杨秋明：数据下的气候预测

江苏省气象科学研究所天气气候实验室，位于江苏省南京市，主要开展天气气候预报技术的研发、气候资源、重大工程气象灾害风险评估等。近3年来，在10-30天延伸期天气预报方法取得显著突破，有效推动了东亚气候预测理论的发展。

基于ISO信号开展延伸期预报新方法

气象预测对于防灾减灾和经济社会的稳定发展具有重要意义，目前我国气象部门对1-3天的短期预报和3-10天中期预报的预报体系比较完善，而10-30天范围内的延伸期天气预报，还是一个急需攻克的“盲点”，是近15年来国际上天气和气候业务预报发展的一个重要方向。2012-2014年，由江苏省气象科学研究所杨秋明主持的国家自然科学基金面上项目“SCGT与夏季东亚ISO相互作用研究及其在长江下游强降水延伸期预报中的应用”中，发现全球大气20-30天振荡是影响两半球热带外地区天气气候最主要的因子，尤其是南半球SCGT与长江下游强降水的相关十分显著。这让我国在延伸期预报新方法的研究上获得了重大突破。

   针对新方法的研究，杨秋明主持的延伸期预报课题组建立了一系列基于简化的时滞回归方程和复自回归方程的延伸期低频分量预测模型LFCF1.0、2.0和3.0（分别是MLR、ECAR、MLR/PC-CAR模型），可以较好预测未来6－7周长江下游降水20－30 天低频分量变化,将强降水预报时效延长到50天。这些基于数据驱动预测模型的方法能更准确地描述准线性的低频动力过程的演变,将预报理论研究和实践应用实时地联系在一起,通过数据的动态更新显著改进预报精度 (http://www.lcjrerf30.org/)。

约简大数据 集合小数据

延伸期天气预报需要结合初始气象条件和海洋、大气以及气候的影响因素，观测资料具有复杂性、综合性、全面性、高度数据相关性和多重数据属性，预测过程十分复杂。单一的经典数据分析方法已不能全面胜任科学大数据分析工作。

杨秋明主持的课题组基于ISO信号开展的延伸期预报新方法便是通过复杂的超高维数据分析，约简系统复杂度，采用交叉和综合多种数据分析方法和技术，把大数据集合变为小数据集合，从大量观测资料中合理识别和提取有效数据，分析影响各种极端天气的关键数据的优先级，构建了具有较高预测能力的简单模型。通过不同预测模型的时间耦合，预测它们的动态变化过程，体现了科学大数据与小数据之间的相互作用。

三分技术,七分数据,数据分析方法的发展是提高10天以上天气预报准确率的主要动力。基于具有原始创新的数据驱动构建的LFCF，在2015年5月28日提前28天成功预报6月24-26日长江下游的大暴雨过程（实测南京6月26-27日24小时降雨量204.1毫米，是6月史上最强单日降水）。延伸期预报以报告形式提交南京市气象台用于决策服务，为各级政府高效有序应对气象灾害做出了重要贡献。

从大量历史和实时资料中找到能较好地佐证现有预测和决策的数据,构建 LFCF1.0－3.0,可以得到更精确的数据分析解,提高预报精度。不断从动态数据中获得新信息和知识,构成动态变化的知识体系,建立数据的数据,可以显著延长极端天气事件预报时效,为气候预测方法的发展增添新的动力。