作者：钱维宏，北京大学物理学院

2025年7月下旬至8月初，我国华北地区遭遇了近年来罕见的极端暴雨事件，此次过程以持续时间长、降雨强度大、致灾性突出为显著特征，对北京、河北、内蒙古等地造成严重影响。7月23日至29日，河北易县累计降雨量达605.8毫米，北京密云郎房峪达573.5毫米，占当地常年降雨量的92%。针对这次我国北方出现的极端暴雨事件，传统天气图与扰动天气图开展了一场方法论的对话。

本图片由图虫创意提供，仅供于科普中国平台使用

传统天气图：嗨，我是传统天气图，已经在气象预报领域辛勤工作很多年了。我的工作主要是通过分析大气中的各种要素，比如气压、温度、湿度、风向和风速等，来预测天气变化。对于一般的天气，像常见的风雨、冷暖变化等，我都能给出比较可靠的预报。我的经验和方法已被广泛认可和应用，几乎天天在为气象预报作出贡献。

扰动天气图：你好呀，传统天气图！我叫扰动天气图，虽然诞生时间比你晚，但我专注于分析大气中的“小扰动”。对于极端天气，比如暴雨、冰雹、龙卷风等，我有自己独特的优势。我能够更精准地捕捉这些极端天气的细节特征，帮助预报员更好地预测它们的发生位置、强度和时间。

传统天气图：说到诞生，我的历史可悠久了。1854年11月14日，巴黎天文台台长勒维烈为研究克里米亚战争中的一场黑海风暴，把同一时间各地的气象情报填在一张图上，制成了世界上第一张天气图。我就是因那次气象灾害而诞生的，至今已有170多年历史了。那你呢？

扰动天气图：我算是你的“小弟弟”啦。我是2008年1月中国南方发生雨雪冰冻天气后诞生的，当时北京大学的研究团队为更好地预报极端天气，开发出了我。2011年1月初，我就开始派上用场[1]。当时国务院询问中央气象台会不会再出现2008年1月那样的雨雪冰冻天气(四次连续强雨雪过程)，一位博士生利用欧洲中期天气预报模式产品绘制了我，成功解读出了当月有三次较弱的雨雪冰冻天气过程。我们诞生的使命都是为了更好地预报灾害性天气，帮助相关部门未雨绸缪。

传统天气图：我知道你擅长分析小尺度的扰动，但我通过分析大尺度的天气系统，比如高压、低压、两个气团之间的锋面等，也能对天气变化有个大致判断。很多情况下，这些大尺度系统的变化确实能反映出极端天气的征兆。比如，当一个强大的高压系统长时间稳定在一个地区时，可能会导致高温天气；而当冷暖气团剧烈交汇时，就可能引发降水天气。

扰动天气图：你说得没错，大尺度系统确实很重要，但极端天气往往由一些小尺度的扰动引发。在传统天气图上，暴雨带的位置很难精确判断，如暴雨带位于低空急流的左侧和低压槽的右侧。而在大气低层扰动天气图上，暴雨带位于扰动气流对峙的辐合线上，位于扰动冷暖气团的交界线上，位于扰动湿度最大的轴线上，位于扰动气压的槽线上。冷暖气团交界线也是强降水“列车效应”出现的地方。对于一些突发性强对流天气，如龙卷风和冰雹，它们的形成往往与低层大气中小尺度扰动气流的碰撞有关，而这些扰动系统在传统天气图上难以被察觉。

传统天气图：我使用的术语，比如刚刚过去的7月下旬“北京极端暴雨是因为副热带高压（简称为副高）偏强和偏北”之类的说法。那你呢？

扰动天气图：哈哈，你的术语是传统天气学上的经典，副高偏强和偏北反映的正是在常规高压上又叠加了小尺度的异常高压，而把引发极端暴雨的小尺度扰动低压系统推向了更北的位置，出现在了北京和河北北部。常规的副热带高压空间尺度达上千公里，而真正引发极端暴雨的一对扰动高压和扰动低压天气系统才几十公里到上百公里。

传统天气图：我们用大气中层的如500百帕层上的风作为引导气流预报台风路径都有较高的准确性，但不清楚那些台风异常路径产生的原因。

扰动天气图：在扰动天气图上，这些原因就非常清楚了。台风发生异常路径移动肯定它与邻近的其他扰动系统发生相互作用了，如扰动高压会阻挡它的移动，或其他低压扰动与它发生逆时针打转，甚至合并。

传统天气图：对于热浪和低温，我一般也是从中层大气的水平方向上能够看出一些温度和位势高度的波动分布，虽然相对平缓，但也能大致判断出一些趋势。

扰动天气图：在传统天气图上，热浪和低温中心的指示能力确实有限。对应地面热浪，在我的图上呈现出一套整层大气中的扰动系统结构：中层正气压扰动的上方是负温度扰动，下方是更暖的正温度扰动并延伸到地面。同样，地面低温区上空大气变量的垂直分布结构与热浪的完全相反，这就不用多说了。

传统天气图：那对于极端天气的定位能力，你是不是更强一些？

扰动天气图：没错！自从我诞生后，已成功应用于国内外各种极端天气的诊断和模式预报产品的分析，包括龙卷风、冰雹、暴雨、雨雪冰冻、热浪、低温、雾和霾、沙尘暴、山火，以及台风（飓风）的突然增强和异常路径等。我的使命就是帮助预报员更精准地定位极端天气的发生位置，从而更好地为公众提供预警信息。

传统天气图：听说美国气象局也在用标准化扰动天气图[2]，和你的有什么区别吗？

扰动天气图：美国气象部门的标准化扰动天气图是用当时相对气候平均的扰动值，除以它历史扰动的均方差来计算和表达的，而我直接用了扰动值。为比较两种扰动变量图，北京大学团队邀请了美国气象部门的两位专家一起，对2012年7月21日发生在北京的特大暴雨做了对比[3]。结果发现标准化扰动图的大值信号，如水汽标准化异常中心出现在中层大气中。实际上，近地面低层大气中的水汽扰动量才是导致极端降水产生的关键因素。

传统天气图：那你的方法是不是把我的“外衣”脱去了，让扰动分量显露出来，对应极端天气？

扰动天气图：没错！我们把这种方法称为大气变量的物理分解扰动法[4,5]。极端天气其实是扰动能量缓慢积累到一个时刻快速释放的结果，由扰动温度内能、扰动压力能、扰动水汽潜热能和扰动风动能组成。你的传统天气图中包含了数值较大的、随季节和空间变化的物理气候分量和扰动分量。物理气候分量是一个空间点上，太阳从上部辐射强迫大气与下垫面动力和热力达到平衡时的物理状态，具有每天24小时的日循环变化和每年365天的季节循环变化，这个分量不需要预报。要预报的扰动降水才与大气扰动变量对应。把扰动变量诊断和预报出来了，扰动降水才能确定。

传统天气图：政府和公众需要的是总降水量和总温度的预报，我们用总变量预报它们不是很正常的吗？那为什么总降水量预报会出现偏差呢？

扰动天气图：关键在于预报员凭肉眼看传统天气图难以准确识别出扰动变量信号的强度、位置和时间。合理的做法是，用扰动变量预报出扰动降水量，再加上气候降水量，就等于总降水量预报了。这是一个具有物理意义的简单加法运算。预报员一辈子看传统天气图会积累一些经验，但这些经验只能会意，不能言传给他人和后人。而扰动法是把你的外套或者说“袈裟”脱去了，让扰动分量及其空间分布的结构显露出来，这样预报员就能更清晰地看到极端天气的信号了。

传统天气图：现在都进入人工智能（AI）时代了，那我让AI从总变量大数据出发，预报未来的总变量，现在的气象大模型技巧不是已经超越数值模式预报了吗？

扰动天气图：你知道吗？气象AI大模型做了一件大家都不清楚的事，它根据历史气象变量大数据中的数据结构预先学习到了物理气候分量。而数值模式是从一个观测的初始变量出发，做时空物理变量的积分，会出现计算误差扰动，这种扰动与极端天气扰动无关。当这样的计算误差扰动积累到第6-7天就超过了真正的极端天气扰动，我们称之为原始方程模式的一周预报障碍[6]。

传统天气图：那数值模式对极端降水的预报能力为什么很难超过一天呢？

扰动天气图：降水是低层大气扰动湿气流碰撞产生的新物态。现在数值模式能够把未来几天的总场变量预报准确，但对极端降水的预报能力有限，原因是降水不是对应大气中的垂直速度，而是垂直加速度，称为“上拽力”[7]。我们对数值模式预报产品进行后处理，分解开物理气候变量，留下的扰动变量空间分布结构就能框定极端天气的位置和时间了。

传统天气图：那你的方法能检验欧洲中期天气预报模式和其他模式的预报能力吗？

扰动天气图：当然可以！先把历史观测大气总变量分解出扰动分量，得到扰动系统，对应为不同种类、强度、位置和时间段的极端天气。再用模式产品得到预报的扰动变量，检查模式预报的扰动变量与实况扰动变量的差异。这种差异会随时间增大，几天后差异太大，就不能指示极端天气出现的位置、强度和时段了，这段时间就是模式的预报能力。

传统天气图：那你有没有成功预报极端降水的例子呢？

扰动天气图：有的！2016年7月9日，欧洲模式预报产品的低层大气扰动风环流系统中有两个异常扰动湿涡旋中心，预计在11日下午到达南通附近并打转。依照这个信息，我们通报给南通气象台11日下午将会出现超历史的强降水。结果11日下午4-5时，南通两个小时内先后下了82.2毫米和151.2毫米的特大暴雨，造成了城市内涝。

传统天气图：看来扰动法确实有效！那你为什么还没有被广泛应用呢？

扰动天气图：其实我也在努力推广，我的分解系统已经在一些气象台安装过，也得到了不少预报员的认可。不过，气象预报员们已经习惯了使用传统天气图，就像他们熟悉的母语一样，对它的使用已经驾轻就熟。而我的出现，相当于引入了一种全新的“语言”系统，需要预报员们花时间和精力去学习和适应。

传统天气图：那我们是不是可以相互配合呢？毕竟大尺度的背景形势还是很重要的，有了我的基础分析，再加上你的扰动细节，说不定能更好地预报极端天气。

扰动天气图：你说得很有道理！我们各有优势，你提供宏观的天气背景，我挖掘小尺度的扰动信息。我相信如果两者结合，一定能为气象预报作出更大的贡献，帮助人们更好地应对极端天气。我虽然年轻，但也在不断学习和进步。你和我就像中英文两种语言系统，大家在大学里和日常会商中多用的是你的语言和天气图，再加上过几年公司在气象台的业务平台上做改造又把我搞丢了。你是久经考验的老兵，我还是一个新战士，还需要更多次的战场磨炼，希望能有这样的机会。

传统天气图：入门不在早晚，能者则上。我也很欢迎你加入我们的气象预报大家庭！不过，业务预报平台上显示的数值模式产品传统天气图已经很多了，现在又加上了很多AI大数据模型的产品，预报员们看起来都有点应接不暇了。

扰动天气图：希望帮助气象台制作业务平台的公司能把模式产品和模型产品都做出扰动变量和扰动物理量图形来，显示给包括省市县的全国预报员，他们是有能力使用的。

传统天气图：看来你很有信心！我真诚地欢迎你加入我们的气象预报团队，更好地合作，为公众提供更精准的天气预报。毕竟，我们的目标都是为了让大家的生活更安全、更便利。

扰动天气图：没错！我也期待着和你一起努力，让气象预报更上一层楼。希望有一天，我能成为气象预报中不可或缺的两种方法，让预报员打开传统天气图屏幕的同时也打开扰动天气图屏幕，和你一起守护大家的安全。我也非常期待与你携手合作，共同推动气象预报技术的发展和进步。

参考文献

[1]钱维宏(2012)中期-延伸其天气预报原理。科学出版社，410pp.

[2]GrahamRA,GrummRH(2010)Utilizingnormalizedanomaliestoassesssynoptic-scaleweathereventsintheWesternUnitedStates.WeatherForecast25(2):428–445.

[3]JiangN,QianWH,DuJ,GrummRH,FuJL(2016)AcomprehensiveapproachfromtherawandnormalizedanomaliestotheanalysisandpredictionoftheBeijingextremerainfallonJuly21,2012.NatHazards84:1551–1567.

[4]QianWH(2017)TemporalClimatologyandAnomalousWeatherAnalysis.SpringerAtmosphericSciences,687pp.
[5]QianWH,DuJ,AiY(2021)Areview:Anomaly-basedversusfull-field-basedweatheranalysisandforecasting.BullAmMeteorolSoc102(4):E849–E870.

[6]QianWH,DuJ,AiY,LeungJ,LiuYZ,XuJJ(2024)Anomaly-basedvariablemodels:Examplesofunusualtrackandextremeprecipitationoftropical
cyclones.Meteorology3:243–261.

[7]QianWH(2025)Expandingforceinastronomyandupdraftforceinmeteorology.JModernPhysics16,267-285.

来源: 钱维宏