的方法對風速、風向、濕度、溫度等要素進行更加精細化的分析，從而對災害的落實落區做出預測。這兩種方法配合使用則可以使氣象災害臨災預測預警取得較好的效果。具體如圖2所示。

3 臨災預測預警應用

氣象災害預測預警體系在冰雪、冰雹、沙塵暴、雷暴、局部強降水、山洪泥石流、暴雨和雪災以及霧、高溫等方面可以應用，并且在實際應用取得的效果較好；2008年南方雪災，歐陽首承教授對其持續時間做出為期15天的預測，并且對落時落區把握準確。[10]在中長期氣象災害預測業務分析軟件系統研究與開發（含冰雪、干旱預測）中可以將此模塊嵌入其中，這將使氣象災害預測進入一個新的紀元。對人工降雨作業業務分析的時間和地點把握也可以運用該技術體系。下面以北京2012年7.21特大暴雨為例闡釋這套理論體系的具體運用。

北京市經歷自1951年有完整氣象記錄以來最大降雨，截至2012年7月22日17時，北京市境內因暴雨災害共死亡37人。此次造成慘重損失的強降雨于7月21日上午10點左右來襲，一直持續到次日凌晨。截至22日凌晨兩點，北京城區降雨量達215毫米；降雨最大點在房山區河北鎮，降雨量高達460毫米。

圖3是2012年7月19日08時北京站的結構圖，低層出現多次折拐，說明大氣垂直穩定度不好即大氣出現不穩定；低層盛行偏南氣流，但是在700hpa處是偏北氣流，沒有構成一個完整的順滾流結構，中高層水汽不是很豐富，高層超低溫不強，但是整體降水結構已經形成并且可能出現雷暴天氣。圖4是7月19日20時的北京站的結構圖，與早上08時的圖對比，700hpa的風速減小，低層偏南風風速增加，水汽來源比較豐富，高層300hpa處超低溫有弱加強，且低層折拐明顯比08時多，由于夏天溫度高，地表吸熱比較快，熱力條件比較好；圖5是7月20日08時的結構圖，此時700hpa處風向出現偏轉，圖6是7月20日20時的結構圖，700hpa處的風向從東北風轉為明顯的西北風，超低溫加強，構成了一個西風一致的整體順滾流結構，并且整層大氣出現多次折拐，大氣層結非常不穩定，此時降雨已經開始。

圖7是北京站7月21日早上08時的結構圖，高層超低溫明顯且成折拐狀，超低溫非常強，整層風速都較20日22時的風速大，暖濕氣流輸送增快，且出現了一個“蜂腰狀”的雷暴結構，此時降雨量要增加至少一個量級。圖8是北京站西邊的一個站點，這個圖上的超低溫折拐明顯，700hpa處出現了層云，低層西南氣流比較充沛，大氣層結不穩定，也是在降雨。圖9是太原站21日08時的資料，太原位于北京站的西南邊，此站點西南氣流已經到達400hpa，在700hpa處風速達到16m/s，濕度條件配合比較好，高層超低溫折拐明顯，且在400hpa-500hpa處出現冷性層云，此時太原站的降雨量應該是大暴雨的量級。圖10樂亭站在21日08時也出現了暴雨結構。即北京周邊站點都是大暴雨結構，降水的動力條件和水汽條件具備，從周邊站點以及北京站的情況來看，此次降雨過程很明顯的是從西邊移過來。經實況檢驗，北京此次過程是從西邊移過來的（圖11是北京降雨實況圖）。按照V-3Θ結構圖顯示，在早上08時就基本上可以做出暴雨橙色預警，而不是在下午4點洪災已經發生，才發布暴雨橙色預警。

4 結束語

無論是北京的7.21特大暴雨還是2014年發生的魯甸、康定、景谷地震，都使人們意識到災前預測預警與災后救助是災害鏈上兩個不可或缺的環節，有效的臨災預測預警是災害鏈的上游，在臨災預測預警上游這個環節做好，處在災害鏈下游的災后救援的任務和難度將會降低很多。災害應急管理的任務是降低風險，減小災害帶來的損失，實現整個災害鏈的協同效應最大化。最有效的防災減災在于臨災的預測預警和正確的應急決策，臨災預測預警應更是應急管理的重中之重。

參考文獻

[1]薛紀善.氣象衛星資料同化的科學問題與前景[J].氣象學報，2009，67（6）：903-911.

[2]劉君，董佩明，黃江平，等.衛星資料循環同化對區域數值預報效果影響分析[J].氣象，2013，2：156-165.

[3]潘江勇，李發明，荊大為，等.WRF數值預報模式氣象資料的同化處理與對比分析[J].安徽農業科學，2010，38（17）：9098-9102.

[4]程正泉，廖代強.數值天氣預報模式產品在預報業務中的應用[J].廣東氣象，2012，34（4）：1-5.

[5]何斌，李云泉，范曉紅，等.四維同化技術在區域數值模式中的應用研究[A].第六屆長三角氣象科技論壇論文集[C].2009：88-94.

[6]俞小鼎，周小剛，王秀明，等.雷暴與強對流臨近天氣預報技術進展[J].氣象學報，2012，70（3）：311-337.

[7]丑紀范.大氣科學中的非線性與復雜性[M].北京：氣象出版社，2002.

[8]林益（美）.信息數字化與預測[M].歐陽首承，陳剛毅，譯.北京：氣象出版社，2009.

[9]歐陽首承.天氣演化與結構預[M].北京：氣象出版社，2002.

[10]歐陽首承，陳剛毅，張葵.2008年1月份的中國南部的雪害、冰災淺釋[A].2008中國氣象學會年會論文集[C].2008：768-773.

作者簡介：游娜（1989-），女，籍貫：湖北云夢，成都信息工程大學管理學院碩士研究生，主要從事災害應急管理研究。