[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"knowledge-054cf922d279bbc9":3},{"id":4,"slug":5,"category":6,"categoryLabel":7,"title":8,"summary":9,"coverUrl":10,"publishDate":11,"shareUser":12,"rank":16,"lastSyncedAt":17,"contentHtml":18,"images":19,"sourceUrl":55},"6a33b6da759fbb61a05370a3","054cf922d279bbc9","atmosphere","大气","天气预报不准也就算了，各家的预报还都不一样这算怎么回事","有特精确的天气应用吗？没有。","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774040051-0-2004fe9f.jpg","2018-07-26T11:32:16.472982+08:00",{"name":13,"label":14,"text":15},"65","65分享","来自65分享",4,"2026-08-23T01:15:57.317Z","\u003Cdiv>\u003Cp>（EON\u002F编译）有时候，我们会碰上很迷的天气。就像前不久，当西二旗的上班族被迫“看海”时，朝阳群众却在欣赏大雾里的CBD。\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774040316-1-273c89b9.jpg\">西二旗（左）和大望路（右）。图片来源：左图来源于网络，右图由果壳编辑拍摄。\u003C\u002Fp>\n\n\u003Cp>碰上这种情况，如果你只有一个天气App，又没有精确定位的话，那么很可能就倒霉了……\u003C\u002Fp>\n\n\u003Cp>但是，如果你不相信一个App，手机里同时装了好几个，可能仍然会陷入选择困难。因为不同的App，往往有着不同的天气预报，有时甚至连当前温度都不一样。\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774040697-2-eb979b0c.jpg\">\u003C\u002Fp>\n\n\u003Cp>于是我们不禁要问，都8102年了，怎么天气预报还不统一？\u003C\u002Fp>\n\n\u003Ch2>App的预报为啥不一样？\u003C\u002Fh2>\n\n\u003Cp>首先，让我们对比一下国际三大主流预报方Dark Sky、AccuWeather和The Weather Channel。可以看到，在即将到来的17:00，预报上的降雨、风速等都有明显不同。\u003C\u002Fp>\n\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041232-3-2f7b338c.jpg\">\u003C\u002Fp>\n\n\u003Cp>再来看看国内三大主流App：墨迹、中国天气通和彩云。这次我们可以对比一下连续5天的预报，会发现即使是过去的天气信息也是不同的。\u003C\u002Fp>\n\n\u003Cp>\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041791-4-c591ac59.jpg\">\u003C\u002Fp>\n\n\u003Cp>其实这些App的不同之处还有很多，那为什么它们的差别这么大？\u003C\u002Fp>\n\n\u003Cp>有的预报方能接触到更多观测点。他们使用基于不同预报模型的算法，这些模型可以提供不同的细节。有的天气应用只是粗略地使用模型，有的会让气象学家监督和纠正通过模型作出的预测，尤其是对罕见天气和极端天气的预报。\u003C\u002Fp>\n\n\u003Cp>即使不同预报方的算法生成的原始数据是相同的，当这些数据最终呈现在App里时也会有所不同。英国气象局的德里克·赖亚尔（Derrick Ryall）说，“一些应用选择简化信息，另外一些则会提供更多细节。太多细节会影响我们对精确度的直观感受。”\u003C\u002Fp>\n\n\u003Cp>此外，精确度不是预报方的唯一考虑。天气预报服务分析公司ForecastWatch的创始人埃里克·弗洛尔（Eric Floehr）表示，作为用户，如果你淋了雨而忘记带伞，你会对预报感到不爽，但你带了伞没用上的话，你就没那么生气了。因此，有的预报方倾向于过度预报降雨情况。不过，一些主流预报方正在摒弃这种做法。\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041913-5-1ca2be66.jpg\">图片来源：Pixabay\u003C\u002Fp>\n\n\u003Ch2>有特别靠谱的天气应用吗？\u003C\u002Fh2>\n\n\u003Cp>手机应用提供了高度本地化的服务，可以预报从接下来一小时到未来两星期内的天气状况，有些甚至可以提前到45天。在苹果的App Store，大约有2400种天气应用。\u003C\u002Fp>\n\n\u003Cp>天气应用这么多，如果想要评估它们的预报，其实并不简单。什么是最重要的测量指标？温度、降水还是风况？平均总误差是有用的吗？预测多久才会符合现实情况？\u003C\u002Fp>\n\n\u003Cp> “有很多方法评估预报的精确性，”弗洛尔说，“不同的应用会有不同的预报信息，而这取决于不同的指标、时间范围或特定的地理区域。”\u003C\u002Fp>\n\n\u003Cp>去年发布的预报观察（ForecastWatch）报告比较了全球六大预报服务的精确度：AccuWeather、the Weather Channel、Weather Underground、Foreca、 Intellicast和Dark Sky。该研究覆盖了1145个地区在2016年1-5天的天气预报。\u003C\u002Fp>\n\n\u003Cp>报告指出，AccuWeather在预测平均及最高温度、降水概率和风速时表现最好，而The Weather Channel和Weather Underground在预测最低温度时最精确。在这三项测量中，Dark Sky的表现排在最后。\u003C\u002Fp>\n\n\u003Cp>鉴于这些App的表现各有差异，因此不太可能找出更靠谱的应用。更何况，科学告诉我们，根本就不存在精确无误的天气预报。\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042159-6-92408978.jpg\">图片来源：Pixabay\u003C\u002Fp>\n\n\u003Ch2>微小的变化也能改变天气\u003C\u002Fh2>\n\n\u003Cp>早在上世纪五、六十年代，随着计算机技术和人造卫星的发展，科学家们相信天气可以准确预测，美国气象学家爱德华·洛伦兹就是其中一员。\u003C\u002Fp>\n\n\u003Cp>然而，当他通过计算机运行自己的空气对流模型时发现，在同一方程中，即使初始条件有微小的改变，也会导致截然不同的输出结果。洛伦兹用一个形象的例子解释了这一现象，当一只巴西的蝴蝶扇动翅膀时，会引起得州的一场龙卷风。这就是俗称的蝴蝶效应，即“对初始条件的敏感依赖性”。我们如今对天气难以预测的认知，都来源于此。\u003C\u002Fp>\n\n\u003Cp>蝴蝶效应表明，从小范围的天气来说，任何预报都会走样，雷雨和暴风雪也算是小范围的事。各种误差和不确定性积累起来，经过逐级放大，从尘旋风和小暴风发展成跨越整个大陆的漩涡。\u003C\u002Fp>\n\n\u003Cp>至于蝴蝶是否能引发龙卷风，洛伦兹并没有给出答案。但是它让我们明白了，大自然对微小的改变非常敏感。这一发现迅速从气象学扩展到一切学科，成为混沌理论的基础。\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042600-7-480b1f0b.jpg\">洛伦兹吸引子。图片来源：WIKIMEDIA COMMONS\u003C\u002Fp>\n\n\u003Cp>就这样，天气预报可以说是和数学过不去的事情。但这并不意味着我们对天气预报已经无能为力了，混沌理论也能帮助我们更好地改进天气预报。\u003C\u002Fp>\n\n\u003Ch2>现在我们怎么预测天气的\u003C\u002Fh2>\n\n\u003Cp>现代的天气预报需要收集地球表面和大气层的大量数据，例如温度、湿度和风况。一些缺失的数据，是从观测点能提供的数据和过去的预报推算出来的。预报模型由物理和化学过程的方程组构成，这些数据和推测可以用来计算未来的天气状况。\u003C\u002Fp>\n\n\u003Cp>气象观测站的数量和质量正在迅速上升。例如，Met办公室正在将大型飞机用来导航的转发器收集的风速数据整合到预测模型中。美国宇航局的GOES-16卫星比之前的卫星有更快的扫描频率，卫星图像的分辨率也更高。在2月份，英国耗资1000万英镑升级降雨雷达网络，新网络提供的数据是以前的5倍。\u003C\u002Fp>\n\n\u003Cp>所有这些数据都会输入到千万亿级运算的超级计算机中。要用到超级计算机，是因为模拟大气近似过程的预测模型非常复杂。随着科学的发展，这些模型也变得更加复杂了。特大数量的数字运算也可以实现“集合预测”——通过稍微调整不同的起始数据，将预测模型运行多次，就能得到不同结果发生的概率。\u003C\u002Fp>\n\n\u003Cp>结合更多的数据、更强大的计算机和更好的算法，我们可以得到可观的预测结果。2015年，一项发表在《自然》杂志的研究发现，自1981年以来，气象学家对3-10天内大气压的预测，在以每10年精确1天的速率提升。Met办公室表示，他们现在预报4天内的气压，几乎和30年前预报1天的气压一样精确。\u003C\u002Fp>\n\n\u003Cp>在提前预测一天左右的天气方面，卫星一直都是精确度的重要推动力。但是，如果预测的时间范围稍短一些，卫星数据没那么有用。这时候气压计，也就是我们俗称的晴雨表，就能派上用场了，它可以预测天气的短期变化。\u003C\u002Fp>\n\n\u003Cp>自2011年以来，数字气压计就被内置在手机中来协助GPS定位，目前有大约10亿手机可以测量气压。华盛顿大学的克里夫·曼斯教授（Cliff Mass）的研究表明，智能手机的数据能帮助提升短期气压和降雨预报的精确度，还能帮助预测风向。\u003C\u002Fp>\n\n\u003Cp>“手机数据有助于我们更好地预测雷暴这样的天气，在那些无法获取更多数据的地方，它们非常有用。”曼斯在使用机器学习来提升手机气压数据的质量，与他合作的The Weather Channel已经收集了2.5亿的气压数据，并表示这些数据会在2019年整合到预报模型中。\u003C\u002Fp>\n\n\u003Cp>总之，尽管蝴蝶效应的影响不容忽略，但预报其实在朝着更精确发展。只是，更精确并不意味着完美，我们大部分时间其实都忽略了这一点。（编辑：李子李子短信，Ent）\u003C\u002Fp>\n\n\u003Cp class=\"img-caption\">\u003Cimg src=\"https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042689-8-f388da2e.jpg\">萧敬腾：我还有话说……\u003C\u002Fp>\n\n\u003Ch2 class=\"references\">参考资料：\u003C\u002Fh2>\n\n\u003Col class=\"reference-item\">\n\t\u003Cli>詹姆斯·格莱克《混沌：开创新科学》\u003C\u002Fli>\n\t\u003Cli>MIT Technology Review, \u003Ca href=\"https:\u002F\u002Fwww.technologyreview.com\u002Fs\u002F422809\u002Fwhen-the-butterfly-effect-took-flight\u002F\">When the Butterfly Effect Took Flight\u003C\u002Fa>\u003C\u002Fli>\n\t\u003Cli>Forbes, Chaos Theory, \u003Ca href=\"https:\u002F\u002Fwww.forbes.com\u002Fsites\u002Fstartswithabang\u002F2018\u002F02\u002F13\u002Fchaos-theory-the-butterfly-effect-and-the-computer-glitch-that-started-it-all\u002F#65ad724969f6\">The Butterfly Effect, And The Computer Glitch That Started It All\u003C\u002Fa>\u003C\u002Fli>\n\u003C\u002Fol>\u003C\u002Fdiv>",[20,23,27,31,35,39,43,47,51],{"sourceUrl":21,"localPath":22,"publicUrl":10},"https:\u002F\u002F2-im.guokr.com\u002FPcPC5nXURQjDB0qUHnSihwBqSqRYhNvO4AvBv8167q5KAQAA6wAAAEpQ.jpg","C:\\www\\images\\atmosphere\\20260618\\image-1781774040051-0-2004fe9f.jpg",{"sourceUrl":24,"localPath":25,"publicUrl":26},"https:\u002F\u002F3-im.guokr.com\u002FIV_Y0ZBmCQv0ucAiIc7_nb2rJFmH-15D1TQ30PIOUcqrBAAAIAMAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F371","C:\\www\\images\\atmosphere\\20260618\\image-1781774040316-1-273c89b9.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774040316-1-273c89b9.jpg",{"sourceUrl":28,"localPath":29,"publicUrl":30},"https:\u002F\u002F2-im.guokr.com\u002FIVCIu9i7zr368k7I5jWNBdeLPJ7lz2FN-ZjaO1zL3vU4BAAAhgUAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F726","C:\\www\\images\\atmosphere\\20260618\\image-1781774040697-2-eb979b0c.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774040697-2-eb979b0c.jpg",{"sourceUrl":32,"localPath":33,"publicUrl":34},"https:\u002F\u002F3-im.guokr.com\u002FvAMWs6RDeGTS8z9uRDtmWEZnu1K_2F0P4EmmNsYh0Cs2BAAASQgAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F1091","C:\\www\\images\\atmosphere\\20260618\\image-1781774041232-3-2f7b338c.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041232-3-2f7b338c.jpg",{"sourceUrl":36,"localPath":37,"publicUrl":38},"https:\u002F\u002F2-im.guokr.com\u002Fwn0rJNqkzjObxnlgKKUIMve0i_0e6SHy6dWslobZqDc2BAAAFQsAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F1460","C:\\www\\images\\atmosphere\\20260618\\image-1781774041791-4-c591ac59.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041791-4-c591ac59.jpg",{"sourceUrl":40,"localPath":41,"publicUrl":42},"https:\u002F\u002F3-im.guokr.com\u002FIxvBckPknxpaI7Al_6WiqTDf25pAPWJ-XrSvoBAwQe7AAwAAOAIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F328","C:\\www\\images\\atmosphere\\20260618\\image-1781774041913-5-1ca2be66.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774041913-5-1ca2be66.jpg",{"sourceUrl":44,"localPath":45,"publicUrl":46},"https:\u002F\u002F3-im.guokr.com\u002Fpyigvfr8E8i7t3mI4AQzZj7-pzphpv_eT0Ax4_8oeaDAAwAAeQIAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F365","C:\\www\\images\\atmosphere\\20260618\\image-1781774042159-6-92408978.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042159-6-92408978.jpg",{"sourceUrl":48,"localPath":49,"publicUrl":50},"https:\u002F\u002F3-im.guokr.com\u002FKX0kGcdDQren2DupwoPmu0F1lUh8xdtfUjodmiIrNAfAAwAAwAMAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F555","C:\\www\\images\\atmosphere\\20260618\\image-1781774042600-7-480b1f0b.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042600-7-480b1f0b.jpg",{"sourceUrl":52,"localPath":53,"publicUrl":54},"https:\u002F\u002F1-im.guokr.com\u002FEucC_s_BMZLRJYT5pdWQ6cfXYEc-aeR7sBT2pqLiKjOAAgAAggEAAEpQ.jpg?imageView2\u002F1\u002Fw\u002F555\u002Fh\u002F334","C:\\www\\images\\atmosphere\\20260618\\image-1781774042689-8-f388da2e.jpg","https:\u002F\u002Ffoxfom.com\u002Fimages\u002Fatmosphere\u002F20260618\u002Fimage-1781774042689-8-f388da2e.jpg","https:\u002F\u002Fwww.guokr.com\u002Farticle\u002F443102\u002F"]