就數據本身而言，氣象大數據是指所有與氣象工作相關的數據總和；從來源渠道劃分，氣象大數據可分為“行業大數據”和“互聯網大數據”兩類。其中：

“氣象行業大數據”由與氣象部門各項工作相關、且產生自氣象部門內部的所有數據組成，包括：由氣象部門建設的、具有國內最高專業水準的氣象探測體系所產生的氣象專業探測數據，其它部門自行采集、通過數據共享/交換等方式匯聚到氣象部門、且經過氣象部門嚴格質量控制的氣象要素探測數據，由氣象業務部門和業務系統產生的各類氣象服務產品數據、派生數據及中間產品數據，職能部門各管理系統（如：財務系統、人力資源系統、項目管理系統等）所產生和管理的數據，各業務和管理系統的狀態數據和日志數據等等。

“氣象互聯網大數據”由互聯網上與氣象相關的所有數據所組成，包括：移動終端搭載的氣象要素傳感設備的探測數據，網友隨手拍并上傳的天氣狀態照片，搜索引擎對氣象相關敏感詞的統計分析數據，其它所有可供氣象部門業務和服務應用的互聯網數據等等。

“氣象行業大數據”與“氣象互聯網大數據”間存在很大差異，限于篇幅，難以在此做詳細分析。簡言之，“氣象行業大數據”屬于氣象業務數據，其生成的直接目標是服務于氣象業務和工作的，故其氣象信息濃度高、各種技術指標亦最為符合氣象業務和工作的各項要求。“氣象互聯網大數據”則不然，它不是專為氣象工作而生成的，它產自于其它非氣象部門的行業、企業，是為滿足這些行業和企業自身業務目標而生成的。這些數據之所以被納入“氣象互聯網大數據”的范圍，是因為這些數據包含有與特定氣象應用相關的信息內容，而這些內容是氣象行業大數據所缺乏的；亦即，這些數據是為彌補氣象行業大數據在內容和時空密度等方面的不足而從互聯網上收集來的；故其氣象信息的濃度、數據質量等參差不齊，各項技術指標也往往差強人意。即便就氣象要素而言，兩者之間存在的差異也是很明顯的，見表1：

	氣象行業大數據	氣象互聯網大數據
數據來源	部門內部	互聯網、眾籌
要素內容	專業、全面	簡單
時空密度	專業化，均勻	不均，極密或極疏
要素精準度	精準	參差不齊
傳感器載體	專業探測設備	移動終端、家用電器、交通工具、非氣象監測設備等
獲取代價	國家財政	免費
體量	較大，可預測	不詳，未來巨大

表1、氣象行業/互聯網大數據中氣象要素之間的差異

從內容上劃分，氣象行業大數據大致有：氣象觀測原始數據、氣象觀測產品數據、氣象業務產品數據、氣象服務產品數據、業務日志數據、設備及系統狀態數據、氣象管理數據等等。需要說明的是，目前對氣象數據范疇的界定，只包含前四項，即：氣象觀測原始數據、氣象觀測產品數據、氣象業務產品數據、氣象服務產品數據。其后的業務日志數據、設備及系統狀態數據、氣象管理數據等尚未正式納入氣象數據的定義范圍。

從性質上考察，氣象行業大數據屬于“氣象業務數據”范疇，即：每類數據都有其特定的使用目的、使用對象及數據形態，且所有數據的初始目的都是圍繞滿足氣象部門自身運轉所特有的數據需求的。

從體量上衡量，“氣象行業大數據”雖可勉強躋身大數據行列（PB級），但較之互聯網公司而言，仍有至少2～4個數量級之間的差距。以目前業界現有處理技術，完全可以滿足“氣象行業大數據”在分析處理方面的時效要求（數值預報除外）。因此對于“氣象行業大數據”而言，單純的管理和處理技術不是問題所在。

氣象大數據與預報準確率

將大數據理念和方法全面應用到氣象部門，在部門內開展氣象大數據工作，能否有效提高預報準確率，這是本文首先必須正面回答的問題。

大數據理念和方法探究

《大數據時代》一書的作者將大數據理念的精髓概括為三點：“不是隨機樣本，而是全體數據；不是精確性，而是混雜性；不是因果關系，而是相關關系”。深究下去，不免使人產生質疑：首先，如果通過分析少量的樣本數據就可以得到事物的準確本質（如：適用于數學歸納法的數據集），是否還有必要花費巨大成本去收集和處理全體數據？其次，如果能夠得到準確數據或結論（如：臺風路徑和登陸地點、暴雨的落區），是否還有必要刻意去追求混雜不準確的數據或結論；第三，如果能夠了解并掌握因果關系（如：人類活動與氣候變暖之間的關系），是否還要放棄對因果關系的探尋，而只去分析相關關系？

答案顯然都是否定的。

所以，不能生搬硬套大數據的理念和方法，否則可能會出現有違基本常識的舉措和結果。對于大數據理念和方法，其合理的解釋應該是：如果通過分析少量的樣本數據無法得到事物的本質，則人們將不得不花費更多成本去搜集和處理全體數據，以求得到事物的真實本質。如果得不到準確的數據或結論，則人們將不得不接受那些差強人意的不十分準確的數據或結論。如果無法了解到事物之間的因果關系，則人們將退而求其次，通過分析相關關系來了解事物。

因此，由《大數據時代》作者所定義的大數據方法，不應該是刻意為之的，而應該是不得已而為之的：當現有的觀測數據無法滿足業務需求、且布設新的探測設備代價太高或無法布設時，只能尋找其它代用數據，以彌補現有觀測數據的某些不足。當無法做出準確預報時，概率預報是退而求其次的預報方法。當氣候變化規律目前無法完全掌握時，氣候統計預測方法便是填補氣候預測方法空白的可接受的選擇之一了，如此等等。

觀測數據和科學研究是氣象學科的主要支撐

上世紀二、三十年代，無線電通信技術引入到氣象地面和高空觀測信息通信，人們能夠獲得大范圍的大氣立體觀測資料，在此背景下，科學家們通過對觀測資料的深入分析，并根據流體力學、動力學/熱力學定律等物理學原理，構建起了氣象學科的基本框架，并在日后的歲月里不斷豐富完善。因此，氣象學科是建立在觀測資料基礎之上，并由氣象學家們通過深入的科學分析研究，發現其中的內在機理，進而形成相應的理論體系而最終構建的。隨著資料的不斷豐富，科學家們不斷發現著新的天氣/氣候變化內在科學機理，氣象學科因此得以成長發展。如果沒有氣象科學家天才卓越的分析研究成果，氣象觀測資料便僅僅是一堆天氣現象的記錄數據。因此對于氣象學科而言，觀測數據/產品和科學分析研究，二者缺一不可。而在人工智能在達到能夠具有科學家們深厚的知識背景、敏銳的捕捉現象的本能、嚴謹的推演技巧和天才的綜合分析判斷能力之前，這些科學分析研究工作就只能由科學家們承擔并完成。

氣象業務的現代化水平最終體現在氣象預報的準確率，所追求的恰恰就是精確和及時。如果不掌握天氣變化的內在規律（即所謂因果關系），單憑現象要素之間相關性的強弱，是很難達到及時精確預報的要求的。地震前許多動物的行為舉止往往異常，但動物舉止異常卻不見得預示著地震的即將發生。止步于天氣現象與氣象要素之間相關性的統計分析，不對其做進一步的機理分析研究，對氣象學科而言，不是科學的態度。

統計分析是氣象部門常用的方法

探究科學機理是十分艱難的。在尚未掌握科學機理的情況下，統計分析是常用的預報方法，如氣候領域里的氣候統計預測。這種通過對長時間序列氣象觀測資料進行統計分析，以歷史上相似天氣現象所發生的天氣（或氣候）變化的概率為依據，進行氣候預測的方法，自氣候學科發端之日起，便一直在采用，已達數十年之久。因此“大數據”所推崇的統計分析方法，氣象部門早在數十年前便已悉數使用，并不陌生。

但這并不意味著氣象部門在該領域的科學研究止步于此。事實上，目前基于動力框架的氣候數值預報模式（尤其是集合預報模式等）等方法一直在積極地試驗和嘗試使用之中，目的就在于探索能夠有效發現氣候變化規律（即所謂因果關系）的路徑和方法——雖然氣候統計預測方法仍在使用之中。目前數值天氣預報和數值氣候預測中所大量采用的集合預報方法，就是“因果”與“相關”、機理與統計之間有機結合的一種嘗試。

氣象觀測數據是所有數據中最重要的貢獻者

從上述分析可得知，與一般大數據所使用的數據源不同，氣象行業大數據中的氣象觀測數據及產品是專門為氣象預報業務工作而采集的，其時空分布、數據質量及其它各種技術指標最符合氣象業務的各項要求，氣象業務所需信息的濃度也最高。比較而言，氣象互聯網大數據的氣象信息密度不高，數據質量也難以保證，其它技術指標更是難以保證滿足氣象應用的需求。因此，從氣象行業大數據中的氣象觀測數據和產品產生出來的統計分析結論以及學科科學機理的發現是具有權威性的。就預報準確率而言，氣象觀測數據/產品是所有數據中最重要的貢獻者，氣象互聯網大數據是它的補充而絕非替代者。

大數據并非提高預報準確率的終南捷徑

綜上所述，氣象預報對準確率永遠的追求決定了，氣象學科必須以探究并最終掌握大氣運動的內在機理為工作目標。而大數據方法是在特定的、理想狀態無法滿足情況下的退而求其次的方法，即：在尚未完全掌握大氣運動規律、無法通過理論推演和方程計算準確預報天氣或氣候的情況下，統計分析方法也許是一種補充完善的途徑。在無法斷定抽樣分析所得結論的正確性時，分析全體數據也許是一種最終解決方案。在無法提供準確預報時，概率預報也是一種不錯的選擇。但是，如果通過努力有可能達到理想狀態，人們便不應該盲目的生搬硬套大數據方法；因為對氣象預報而言，因果關系的掌握遠比相關關系的發現更為重要，后者是為前者提供線索而非取代前者的。同樣，精確的分析和預報結論永遠比模糊的分析和預報結論更加滿足預報需求，收集和處理樣本數據永遠比收集和處理全體數據更為高效和節省資源。

所以，大數據理念和方法并非提高預報準確率的終南捷徑。

當然，筆者并不否認大數據方法在客觀預報產品解釋應用方面對預報效果的改善有所幫助等正面作用，但這終究是輔助性、修飾性的，不是提高預報準確率的根本途徑，且效果難以具體量化。

尤其需要強調的是，以在預報準確率方面趕上世界先進水平為目標的氣象工作者，絕不能因擁有了大數據這種退而求其次的方法而放棄對掌握氣象規律這一理想事業的追求。而且，這一追求的最終實現，只能靠觀測數據和產品在時空密度和質量上的不斷提高，以及科學家們辛勤的分析研究。由于就數據而言，對提高預報準確率貢獻價值最高的仍然是氣象觀測數據及產品，因此研制出高質量、高時空密度的氣象觀測產品數據，便仍將是提高預報準確率以及氣象科學研究最重要的基礎性工作。至于科學研究工作，沒有捷徑可走，在這里“工匠精神”永遠不會過時。

氣象大數據的價值分析

上述分析并非意味著大數據在氣象部門無所作為，而只是想說明，大數據并非包治百病的靈丹妙藥，而是一個宏觀上可在全社會產生巨大正面效益、但也存在一些效益不甚顯著區域的、實實在在的思維理念和工作方法。說到底，氣象部門之所以引進大數據理念和方法，并非為了大數據而大數據，而是為了解決實際工作中存在的問題。因此，氣象大數據必須以業務和工作需求為引領。當業務或工作中出現的問題沒有合適的數據信息，或者雖有數據但常規處理方法無助于問題的解決時，氣象大數據也許是一種可以嘗試的解決途徑。通過“氣象行業大數據”中的各類數據，在履行其各自的直接業務目標之外，使各類數據間彼此有機融合并協同分析，是能夠發掘出新的數據價值、信息價值和知識價值，從而推動業務的發展和管理的進步，不斷提高氣象部門的工作品質的。氣象部門內層級堆疊、工作效率不高的問題長期以來有目共睹，“智慧氣象”中“精細的科學管理”，即可從打通部門藩籬、消除管理信息孤島開始。通過管理信息的整合，優化管理流程，增強職能部門間的工作協同，提高管理效率。通過充分挖掘和發揮出管理信息應用的價值來提高管理工作效率，進而提高氣象部門整體的工作效率，通過大幅提高工作效率來創造價值等等。

“氣象行業大數據”產生自氣象部門，是氣象部門賴以運轉的最主要資源，同時也是氣象部門各項工作的記錄載體，在所有數據資源中，它所含有的氣象信息最濃；故其應用領域首先應在于氣象部門業務工作的有效運轉，其次才是社會服務。“氣象行業大數據”潛在價值的挖掘和發揮，也應當以提高氣象部門工作能力為首要目標。用好“氣象行業大數據”，是開展氣象大數據工作的重要內容和檢驗指標。

與此同時，“氣象行業大數據”與“氣象互聯網大數據”之間的有效融合，有可能大幅提高氣象觀探測的時空密度。物聯網技術的有效應用，可以使“氣象行業大數據”中專業氣象探測的時空分辨率變得富有彈性，以更加有效地應對各種業務需求和社會服務需求。此外，高時空分辨率的探測數據也可為氣象科學家發現新的大氣運動機理和客觀規律提供前所未有的數據資源。

就應用對象及范圍而言，“氣象互聯網大數據”中氣象要素數據的產生是與搭載傳感儀器的擁有者——人——密切相關的，其所沉積下來的信息中包含有珍貴的人類活動痕跡。凡人跡所至且移動通信可覆蓋之地，均有可能成為“氣象互聯網大數據”的數據源。雖然其傳感器搭載體的形式各異，探測環境也很不規范，但也正因為其搭載體擁有者是人，可放置或出入于各種人類活動場所，從餐廳到曠野、從巷道到影院、從居所到河畔，皆可隨時對各種場所進行氣象基本要素探測，這為氣象服務的精細化、專業化和個性化提供了“氣象行業大數據”所難以甚至無法提供的現場氣象要素數據。此外，利用已廣泛布設的非氣象監測設備所采集的信息，通過分析得出所需要的氣象要素，以彌補專業氣象探測設備無法獲得的探測信息，是一條值得深入探索的途徑，GPS/MET的發掘和廣泛應用就是一個典型的成功事例。可以預期，“氣象互聯網大數據”與“氣象行業大數據”以及其它行業大數據之間的有效融合，可在氣象社會服務領域開辟出空前繁榮的氣象服務新局面。

總之，數據是為應用服務的，氣象大數據必須將業務和工作做為最主要的引領。氣象大數據戰略的首要內容，不是數據的收集、數據源的拓展以及海量數據的管理技術，而是氣象工作的持續創新。在技術創新、原理創新、概念創新和思想創新的氛圍中，不斷涌現出新的應用，根據新應用在信息和數據需求方面的特點，充分發掘現有數據資源的價值，同時有針對性地尋找并拓展新的數據資源，合理運用大數據有關技術，處理并提煉出新的有價值的信息，以推進創新的不斷實現。與此同時，由于創新本身是不同概念之間的有機連接和融合，多角度的觀察會增加概念連接的機會，大數據所固有的關聯分析以及由此產生的相關事物的現象信息，對開拓概念連接的范圍會有所幫助，對氣象部門在新形勢下的創新當有所裨益。于是，初始創新啟動大數據應用，大數據應用促進新的創新——這應該是氣象大數據戰略的基本輪廓。

(本文節選自《再析氣象大數據及其應用》作者沈文海，國家氣象中心副總工程師)

總結

以上是生活随笔為你收集整理的气象大数据与预报准确率的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。