筆保弘德,山崎哲,堀田大介／《氣象術語事典》：每天在新聞上聽到的「天氣預報」是怎麼做出來的？ @ 神仙、老虎、狗

我們想讓你知道的是
那麼究竟要怎麼做，才能從零散而沒有規律的觀測資料中，利用過去的觀測數據，推測出大氣整體的狀態呢？這裡必須用到一個很有趣的概念。

《氣象術語事典》：
每天在新聞上聽到的「天氣預報」是怎麼做出來的？

2021/01/02　The News Lens 關鍵評論網

文：筆保弘德、山崎哲、堀田大介

我們每天在新聞上聽到的天氣預報，到底是怎麼做出來的呢？

本章的主題，就是解說天氣預報的預報過程。首先本節將介紹氣象預報的整體流程，然後再從下一節開始詳細解說每一環節的構成要素。下圖是天氣預報的整體流程。請各位一邊參考下圖，一邊閱讀下面的解說。

從觀測出發

一如4.3節所述，現在的天氣預報，是以數值預報為基礎製作的。數值預報，是一種用物理學定律預測大氣流動的方法。而物理學定律，則是根據「一旦確定了目前的大氣狀態，則短期未來的大氣狀態也將自動確定」的原理來預測的。換言之，要預測未來的天氣，首先必須盡可能正確地掌握目前的大氣狀態。因此天氣預報的。

第一步，就是觀測現在的大氣狀態。

事實上，氣象廳每天都會用各種觀測儀器，不分日夜地觀測日本的大氣狀態。然而，大氣不只會以很快的速度在全世界循環，還會放出比大氣本身的流動速度更快的波（如羅斯貝波等。羅斯貝波是種因地形和海陸溫差而產生的大氣波）。

譬如，在中緯度地區，一旦上游（西側）的溫帶低氣壓變強，就會經由羅斯貝波的能量傳遞，以幾倍於風速的速度影響到下游（東側），催生新的低氣壓（下游發展）。這種能量在大氣中高速傳遞的現象，會大幅左右每天的大氣，所以要預報日本的天氣，就必須觀測全球的大氣狀態。

氣象觀測是由全世界的氣象組織分工合作，依循共同的規則來執行，並經由氣象組織的溝通網路，即時在全球交換觀測資料。

另外，就像在電視上常看到的「衛星圖」，氣象預報會用到很多從太空監視大氣狀態的人工衛星，獲取數值預報和實時監測不可或缺的寶貴資訊。

數據同化與分析預報循環

各國在全球觀測到的氣象資料，會即時在世界各地分享交換，由氣象廳等數值預報中心蒐集起來。但就算蒐集了來自全球的龐大數據，卻還是沒有辦法毫無遺漏地觀測到全地球的大氣。然而要進數值預報就必須推測出大氣整體的狀態，所以沒有觀測到的部分，也得想辦法推敲出來。

各位可能會以為，想要知道某時間點的大氣狀態，唯一的辦法就是使用該時間點觀測到的資料；但其實我們還可以利用過去觀測到資料來推論。譬如，由於空氣是由西往東流動，故根據昨天在中國高空觀測到的資料，就能分析出今天日本上空大氣的很多訊息。

那麼究竟要怎麼做，才能從零散而沒有規律的觀測資料中，利用過去的觀測數據，推測出大氣整體的狀態呢？這裡必須用到一個很有趣的概念。

利用稍早之前的數值預報模型，來推測某特定時間的大氣狀態，預報結果可能不如直接觀測來得準確，卻能得到對大氣整體狀態的預測（＝「估計」）。因此，只要比較用稍早之前的數值預報得出的預估值（＝「第一估計值」）和觀測值，就能藉由將第一估計值修正到符合觀測值的方式，來得到目前大氣狀態的估計值。

用觀測值修正短期預測得到的第一估計值的操作稱為「分析」或「數據同化」；而經過分析，用觀測值更新過的估計值，則稱為「分析值」。

接著，把分析值當成初始值，丟進數值預報模型計算，再以得出的預測值為下一時刻的「分析」的第一估計值；按照這個方式，反覆進行分析和預報，即可持續算出結合觀測資料和物理定律（基於物理定律的數值預報模型）的大氣狀態預報值。

這種分析和預報交替進行的過程，就叫做「分析－預報循環」。至於第一估計值又是怎麼得出的？只要依照時間往上回溯，加入根據以前的觀測資料數據同化（分析）得出的模型即可。因此，使用分析－預報循環，不只能用最近的觀測資料，還可以運用過去得到的觀測資料，估算出大氣的狀態。

「分析」這個詞，原本泛指以邏輯解構各種事物；但在氣象學中，「分析」通常特指上述的這個過程。這個用法源於在電腦問世前，根據觀測資料製作目前天氣圖的「天氣圖分析」作業，這個作業以前常簡稱為「分析」。而數據同化之所以也叫「分析」，就是因為這個以前留下來的習慣。

而在數據同化方法誕生前，天氣圖分析很依賴預報員的綜合判斷，無論如何都會被個人的主觀因素影響。相較之下，由於數據同化是用機械性的流程自動算出結果，所以為了強調其客觀性，也有人將這種方法稱為「客觀分析」。

數值預報模型的執行和統計後處理（指引）

以數據同化得到的當前大氣估計值為初值，接下來就能利用數值預報模型進行各種預測。關於數值預報的部分，在4.3節已詳細介紹過。一如4.3節的解說，數值預報是用流體力學來處理大氣的運動，所以有些對天氣預報的接收者而言很重要的現象，數值預報模型並不能直接處理。譬如會不會打雷、飛機會不會遇到亂流，這些都不是數值預報模型直接預測的對象。

同時，如同4.4.節所述，在數值預報模型中，是把現實中連續不可分割的大氣分割成無數離散的小格子來呈現，所以也沒辦法表現（顯示）規模小於網格大小的現象。

因此，為了預測這些數值預報不能直接呈現，又或者顯示不出來的現象，科學家需要運用一種名為「指引（Guidance）」的統計學預測方法。

首先，把數值預報的結果，與要預測之現象的觀測資料間的關係，根據過去的資料事先讓模型以統計的方法學習。接著，在把數值預報模型的結果輸入學習完畢的統計模型，就能預測出數值預報無法呈現的現象了。

這種應用統計學的學習方法就叫做「機器學習」，近年流行的人工智慧（AI）也有用到這種方法（5.4節）。而在天氣預報領域中，則稱為數值預報的後置處理，很早之前便作為一種輔助手段在使用AI的力量了。

由預報員進行解釋、修正、解說

數值預報和指引用到了很多物理學、氣象學、統計學的技術，所以要解釋計算出來的結果，並不是一件容易的事。同時，數值預報模型的精準度雖然每年都在提升，但有時也會出現諸如「南岸低氣壓的預估東進速度容易比現實更慢」，這種有特定偏差模式的「系統誤差」。

此外，數值預報產出的資料量非常巨大，而且每數小時就會更新一次，要解讀這些資料到底預測了什麼，本身就是一件非常困難的作業。

因此，我們需要熟悉數值預報和預報指引的特性，又或是非常了解如何使用天氣預報的預報官，將接下來預估會發生的天氣現象，不是以一堆數據，而是以簡潔的語言傳達給接收者。

除此之外，民間的氣象預報員和氣象主播，也會參考數值預報結果或預報官的評論，將之翻譯、加工成對一般民眾的生活有用或容易吸收的情報，透過電視、廣播、網路等媒介發布給普羅大眾。

書籍介紹

本文摘錄自《氣象術語事典：全方位解析天氣預報等最尖端的氣象學知識》，台灣東販出版

作者：筆保弘德、山崎哲、堀田大介
譯者：陳識中

儘管每天都在看氣象預報，對「颱風」、「強降雨」、「酷暑」、「霸王級寒流」等名詞耳熟能詳，但什麼是「異常氣象」？除了身體感覺之外，好像不知道它的確切定義，還有諸如全球暖化、熱島現象、用人工智慧研究氣象等等，這些看似與我們很遙遠的名詞其實天天都在我們身邊發生！

所謂的生活氣象，就是與我們的日常生活最息息相關的氣象。譬如「熱傷害」和「流感的流行」，以及近年關注度迅速攀升的「PM2.5」，還有2019年夏天引發討論的「森林大火」等等，全面檢視人類與氣候，各種常在新聞中出現的關鍵字，在本書中你都可以一一獲得解答！

也因此，本書希望用最淺顯易懂的方式，介紹這些正受到社會關注，又或是未來可能將會受到關注的天氣術語，以及針對該領域當前最新的真知灼見。本書的執筆方式，有別於過往的「知與未知」系列，不採用由研究者講解自己專門領域的書寫風格，而以電視新聞上出現的術語為主軸。不過，這次的內容也同樣集結了活躍於氣象學和天氣預報研究領域的九位氣象專家，為讀者們解說最尖端的知識和理論。

下文出處：
https://www.books.com.tw/products/0010876623

內容簡介

日本最強九位氣象專家

＼帶你看懂天氣預報與生活中不可不知的氣象學／

作者介紹

作者簡介

堀田大介（Hotta Daisuke）

　　氣象廳氣象研究所氣象觀測研究部主任研究官

　　專門：數值預報（特以數據同化和力學過程）。美國馬里蘭大學研究所生命環境科學研究科出身。博士（理學）。

　　Ph.D（應用數學）。

釜江陽一（Kamae Youichi）

　　筑波大學生命環境系助教

　　專門：氣候變遷、大氣海洋交互作用。筑波大學研究所生命環境科學研究科出身。博士（理學）。

　　2014年獲頒日本氣象學會山本賞。

大橋唯太（Oobashi Yukitaka）

　　岡山理科大學生物地球學部生物地球學科教授

　　專門：局地氣象學、生物氣象學、都市氣候學等。京都大學研究所理學研究科出身。博士（理學）。

中村哲（Nakamura Tetsu）

　　北海道大學研究所地球環境科學研究院博士研究員

　　專門：氣候力學、平流層、北極的氣候變遷。東海大學聯合研究所地球環境科學研究科出身。博士（理學）。

吉田龍二（Yoshida Ryuuji）

　　CIRES University of Colorado Boulder / NOAA Earth System Research Laboratory, Research Scientist II

　　專門：中尺度氣象學、熱帶大氣、數值模型。京都大學研究所理學研究科出身。博士（理學）。

下瀨健一（Shimose Kenichi）

　　防災科學技術研究院（NIED）水‧土砂防災研究部門特別研究員

　　專門：中尺度氣象學（特以豪雨、龍捲風等積雲相關的現象）。九州大學研究所地球行星科學專攻出身。博士（理學）。

安成哲平（Yasunari Teppei）

　　北海道大學北極圈研究中心‧國際聯合研究教育局北極圈研究Global Station（廣域複合災害研究中心兼務）助教

　　專門：從事以環境科學領域為主的天氣、氣候、雪冰、氣膠體相關研究。曾於美國NASA/GSFC從事6年的積雪汙染、氣候模型開發研究工作，現主攻森林大火和空氣汙染的研究。北海道大學研究所環境科學院出身。博士（環境科學）。獲頒平成31年度科學技術領域文部科學大臣表彰年輕科學家賞。

編者簡介

筆保弘德（Fudeyasu Hironori）

　　橫濱國立大學教育學部副教授

　　專門：颱風、局地風。京都大學研究所理學研究科出身。博士（理學）

山崎哲（Yamazaki Akira）

　　海洋研究開發機構（JAMSTEC）附加價值情報創生部門應用實驗室研究員

　　專門：大氣力學（特以阻塞高壓現象）。九州大學研究所地球行星科學專攻出身。博士（理學）。

前言在平成史留下刻痕的天氣術語……3

第1章 30年一遇？認識異常氣象的原理！

1 究竟什麼是異常氣象？……14

2 西風帶會引發異常氣象？……18

3 北極的氣流會引發異常氣象？……22

4 熱帶的氣流會引發異常氣象？……26

新聞關鍵字1 熱帶、中緯度、極地……30

新聞關鍵字2 平流層……33

新聞關鍵字3 北極振盪……35

新聞關鍵字4 海冰……37

新聞關鍵字5 寒流……39

新聞關鍵字6 阻塞高氣壓……42

新聞關鍵字7 極地渦旋……46

新聞關鍵字8 南岸低氣壓……48

新聞關鍵字9 聖嬰現象……50

新聞關鍵字10 遙相關……53

新聞關鍵字11 天氣與氣候……56

column 2014年2月的關東甲信大雪……59

第2章全球暖化的真相！

1 地球真的在變暖嗎？……64

2 氣溫會升高多少？……68

3 未來的預測是多數決？……72

4 暖化的好處與壞處？……76

5 北極正在加速暖化？……80

新聞關鍵字12 IPCC氣候報告……84

新聞關鍵字13 巴黎協定……86

新聞關鍵字14 全球暖化與異常氣象……88

新聞關鍵字15 全球暖化與颱風……91

新聞關鍵字16 全球暖化與櫻花花期……93

新聞關鍵字17 冰反照率回饋……95

新聞關鍵字18 藍色北極（Blue Arctic）……97

新聞關鍵字19 全球暖化與平流層……99

column 2018年7月的豪雨與我的研究……101

第3章氣候會對生活造成何種影響？

1 人類有辦法逃離天氣嗎？……104

2 炎熱會帶來什麼影響？……108

3 寒冷會帶來什麼影響？……112

4 空氣汙染會帶來什麼影響？……116

新聞關鍵字20 海風……120

新聞關鍵字21 熱島現象……123

新聞關鍵字22 熱傷害……126

新聞關鍵字23 熱休克……129

新聞關鍵字24 肱川嵐……131

新聞關鍵字25 PM2.5……134

新聞關鍵字26 森林大火……139

column 生活氣象與我的研究……144

第4章氣象與電腦的世界！

1 氣象、氣候的研究為什麼需要電腦？……148

2 到底什麼是超級電腦？……153

3 支撐天氣預報的數值預報……157

4 未來的氣象與電腦……165

新聞關鍵字27 CPU、記憶體、最快的意義……169

新聞關鍵字28 TOP500超級電腦排名……171

新聞關鍵字29 日本的超級電腦……173

新聞關鍵字30 超高解析度數值模擬……175

新聞關鍵字31 大數據分析與人工智慧…177

column 預測颱風發生的必要性……179

第5章天氣預報的幕後！

1 從氣象觀測到數值預報……182

2 一瞬間飛越全球的觀測資料……187

3 什麼是人類解過最大規模的逆問題――數據同化？……191

4 預測無法用數值預報呈現的現象……199

5 預測未來的發展模式

新聞關鍵字32 無線電探空儀……206

新聞關鍵字33 天氣預報與混沌的發現……209

新聞關鍵字34 決定論式預報與機率預報……213

新聞關鍵字35 明日預報與季節預報……216

新聞關鍵字36 用人工智慧預報天氣？……219

新聞關鍵字37 氣象資料與生產力革命、氣象產業推進聯盟……222

新聞關鍵字38 注意報、警報、特別警報……225

column 如何大幅減少游擊式暴雨……229

第6章與災害直連，劇烈大氣現象的真面目！

1 暴風的真面目為何？……232

2 暴雨的真面目為何？――集中豪雨、游擊式暴雨……236

3 積雨雲帶來的劇烈氣象――疾風、雷、雹……240

4 強烈低壓的真面目為何？……246

新聞關鍵字39 線狀降水帶（Back-building）……249

新聞關鍵字40 大氣不穩定……251

新聞關鍵字41 超大胞……253

新聞關鍵字42 下擊暴流……255

新聞關鍵字43 颱風快速發展與颱風快速增強……257

新聞關鍵字44 溫帶低壓化……259

新聞關鍵字45 颱風與颶風的差異……261

新聞關鍵字46 藤田級數……263

新聞關鍵字47 JPCZ（日本海極地氣團輻合帶）……266

column 即時損害預測「cmap」……268

內容連載

前言

在平成史留下刻痕的天氣術語

平成時代（1989～2019）已悄然落幕。回首這30年，平成或許可以說是一個許許多多的人們飽受氣象災難之苦，且對天氣的觀念大幅改變的時代。

這裡有筆耐人尋味的資料。在日本，每年的年末，都會舉行由某本書（《現代用語的基礎知識》）的讀者和評選委員會選出該年社會上最具話題的關鍵字的「新語、流行語大賞」。而回顧平成年間被提名的所有詞彙，會意外地發現當中相當多天氣術語。以1990年（平成2年）的特別賞（年度常見語句獎），就是現在幾乎年年都會出現的「氣象觀測史上第一次」這個詞為首，一共有10個天氣術語得到提名。每三年就被提名一次的頻率，即使跟政治、經濟，以及其他各種文化領域相比，也相當突出。

分析那些入圍的天氣術語，會發現其中包括了「酷暑（猛暑）」、「熱島現象」、「猛暑日」、「災害級熱暑」等，與炎熱有關的詞彙比例相當高。可以說，平成時代是一個全球暖化引起社會關注，人們對炎熱開始變得敏感的時代。另外，其他被提名的還有「游擊式暴雨」、「線狀降水帶」等跟雨有關的名詞。像是至今仍使日本人記憶猶新，2018年7月的大豪雨，即使到了已經可以高精度預測氣象的現代，我們依然持續深受豪雨所苦。而最後兩個入圍的關鍵字，則是「炸彈氣旋」和「PM2.5」這兩個會帶來災害的大氣現象。這些被提名的天氣術語，都是在專業領域早就存在的氣象學名詞，但隨著大眾對公眾議題的重視度提升，這些詞彙也開始受到社會關注。

即便是在日本這個自古以來就飽受天災侵襲的國家，也從未有過這麼一個天氣術語和氣候災難如此頻繁上新聞的時代。而在未來的日子，又會有什麼樣的天氣術語受到大眾的注目呢？活在令和（2019～）這個新時代的各位讀者們，難道不想知道這些耳熟能詳的氣象名詞真正的意義嗎？

所以，本書希望用最淺顯易懂的方式，介紹這些正受到社會關注，又或是未來可能將會受到關注的天氣術語，以及針對該領域當前最新的真知灼見。本書的執筆方式，有別於過往的「知與未知」系列，不採用由研究者講解自己專門領域的書寫風格，而以電視新聞上出現的術語為主軸。不過，這次的內容也同樣集結了活躍於氣象學和天氣預報研究領域，新進氣銳的年輕研究者，為讀者們解說最尖端的知識和理論。

首先開頭第1章要介紹的，是與「猛暑」和「大寒流」等異常氣象有關的關鍵詞彙。異常氣象，就是在全球發生的大規模現象。本章將由3位精通熱帶、中緯度、北極氣候的氣象學家，為讀者解說異常氣象是如何發生的，以及哪些天氣現象會引發異常氣象。

然後第2章的主題，是現在關注度最高的「全球暖化」。異常氣象跟全球暖化有何關係？北極的海冰減少會帶來哪些影響？還有，我們能採取什麼行動來防止全球暖化？本章將由2位研究全球暖化的專家來介紹與暖化有關的新聞常見名詞。

第3章介紹的是與「生活氣象」有關的關鍵字。所謂的生活氣象，就是與我們的日常生活最息息相關的氣象。譬如「熱傷害」和「流感的流行」，以及近年關注度迅速攀升的「PM2.5」，還有2019年夏天引發討論的「森林大火」等等，各種常在新聞中出現的關鍵字。

緊接著第4章則是關於天氣預報和氣象學家做研究時不可或缺的「模擬」。所謂的模擬到底是什麼？模擬跟天氣預報的關係為何？天氣預報的幕後功臣「超級電腦」又是什麼？本章將由曾用超級電腦「京」進行研究的專家，為讀者們帶來稍微有點狂熱的解說。

第5章將為讀者揭密天氣預報的原理。天氣預報是怎麼做出來的呢？提升精準度的關鍵是什麼？最近常聽到的「機器學習」和「人工智慧（AI）」跟天氣預報有關係嗎？還有負責連結觀測和天氣預報的「數據同化」又是什麼？這些問題將由現役的日本氣象廳職員來進行解說。

最後第6章將介紹「颱風」、「游擊式暴雨」等描述強烈風、雨的術語。本章將由研究氣象災害的研究者，來介紹這些電視新聞上經常看到，與氣象災害有著直接關係的天氣現象的最新知識。

此外，本書還收錄了與這些新聞關鍵字相關的研究者們執筆的短篇專欄。這些專欄將向讀者們分享研究者們當初是如何與這些成為新聞話題的氣象災害、現象邂逅，並決定一頭栽進入研究的故事。若有高中生或大學生在讀過這些專欄後，產生「我以後也要研究氣象」的想法，將是所有執筆者們最大的喜悅。

從平成到令和，在這個嶄新的時代，究竟有哪些天氣術語能引起大眾的關心呢！

2019年10月筆保弘德山崎哲