深色模式
数值天气预报如何工作
把大气写成不断更新的状态
数值天气预报（numerical weather prediction，NWP）将大气及相关地表状态放入计算模型，依据质量、动量、能量和水分等规律推进时间。状态包含温度、风、气压、水汽等变量；真实业务系统还会处理云、土壤、海洋或其他地球系统部分。
你可以把它理解为具有物理约束的状态更新程序，但不能将大气看成彼此独立的像素：风输送温度和水汽，凝结改变能量，压力影响风，变量之间相互耦合。Met Office 数值预报介绍
初始状态不是把所有观测简单平均
数据同化（data assimilation）把新观测与已有短时预报结合，估计分析场（analysis）。已有预报称背景场（background）；它提供观测之间和缺测区域的信息。观测与背景都有误差，更新时需要考虑各自不确定性、空间联系和物理一致性。
同化并不是强迫每个网格值等于最近观测。卫星测辐射，模式保存温湿度等状态，两者还需观测算子（observation operator）建立可比较的关系。站点与网格也有尺度差异。ECMWF 数据同化说明
网格之间怎样交流
离散化（discretization）把连续空间与时间转换为可计算的表示。一个简化状态量a可写为：
Δt是时间步长，单位s；F是该量每秒的变化率。例如某理想过程使气温以0.001 K/s变化，60 s内一阶近似改变0.06 K。真实预报同时包含许多过程，F随状态变化；步长过大还可能导致不稳定，不能用这条公式独自构建业务预报。
网格不能直接解析所有云滴、湍流涡旋与地表细节。参数化（parameterization）用已解析的大尺度状态估计未解析过程的总体作用。提高分辨率能显式表示更多结构，却不会自动消除微物理、观测或地表误差。区域模式还需来自外部系统的侧边界条件。
输出数字以后仍有工作
模式值可能经过后处理（post-processing），例如系统偏差订正、地形修正或多模式组合；预报员还会结合最新观测与地方知识解释天气。检验（verification）需要明确变量、时空尺度、时效与评价指标，并与持续性或气候值等基准比较。
初始场误差、模型近似和边界误差都会随天气形势演变。分辨率更高、计算更贵或地图更细腻，并不保证每个地点每一次都更准。机器学习预报也需要检验资料与适用范围，不能只依据个别漂亮案例下结论。
常见误解与自检
分析场是当前状态的估计，不是无误差真相；重新运行同一确定性模式且输入完全相同时，也不会凭空产生新的独立信息。
自检： 观测站测得30°C，附近模式格点为28°C，为什么同化后不一定恰好变成30°C？
展开答案
因为仪器误差、站点代表性、背景误差和变量之间的约束都需要考虑。简单覆盖还可能让风、温度和压力之间不协调。正确更新取决于数据定义与同化方法，不能由这两个数单独决定。