氣象天氣的測量和預測是怎樣進行的？為什麼聽到氣象預測會用到超算，甚至要用雲計算的方式進行大規模計算？

11-29

第一個問題，觀測和測量是如何進行的。問題太大了，太難回答。
來說說為什麼計算量異常巨大吧。

數值天氣預報模式需要通過數值方法求解一組由六個方程組成的大氣運動方程組。業務預報用的模式一般採用這組方程的其他形式，以保證數值計算的一些物理性質。

以歐洲中長期天氣預報中心（ECWMF）的預報模式為例，其採用半拉格朗日半隱式格式，利用譜方法空間離散化進行求解。對於這部分的計算，我們稱為dynamic core。要注意的是，為保證數值結果與實際物理性質相符合，需要使用limiter，這些會增加計算的複雜度。

目前ECMWF的模式解析度為0.25°*0.25° (8號開始預報模式已經達到0.1*0.1度，Set I - Atmospheric Model high resolution 10-day forecast (HRES))，對應的格點間距差不多是16km。如對流，湍流等運動的尺度遠小於16km，模式的動力核心體現不出這種變化，而這些變化也會影響格點上物理量的值。為了解決這個問題，模式還需要加入參數化方案，如對流，邊界層，輻射，雲等等。這部分一般叫物理過程參數化。大部分的物理過程參數化的代碼長度，都要比動力核心的長度要長。除此之外，為了確保預報的準確性。大氣模式還往往和海洋和陸面過程耦合。

我們做一個簡單的計算，一個模式水平方向解析度0.25*0.25度，垂直方向60層。那麼我們就有至少六個（六個變數）個1440*720*60 = 6.22*10^7個數字的矩陣。我不確定EC的業務預報模式用的時間解析度是多少（網站上每5分鐘就有一組數據，不知道是否有插值。今天看到論文說時間步長為10分鐘），但是為了保證模式的穩定性，更高的精確度往往也意味著更短的時間步長。

對於24小時天氣預報，我們至少需要在24小時內讓計算機對一個如此巨大的矩陣（實際上，一小時內就需要運行出24小時的預報），在每一個時次（以5分鐘計，共288次），做出一系列複雜的計算。這顯然對計算機的硬體性能和計算模式本身的代碼質量，並行運算能力提出非常高的要求，需要用到大型機也就不足為奇了。實際上，數值模式的設計一直需要考慮數值方法的精確度和模式的運行效率的平衡。

然而，這仍然不夠。由於大氣是一個混沌系統，由於人類無法獲得完全的大氣狀態，也沒有能夠完全地掌握大氣的所有物理過程，單一模式的預報是遠遠不夠的。

For the medium-range forecasts an ensemble of 52 individual ensemble members are created twice a day.

是的，ECMWF每天還需要做2次集合預報，共需要運算52種不同情況（可能是不同的初始條件，不同的模式或不同的邊界條件）下的預報。

即使這樣，資料同化過程仍然沒有被計算在內。事實上，一些大氣模式如WRF（同樣是SISL方法）是開源的。如果題主感興趣，可以試試看，用ECMWF的精度在自己的電腦上運行一天的預報需要多久。

我們眼中的大氣，除了打雷下雨之外，平時看起來真是風平浪靜波瀾不驚。

但是，就像河裡存在暗涌一樣，大氣無時無刻不在運動變化中。那麼它們哪來的動力東竄西跳呢？這當然要歸功於萬丈光芒無所不「能」的太陽。

陽光普照大地，溫暖的地錶帶給每個大氣分子以活力，分分鐘歡樂大party。不僅自己high，而且還成群結隊地抱團以產生湍流，就像梵高的『星空』里一樣壯觀。

溫度對於單個分子來說是沒有意義的，所以抱團high才能產生溫度。

孤單的時候就和身邊的小夥伴碰撞出火花，發生化學反應。勢單力薄的時候就吸引小水汽來壯大自己。

當然狂歡久了也要歇歇，要是用盡洪荒之力就歇菜了。高處的哥兒們興緻低了慢慢下落，奈何太陽君的能量越來越強，越發溫暖的地表又一次把它們攆回高處，而冷空氣在偏僻角落靜靜地看著遠處的繁華，一有機會趁虛流入。這樣一來一回的較量，風就形成了。

當high到一定的高度，小水汽就開始凝結，從宏觀來看，好大一朵棉花糖狀的雲。

所以，大氣無時無刻都在進行動力、熱力、微物理、化學過程。

回到題目中的問題，為什麼要用到超算？

用到這類工具意味著計算量異常巨大，為什麼？有哪些計算量？需要進行怎樣的運算？

以大家熟悉的預報為例，怎樣得出預報結果？

除了運用理論和經驗對高空和地面形勢作分析進而對未來天氣進行預判，還需要藉助「數值天氣預報」。

說起「數值天氣預報」，大家都聽說過大學競賽里的數學建模吧，一個道理。

上面所說的空氣分子狂歡大party並不是毫無章法無規律可言，科學家們經過千錘百鍊，站在巨人的肩膀上，總結出這些規律，得出六個大氣運動方程組。大氣中的風場、氣壓場、密度場和溫度場的時空變化都可以用這組方程加以描述。放一張方程圖隨意感受一下數學和物理的完美結合虐心版：

是否看出什麼玄機了？頭疼的偏導！這時候就要討論差分。舉一個簡單的差分例子，等差數列： a1，a2，a3……an……，其中an+1= an + d（ n = 1,2,…n ）d為常數，稱為公差，即 d = an+1 -an , 這就是一個差分, 這是一個最簡單形式的差分方程。

方程出來就能精確描述大氣運動了嗎？不，因為這裡包含了理想條件下的情況，就像真空和非真空，光滑和有摩擦一樣。而且在數學上這些方程的解析解極難獲得，所以需要在時間和空間上離散化（比如差分）之後求解，這樣就造成了可解析與不可解析之間的差異。

由於這些過程通常都無法解析，它們需要按照與可解析尺度的相互作用被「參數化」。

什麼是參數化？其實早在初中物理課本上就出現過參數化的例子了，也就是摩擦係數 μ 。把手放在桌面上往前移，可以感受到桌面的粗糙質感（不要告訴我你家桌子超級光滑……）。如何描述顆粒度不均一的表面？引入一個摩擦係數 μ，就代表了整個桌面的粗糙程度。當然，這只是個類比。

為何看似簡單的過程還要用到超算？

很簡單嗎？真的很簡單嗎？

比如，歐洲中期天氣預報中心的預報模式解析度為0.125° x 0.125°（間距約15公里），垂直方向從地面到中間層（地面以上約80公里）91層（假設），使用從數小時到數天的時間窗，這樣就形成一個四維空間。

每一水平層有兩百萬個格點，以10分鐘的時間步長進行10天的預報，即1440個時間步（一天有24小時，1440分鐘，86400秒。自己算吧，筆者腦仁疼）。相應的集合預報有50個集合成員，生成15到30天的預報，有著30到60公里的水平解析度和30分鐘的時間步長。這樣每天兩次，有大約四百億個格點柱的運算在2.5小時內實時運算完畢。這樣龐大的運算量天曉得除了超算設備還能用什麼（掐指一算(⊙o⊙)…）！

對歐洲中期天氣預報中心這樣的數值天氣預報中心來說，可負擔的能源消耗的上限大約是兩千萬伏安。此外，長時間的大矩陣的運算，速度不會一直保持高水平，肯定越來越慢，對硬體也是一種損耗和考驗。

但是有些運動尺度小於15公里（如對流，湍流），模式的動力核心體現不出這種變化，而這些變化也會影響格點上物理量的值。怎麼辦？引入參數化方案。大部分的物理過程參數化的代碼長度，都要比動力核心的長度要長。

不知道過去，怎麼預測未來。所以，模擬過程中初始條件的設定是至關重要的啦。

什麼是初始條件？簡單說就是觀測數據。

衛星、船舶、雷達、無人機……平時看起來簡簡單單的預報要動用這麼多設備，不僅觀測溫濕風氣壓能見度這些常規數據，還要觀測雲頂狀況、臭氧、太陽輻射、海表溫度等等。衛星和雷達這兩類儀器每天都能產生一千億位元組數量級的數據，這些數據需要在幾個小時內下行、預處理並分發以供預報系統使用。當然，這還只是初始化而已。

這麼多設備輸出的資料如何統一？而且觀測站並不是嚴格的分布在格點上（比如中國的站點就是東多西少），這時候就需要資料同化來計算以獲得格點上的近似氣象資料。

什麼是資料同化？通俗來說就是把不同來源的數據通過一系列的處理、調整，最終能夠綜合進行運用的一個過程。

比如西藏的觀測站點少，要想知道西藏在均勻格點上的溫度分布情況，該如何？最先想到的是插值。插值就是在離散數據的基礎上補插連續函數，使這條連續曲線通過全部給定的離散數據點。利用它可通過函數在有限個點處的取值狀況，估算出函數在其他點處的近似值。

在歐洲中期天氣預報中心，資料同化在多個階段中進行模式積分，總計要在12小時的同化時間窗內對6億5千萬的格點進行數百次迭代運算。與此同時，還有大約1千萬個輻射運算將超過60個儀器的衛星觀測數據和預報模式加以比較。

隨著演變時間的推移，數據的計算量呈指數增長，但是其準確率是下降的。就像「蝴蝶效應」一樣，在初始條件中加一個微小擾動，就會帶來完全不同的結果。

預報未來的天氣就像是一個戰場，可預報之力與不可預報之力兩軍對壘。

可預報性的根源在於大氣、陸面、植被、海冰和海面的相互作用等。

不可預報性的根源包括小尺度里不穩定性引入的混沌的「噪音」等（遇到「混沌理論」……有些事情真是太複雜）。

偏微分方程+浮點數計算+水平方向n個格點+垂直方向n層+時間步長限制+參數化方案+…… 超算已經累倒在路上，寶寶心裡苦……計算還要考慮到時效性問題，今天剛剛算出來結果可是太陽已經下山了，黃花菜都涼了，誰看？

來看看耗時又耗巨大資源的傢伙到底長啥樣：

沒錯，就是它：

未來還是光明的，比如上面提到的水平解析度是15公里，要是達到1公里呢？有著此等解析度，捨我其誰，模擬效果將大大提高。

最後給大家開個腦洞，設想在不久的將來你的手機變成一台可以用來監測氣象要素的設備，那麼觀測網就能變成了高密度的了，雖然精度可能不足但是採樣率大大提高。每個人都是一個小小監測儀，這數據覆蓋率，嘖嘖嘖，猴賽雷。

不請自來啦~~~

答主學氣象的，上大學的時候一到什麼詩歌朗誦啊什麼的，就肯定有一個詞反覆出現「觀雲測天識天氣」。這其實就是對氣象觀測工作的一個比較有文藝范同時也很有代表性的詞。回想起大學時候學的大氣探測啊，儀器校驗，天氣現象識別啥，還是蠻有意思的！

氣象觀測的手段還是蠻多的，答主在這裡就簡單介紹一下：

1、基本天氣要素的觀測：

這裡當然就少不了最熟悉的觀測站啦~~

上圖就是一個觀測站的照片嘍，看似比較簡單，但是裡邊的講究還真不少，有非常多的儀器，測風的、測溫的、測濕度的、測雨量的，有一些觀測站還有一些更高級的設備，比如測量太陽輻照度的什麼的設備。觀測站里的設備，不同的站也有所不同，但是最基本的溫、壓、濕、風、降水量都是有的。這裡順便說一句，雖然觀測天氣要素的設備很多，但是沒有一個可以自動識別「天氣現象」的，目前的天氣現象只能靠人工識別，因為很多時候天氣現象比較複雜，不好辨認。中國氣象局通過各種監測手段進行繁衍、配合人工觀測進行訂正和校驗，才會給出比較客觀的天氣現象的相關內容。（目前市面上，所謂的天氣軟體和網站很多都在使用一些「三無」的天氣現象數據，答主這裡深深鄙視一下（嘔吐狀））

另外，除了這些觀測場，身邊還有很多「自動氣象站」，是一些簡易的「觀測場」，裡邊的設備種類較少，一般只能觀測溫度、相對濕度、氣壓、風向風速、降水量之類的簡單要素。雖然功能少，但是數量龐大，全國有幾萬個自動站，24*365小時地為我們觀測著身邊的天氣狀況，致我們無聲的朋友！但是。。。可是。。。可但是。。。他們有時也不太靠譜，常常把氣象工作人員搞的很無奈。

這裡舉個例子，具體是哪就不說啦，聽朋友講某地一個觀測站常年降水量異常，總是下雨下雨下雨下雨，並且還是間斷性的，很有規律，然後就派人去查看了一下，結果，那個自動站建在公園裡了，旁邊裝了個自動噴洒澆灌的設備，每天定時開啟，水噴過來直接進到雨量筒里了，就是為啥總下雨了！

喏，這個就是自動氣象站嘍！

2、高端觀測方法：

（1）雷達：一說到雷達，腦子裡就浮現出戰爭片的畫面，兵哥坐在指揮中心盯著屏幕跟上級說：報告首長，XX公里外發現敵機XX架，我們基本可以GG了! （額。。。太入戲，我跑題了）。在觀測天氣的時候，也會用到雷達，但不是軍用雷達，是天氣雷達（多普勒雷達）。長這樣：

求你們，下次看到圓球的時候，千萬別在把它再當成天文台的觀測望遠鏡了啊，雷達寶寶心裡苦！

多普勒雷達通過向大氣中發射電磁脈衝，再接收反射回來的脈衝來判斷空氣中的反射率因子（翻譯成普通話就是，判斷空氣中的水、其他物質含量，跟降水相關的就是水嘍）數量和大小。當然，雷達不光能夠測大氣中有多少水，還可以測出很多東西來，比如徑向速度呀、譜寬啊神馬的。還有一些其他類型的雷達，比如測風雷達，可以測量大氣中的風向風速。當然，我個人認為雷達最重要的用處還是對於降水的監測，尤其是一些強對流的放生髮展，其他監測手段都沒法觀測如雷達那樣穩准狠地把「強降水」這個頑皮的小朋友揪出來！

總之，多普勒雷達也是用來監測天氣的重要手段之一。檢測出來的效果長這樣：

（2）氣象衛星：

衛星，另外一個重要的氣象監測手段。感覺10年前衛星還是一個很高端大氣上檔次的東西，遙不可及，但是如今GPS、北斗、衛星電話、衛星電視等一系列與衛星相關的事物都已經走入千家萬戶了。衛星觀測氣象，其實已經存在了很久很久了，作為地球大氣運動的「旁觀者」，衛星對大氣的觀測擁有著「上帝視角」。

氣象衛星攜帶著各種氣象遙感裝置，接收和測量地球及其大氣層的可見光、紅外和微波輻射，並將其轉換成電信號傳送給地面站。通過遙感的方式，衛星可以觀測到的數據可真不少，雲量、地面植被、衛星雲導風、水汽含量、雪蓋等，都是非常重要的氣象要素。目前，我國使用的主要氣象衛星數據都來自「風雲」氣象衛星，其中，風雲一、二、三號均已上天，風雲四號衛星正在研發中。

風雲衛星長這樣：（這一隻是風雲一號）

3、其他方法：

上述的氣象觀測方法，都是大家接觸的比較多的氣象觀測方法。除了這些之外，還有一些其他的方法，比如飛機報：將氣象探測設備安裝在飛機上，飛機在運行中動態的地進行觀測。

觀測手段暫時就說這些吧，都是一些比較常見的方式方法，歡迎各位大神來補充呦！

下面來回答一下題主第二個問題，為什麼要用超算，或者雲計算來計算？

這裡要稍微普及一下天氣預報是怎麼做出來的：氣象預報人員首先要對目前正在發生的天氣進行形勢分析，分析高空+地面的形勢，分析的過程還是蠻複雜的，要將理論和經驗結合起來，對其所關注的位置進行未來天氣的預判。另外，還要藉助一個非常重要、有用的工具：「數值天氣預報」，來進行參考。這個「數值天氣預報」就是超級計算機計算出來的。

那麼，什麼叫做數值天氣預報呢？從大家的回答中，可以看出行家還是蠻多的嘛，把大氣的幾個基本方程都放上來了，答主在這裡給你們點個贊！嘿嘿！那我就用通俗易懂的方式來給大家解釋一下啥叫數值天氣預報：

大氣運動並非無規律可言，無論是動力過程、熱力過程、微物理過程、化學過程都是有規律可循的，科學家們把這些規律經過千百次的錘鍊總結出來，並用數學公式的方式展現出來，也就是把大氣建了一個數學模型，這個模型中都是數學方程。這樣，我們就可以用數學的方法來模擬大氣的運行了~ 當我們知道大氣的現狀，和「強迫」大氣運動的相關條件的時候，通過數學模型，就可以模擬大氣未來的運動軌跡：

就醬，數值預報就來嘍！

那，這個為啥要用到超算嘞？看起來蠻簡單的嘛！

是的，這看起來是蠻簡單的，但是就這一個簡單的事物，耗盡了幾代氣象人的青春。。。數值模式是一個非常非常複雜的東西：

首先，所有的方程都是偏微分方程，計算機最不好計算的方程。。。

其次，全部都是浮點數計算，計算機最不喜歡的數值類型。。。

再其次，格點化計算，如果單純幾個點計算一下未來的變化還好，但是一算就是成千上萬個點，水平方向上N多點，垂直方向上還要分N層。其他答友也拿歐洲中心的集合數值預報做了例子，看看那是一個多麼恐怖的數量級。

再再其次，計算時間步長限制，使用數值的方法進行模擬，並不是說，從今天一下子就能算到明天，而是經過一小段時間一小段地一點向前計算，每算一小段，都要把所有的格點都計算一遍。

再再再其次，預報的時效性問題，當我們使用計算機進行計算的時候，需要考慮到時效的問題，因為是預報，所以發出來的時間必須比真實時間要靠前。而巨大的計算量又非常耗時，所以需要非常大的計算資源。

再再再再其次，答主已經說不下去了，淚水沾濕了衣襟?_?

總結一下，之所以要用到超算，就是因為用數值的方式來模擬大氣運動，計算量非常非常非常非常的大！給你們看一下歐洲中心的超算長啥樣：

哈哈哈哈！有的朋友可能以為，超級計算機一定有個特別大的臉，老大老大了，其實並不是，它的身體很大，上圖中，是超算的機櫃，裡邊插著一個個「刀片」掛載著無數個硬碟、內存條、CPU，進行著高負荷地並行計算，從而來滿足數值天氣預報的超大計算量。

這裡，順便提一下雲計算！在這方面，我了解的並不是很多，只是根據自己的所見所聞談一談見解，各位大神請別拍磚，說的不好請指正！現在的阿里雲啊、騰訊雲啊、百度雲啊、亞馬遜啊每天炒得熱火朝天，感覺所有的跟互聯網、跟計算有關係的東西都要用雲計算，不用雲計算就多麼多麼low。但是，答主並不這樣認為。個人認為，雲主機的特點並不是超強的計算能力，而是它的可延展性以及提供網路服務的便利性。應對現在網路環境的高並發量，雲計算是最有利的手段，但是應對數值模擬的超大計算量，雲計算並不好使！再好的虛機，也無法提供超算的穩定性和物理聯通的數據交換速度。想想超算核心交換機動輒百萬千萬的價值，雲主機就會黯然神傷了。所以，把數值模擬拿到雲主機上玩玩也就算了，如果想用他們做預報，做業務的話，還是得上超算！還有一個原因，雲主機，貴啊！（摳門臉）

好啦，就先說到這啦~希望能夠解決題主的疑問！

歡迎各位大神提出寶貴建議，小弟先謝謝啦！（作揖）

您問了好幾本書。。

我只想說，其實超算什麼的是雲計算的祖宗，……，雲計算這個詞其實是銷售拿來忽悠的，……

這個問題很很精彩，我們所處的這個世界有太多需要我們去探尋的知識。天氣數值預報是數學、物理學、大氣科學以及計算機科學的完美結合。而要想天氣預報更加精細準確，還需要海量的觀測數據，豐富的預報經驗，超級性能的巨型計算機。這背後比拼的不是預報本身，而是一個國家的綜合實力。據我所知，有一款氣象APP(注意:不是天氣APP)，名為"新宏氣象"，專註於氣象預報業務，有興趣的同學可以到各大商店下載看看。有一些讓人驚喜的黑科技啊。

這個問題太大了，一篇文章基本上說不清楚。

推薦讀一下《大氣模式、資料同化和可預報性》，Eugenia Kalnay寫的。不做這塊好久了，新進展不是特別清楚，但基本的了解可以從這本書得到。

也許作者想要一個詳細的計算量究竟多大的結果，這個我能力是做不到啦，坐等大神。我還只是學生界的小蝦米0.0寫個通俗易懂的回答，難免有很多疏漏望批評指正。—————————————————————
看到樓上這麼專業的回答我就可以放心的來中學生科普類的回答了。
1、天氣的測量，相信大家對氣象站和民用雷達這兩個詞並不陌生，氣象測量主要就是通過這兩種地方來測量大氣層的溫、壓、濕、風，發送測量結果的時間間隔因測站類型不同而異，長的間隔6h一次，短的每幾分鐘一次（對不起，具體幾分鐘我忘了）
2、大規模計算，你知道世界上第一台計算機為的是算什麼嗎——是天氣。那次計算是數值預報的一次歷史性發展的時刻（我這麼認為）。
計算的第一步：格點化，就像這樣（垂直向從地面到對流層頂一般分11層，水平向切成網格，格距看很多因素盡量小）

然後就會得到好多好多格點
第二步：資料同化，因為觀測站們並不嚴格的分布在格點上，而且沒有那麼多站和時次的資料，這時候你需要【資料同化】來計算獲得格點上的近似氣象資料
第三步：計算，這裡放一下上世紀用的方程（隨意感受）

計算每個格點大氣個參數的變化預測。看到方程中的偏導項了嗎，這時候就要討論差分，差分方法很多因模式而異不贅述（我也不知道怎麼講啊，摔）但是這一步就是數值預報裡面計算量最大的一步，需要用到強大的計算功能。
最後舉個小例子吧，上學時我們做實習，用筆記本電腦計算過單時次一層大氣的格距10度的數據，軟體是fortran（雖然被潮流淘汰了快30年，計算能力真的很棒！），這個實習玩崩潰了好幾台小電腦呢(～￣▽￣)～幸災樂禍ing，然而這計算量恐怕只到數值預報一個時次的一個層次的千分之一，這麼說形象不。

咱們場論老師說了，你們學了場論，學了地震學之後，看到天氣預報沒有預報準的時候，不要瞧不起人家，人家那一套計算方法和咱么原理差不多，都是反演，很多情況下約束條件不夠，就會出現很多的超靜定解。只不過人家反演天上的（不過我覺得人家有氣象衛星，得到的很多數據還是很靠譜的，不象我們，只有那幾種方法，還都是在地上折騰的），咱們地震學也是，反演到地下，條件不夠的時候，就會出現很多反演不正確的情況。

偏一個題，深受大家喜愛的wrf不再更新了，在其走下歷史舞台之際，安利一下代替它的新模式--MPAS

從全球到區域包圓了，心疼做同化的。

天氣的觀測主要通過觀測站，氣象衛星，雷達，探空氣球等手段，測量各層的氣象要素，例如氣溫，氣壓之類，然後根據這些氣象要素對天氣形勢進行分析，以及預測。
由於觀測能力的限制，例如我國僅有748個氣象觀測站，這使得觀測數據粗糙，對大尺度天氣有很好的反映，但對小尺度的天氣形勢分析不精確，所以在天氣計算中需要降尺度。所以計算過程中，需要將天氣的初始場以及各個時間段的要素場疊加到計算中，還需要差值等計算方法，過程複雜，計算量大，所以需要用到雲計算等方法，才能夠更快更精確的對天氣變化進行合理預報。

讓人惱火的是，用超算算了一天的方程給出的預報不如用人工天氣圖10分鐘預測來的准。這可能嗎？真有可能。

基層台站，觀測的話是人工和器測結合。觀測員二十四小時整點值班觀測，一般雲的量狀高、能見度、特殊天氣現象這比較主觀的要素還是目測為主，風向風速、溫度，氣壓、大氣靜電場等要素主要是儀器測量，當然現在有些主觀要素也開始有了些器測的，但其精準度還是不好判別，所以一般只是作為參考。
另外一般台站還開設有高空探測，主要通過放氣球（氣球下方攜帶著各種感測器），來探測不同高度的溫壓濕。把這些台站的這些探測信息彙集起來，這就是天氣圖的基礎。

如上是天氣圖的一部分

此外還有探測，信息是通過雷達掃描得到的，一般是主要對測雨雷達和測風雷達。
還有接收風雲衛星發回的衛星雲圖。
這差不多就是觀測探測。

預報的話太大了，實際工作過程中預報員要結合實際情況分析很多的天氣資料。
從最常用的天氣圖，到多種多樣的數值預報產品，要自己總結經驗。如果不同產品之間存在差異還要做出取捨。
上面題目中所說的超算一般就是運用在數值預報產品中。
簡單來說，你可以把一個數值預報產品看成是一個計算公式，你所要輸入的是當前整個氣候區域（一般就是全球）的溫壓濕風等數據變數，它通過模擬計算來得出未來近期的這類變數的變化趨勢，通過對這些要素的結合分析，再來得出天氣的變化情況。
由於計算公式變數太多，隨演變時間推移其數據的計算量更是指數增長（歐洲網格預報時限都是240h），其準確率也是隨著時間推移而無法避免的下降的。所以要用到超腦也就不奇怪了。超腦承接的運算業務中，氣象是佔了很大一塊的。

預報猿壓力好大的好哇，報錯了要被罵，還成天為墨跡背鍋（墨跡裡面蠢萌蠢萌的預報真的不關我的事啊）
報對了還覺得自己在泄露天機，肯定會中年禿頂，英年早逝。

以上，學校上課都是睡過來的，上面說的不對的也請溫柔指正，請不要傷害原來的學渣，現在的預報猿，謝謝。

計算一下：
1. 一個氣象數據，假設 float 類型，就是 4 bytes數據大小。那麼每次模型給出的天氣變數有多少呢？基本的有這麼幾項：氣溫，降水量，南北向風速，東西向風速，氣壓。當然還有其它複雜變數，有的是從基礎變數計算得出，但是每個模型都不一樣，暫時不管。目前數據大小是：

4*5 = 20 bytes

2. 每個模型有在垂直方向上的分層，最新模型一般能給出30層了。目前數據大小變成：

20*30 = 600 bytes

3. 水平解析度每個模型有差異，現在最新的能做到0.1x0.1，一般還是0.25x0.25，按照解析度低的吧，那麼數據大小就是：

600*1440*720 = 622080000 bytes

4. 一天有24小時，1440分鐘，86400秒。那麼最終得出按照小時的時間解析度全球天氣預報需要的數據量：

622080000*24 = 約等於 1.5G
按照分鐘的時間解析度：90G
基本沒按照秒算的預報吧，可能以後有龍捲風之類的模型。

5. 光是結果數據就有這麼大，那麼計算這麼大數據量，計算機要算多久呢？那當然就要看具體的超計算機的運行速度了，比如用我們學校的超級計算機運行，一般以小時為單位計算。主要原理就是解一個方程組，具體不說了，總之手解是不可能的。所以用家用的電腦進行如此大量的計算，時間上就耗費不起，天氣預報至少24小時內要出一個結果吧。此外，長時間的大矩陣的運算，速度不會一直保持高水平，肯定越來越慢，對硬體也是一種損耗和考驗。

7. 以上數據按照最低標準來算的，現在很多模型在水平解析度上有更高的追求，比如提到過的0.1x0.1，那就是3600x1800的格點數，請自行計算數據大小。

8. 這些數據還需要後期處理，要根據各地需求提供不同的變數，這也需要時間。

至於雲計算，可以理解為分散式的超級計算，對模型本身的複雜程度沒有什麼影響，也是為了適應對預報的速度和準確性進行的變化。

嗯，大概就這些，還有啥以後想到再說。
如有錯誤請糾正，謝謝！

強解PDE

觀測主要靠氣象站哥遙感，這裡氣象站和遙感都是包括地面的，水上的，天上的等。空間解析度也有差異，項目也有差異，除了溫壓濕風，還有雲，各個波段的輻射等等等等，這個問題太大了。
至於計算，現在早就過了分析預報的年代了，主要靠數值預報，一般做法就是把地面分成一個一個網格，有的是九公里的正方形，也有三公里的，通過數值模擬的方式預報。說到數值模式這也是一個太大的問題，各個地方有不同的，也有各自的優劣，你只要知道九公里的小正方形格子全國可以鋪很多很多個，每一個都要計算，這個計算量一般計算機肯定是承受不了的。

來這兒的好多校友吧？龍王山下！