天气预报哪个国家？
美国NOAA（美国国家海洋和大气管理局）的GFS（全球气压预测系统）是目前世界上资源最强大，精度最高的天气预报系统之一！ 先来看看2016年夏季的预测例图，右上角的日期和时间显示的是发布预测的日期，即2016年5月30日： 从图中可以看到系统对中美洲到北美东部的大面积暴雨预测。下面再来看看今年夏天的实况图，时间自7月13日至8月9日，可见实际降雨区域与当初的预测几乎没有差别：
另外还可以在这里看到更详细的预报路径图；点击路径图的左上角，可以放大到按次网格的预报细节： 这样精确度惊人的天气预报系统并不是只在大型事件如飓风等时候才启动使用。作为美国最大的政府机构之一，NOAA的气象学家们每天也要通过GFS模型进行数百次的模拟来预报未来几天甚至更久以后的气候情况。
那么这样一个强大的“超级计算机”是怎么做到这么精准的？它的数据源又有什么特别之处？ GFS所需要的初始条件包括：物理场（温度、湿度和压力等）、化学场（气体分子浓度等）、太阳辐射、卫星云图以及由大量台站记录的地面观测资料等等。所有这些数据的精度都在不断进化提高中。
其中物理场的数值计算方法使用了被称为“全耦合”的算法，也就是把大气中的水分子和固体颗粒的运动都考虑进来进行推算。因为地球表面和水体的存在，大气并非理想气体，气相和液相之间有物质交换，比如云滴通过蒸发从大气层获取水汽，降下的雨水又给土壤补充了水分。因此大气中的水分子并非完全按照理想气体来进行运动。 全耦合算法需要同时计算大气中各个组成部分的速度、压力和温度等，并进行不断的反复迭代以得到最终结果。虽然这种方法能更好地描述真实大气的情况，但它也需要更为准确的初始条件才能运作。 在NOAA制作GFS地图时，会先在电脑上模拟出一片100万平方公里的“大气玻璃缸”，然后再填充进去各种初始条件，包括来自北美大陆中央的水汽团、来自太平洋的温湿空气柱以及在高空向北流动的平流层等。
除了初始条件，影响天气预报精度的另一个重要因素是统计方法。目前各国普遍采用的方法是利用历史实测资料确定模式参数，再用最新的数据对模式进行预测试验，找出最优解。这种迭代优化的过程可以不断地修正早期产生的误差，使得预报更加精准。 以我国研发的“季风环流模式”为例，它可以把一个季节内的天气现象描绘出来，从而提前60天准确预测出台风的路径和强度。 再来说回GFS。其实它也不是万能的。因为气候系统是非常复杂的，大气中的水滴并不是只存在于空气中，它们也可以存在于固体地表。而目前所有的模式都必须假设水滴仅存在于空气之中并忽略气体分子的扩散作用，这种假设的误差对于远距离的海面热泉喷口是很小的，但是对于接近地表的低温地区就会引起较大偏差。由于地球大气圈中有无数的运动轨迹，每一个轨迹都有自己的时间延迟，要完美地模拟这个延迟过程是不可能的。所以GFS这样的模型也只能提供一种概率上的预报，无法给出某一事件绝对出现的概率。