天气预报最好用吗？
不吹不黑，目前全球气象预测领域里，我国的研究员们确实是最顶级的。这里说一个细节你们可能不知道，每年各大气象机构发布年终总结的时候都会提到这么一条信息： 「XX年共发布了XXX条天气预警」。
什么叫天气预警呢？ 这是美国NOAA国家海洋大气局发布的2015年的预警记录，全年一共发布了47386条各类天气警示信息(当然这并不包括他们发布的气象新闻和分析文章)。 那什么是气象警报？按照我国的规定，当可能发生或者已经发生危及公众生命财产安全、影响人民群众生命财产安全和社会稳定的事件时，气象部门可以按照国家有关规定发布预警信息。
简单说就是如果某个地区要在未来一段时间遭遇极端灾害性天气的概率达到或超过某临界值，并且已经威胁到人民群众的生命财产安全，气象部门有权提前向该地民众发布紧急预警。 而我国气象工作者在预报精准度上的孜孜以求也获得了可喜的成果——2015年中国气象局发布的《中国气候变化蓝皮书》显示，与上世纪八十年代相比，我国大部分地区雨季开始时间具有显著推迟迹象；而雨季结束的时间却有明显提前，其中华南地区平均早季19～22天，长江中下游地区平均提早了9天左右。
事实上，近二十年来中国的极端天气气候事件呈现出增加的趋势。 从20世纪60年代至今，我国经历了8次冰灾，其中2008年的南方特大冰雪灾害和2010年的西南冻雨冰雪灾害影响范围最大。 而在2009年到2011年间，我国还经历了三次沙尘暴天气过程。
除了自然灾害外，人类活动导致的温度上升还会带来其它危害。例如，最近十年我国青藏高原区域冰川退缩的现象就非常明显。据科学家估算，如果目前的变暖趋势继续下去，位于青藏高原的格拉丹顿冰川可能会在几个世纪后消失。而一旦这座亚洲最大的冰川融化，将会给地处低纬度的我国西南地区带来的洪涝灾害。 所以虽然我们平时能吃到各种各样的新鲜食物，但这恰恰是因为我们有能力对即将发生的气象进行准确地预测。
如果你不理解天气预报的局限性，天气预报的用处就不会比你抬头看天好到哪去。
在很多年前的夏天，我和几个兄弟骑着自行车横穿内布拉斯加州，从东海岸到西海岸。我们的目标是穿过内布拉斯加州，因为当时我们对爱荷华州没有那么信心。不管怎样，我们从大东方骑到了距离大西部还有125公里的地方时被吹回到东方。那天是1980年7月12日，内布拉斯加州中心发生了龙卷风。
虽然龙卷风在内布拉斯加州很常见，但这一场特别的巨大。它从地平线上升起，形成了一根1英里长，3/4英里宽的粗长的绳索。这股气旋所经之处的每一根玉米杆都是被摧毁的。我们亲眼目睹了这场龙卷风向我们缓缓靠近。然后它向北拐了，就像它没有碰到我们一样。
我们几个男孩都非常幸运。在龙卷风经过的地方，30人丧生，另有591人受伤，损失超过2500万美元。在距离我们的农场100公里远的地方，大约每三座房屋中就有一座被毁，而我们的房屋却安然无恙。因此，当天气专家们开始利用数值模型进行短期预报时，我感到特别兴奋。
“天气很糟糕，”任何人告诉你这个，其实都是废话。重要的是描述天气如何糟糕以及为什么糟糕。这就是天气预报的全部内容，它是关于预测天气有多热或多冷、多湿或多干、有多少雨、有多少风以及何时何地会发生。人们对于天气如何影响他们做的事情都有疑问：如何开车、喂牛、准备婚礼，诸如此类的事情。
天气预报的唯一目的是帮助人们做出更好的决定。如果人们使用天气预报，比不使用天气预报做出更好的决定，那么天气预报就算成功了。如果人们认为天气预报是有用的，他们会对它有充分的信心。
人们对天气预报有如此的信心，以至于当天气预报不准确时，他们会感到惊讶。但是他们应该这样做的。天气是一个高度混乱、高度可变的系统。一个小小的初始条件会随着时间的推移而被放大。如果蝴蝶拍打着翅膀可以影响天气，那么火车驶过一座桥可能也是如此。这是天气预报不可能完美的根本原因。
天气可以被认为是一瓶被打开的潘多拉魔盒里的魔鬼。然而，天气预报在本质上是不准确的。在上世纪70年代中期和80年代早期，天气预报变得有用、准确和有价值。为什么呢？是因为天气模型。现在有很多模型，但都是基于20世纪60年代末开发的初始模型，即美国空军的全球3小时可预报模型（同样也是我年轻时的英雄）。基于巨型超级计算机的数值模型改变了天气预报。
数值模型是天气预测的一种工具，而非天气预报本身。模型是基于一系列方程组的计算机模拟，这些方程组描述了地球大气层中的风、温度和湿度等变量是如何随着时间和空间变化的。模型使用从地球不同区域收集的初始观测数据来初始化模拟，并随着时间的推移模拟大气的变化。然后，模型输出一系列预测变量，如温度、降水和风速，这些变量可以用来生成天气预报。
然而，模型本身不是天气预报。虽然它们可以为生成天气预报提供有价值的信息，但模型的输出必须进行分析和解释。通常这包括将模型输出与实际观测数据和更广泛的天气变化情况相结合。
总的来说，数值模型是天气预报的一种有价值的工具，但天气预报是模型输出、实际观测和广泛气象知识的结合。虽然模型可以帮助提高天气预报的准确性，但它们受到初始条件中固有不确定性和计算大气方程组中的误差的限制。因此，天气预报本质上是不完美的，它们应被视为有一定程度的不确定性。
