仰望的起点：天气与气候的边界

清晨拉开窗帘，你看见天空压得很低，雨丝斜着掠过楼间的路灯；手机上显示“阵雨，体感偏凉”。你据此决定多带一把伞，出门早十分钟。这是“天气”在影响你的当下行动：它具体、短暂、可感知，甚至带着几分偶然。可当你在年末回望朋友圈里频繁出现的“热到破纪录”“雨季来得更猛”，又会冒出另一个判断——“今年似乎更热、更湿”。这便触及了“气候”：它不再是某一次风雨，而是许多次风雨在更长时间尺度上叠加后的统计轮廓。

从“今天下雨”到“今年偏热”，看似只是时间跨度的拉长，实则牵涉到我们如何描述大气、如何理解不确定性、以及如何将零散的感受转化为可检验的知识。本章以最常见的日常经验为起点，澄清天气与气候的边界，并借由一个“从起床看窗外到台风登陆”的叙事片段，引出贯穿全书的四条主线：物质（水）循环、能量收支、动力过程与多尺度耦合。理解这四条主线，便能在面对“极端事件”“长期变暖”“预报为何有时失准”等问题时，拥有一套稳定的解释框架，而非被零散信息牵着走。

天气与气候：不是两门学科，而是两种描述方式

时间尺度：从分钟到世纪的连续谱

“天气”通常指某一地点在短时间内的大气状态：温度、湿度、风、云、降水、气压等要素的组合及其变化。短到几分钟的阵风、几小时的雷阵雨，长到数天的冷空气过程，都可纳入天气范畴。与之相对，“气候”是对天气在更长时间尺度上的统计描述：平均态、变率、极端值的概率，以及这些统计量随时间的变化。

这里的关键是“统计语言”。例如，对某地日平均气温 $T(t)$，我们常将其分解为“气候平均”和“天气扰动”：

$$ T(t)=\overline{T}+T'(t) $$

其中 $\overline{T}$ 是一段足够长时间内的平均（常取 30 年气候平均），$T'(t)$ 则是偏离平均的短期波动。你今天觉得“冷”，多半来自 $T'(t)$ 的负偏差；而你说“近几十年更热”，指向的则是 $\overline{T}$ 自身在缓慢上移。

> 侧栏｜气候平均的“30 年”从何而来？ > 世界气象组织（WMO）建议以连续 30 年作为“气候常年值（climate normals）”的基准期，用于计算气温、降水等要素的平均与统计量。这一长度既足以平滑年际波动，又能反映气候的阶段性特征，便于跨地区、跨年代对比。实践中也会采用滚动更新的 30 年基准期，以保持对“当前气候”的代表性。[^wmo_normals]

空间尺度：局地体验与区域背景

天气与气候的差异还体现在空间上。你家楼下是否下雨，可能取决于一条窄窄的对流云带是否恰好掠过；而“华南进入前汛期”“长江中下游梅雨偏强”则涉及季风环流、水汽输送与大尺度天气系统的共同作用。局地的“点”与区域的“面”并不矛盾：前者是后者在更细尺度上的具体呈现，但要从点的体验推断面的变化，需要统计与物理机制的桥梁。

一个常用类比：情绪与性格

若将天气比作人的“情绪”，它变化快、受即时刺激影响大；气候更像“性格”，是长期行为模式的统计总结。一次情绪失控不等于性格突变；同样，一次极端高温或暴雨并不能直接等同于气候趋势。但如果“情绪失控”的频率、强度在多年里系统性增加，就需要追问是否存在更深层的驱动因素——这正是气候变化研究的切入点。

气象学在研究什么：观测、理解与预测的闭环

研究对象：大气系统及其耦合

气象学的直接研究对象是大气，但大气并非孤立存在。它与海洋交换热量与水汽；与陆面交换动量、能量与水分；与冰雪共同调节反照率与淡水输入；甚至受植被、城市化和气溶胶影响。现代气象与气候科学往往以“地球系统”的视角，研究多个圈层之间的相互作用。

观测体系：把不可见的流动变成可用的数据

要理解并预测天气，首先要“看见”大气。观测体系大致可分为：

• **地面观测**：自动气象站记录温度、湿度、风、降水、气压等；对近地层变化尤其敏感。
• **高空探测**：探空仪（无线电探空）随气球上升，提供垂直廓线，是判断稳定度、对流潜势的重要依据。
• **天气雷达**：以高时空分辨率监测降水回波结构，擅长捕捉强对流的演变与移动。
• **卫星遥感**：覆盖广、连续性强，尤其在海洋与偏远地区弥补地面稀疏；可反演云顶温度、水汽、海表温度等。
• **海洋与极区观测**：浮标、船舶、Argo 剖面浮标等补充海气界面与海洋内部信息，为季节到年际预测提供关键边界条件。

观测并不等于“真相的直接呈现”。不同仪器有分辨率、误差结构与覆盖盲区；而将多源数据融合进统一的大气状态估计，依赖数据同化与质量控制。这一步常被称为“分析场”的生成，是数值预报的起点。

预报目标：从“明天是否下雨”到“下月偏湿概率”

预报并非单一概念，而是一条从短到长的谱系：

• **临近预报（0–2 小时）**：强依赖雷达与卫星，关注对流单体的生成、合并、消散。
• **短期预报（1–3 天）**：以中尺度系统（锋面、气旋、雨带）为主，数值模式与同化起核心作用。
• **中期预报（4–10 天）**：可预报性受混沌增长约束，集合预报用于刻画不确定性。
• **延伸期与季节预测（10 天–数月）**：更多依赖慢变边界（海温、积雪、土壤湿度、海冰等）提供的“记忆”。
• **气候预测与情景投影（多年–世纪）**：关注统计性质与趋势，在不同温室气体排放情景下给出可能的气候态变化。

> 侧栏｜电子版扩展阅读 > - 天气图入门（建议电子版添加超链接）：[天气图入门：等压线、槽脊与锋面](https://public.wmo.int/)（可在正式出版时替换为权威教材或课程链接） > - 读图小练习：找一张当天的海平面气压分析图，标出高压中心、低压中心、等压线密集区，并对照未来 24 小时风向变化。

叙事片段：从起床看窗外到台风登陆

早晨：窗外的雨，来自一团“更湿的空气”

你看到的雨，并非“天空突然决定下水”，而是空气中的水汽在合适条件下凝结为云滴并增长成雨滴的结果。若此时有一股来自海上的暖湿气流贴地滑入城市上空，它携带的水汽含量（比湿）更高；当空气被迫抬升（遇到地形、锋面抬升或对流上升），温度降低，水汽达到饱和并凝结释放潜热，进一步增强上升运动。雨就这样在微观（凝结、碰并）与宏观（上升、辐合）共同作用下形成。

这段过程已经暗含两条主线：水循环（蒸发—输送—凝结—降水）与能量收支（凝结释放潜热，影响垂直运动与云系发展）。而你对“冷不冷”的体感，还与风速、湿度、辐射条件有关——能量在地表与大气之间的交换始终在场。

中午：雨带北抬，锋面与气团开始登场

到了中午，雨停了，但天气并未“结束”。你在新闻里看到“暖湿气流增强，锋面北抬”。这里的“气团”可理解为水平范围较大、温湿特性相对均一的空气体；“锋面”则是性质不同的气团之间的过渡带，常伴随明显的温度梯度与风向切变。锋面附近容易形成上升运动与云雨系统，因此也是天气变化的“舞台边界”。

当你站在街角感到风向转了、空气闷了些，这些局地体验往往对应着锋面附近的结构变化。锋面不是一条细线，而是一片三维结构：在近地层可能表现为风向突变与气压变化，在高空则与急流、槽脊配置相关。由此，大气的动力过程（压力梯度力、科氏力、摩擦力的平衡与破坏）开始从幕后走到台前。

傍晚：预报更新，为什么“路径锥”会变化？

傍晚，你刷到台风消息：未来 48 小时可能登陆，路径预报呈现“锥形不确定区”。台风的移动受大尺度引导气流（如副热带高压边缘的气流）控制，同时也会受自身结构、海温分布与垂直风切变影响。只要初始分析中对副高位置、强度的估计有细微差异，经过数日积分，路径差异便会被放大。这并不意味着预报“随便”，而是混沌系统中误差增长的必然结果。

集合预报通过多组略有不同的初始条件与模式参数，给出一组可能轨迹；“锥形区域”反映的正是这种不确定性随时间扩张的统计特征。对公众而言，最重要的是理解：预报不是单一答案，而是带概率的决策信息。

登陆：极端降水不是“单点暴怒”，而是多尺度合奏

台风登陆后，你所在城市迎来强降水。极端降水并非只取决于“台风强不强”，还取决于：

• **水汽供给**：海温越高，蒸发越强，边界层可用水汽越多。
• **动力抬升**：地形抬升、低层辐合、台风雨带螺旋上升共同触发强上升。
• **微物理过程**：云滴增长、冰相过程、对流与层状降水转换影响降水效率。
• **环境风切变与移动速度**：台风移动慢或受地形阻滞，雨带在同一区域“训练效应”更明显，累积雨量更高。

这里出现了本书将反复使用的关键词：多尺度耦合。台风是行星尺度环流背景下的天气系统，它内部又包含中尺度雨带与对流云团，而云团内部还有更小尺度的湍流与微物理。理解极端事件，往往需要把这些尺度“串起来”看。

统计意义：如何用气候语言谈“偏热”“偏湿”与“极端”

平均与分布：气候不是一个数，而是一条曲线

当我们说“某地气候变暖”，并不是指每天都更热，而是指温度分布整体发生变化：均值上移、方差变化、尾部（极端）概率改变。一个直观的想象是：把每天的气温画成直方图，变暖可能表现为整条分布向右平移；也可能同时变“更不稳定”，使得两端极端更频繁。

因此，“今年偏热”的严谨表达更接近：相对某一基准期，该年的温度距平为正，且在统计上超过了自然变率的典型范围。距平可写为：

$$ \Delta T = T_{\text{year}} - \overline{T}_{\text{baseline}} $$

而“极端事件”的讨论则常涉及重现期、分位数（如 95% 分位）、以及“超阈值天数”的变化。例如“高温日数增加”比“某天特别热”更具气候意义。

案例一：一次暴雨与气候趋势之间隔着什么？

很多人会在经历一次历史性暴雨后问：“这是不是气候变暖导致的？”更稳妥的问法是：“在变暖背景下，这类暴雨发生的概率是否提高？”因为单次事件的成因是多因子叠加：水汽更充沛可能“推高上限”，但触发条件（槽脊配置、低涡切变、地形辐合）决定了“是否发生”。归因研究（detection & attribution）通常通过观测统计与模式对比，估计人为影响对事件概率或强度的贡献，其结论往往是概率因子（例如“更可能发生多少倍”）而非简单因果断言。

案例二：为什么“变暖”并不排斥“严寒”？

在变暖背景下出现强寒潮并不构成逻辑矛盾。气候变暖描述的是长期统计态的改变，而短期天气仍受环流异常支配。冷空气南下可由高纬阻塞、急流摆动等触发，使局地在短时间内显著偏冷。理解这一点有助于避免一种常见误区：用一次冷事件否定长期变暖，或用一次热事件“证明一切”。

案例三：体感与观测为何不一致？

你可能觉得“今年雨很多”，但统计显示年降水量接近常年。这并不罕见：降水的体感常由“集中程度”决定——少数几次强降水就能塑造强烈记忆，而年累计量对分配方式并不敏感。此外，城市内涝、地表不透水化会放大降水的影响，使“灾害感受”与“气候量”脱钩。区分“气象事件”与“灾害风险”（暴露度、脆弱性、承灾体）也是科学传播中的重要一环。

核心框架预告：水、能量、动力与耦合如何共同塑造天气

物质（水）循环：从蒸发到降水的路线图

水循环是天气系统的“燃料链”。蒸发将海洋与陆面水分转化为水汽，输送将其带到潜在降水区，凝结释放潜热，反过来强化上升运动与风场结构。很多强天气（台风、暴雨、强对流）都可理解为高效的水汽输送与凝结过程在合适动力配置下的集中释放。

能量收支：太阳辐射如何变成风与云

地球系统的主要能量来源是太阳辐射。不同纬度接收的能量不均，使得大气与海洋必须通过输送来“搬运”热量，从而形成环流。地表的反照率、云的辐射效应、温室气体的长波吸收与再辐射，决定了能量在系统内如何分配。天气变化往往可以追溯到局地能量不平衡如何触发垂直运动与云雨发展。

动力过程：看不见的力如何组织成有形的天气系统

大气运动受多种力共同作用。最核心的近似是：大尺度上，压力梯度力驱动空气从高压向低压加速，而地转偏向力（科氏力）使风偏转，最终形成近似沿等压线吹的地转风；近地层摩擦又使风稍微“切向”指向低压中心，引发辐合与上升。锋面、气旋、急流、对流风暴，都是动力过程在不同尺度上的具体表现。

多尺度耦合：从“蝴蝶效应”到“边界条件记忆”

大气具有混沌性：初始误差会随时间增长，这限制了确定性预报的时效。然而，并非所有尺度都同样“健忘”。海洋、土壤湿度、积雪与海冰等变化较慢，可为季节预测提供可预报性来源。因而，天气与气候并非被一刀切开，而是由不同尺度的可预报性共同构成连续谱。理解这点，有助于你在阅读后续章节时把握“哪些问题可以更准确回答，哪些只能给出概率区间”。

常见误区与更好的提问方式

误区一：把一次极端事件等同于气候趋势

更好的问法是：该类事件的发生概率或强度分布是否改变？需要多长记录、怎样的统计检验才能得出结论？

误区二：把预报当作“对错题”

预报本质上是风险信息。尤其在强对流、台风路径、暴雨落区等问题上，合理使用概率、集合与情景，比追求单一“最准点位”更能服务决策。

误区三：忽视“观测—模型—解释”的链条

你看到的“温度”“降水”不是自然的原始状态，而是观测、订正、插值与再分析等一系列处理后的结果。理解数据来源与不确定性，是科学讨论的起点。

> 侧栏｜如何用一句话判断讨论是否“在同一层面” > - 讨论天气：问“明天几点下雨、雨有多大、风多强”。 > - 讨论气候：问“未来几十年该地暴雨频率是否增加、增幅多大、置信度如何”。 > 两者都重要，但指标、方法与证据链不同。

术语底座：后续章节将反复出现的关键词

为便于阅读，以下给出简明而可操作的定义（并非唯一表述，但足以支撑本书叙述）：

• **气团**：在水平范围内温度、湿度等性质相对均一的大块空气体，常源自特定下垫面（海洋、大陆、高纬等）。
• **锋面**：不同气团之间的过渡带，伴随较强的水平温度梯度与风向切变，易出现云雨。
• **对流**：由浮力驱动的垂直运动，典型表现为积云发展与雷阵雨；与之相对的“层状云系”多与大尺度抬升相关。
• **环流**：在较大空间尺度上具有组织性的平均气流结构（如季风环流、副热带高压、西风带），决定水汽与能量输送路径。
• **急流**：高空强风带，常位于对流层上部，与天气系统发展、锋区位置密切相关。
• **距平**：某时段观测值相对基准期平均的偏差，用于衡量“偏热/偏冷、偏湿/偏干”。
• **可预报性**：某一时间尺度上，大气状态或统计量在给定信息条件下可被预测的程度；与系统混沌性、观测质量与边界条件记忆相关。

“观测—分析—预报”：从数据到结论的最短路径

下面的简化流程图概括了现代预报业务的核心链条。它也提示我们：预报不仅依赖“算力”，更依赖观测网络、物理理解与误差刻画。

```mermaid flowchart TD A[观测：地面/探空/雷达/卫星/海洋] --> B[质量控制与订正] B --> C[数据同化：生成分析场] C --> D[数值模式积分：未来演变] D --> E[后处理：统计订正/降尺度/集合概率] E --> F[产品发布：预警/预报/服务] F --> G[检验评估：误差诊断] G --> C ```

天气—气候尺度对比：同一条时间轴上的不同“镜头焦距”

天气与气候的关系，最适合放在同一条时间轴上理解：镜头越“近”，细节越丰富、不确定性越强；镜头越“远”，个体事件被平均掉，统计规律更清晰。

```mermaid flowchart LR subgraph S1[天气：事件与过程] a1[分钟-小时：阵风/雷阵雨] --> a2[天：冷空气/锋面雨] --> a3[周：台风过程/持续高温] end subgraph S2[气候：统计与趋势] b1[月-季节：雨季/季风强弱] --> b2[年-十年：年代际变率] --> b3[几十年：变暖趋势/极端概率变化] end a3 -.统计汇总.-> b1 ```

小结：在边界处建立清晰的“语言系统”

本章从日常经验出发，将“天气”与“气候”放回同一连续谱：天气是短期状态与过程，气候是长期统计与变化；二者通过平均、分布、距平与概率语言相互连接。我们也借“从起床看窗外到台风登陆”的片段提示了全书四条主线：水循环提供物质燃料，能量收支给出驱动力，动力过程组织成可见的天气系统，多尺度耦合决定演变路径与可预报性边界。理解这些，既能更理性地使用预报信息，也能更准确地讨论气候变化与极端事件之间的关系。

接下来章节将从最直观也最关键的环节切入：水汽从哪里来，如何被输送、抬升并转化为云雨，以及这一过程如何在不同尺度上被组织与放大。你将看到，许多看似偶然的“天气”，其实有着可追溯、可计算、也可被检验的物理逻辑。

[^wmo_normals]: WMO 关于气候常年值（30 年气候平均）的建议与说明可参考世界气象组织相关公开资料与技术指南（正式出版可补充具体文献条目与版本号）。