一款App说周六降雨概率20%,另一款说60%。这个差距本身并不能证明谁错了。不同的初始估计和预报选择,可能得出不同但都合理的结果,预报时间越远越是如此。
小小的起始差异会不断放大
1961年,爱德华·洛伦茨重新运行一次天气模拟时,用了打印输出上的0.506,而不是存储的0.506127。这个差别约为四千分之一。在模拟的两个月里,两次运行逐渐走向截然不同的天气。
这说明了对初始条件的敏感性。预报从对大气的估计开始,而这种估计来自并不完整的观测。探空气球、浮标和卫星测量之间都有空白,所以起始画面永远不可能精确。
随着误差增长,可信度通常会下降。NOAA给出过一条粗略的科普经验:五天预报准确率约90%,十天及以上约为一半。NOAA在那里并未定义单一的验证指标,所以这些数字既不是对你所在城镇的保证,也不是对某款App的评分。
不同的App可能共用数据,也可能做出不同选择
天气数据提供商要在模型、如何填补观测空白以及如何调校本地预报上做出选择。设计不同的两款App可能使用同一家提供商;不同的两家提供商,对同一地点也可能给出不同的答案。
因此,只比较界面几乎看不出它们的预报有多独立。把两个相同的数字当作各自独立的证据之前,先弄清背后的来源。
弄清“降雨概率”是什么意思
对美国国家气象局来说,降水概率是预报点至少收到0.01英寸降雨的概率。40%并不表示一天中有40%的时间在下雨。
这一NWS定义并不适用于所有提供商。比较百分比时,要保持地点和预报时段一致,也不要把概率理解成时长。
不一致本身就是信息
预报员用集合预报来探索不确定性:进行多次运行,每次的起始条件略有不同。ECMWF的集合预报有一个控制成员和五十个扰动成员。离散度小,说明对结果的看法更一致;离散度大,说明还有更多可能性。
比较两家提供商只是对这一思路的小小类比,并不是经过校准的集合预报。在示意性的周六例子中,20%对60%是一个理由:留一个备用方案,临近当天再看一次。一致可以增加信心,但两个预报也可能一起出错。
要点
下次可以这样核对:
- 弄清每款App背后的数据提供商。
- 比较同一地点、同一时段、同一数值。
- 预报不一致时先留有余地,临近时再查看一次。