观潮 · 模式预报与气象 AI 观察

光学湍流预报先要有基线:7 个台址 8 年观测给出持续性预报与均值预报的参照值

2026-10-15

> 自适应光学系统的表现高度依赖大气光学湍流(OT)状况,所以 OT 预报直接决定望远镜排队调度能不能优化。数值预报参数化、经验方法、机器学习、混合方案都在做,但要判断它们到底有没有增量价值,得先有一套定义清楚的基线。作者用两个模型建立短预报(1—2 小时量级)的基线阈值:均值预报(PC,预测某时段内的平均值)和持续性预报(PP,预测同一时段内的时间演变),在甚大望远镜(VLT,智利帕瑞纳)和大双筒望远镜(LBT,美国格拉汉姆山)两个台址的多年观测上量化,并检验能否靠湍流统计特征把阈值外推到其他台址。结论对做预报的人都成立:基线精度随台址、参数、预报时段长度和预报方式而变,所以 OT 预报模型的精度不能绝对地量化,只能相对基线谈。

缺的是哪一块

地面天文观测的质量上限由大气光学湍流决定。自适应光学能缓解,但缓解多少取决于当时的湍流条件——湍流一强,自适应光学系统通常就没法用,所以存在一个可保证 AO 性能的视宁度阈值区间,业务排班要绕着它走。

已有的 OT 预报方法覆盖了四类:把 OT 参数化进数值天气预报、经验方法、机器学习算法,以及把数值框架和自回归算法接起来的混合方案。方法多了以后,缺的是一个共同的标尺。作者的判据写得很直接:如果一个预报模型的精度不能超过基线,它就不能算有效、有用。

两个基线模型

模型 · 做法 · 目标 · 验证观测处理

持续性预报(PP) · 假定目标预报窗内变量保持不变,看用前一段回看窗口的平均观测值代替当前时刻值能不能更准 · 预报同一时段内的**时间演变** · 计算评分后对观测做 1 小时中心滑动平均,保留低频趋势、滤掉与业务无关的高频波动

预casting(PC) · 取前一段回看窗口的观测平均,作为目标预报时段的期望平均 · 预报某时段内的**平均值** · 不做滑动平均,因为模型评估的是一个标量平均而不是连续演变

两个模型的回看窗口最优时长都用同一套方法确定:对实测最小化均方根误差。

评估的四个天文气象参数是视宁度、波前相干时间、等晕角和地面层占比(GLF)。

数据覆盖

台址 · 仪器 · 时段

Cerro Paranal(智利,VLT) · MASS-DIMM · 2017—2024,8 年

Mt. Graham(美国,LBT) · DIMM · 2017—2024,8 年

Roque de los Muchachos(拉帕尔玛,TNG) · DIMM · 2017—2024,8 年

La Silla(智利,NTT) · DIMM · 2017—2023,7 年

Matera(意大利航天局空间中心实验室) · Cyclope · 2022 年,1 年

Cagliari(意大利) · C-DIMM · 2024 年

Kryoneri(希腊) · C-DIMM · 2025 年

后三个台址不是天文台址,是特意选的——作者预期那里视宁度差,用来检验阈值能不能外推。

结果数字

结论 · 内容

最优回看窗口 · 多数天文气象参数在 PP 和 PC 两种模型下都落在 10 分钟

依赖什么 · 基线预报精度随台址、具体参数、选定的预报时段长度、预报方式而变

外推的关键量 · 与湍流自身变率的相关远好于与视宁度中位数的相关

可外推性 · 基线表现的趋势可以外推到其他台址,但**目前还得不到回归规律的显式解析表达式**;只能陈述:某统计量越大,对应的误差也系统性越大

那条「与变率的相关好于与中位数的相关」是这篇最值得记的一点。它说明基线精度主要由湍流在计算预报误差的同一时间尺度上的内在变率决定,而不是由台址的典型视宁度好坏决定。换句话说,一个「平均视宁度很好」的台址,如果湍流在小时尺度上抖得厉害,基线一样会很差。

原文图

图1 持续性预报的 seeing 误差随时间尺度增长
图1 持续性预报的 seeing 误差随时间尺度增长

图1 持续性预报在 VLT(蓝)与 LBT(橙)两台址的 seeing RMSE:随所用时间尺度从约 0.16 角秒升到约 0.38 角秒,LBT 各档都高于 VLT,阴影为置信区间。

作者承认的限制

限制 · 原文口径

三个台址统计代表性不足 · Matera、Cagliari、Kryoneri 的样本只覆盖 1—2 年而非 8 年,误差棒看起来偏小是**人为的**,因为样本量小

拿不到解析式 · 作者明说「目前还无法给出回归规律的显式解析表达式」,只能给出单调关系

本文是缩略版 · 本文是 de Sepibus et al. 完整研究的概述与精选结果,大气参数部分的完整分析、显式数学公式和预处理细节都在完整版里

精度不可绝对化 · 结论本身限制了解读方式:任何 OT 预报模型的精度都不能绝对量化,只能相对基线

一句话判断

这套工作的价值不在给出某个具体精度数字,而在把「预报模型必须先过基线这一关」这件事量化到了台址、参数、时段三个维度上;并且指出决定基线好坏的是湍流在预报时段上的内在变率,不是台址平均视宁度。

在观潮中打开(含配图与交互)→