气候科学家正在研究提前八个月预测降雪的方法

在 Sarah Kapnick 的世界里，大西洋飓风和加州暴风雪相差无几。像所有气候现象一样，两者都是影响美国大片地区的混乱且看似无法纠缠的变量的结果。因此，当她研究一个模型来预测某个海岸的季节性飓风和热带气旋时，她突然想到，同样的模型也许能够预测降雪。

这对于气候模型来说似乎是一种奇怪的用法，但那只是因为我们经常认为暴风雪是局部的、间歇性的事件。在气候科学领域，我们已经达到了可以预测三个月后总体气温和降水量的水平，但当卡普尼克工作的国家海洋和大气管理局发布冬季天气预报时，却没有预测到降雪。目前，我们还没有这样的预报。

卡普尼克的工作也许能够改变这一现状。

“这确实是我们第一次尝试回答这个问题，”卡普尼克兴奋地说。问题是：你如何预测冬天是否会下雪——为什么这么难？她解释说，与温度或降水不同，预测几个月后的降雪涉及相互关联的变量。

“雪更难预测，因为你需要合适的温度和下落速度才能变成雪，”她说。你需要预测每次降水事件的条件，而不仅仅是一个季节中某个地区通常会降下多少水。我们的大气层有几层，每层都有自己的密度和温度，所以水的下落速度有助于确定它是保持液态还是变成雪或冰，你需要预测所有这些才能知道你会得到六英寸厚的蓬松雪还是冷雨。

总体降雪量不仅取决于降雪总量，还取决于降雪持续时间。在东海岸，雪往往会很快融化，而在西海岸（尤其是山区），雪通常会积聚成积雪。卡普尼克和她的团队特别关注积雪，因为对许多地区来说，积雪量才是最重要的。

山上的积雪量决定了来年春天的水流量。依赖径流的城市通常可以算出下雪后他们能有多少水供应，但卡普尼克的方法可以让他们在 7 月份知道来年 3 月份是否会有大量径流。

它通过模拟地球一年的气候来做到这一点。飓风是海洋和大气中许多部分相互作用的结果，因此她帮助建立的预测飓风的模型也能够预测其他气候事件，比如暴风雪。她只是需要把目光投向世界的另一个地方。她选择研究美国西部，因为一方面，该海岸的城市更依赖积雪来供水（东海岸全年都有降水，而西部主要在冬季）。另一方面，那里有更多的数据。加利福尼亚州、华盛顿州和俄勒冈州有更多的气象站，这些气象站收集信息的时间更长——一些从 1930 年代开始，大多数从 1950 年代开始——因为他们更关注水资源。当时的水资源管理者希望能够计算出他们将获得多少供水，所以他们建立了一个系统来计算。东海岸的水资源管理者比较容易，所以现在可用的数据较少。

为了预测实际降雪量，卡普尼克每年从 7 月 1 日开始运行模型，并根据数据进行预测。她和她的团队多次这样做，得到了 10-12 种可能的未来情况。当这些不同的可能性开始汇聚时，他们就可以开始进行预测。这就像一遍又一遍地运行模拟游戏，直到你开始看到模拟结果的规律。空气和土壤中的水、海洋的盐度、海面的温度、每个大气层的温度、风的方向和速度——所有这些都输入进去，降雪预测就出来了。

所有这些数据使他们能够提供概念证明，并于 1 月底在PNAS杂志上发表该结论，但在农民和水资源管理者（是的，甚至你）获得季节性降雪预报之前，还需要进行一些改进。

不过，该模型并非在每个地区都适用。例如，在内华达山脉，气候变化很大。该地区的大部分积雪都是在几场大风暴中形成的，而且山脉本身非常狭窄，因此你需要预测一小片区域全年的天气。这有点像当地的天气预报。通常，预测宾夕法尼亚州的平均气温比预测费城某一时刻的气温要容易得多。卡普尼克甚至不确定他们是否能够预测内华达山脉等地的气温。“有两种看法。一种是，我们无法得到很好的预测，因为模型太混乱了，所以我们永远无法预测。更乐观的看法是，我们的模型中缺少了一些东西，如果我们能找出它是什么，我们就可以修复它。”

作为一名东海岸人，卡普尼克有意扩大她的工作范围，以预测新英格兰冬季的降雪量。但她和她的团队必须努力完善所谓的初始化系统。这基本上意味着模型的起始状态——你在开始时输入的所有数据。现在他们拥有大量来自海洋的信息，因为他们可以将卫星数据与在周围游动的无人机测量温度和盐度的数据结合起来。两者结合起来，提供了强大的预测能力。但他们仍需要找到更好的方法来整合陆地和大气数据，以提高模型的准确性。从风速到土壤湿度，一切都可以输入到模型中——他们只需要知道如何将它们全部结合起来。

我们至少还需要几年时间才能看到公开的预测，虽然对于那些渴望知道冬天会下多少雪的人来说，这可能感觉很遥远，但卡普尼克想提醒我们，我们已经取得了长足的进步。“季节性预测始于 20 世纪 80 年代初的厄尔尼诺预测——第一篇论文发表时我才四岁，”她说。现在，她正在研究提前八个月预测积雪量。“作为一名科学家，这是一个激动人心的时刻，”她说，“但对整个社会来说也是如此。我们一生中就可以获得完整的季节性预测，让我们能够提前几个月根据天气情况规划我们的生活。”