草根影响力新视野 夜未央编译

在科技飞速进展的时代，天气预报的准确度也大幅提升。根据英国皇家气象学会执行长、雷丁大学气象学教授Liz Bentley的说法，如今一天内的预报准确率已超过90%。然而，即便预测能力显著提高，公众对天气预报的信任度却仍显不足。调查机构YouGov的资料显示，英国有多达37%的成年人表示对天气预报“不太信任”或“完全不信任”。

技术提升与期望落差

预报准确度的提升，反而让人们对“精准”的期待变得更高。当人们可以实时用手机控制家电、诊断汽车问题时，自然也希望能在同样精准的条件下得知某地某时是否会下雨。然而，天气预测涉及的是极为复杂且多变的自然系统，并非每一种天气变化都能轻易掌握。

气象预报的基础建构在庞大的数据观测与运算之上。英国气象局（Met Office）透过200多个观测站收集温度、风速等资料，再交由超级电脑进行演算。今年初，气象局更换上云端系统，期望借此提升预测速度与精度，同时加强全球气候研究能力。

预测误差的根本原因：混沌理论

气象学中最大的不确定性来自“混沌系统”的特性。即便初始资料仅有0.01°C的误差，预测结果也可能完全不同。这被称为“蝴蝶效应”，形象地说，一只蝴蝶在巴西扇动翅膀，可能影响六天后的欧洲天气。

此外，越小范围的天气预测越具挑战性。1990年代，气象模型只能追踪约160公里以上的天气系统，而现今英国的模型已能分析约3公里范围的变化。然而，浓雾这类只影响1公里以内的小型天气现象，依然难以掌握。

传递信息的挑战

天气预报不只是科学，也是一门沟通艺术。气象学家需将大量数据浓缩为简洁的预测内容，无论是电视播报还是手机App，都须在有限时间或空间内传达有效信息。这过程中，往往难以呈现预报的不确定性。

现代预报方法之一为“集合预报”（ensemble forecasting），即同时运行多组模型，观察不同参数下的可能变化。如果多数模型趋于一致，预报信心就高；若结果分歧，则表示变量较多。这也是为什么气象App常显示“降雨概率10%”——即降雨可能性极低，但并非完全不会下雨。

图片取自:(示意图123rf)

改善预报沟通方式

为提升民众理解，部分学者主张以“故事线式”的方法呈现天气状况，例如将即将到来的天气与历史事件对照，帮助大众从记忆中创建风险感知。这种方式被视为比单纯数据更易理解与接受。

英国气象局自2015年起开始替风暴命名，亦是为提升预报的感受性与可识别度。虽然有专家认为数据百分比同样重要，例如美国民众对各项天气概率已相当熟悉，长期使用后也能正确理解其意义。

人工智能带来新可能

人工智能（AI）正快速改变天气预报的生态。Google DeepMind的AI模型已能预测15天后的天气，远超传统预测的7天极限。剑桥大学开发的“Aardvark Weather”则是一套完全基于AI的预报系统，不仅运算速度更快，所需资源更少，也能提供更细致的地区预测，对于资源有限的地区如西非具有潜力。

然而，AI模型的局限也逐渐浮现。这些系统多半基于过去资料训练，对“史无前例”的极端天气（如未来可能出现的英国41°C高温）难以应对。开发者也承认这是目前需积极改善的技术挑战。

预报的下一步：影响评估与应用场景

气象学界正朝向“影响导向预报”发展。未来的天气预报不仅会说明是否下雨，更会进一步指出天气对人们日常生活的具体影响，例如建议烤肉聚会改于中午进行，以避开午后降雨风险。

这样的发展符合现代使用者的需求转变。相较於单纯查询气温或降雨，越来越多民众希望理解天气背后的科学原理与长期变化趋势，例如极光的形成原理或气候变迁如何影响冰雹强度。

随著AI推进、数据密度增加，预报信息势必更加实时、更加细致，也更容易造成信息过载。届时，如何有效沟通与筛选对生活有用的天气信息，将成为气象专业不可或缺的一环。

资料来源：https://www.bbc.com