■王雯会

地球中纬度地区的大气环流大部分以波的形式在环绕地球运动，主要表现为显著的20~30天振荡。这种波动的传播带来了两半球热带外不同区域的极端天气，并增强其强度。它与极端天气之间的联系存在多样性和时变性，表明了地球系统敏感因素之间的多层次相互关联。

随着卫星遥感等多种观测手段进步，近年来气候观测获得的数据迅速增加，这些科学大数据反映和表征着复杂的自然现象与关系，并具有高度数据相关性和多重数据属性。充分利用气象科学大数据的资源，从不同角度去研究发现一些新的大气环流变化的多种不同时间尺度的经典统计规律，可以得到更多的表征10~30天延伸期极端天气变化的小数据变化信号。

江苏省气象科学研究所高级工程师杨秋明主持的国家自然科学基金面上项目基于大量全球气象资料，识别主要低频信号，建立了扩展复数自回归预测模型（ECAR），将长江下游地区20~30天低频降水分量的预报时效从原来的20天左右显著延长到30~40天以上，明显提高了长江下游地区暴雨（强降水）的延伸期预报能力（http：//www.lcjrerf30.org/）。

它是不需要预先编入任何预定的规则，接近于无经典理论支撑的，基于数据中隐藏的多种时间滞后的相关关系，完全由动态数据驱动构建的预测模型。这种方法跳出既定思维的框架，从具有复杂性、综合性、全球性的大量历史和实时资料找到能够更好地佐证现有预测和决策的数据。把数据激活，将静态数据变成动态数据，并不断更新关键的数据，适应主要相关关系变化的新常态，形成一个崭新的数字化的数据环境，关键信息不需要专家预先规定。与经典动力模式和统计模型不同，这个新模型通过寻找海量数据与算法的对应关系而确定，是具体的数据运算,并无抽象过程。基于大小数据的相互关系和物理世界与虚拟世界的无缝连接，描述大气低频变化演变的全球性和多样性及其年际变化。对关键数据进行有针对性的归纳和分析，发现隐藏在多样化的大量数据中的多层次相关及其变化过程，即使部分机制不能用确定的物理过程描述，没有被理论推导或因果关系存在不确定性和多样性，也能建立完全由数据驱动的随时间变化的近似简化模型（组），显著延长极端天气事件预报时效。