打开天气App，选个地点、挑个时间，答案就出来了。但屏幕背后，是科学界最难的预测问题之一。
大气是一个三维的、不断变化的系统。Rainbow.ai创始人兼CEO指出，在模型预测下一步之前，它必须先回答一个出人意料的问题：大气此刻到底在做什么？
我们从未见过完整的大气
没有任何单一仪器能提供天气的全貌。天气雷达探测降水粒子，卫星从太空观测云层、湿度和温度，地面站测量局部条件，气象气球和飞机提供不同高度的信息。
每种来源都有自己的分辨率、更新频率、覆盖缺口和测量误差。构建大气当前状态，就像用朝向不同方向、刷新时间不同、还让许多街道完全不可见的摄像头，去重建整座城市的交通。
气象学家把"将观测与先前预报结合"的过程称为数据同化。它产生对当前大气状态的估计——即"分析场"，下一次预报就从这里开始。
正如ECMWF（欧洲中期天气预报中心）所解释的，预报质量关键取决于分析场的准确性。即使模型再优秀，如果起点画面不完整、不准确或已过时，也会举步维艰。
为什么App会"说谎"
一种常见的短期预报技术是光流法。它分析连续的雷达图像，估计降水如何移动，并将这种运动外推到未来。当雨带稳定移动时，这招很管用。问题是，风暴不是在地图上滑动的静态形状。它们会形成、增强、减弱、分裂和合并。一个新的对流单体可能在20分钟前还没有雨的地方出现。
想象一场风暴逼近山脉。简单的外推可能预测它会以同样的速度继续移动。实际上，地形会改变气流，减慢系统速度，并导致更强的降雨或冰雹。挑战不仅在于预测现有降水会移到哪里，有用的模型还必须预测天气系统本身将如何变化。
另一个问题是，大尺度模型擅长描述跨越国家和大陆的锋面、气压系统和大气环流。但许多影响人和企业的事件发生在小得多的尺度上。一场雷暴可能影响城市的一部分，而另一部分几乎无雨。一片云锋可能大幅降低一个太阳能电站的出力，却对另一个电站毫无影响。