基于預報精準的研究型業務技術培訓需求分析和思考

■ 鄭曉輝 趙娟 薛童 鐘琦 袁薇

加強客觀預報方法和預報檢驗評估方面的培訓，完善針對數值模式產品、網格預報產品的精細化檢驗評估和訂正，以及多尺度天氣氣候模式的不確定性分析、評估和改進等方面的培訓。助力解決業務人員的科技創新能力不夠、科研人員相對薄弱的現狀。

氣象核心業務是一種研究型業務，隨著氣象通訊計算機化、氣象預報數值化和網格化、氣象觀測自動化，更多的業務人員從事本地預報技術和氣象產品的研發。發展研究型業務，能加快解決好氣象預報中“卡脖子”難題，實現核心技術自立自強。

研究型業務的發展和推進需要強大的氣象業務科技人才隊伍，這就要求氣象業務科技人才的培訓應與時俱進。在氣象科技創新發展迅猛，人工智能等新技術對傳統天氣業務的影響不斷加深的背景下，學習和領會研究型業務建設意義和內涵，掌握智能網格預報業務等關鍵技術，了解新時代氣象業務體系和發展機制對業務人員帶來的新挑戰。

1 調研方法

對研究型業務技術發展的培訓需求調研主要通過三種方式開展。

第一種為向省級單位的氣象臺、信息中心、服務中心、氣候中心、科研所等業務和科研部門，以及預報處、人事處等管理部門發放調查問卷。最后共回收有效問卷1295份。問卷來自24個省級氣象局，其中，有22個省份的管理部門參與了調研，近70%為預報處（科技處），其余為觀測處和人事處的其他管理部門；業務和科研部門中，共20個省份的氣象臺和13個省份的科研所反饋了問卷結果，省氣候中心和信息中心的也有一定程度的參與（小于10個省份）。

第二種為收集參訓學員帶來的本單位預報業務的進展情況和亟待解決的問題，具體包括“數值預報模式對本地氣溫、降水、風等預報偏差分析及檢驗應用情況”和“本單位在智能網格預報業務方面的成功經驗和亟待解決的問題”。調研對象為參加技術班的44位正式學員，總體較為年輕，近一半學員年齡在30～35歲；職稱方面，工程師占46%，高工占36%，正高占9%；學歷方面，博士研究生7人，碩士研究生26人，占學員總數的四分之三；崗位方面，52%為預報崗，其余為智能預報研發崗。學員中25人參加過智能預報技術方法交流大賽。因此參訓學員對本單位預報業務的進展情況非常熟悉，對亟待解決的問題也有最切身的感受。

第三種為總結培訓過程中學員通過研討、匯報和技術交流等方式反饋的培訓需求信息。這些學員正是面臨向“現代型”預報員轉型的隊伍，因此他們反饋的培訓需求結果具有較好的代表性。調研的具體做法如下：（1）按區域分類分組預研討；（2）分組匯報業務中的關鍵技術應用，包括“智能化預報業務中的預報員轉型”“中國東南部地區強降水檢驗及訂正技術”“青藏高原及其東部地區預報偏差分析及檢驗”和“大北方地區預報偏差分析和客觀訂正方法”；（3）學員與點評專家之間針對研究型業務關鍵技術問題進行深入探討。通過研討、匯報和交流等方式的梳理，能夠了解到研究型業務中關鍵技術的發展和應用情況，掌握其重點和難點，把握研究型業務技術的培訓方向。

最終通過匯總多渠道調研結果，分析研究型業務技術培訓需求，為進一步加強研究型業務培訓開展提供參考。

2 問題分析

2.1 智能網格預報產品應用

共7個單位在該方面反饋了具體問題。主要表現在智能網格預報產品應用程度不高，包括如何將不同來源、不同尺度預報結果融合統一；本地客觀化預報技術發展緩慢，與智能網格預報業務融合不足，采用的方法較少；智能網格預報系統的功能性和易用性需要繼續改進，系統本身架構和數據流程有待優化；智能網格預報與研究性業務間關系認識有待進一步提升。

2.2 人工智能等高新技術的應用

共10個單位在該方面反饋了具體問題，主要表現為人工智能等高新技術在精細化預報方面的應用不足，從事相關研究的人員偏少。包括在預報產品統計時空降尺度技術方面，需要機器學習提升滾動更新預報精細化水平。在歷史天氣數據庫搜索、預報形勢智能分型以及模式數據智能算法訂正方面人工智能等新技術應用偏少。預報員對新技術、新方法的掌握和應用能力不足，缺少有經驗的從事人工智能技術人才，人工智能預報技術的培訓和學習方面還需要更多的投入。

2.3 基于復雜下墊面的預報技術

共8個單位在該方面反饋了具體問題。包括復雜地形下要素的精細化預報質量偏低，基于復雜地形下降水的影響機制需要進一步研究，客觀訂正方法需要進一步改進；數值預報模式在山地地形下氣溫、降水等要素預報上預報質量不高，要素預報訂正結果質量仍然偏低。如何有效地降低模式背景場在復雜地形下的系統誤差，發展基于復雜下墊面的客觀預報新技術，是亟待解決的問題。

2.4 預報員轉型困難

共5個單位在該方面反饋了具體問題，包括目前預報員要求兼具業務值班、科研開發雙重屬性，但缺乏知識更新時間和途徑，如何向“全能型”“精專型”方向發展；預報員考核辦法如何適應業務變革需求；智能網格預報建設成型后，預報員如何發展。

2.5 計算資源和存儲資源

共6個單位在該方面反饋了具體問題，主要表現為計算和存儲資源不足。反映在部分省份受存儲資源的限制，集合預報資料的獲取不完整不及時，對集合預報的檢驗分析所做工作較少；在模式研發時所需的資料存儲能力不足，影響模式的穩定運行；數據從文件夾到CIMISS再到分布式到FTP，未來轉向云平臺，數據訪問、存儲和格式多變影響了業務的有效進展。

3 培訓需求

研究型業務建設工作方案中堅持把科技創新和人才隊伍建設擺在核心位置，將強化人才隊伍建設作為研究型業務建設重要目標之一。在人才隊伍建設方面，培養穩定的業務人員梯隊目前是各業務單位的主要做法（87%），加大研究型業務人才培訓力度也是各單位非常重視的人才隊伍建設舉措（82%）（圖1）。因此加強研究型業務的培訓，從而提高人才隊伍的科技創新素質，在研究型業務體系建設中有重要的作用。

圖1 研究型業務人才隊伍建設方法

在研究型業務培訓重點方面，研究型業務關鍵技術是大家普遍關注的培訓內容（87.6%），研究型業務建設成功經驗分享也是培訓中普遍想學習和了解的內容（82%），國家級研究型業務建設進展（56.7%）和研究型業務布局與規劃（55.7%）也有一定的培訓需求（圖2）。

圖2 研究型業務培訓重點內容

在研究型業務關鍵技術培訓需求方面，為適應氣象業務發展的新形勢和新要求，預報員普遍關注人工智能技術、大數據等新技術應用，分別有70.8%、66.7%的預報員關注大數據挖掘和多源資料融合分析、人工智能等信息技術在氣象中的應用，半數以上的預報員對精細化預報檢驗評估（66.7%）、智能網格預報（61.1%）有培訓需求，44.4%的預報員希望學習智慧氣象服務相關知識，另有27.8%預報員想要了解自動氣象觀測技術（圖3）。

圖3 研究型業務關鍵技術的培訓需求

預報員在智能網格預報關鍵技術方面的需求情況，超過半數預報員希望學習預報檢驗評估技術（55.6%），其次是基于智能網格預報的氣象服務應用（45.8%）、快速更新的短臨預報技術（44.4%），同時也希望了解短中期網格預報（37.5%）、實況分析技術（33.3%）和預報業務平臺開發（29.2%）。此調研結果也為未來的研究型業務培訓策劃和課程設置提供了重要依據（圖4）。

圖4 預報員對智能網格預報關鍵技術的培訓需求

4 思考和建議

依據研究型業務建設的需求，結合干部學院培訓資源，基于上述研究型預報業務發展背景下預報員能力素養面臨的新挑戰和培訓需求調研分析，在分層分類研究型業務培訓班型、新技術與新方法培訓、培訓能力建設、培訓效果評估等方面進行了一些初步思考。

4.1 構建分層分類的研究型業務培訓班型，全方位提升業務能力

在組織培訓時立足研究型業務發展的要求和建立研究業務人才隊伍的特點，開發科學分層分類的培訓方式方法。培訓班的開設應兼顧考慮預報員轉型后的業務方向，開展以數據為基礎，以數值模式發展和應用為核心，以實況業務和靶向評估為抓手，以完善客觀方法為目標。可根據預報員和技術開發人員的不同需求開設班型，也可以根據省市兩級研究型業務發展要求和側重點的不同，開設不同層次的培訓班型等。

4.2 聚焦關鍵技術問題，加強新技術與新方法培訓

隨著氣象現代化建設的發展，以大數據挖掘、人工智能等信息技術為代表的氣象高科技成果，已在氣象行業實現共享共用。為了讓業務科研人員進一步提高解決實際問題的能力，需聚焦制約業務發展關鍵問題，推進以現代信息技術、人工智能技術應用為代表的客觀智能預報技術體系的培訓，促進客觀預報預警技術的業務應用。加強客觀預報方法和預報檢驗評估方面的培訓，完善針對數值模式產品、網格預報產品的精細化檢驗評估和訂正，以及多尺度天氣氣候模式的不確定性分析、評估和改進等方面的培訓。助力解決業務人員的科技創新能力不夠、科研人員相對薄弱的現狀。

4.3 建平臺增個例，強化研究型業務培訓能力建設

結合學員反饋的培訓需求，應進一步搭建精細化檢驗和訂正培訓平臺，開發針對區域高分辨率模式預報、網格預報產品的精細化檢驗評估培訓個例，編寫研究型業務關鍵技術系列教材。逐步開展課堂個例實操，實現機器學習等新技術在氣象領域的算法的快速入門和實際運用。同時，也要進一步加強研究型業務培訓師資隊伍建設，加強科學研究和教學研究，形成教、學、研互相促進的良性機制。增加教師實習的機會，去一線業務單位學習最新業務技術方法，促進研究型業務成果在培訓中及時應用。

深入閱讀

姜如海, 林霖, 2019. 發展研究型業務的幾點思考. 氣象軟科學,122(2): 1-11.

邢亞爭, 孫天蕊, 周倩, 2020. 氣象部門人事管理崗位培訓需求研究. 氣象科技進展, 10(2): 108-111.

鐘琦, 薛童, 朱禾, 等, 2020. 面向預報員的精細化數值預報產品應用培訓需求研究.氣象科技進展, 10(2): 92-99.

Yu R C, Li J, Jia P Q, 2019. Development of operational weather forecasting shaped by the “Triple-In” properties of numerical models. WMO Bulletin, 68(2): 56-62.