新技术在气象防灾减灾中的应用进展及成效

2023-03-12詹德权

海峡科学 2023年11期

詹德权

(福建三明机场气象台,福建三明 365000)

0 引言

气象灾害是自然灾害中最常见、最频繁、最广泛的一种,对人类社会的生命财产安全和经济社会发展造成了巨大的损失。据统计,我国每年因气象灾害造成的直接经济损失占国民经济总量的1%～3%,死亡和失踪人员占自然灾害总数的70%以上。随着全球气候变化和人类活动的影响,气象灾害的频率、强度、范围和影响都呈现出加剧趋势,给防灾减灾工作带来了极大的挑战和压力。为有效应对气象灾害,保障人民群众的生命财产安全,提高社会经济的可持续发展能力,气象部门不断加强气象科技创新,推动气象新技术的研发和应用,为防灾减灾提供了有力的支撑。

1 气象新技术的主要内容和特点

气象新技术是指在现代科学技术的基础上,针对气象领域的特殊需求开发出来的具有创新性、先进性、实用性和高效性的技术。气象新技术涵盖观测、分析、预报、服务等各个环节,包括硬件设备、软件系统、算法模型、数据产品等多个方面。气象新技术具有综合性、动态性、实效性等特点,能够有效提高气象监测预报预警的时效性、准确性、精细化和智能化,提升气象服务的质量、效率、覆盖面和满意度,降低气象灾害的损失和风险,促进经济社会的可持续发展。

1.1 综合性

气象新技术是多学科交叉融合的产物,不仅涉及大气科学、地球物理学、数学、物理学等基础学科,还涉及计算机科学、电子工程、通信工程、遥感科学等应用学科。气象新技术需要综合运用各种现代科学技术手段,如云计算、大数据、人工智能、物联网等,从而实现对大气环境的全方位感知和精细化描述。

1.2 动态性

气象新技术是随着科技水平和社会需求不断更新和发展的。随着观测手段和设备的改进和创新,可以获取更多、更精细、更全面的大气环境信息;随着计算能力和数据处理能力的提升,可以运行更高分辨率、更复杂、更精确的数值模式;随着人工智能和机器学习等方法的应用,可以实现对大气环境信息的智能化分析和挖掘;随着服务方式和手段的多样化和个性化,可以提供更贴合用户需求和场景的定制化服务。

1.3 实效性

气象新技术是为解决实际问题而产生和发展的。面对日益频繁和复杂的气象灾害,以及日益增长和多样化的社会需求,传统的气象技术已经难以适应。气象新技术的目标是提高气象监测预报预警的时效性、准确性、精细化和智能化,提升气象服务的质量、效率、覆盖面和满意度,降低气象灾害产生的损失和风险,促进经济社会的可持续发展。

2 气象新技术在防灾减灾中的应用实例

2.1 气象雷达技术

气象雷达是一种利用电磁波探测大气中水汽、云雨等目标的技术,是目前最重要的气象观测手段之一。气象雷达技术在防灾减灾中的应用主要包括以下几个方面:

①雷达回波外推法。这是一种利用雷达回波图像的运动信息对未来一段时间内雷达回波图像进行外推预报的方法,是一种常用的短临预报手段。该方法可以实现对强对流天气,如雷暴、龙卷风、冰雹等的跟踪和预警,为防灾减灾提供及时有效的信息。例如,中国气象局武汉暴雨研究所研发了分类强对流天气识别预警系统,利用雷达回波外推法实现了对超级单体龙卷风和下击暴流等灾害性天气的识别和预警[2-3]。

②雷达风场反演法。这是一种利用多普勒雷达观测到的径向风速数据反演出三维风场结构的方法,是一种重要的数据同化手段。该方法可以提高数值模式对大气运动状态的初始场分析,从而提高数值模式的预报能力。例如,中国科学院大气物理研究所研发了基于四维变分法(4DVAR)的雷达风场反演系统,利用多普勒雷达观测资料反演出高分辨率的三维风场,并将其同化到区域数值模式中,有效改善了对强降水过程的模拟和预报[1]。

③雷达降水估算法。这是一种利用雷达回波强度与降水强度之间的关系估算出地面降水量分布的方法,是一种重要的降水监测手段。该方法可以实现对大范围、高时空分辨率的降水量进行实时监测,为防范洪涝等灾害提供重要依据。例如,中国气象局南京信息工程大学研发了基于多源数据融合(MFB)的雷达降水估算系统,利用多普勒雷达、微波辐射计、卫星云图等多源数据估算出全国范围内1 km分辨率、6 min更新频率的降水量产品,并与地面雨量站数据进行校正和验证。

2.2 数值预报技术

数值预报是一种利用数学模式和计算机模拟大气运动和演变过程的技术,是目前最主要的气象预报手段之一。数值预报技术在防灾减灾中的应用主要包括以下几个方面:

①高分辨率数值模式。这是一种利用高性能计算机运行高空间和时间分辨率的数值模式,模拟和预报小尺度和短时效的强降水、强风等灾害性天气过程的方法,是一种提高预报精度和效率的手段。该方法可以实现对复杂地形、城市化、海陆交界等影响下的天气现象进行更细致和更真实地模拟和预报,为防灾减灾提供更精细化和更及时的信息。例如,中国气象局与北京大学研发的基于非静力平衡方程组(NPE)的高分辨率区域数值模式(GRAPES-NPE),利用国家超级计算中心天河二号超级计算机,实现了对北京地区1 km分辨率、1 h更新频率的强降水过程的模拟和预报。

②集合预报技术。这是一种利用多个初始场或多个物理参数化方案运行同一个或多个数值模式生成多个预报成员,反映预报不确定性和概率性的方法,是一种提高预报可靠性和稳定性的手段。该技术可以实现对不同可能发生的天气情景进行评估和比较,为防灾减灾提供更全面和更客观的信息。例如,中国气象局国家气候中心研发了基于全球集合预报系统(GEFS)和区域集合预报系统(REPS)的集合预报产品,利用多个全球或区域数值模式,生成了对未来10 d内全球或中国范围内降水、温度、风速等要素的概率性预报。

③数据同化技术。这是一种利用观测数据和数值模式输出数据之间的统计关系,将观测数据有机地融入到数值模式中,改善数值模式初始场或物理过程参数化方案的方法,是一种提高预报质量和效果的手段。该技术可以实现对观测数据的最大化利用,为防灾减灾提供更准确和更科学的信息。例如,中国科学院大气物理研究所研发了基于四维变分法(4DVAR)和集合卡尔曼滤波法(EnKF)的数据同化系统(GRAPES-3DVAR/4DVAR/EnKF),利用多源观测数据(如卫星遥感、雷达风场、探空资料等)同化到全球或区域数值模式中,有效改善了对台风、暴雪等灾害性天气过程的初始场分析。

2.3 人工智能技术

人工智能是一种利用计算机系统模拟和实现人类智能的技术,是目前最热门和最前沿的科技领域之一。人工智能技术在防灾减灾中的应用主要包括以下几个方面:

①深度学习技术。这是一种利用多层神经网络从大量数据中自动学习和提取特征,从而实现复杂任务的方法,是一种提高数据分析和挖掘能力的手段。该技术可以实现对气象数据的智能化处理和解释,为防灾减灾提供更高效和更智能的信息。例如,中国气象局与南京信息工程大学研发的基于深度学习的雷暴预警系统,利用卷积神经网络(CNN)和长短期记忆网络(LSTM)从雷达回波图像中提取雷暴特征,并预测未来30 min内雷暴的发生概率。

②自然语言处理技术。这是一种利用计算机系统理解和生成自然语言的技术,是一种提高语言交互和沟通能力的手段。该技术可以实现对气象信息的自动化生成和传播,为防灾减灾提供更便捷、更友好的信息。例如,中国气象局国家气象中心研发了基于自然语言处理的气象预报文本生成系统,利用神经网络机器翻译(NMT)和注意力机制(Attention)从数值模式输出数据中生成气象预报文本,并支持多语言输出。

③计算机视觉技术。这是一种利用计算机系统识别和理解图像或视频中的内容的技术,是一种提高图像分析和识别能力的手段。该技术可以实现对气象图像或视频的智能化分析和识别,为防灾减灾提供更精确和更细致的信息。例如,中国科学院大气物理研究所研发了基于计算机视觉的台风云图识别系统,利用卷积神经网络(CNN)和条件随机场(CRF)从卫星云图中识别出台风眼、台风壁、台风螺旋云等结构,并估算出台风强度。

2.4 卫星遥感技术

卫星遥感是一种利用人造卫星搭载的传感器从空间观测地球表面或大气层的物理量或化学量的技术,是目前最重要的气象观测手段之一。卫星遥感技术在防灾减灾中的应用主要包括以下几个方面:

①卫星云图产品。这是一种利用卫星传感器观测到的可见光、红外、水汽等波段的辐射数据生成反映云系分布、类型、高度、温度等特征的图像产品,是一种重要的云系监测手段。该产品可以实现对全球范围内各种云系如对流云、层云、雾霾等进行实时监测,为防灾减灾提供基础信息。例如,中国国家卫星气象中心研发了基于风云四号卫星(FY-4A)的多波段卫星云图产品,利用FY-4A搭载的高分辨率可见光和红外扫描仪(AGRI)生成了全球范围内0.5 km分辨率、15 min更新频率的卫星云图产品。

②卫星降水产品。这是一种利用卫星传感器观测到的微波、红外、可见光等波段的辐射数据,结合地面雨量站或雷达降水数据生成反映降水量分布和强度的图像产品,是一种重要的降水监测手段。该产品可以实现对全球范围内各种降水如雨、雪、冰雹等进行实时监测,为防灾减灾提供关键信息。例如,美国国家航空航天局(NASA)和日本航空宇宙研究开发机构(JAXA)联合研发了基于全球降水测量任务(GPM)的多源卫星降水产品(IMERG),利用GPM核心卫星和其他多个卫星搭载的微波和红外传感器,结合地面雨量站数据生成了全球范围内0.1°分辨率、30 min更新频率的降水量产品。

③卫星大气成分产品。这是一种利用卫星传感器观测到的紫外、可见光、红外等波段的辐射数据,结合大气化学模式或反演算法生成反映大气中气溶胶、臭氧、二氧化碳等成分含量和分布的图像产品,是一种重要的大气环境监测手段。该产品可以实现对全球范围内各种大气污染物,如PM2.5、SO2、NO2等进行实时监测,为防灾减灾提供参考信息。例如,欧洲空间局(ESA)研发了基于哨兵五号先驱卫星(Sentinel-5P)的多种大气成分产品(TROPOMI),利用Sentinel-5P搭载的紫外—可见光—近红外—短波红外光谱仪(TROPOMI),生成了全球范围内0.01°分辨率、1 d更新频率的大气成分产品。

3 气象新技术在防灾减灾中面临的挑战和问题

气象新技术在防灾减灾中虽然取得了显著的成效和进步,但仍然面临着一些挑战和问题。

3.1 观测数据的质量和覆盖问题

观测数据是气象新技术的基础和源泉,但目前,观测数据仍然存在一些质量和覆盖方面的问题。例如,卫星遥感数据受云层、大气层等因素的干扰,需要进行复杂的校正和处理;雷达观测数据受地形、建筑物等因素的遮挡,需要进行复杂的插补和优化;地面观测数据受设备、人员等因素的影响,需要进行复杂的质控和评估。此外,观测数据在空间和时间上的分布和覆盖也不均匀,导致一些区域或时段的观测数据缺乏或不足,影响了气象新技术的应用效果。

3.2 数值模式的物理过程和参数化问题

数值模式是气象新技术的核心和关键,但目前,数值模式仍然存在一些物理过程和参数化方面的问题。例如,数值模式对于一些小尺度或复杂的物理过程,如云微物理、辐射传输、湍流混合等难以直接解析,需要进行简化或近似的参数化;对于一些不确定或随机的物理过程,如对流发生、云形成、降水产生等难以准确预测,需要进行概率或集合的处理。此外,数值模式对于一些非线性或混沌的物理过程,如大气环流、气候变化、灾害天气等难以稳定模拟,需要进行敏感性或可预报性的分析[3]。

3.3 人工智能技术的可解释性和可信赖性问题

人工智能技术是气象新技术的创新和突破,但目前,人工智能技术仍然存在一些可解释性和可信赖性方面的问题。例如,人工智能技术对于一些复杂或抽象的任务如图像识别、语言生成、情感分析等难以给出清晰或合理的解释,需要进行可视化或逻辑化的展示;难以保证正确或安全地执行一些敏感或重要的任务,如预警发布、灾情评估、决策支持等需要进行验证或监督的控制。此外,人工智能技术对于一些新颖或变化的任务如新型灾害、新型需求、新型场景等难以适应或更新,需要进行迁移或增强的学习。

4 气象新技术在防灾减灾中的发展前景

气象新技术在防灾减灾中虽然存在一些挑战和问题,但仍然具有广阔的应用前景。

4.1 观测数据的融合和共享

观测数据是气象新技术发展的基础和动力,未来将进一步加强观测数据的融合和共享。例如,利用多源多类型多时空尺度的观测数据,如卫星、雷达、地面、海洋、空中等,建立地球系统大数据平台,实现对全球范围内各种天气、气候现象和气象灾害风险的实时监测、动态评估和精细预警[1]。同时,加强与国际组织、国家之间的合作交流,推动全球气象观测数据的开放共享,提高气象信息服务的全球覆盖率和均等化水平[2]。

4.2 数值模式的物理过程和参数化改进

数值模式是气象新技术的核心和关键,未来将进一步改进数值模式的物理过程和参数化方案。例如,加强对云微物理、辐射传输、湍流混合等小尺度或复杂的物理过程的研究,提高数值模式对这些过程的解析或近似能力;加强对对流发生、云形成、降水产生等不确定或随机的物理过程的研究,提高数值模式对这些过程的预测能力;加强对大气环流、气候变化、灾害天气等非线性或混沌的物理过程的研究,提高数值模式对这些过程的模拟或敏感性能力[3]。

4.3 人工智能技术的可解释性和可信赖性提升

人工智能技术是气象新技术的创新和突破,未来将进一步提升人工智能技术的可解释性和可信赖性。例如,加强对人工智能技术背后的原理、机制、规律等方面的研究,提高人工智能技术对复杂或抽象任务给出清晰或合理解释的能力;完善对人工智能技术在敏感或重要任务中正确或安全执行的保障机制,提高人工智能技术在执行这些任务执行时的可信赖性;健全对人工智能技术在新颖或变化任务中适应或更新的学习机制,提高人工智能技术在这些任务中的适应性、可靠性。