研發中的美國強天氣（龍卷、大冰雹和局地強降水）預報系統FACETs

■ 杜鈞 薛明

薛明，俄克拉荷馬大學氣象學院和風暴預報分析中心）

美國強風暴實驗室（NSSL）正在研發的FACETs系統預報對象包括龍卷、大冰雹和局地強降水，這套系統把預報信息同社會影響、人的心理行為和經濟效益等學科相結合，把預報信息轉化為同用戶直接相關的問題。

目前，美國氣象局的龍卷預警系統是基于觀測的，即當雷達已經看到有強天氣的早期跡象或已觀測到強天氣現象，才運用短臨預報方法外推發布預警。但因龍卷等強天氣變化快、生命期很短，所以這種基于觀測的預警系統可用時效很短，如目前對龍卷的預警只能提前13 min左右，并且預報是確定性的，即只有出現或不出現龍卷的二分預報，而沒有該預報的可信度度量。為了延長預報時效，目前正在研究試驗的是“基于（數值）預報的預警（Warn on Forecast，WOF）”（圖1）①https://www.nssl.noaa.gov/projects/wof/。，目標是爭取能提前30～60 min預報出龍卷形成的地點、強度、移動方向和路徑等，并且定量給出這一預報可信度（概率）的時空分布，以適用于更廣泛的用戶群，同時這一預報同最新的觀測資料（包括愛好龍卷的“追風者”實時從現場傳回的信息）進行比較并訂正，這樣的預報會在數分鐘后不斷快速地更新。如圖1所示，要實現這個目標的關鍵技術包括對流尺度的數值預報模式、雷達觀測資料同化能力、模式運算快速更新的能力（如每間隔10 min積分一次）、快速更新風暴（雷暴）尺度集合預報系統和實時的精細觀測技術（包括短臨預報方法）。

圖1 研發中的基于WOF為核心預報技術的美國強天氣（龍卷、大冰雹和局地強降水）預報系統FACETs以及與其他項目的關系示意圖

以WOF 為核心預報技術加上行為科學（考慮心理、社會和經濟因素的決策），美國國家海洋和大氣管理局（NOAA）下屬的美國強風暴實驗室（NSSL）正在研發下一代強天氣預警系統“對環境潛在危險的全方位預報系統”（Forecasting a Continuum of Environmental Threats，FACETs，圖1）②https://www.nssl.noaa.gov/projects/facets/。，預報對象包括龍卷、大冰雹和局地強降水，并且這套系統把預報信息同社會影響、人的心理行為和經濟效益等學科相結合，把預報信息轉化為同用戶直接相關的問題，如：這一風暴會影響我嗎？風暴已造成多大損失？最壞會是什么結果？什么時間開始影響、什么時間結束？預報有多可信？我該做什么？所以預報員可以用它來發布面向用戶的、能被用戶所理解的預報信息。這個系統包括七大部分（圖2）：危險天氣預報概率的網格點資料、觀測包括氣候和指導預報、預報員意見、處理網格資料的強天氣軟件包工具、可供用戶直接決策的預報信息輸出、用戶應該采取的有效行動指南、事后檢驗。

圖2 同FACETs有關的各種項目標識圖徽

FACETs同美國國家氣象局正在實施的總體計劃“對緊急天氣事件時刻有防范的社會”（Weather Ready Nation，WRN）③https://www.weather.gov/wrn/。理念一致、互相匹配。FACETs的研發也緊密與實踐相結合，它有一個非常有效的試驗平臺，即NOAA的“危險性天氣試驗基地”（Hazardous Weather Testbed，HWT）①https://hwt.nssl.noaa.gov/。，幫助它在實時業務環境中邊研發邊應用，這樣可以不斷檢驗效果、根據預報員的反饋意見進行改進。每年春季（4—5月），美國國家環境預報中心（NCEP）的風暴預報中心（Storm Prediction Center）會進行關于強對流天氣預報的“春季試驗”②https://hwt.nssl.noaa.gov/spring_experiment/。來測試和FACETs 有關的技術和產品，如近幾年主要集中在對流尺度模式（convection-allowing model，CAM）和雷暴尺度集合預報（storm-scale ensemble）的應用和檢驗。參加人員除了業務預報員外，還有預報系統開發人員、研究所和大學的研究員和教授，以及其他國家數值預報研發專家等。圖1～2大致勾畫出了這一關系。除了對流天氣，NOAA的HWT還在NCEP的天氣預報中心（Weather Prediction Center）進行冬季天氣試驗（1—2月）、局地強降水試驗（6—7月）③http://www.wpc.ncep.noaa.gov/hmt/experimentsummaries.shtml。和在航空天氣預報中心（Aviation Prediction Center）進行航空天氣預報的夏季試驗 （8月）④https://testbed.aviationweather.gov/。，所有這現行的四個試驗都以集合預報系統和產品為中心，可見美國預報員已經把如何對待天氣預報中的不確定性作為改進天氣預報服務的重心。如何在決策中正確考慮天氣預報的不確定性也是WRN建設的關鍵。

對流尺度數值模式對龍卷的模擬能力近年也有長足的進步。圖3是美國俄克拉荷馬大學薛明教授領導的團隊用水平分辨率為25 m×25 m的ARPS（Advanced Regional Prediction System）模式所模擬的凝結云的三維圖像，云底的超級龍卷清晰可見。

圖3 水平分辨率為25 m×25 m的ARPS模式所模擬的凝結云三維圖像（圖由Pittsburgh超算中心的Greg Foss 先生提供）