编者按：本文编译自英国卫报原题为“Why are all my weather apps different?”的文章。

首先从两个风暴故事开始。第一个来自BBC天气预报APP，周六是春季银行假日(spring bank holiday)，APP预报说伯恩茅斯会下雨，还有雷电。第二个故事是这样的，因为天气预报不准，小镇的旅游管理人员诉苦说，游客听到预报没有来，他们本来可以来的，当天的天气阳光明媚，天空湛蓝。

天气预报不准，大家不高兴，他们抨击BBC，抱怨没有白费。英国《太阳报》报道说BBC给出的预测大错特错。《每日邮报》也采访了社交媒体用户，他们的周末因为“糟糕的预测”和“完全不准的预报”给毁了。观察者也站出来发表文章，借题发挥，将矛头对准“气候变化预测”。

这些故事引导我们注视一个重要的问题：在技术的助推下，天气预报发生了怎样的变化？我们与天气预报的关系又发生了怎样的变化？预测温度、降水、风速时，我们的能力提升了吗？如果真的提升了，为什么在手机上使用不同的天气预报App，结果却有如此大的悬殊？还要等多久，超级电脑和AI才会淘汰人类气候学家？什么时候预测精准度能达到100%？

收集大量与大气层、地球表面有关的数据，比如温度、湿度、风力状况，这是现代天气预报的基础。在数据之间存在误差，那就需要用已有的观察和过往资料来填充。预测模型由一些等式组成，它对物理和化学反应进行管控，以此作为起点，计算并得出未来的天气状况。

天气预报对人类活动有着至关重要的影响。2011年一份报告指出，经济学家Jeffrey Lazo发现，单在美国，天气对GDP的影响最高可达4850亿美元。正因如此，我们才会投入那么多钱，不断提高预测能力。

天气预测数据不断优化，质量越来越高。例如，大型飞机会安装转发器，收集风速数据，它用这些数据导航，英国气象局（Met Office）将这些数据放进预测模型。NASA GOES-16卫星去年12月投入使用，它会用更快的速度扫描地表，拍摄的图片比过去的卫星图更清晰。2月份，英国对降雨雷达网络进行升级，工作已经完成，投入1000万英磅，升级之后，网络输出的数据比之前多5倍。

所有数据都会输入超级计算机，每秒计算1万亿次。真的需要这么强大的计算力吗？当然，因为预测模型很复杂，计算力越强大，才能越接近大气变化。随着科学的进步，预测模型越来越来复杂。因为有了多余的计算力，“集成预测”（ensemble forecasting）成为可能。所谓集成预测，就是说预测模型运行许多次，使用的初步数据稍有差异，这样一来就能计算不同结果出现的概率。

更多数据、更强大的计算机、更好的算法，将这些因素加在一起，已经大大提高预测结果的质量。2015年《自然》杂志刊文称，气象学家提前3-10天预测大气压的能力一直在进步，自1981年以来，大约每10年前进一天。英国气象局则说，预测4天内的气压时，精准度与几十年前预测一天的气压差不多。

因为数字技术的进步，人类获得天气预报、使用天气预报的习惯也发生了变化。智能手机能够提供局部天气预报，时间范围扩大。在Android手机上，全球大约有8000个App与天气有关，iPhone平台有2400个。数量如此多，如果不是专家，怎么知道哪个更可靠呢？

想让预测变得精准，远不是那么简单。什么最重要？是温度、降水还是风力状况？评判之时，到底应该查看平均总体误差，还是查看预测与现实的符合频率呢？ForecastWatch是一家美国公司，它会分析天气预报提供商的表现。ForecastWatch创始人Eric Floehr认为，评判预报是否精准有多种多样的方法；在不同的预测领域，在更长或者更短的时间窗口，或者在不同的地理区域，有些预报商预测更准，有些差一些，各有不同。

ForecastWatch去年曾对全球6大领先预报提供商进行对比，包括AccuWeather、Weather Channel、Weather Underground、Foreca、Intellicast和Dark Sky。报告指出，2016年ForecastWatch曾对1145个地点1至5天内的预报进行调查，其中25个地点来自英国。

结果发现，无论是平均温度、最高温度、降水概率还是风速，AccuWeather预报最准。对于低温预测，The Weather Channel和Weather Underground有着不错的表现。在所有这些预测类型中，Dark Sky表现最差。

在英国，BBC天气预报APP的用户最多，然后是英国气象局的APP。2月份，BBC改变策略，APP不再使用英国气象局的数据，转而使用MeteoGroup的数据，这是一家天气预报公司，所有者是美国PE企业，为什么这样做？因为BBC认为它的服务质量更好，价格更便宜。

ForecastWatch创始人Eric Floehr提供一份数据统计，它们来自12个提供商，覆盖英国29个地点，数据是2017年的。在精准度综合评测中，Weather Channel和Weather Underground表现最好，AccuWeather排第五、MeteoGroup排第六、BBC排第九（数据来自英国气象局）。如果只看降雨预测精准度，MeteoGroup排在第四位，BBC排在第十位。

如果预测不准，到底相信哪个？相信许多天气APP用户都会觉得难以选择。最近几年，预测精准度的确有所提升，既然如此，为什么不同提供商给出的结果还是不同呢？

有些预报商拿到的观测数据更多，它们使用不同的算法计算，这些算法是以不同的模型作为基础的，它们的细节等级也不同。有些APP只是简单提取计算机模型预测结果，还有一些APP会聘请气象学家审查数据，修正错误，如果是非正常或者极端天气，气象学家的作用更明显。

AccuWeather副总裁Jonathan Porter解释说：“我们与政府、企业建立了独特的关系，可以拿到最相关的实时数据，我们使用的预测模型数量超过125个，有全球、局部、国家或者地方预测模型。我们还在努力，将新数据库放进去，增强算法。必要的时候，人类气象学家会给出专业意见。”

有时，算法所使用的原始数据完全一样，被不同的预报者使用，但是最终给出的结果却是不同的。英国气象局公共气象服务主管Derrick Ryall说：“APP之间有一个很大的不同：它们要做出选择，到底展示怎样的信息。有些只会选择简单的信息，还有一些会挑选更详细的信息。这些都会影响精准度。”

还有一个因素也会导致结果的不同：精准度不是唯一的考量因素。你可能有点意外，但事实的确如此。Floehr 2012年曾经写过一本书，它将预报员的预测与实际天气状况对比，发现给出“悲观预测”（尤其是更高或者更低的降雨概率）时他们总是犯错。Floehr认为：“下雨了，但是你忘了带伞，这是第一种情况；下雨了，你带了伞，但是没有必要用伞，这是第二种情况。对于民众来说，第一种情况更让人沮丧。正因如此，预报者在预测降雨时会刻意‘过度’。”

一些领先的预报商已经开始抛弃这种方法。Weather Company高级副总裁Peter Neilley说，早在3年前它们就已经抛弃“降雨偏见”。他还说：“对人们来说是什么是最重要的？以前我们会给出判断，现在不会了，现在重点关注降雨概率，让民众自己去判断。”

BBC APP因为给出的预测“过于悲观”遭受指责。现在它甚至还给出每小时降水概率这一数据，结果却是导致民众困惑。MeteoGroup资深气象学家Nikki Berry指出：“如果你将天气征兆与降水概率拿来对比，会发现二者之间并没有直接联系，因为征兆还会受到其它因素的影响。“

在BBC APP中，有时你会看到一个图标，表明某天会有雨，但是实际上那天只有一小时可能有雨，概率不到50%。Berry说：“我们会使用当天最重要、影响最大的天气征兆。”如果某人会根据天气预报做出重要决定，除了查看天气图标，还会在BBC天气预报页面查看详细信息。

就像其它许多行业一样，计算机越来越先进，重要性越来越高，之前许多由气象学家做的事已经交给计算机完成。超快处理器接管大量工作，预报员就可以转移注意力，关注那些更专业、更复杂的领域。Floehr说：“当人们在手机上收到天气预报时，没有多少人情味。现在气象学家更加关注预测沟通，帮助民众将预报转化为可用情报。在未来10-20年里，到了某个时间点，预测过程中不会再有气象学家参与。”

科学告诉我们，根本没有完美的天气预报。

Neilley说：“如果想知道天气的一切，你必须给大气的每一个因素建模，还要关注因素之间的所有相互作用。即使是从理论角度看，要做到也是不可能的，因为计算机在建模时会产生热量，它会成为系统的一部分，然后又要继续调整。将温度计放在空中，也会导致条件出现细微的变化。所以说，天气预报永远不可能完美。”

如果想预测一天或者更多天的天气状况，卫星发挥重要作用，如果时间很短，卫星就无能为力了。气压计提供气压数据，它能反应更短暂的变化。

从2011年开始，数字气压计开始装进智能手机，用来辅助追踪位置，现在全球大约有10亿台手机可以测量气压。华盛顿大学教授Cliff Mass认为，预测短期气压和降雨时，智能手机数据可以帮上忙，能提高精准度。预测风力变化时也能派上用场。

Mass说：“想预测雷雨，手机数据可以帮上忙，有些地区我们拥有的数据太少，手机也能发挥作用。”Mass正在研究，看看能否利用机器学习技术提高智能手机气压数据的精准度。Mass已经与Weather Company公司合作，它通过Weather Channel APP收集了2.5亿份压力数据。

Weather Company高管Peter Neilley介绍说，到了2019年，这些数据就会整合到公司的预报中。其它一些预报商也在做试验，比如Dark Sky，它们也想好好挖掘手机气压数据的潜力。