第四章
天气预测：蝴蝶扇动翅膀，有可能引起龙卷风

2005 年 8 月 23 日，星期二，一架空军侦察机在巴哈马群岛上空飞行时，捕捉到一些干扰气流，几个旋涡正呈顺时针方向形成一股旋风，并由东向西移动，从大西洋逐渐向美国推进。从云层或卫星数据中很难检测到中断的风力模式，但海面上的货船已经有所察觉。美国国家飓风中心认为，足以把此次干扰气流描述为热带气旋，并将其标记为第 12 号热带低气压。在大西洋流域的所有热带气压中，有一半最终会演变为飓风。这次风暴很诡异，可能会加剧，也可能会消失。

这次的热带气压很快就加强了，截至星期三下午，美国国家飓风中心的计算机模拟机已经预测到有十几场飓风会在美国登陆，第一场将覆盖佛罗里达州南部，第二场可能会将气旋“带到”新奥尔良。风暴的威力已经足以升级为飓风，人们将它命名为“卡特里娜”飓风。

卡特里娜飓风第一次登陆时，持续的时间不长，它只是从迈阿密北部经过，几个小时后，又掠过佛罗里达大沼泽地，当时只算得上是 1 级飓风，不足以对太多人畜造成威胁。如果说那时卡特里娜飓风还没有从风暴中汲取太多力量，那么当卡特里娜飓风到达墨西哥湾的温暖水域时，就开始积攒力量了。星期六清晨，情况开始变得严重：卡特里娜飓风风力已达到 3 级，并且正在增强至 5 级。预测跟踪显示，它正从佛罗里达的狭长地带逐渐向西移至密西西比和路易斯安那。计算机模拟机已得出一致结论：新奥尔良必将遭到此次风暴的袭击。

我请美国国家飓风中心主管马克斯·梅菲尔德回忆一下他从什么时候开始意识到这次风暴的严重性。马克斯·梅菲尔德说：“在卡特里娜飓风来袭后，我已经参加过 5 次国会听证会了。当时有人问我是从什么时候开始关注新奥尔良的，我告诉他是 60 年前。”

新奥尔良遭到严重飓风的正面袭击对于每个气象预测者来说，在很长一段时间内都是一个噩梦。这个城市的各方面情况都适合自我破坏甚至灭亡。这一方面与那里的地形有关：新奥尔良几乎是陷在墨西哥湾中，很大一部分人口生活在海平面以下，他们的保护措施只有过时的堤坝和一些几乎已经被冲进大海的天然栅栏。另一方面与当地的风俗有关：新奥尔良人在许多方面做得相当好，唯有两件事他们不屑去做，那就是他们不愿迅速行事，也不信任权威，这就是新奥尔良人。如果他们不这样的话，那新奥尔良也称不上是新奥尔良了。这座城市本可以更好地应对卡特里娜飓风，因为这两方面的事正是飓风来袭时最应该做的事。

美国国家飓风中心对卡特里娜飓风的预测是准确的，在堤坝被冲毁前 5 天就预测到这次袭击有可能会出现，在飓风登陆前 48 个小时就看出这次噩梦的一些端倪。20~30 年前，根本不会有这种先进的预警，人们也无法及时撤离。在过去几十年中，美国国家飓风中心的预测和气象预报不断地取得进步，毫无疑问，这种进步挽救了许多人的生命。

然而，并不是每个人都收听气象预报。约有 80 000 名（几乎占据当时该市总人口的 1/5）新奥尔良人没有来得及撤离，其中 1 600 人失去了生命。对幸存者的调查显示，2/3 的人没想到这次风暴会那么严重，其他人则说当时已经被混乱的撤离秩序搞晕了。尽管梅菲尔德和其他政府官员苦苦哀求，市长雷·纳金还是等了 24 个小时才下令强制撤离。还有一些居民，如穷人、老人或是看不到新闻的人，即使曾经想过撤离，最终也没能逃过这一劫。

本书中成功预测的故事之一就是气象预报，人与机器通力合作，使得我们能够了解，有时还能预测到大自然错综复杂的奥秘。然而，能够预测自然规律并不意味着我们可以改变它。如果没有人愿意相信预测，那预测也就没有什么意义了。卡特里娜飓风就是有关人类才智与失误的故事。

我们真能准确地预测天气吗？

科罗拉多州博尔德市的美国国家大气研究中心（NCAR）有几个超级计算机实验室，它们会自己制造天气：有时炎热，由国际商业机器公司（IBM）公司蓝火超级计算机每秒进行的 77 万亿次运算会产生大量的辐射能；有时多风，所有的热量都需要被冷却，以免预测天气的能力突然丧失，所以，会有几个高压风扇一直向计算机供氧；有时还很聒噪，风扇的噪声很大，而这些运行的声音正是衡量这些装备是否安全的标准。

蓝火超级计算机由 11 个小匣子组成，每个小匣子大概 2.4 米高、0.6 米宽。在匣子的边缘，有一条亮绿色的赛车条纹。在匣子的后端，和你想象中的一样，大量缆线交错，连接着机器的主干，蓝色的指示灯一闪一闪。从匣子的前面看，它们的形状大小与便携式马桶差不多，只不过多了一个带有银色把手的门。

理查德·罗夫特博士是美国国家大气研究中心技术发展部门的主管，他负责监督超级计算机实验室的运行。我与罗夫特博士聊天时说：“这些计算机看着有点儿像马桶。”

气象领域的人已经习惯了这些玩笑。出演《抑制热情》的拉里·戴维就指出，气象专家有时在没有雨的天气也会预测有雨，好像只有这样做才可以在高尔夫球场上领先别人一样。政治广告常以天气打比喻，象征对手在某些问题上总是出尔反尔，以此攻击对手。大部分人认为，气象预报员其实并不怎么擅长预测工作。

事实上，看看那些正在运行中的计算机，想想所有这些操作是不是压根儿没用：计算机就能预测天气？还是它们仍然无法告诉我们明天会不会下雨？

罗夫特看上去并不满意预测现状。改良的计算机运算能力并没有明显提高对地震和经济形势的预测准确率。但是，气象学领域已经取得了许多显著的进步，罗夫特的超级计算机就是功臣之一。

气象预报简史

回到办公室之后，罗夫特对我说：“请允许我偏离正常的飞行计划。”罗夫特很幽默，想法古怪离奇，很像电视剧《办公室》里面的德怀特·斯格鲁特，只不过他更有自知之明。罗夫特说，有史以来，人们一直在试图预测自己周边的环境。“早在查科峡谷或是巨石阵形成的那个时期，人们就已经认识到自己可以预测一年当中时间最长和最短的一天，可以预测月亮的运动轨迹。但仍有一些事情古人无法预知，如来自某种动物的伏击或洪水和雷阵雨的突然袭击。”

现在，提前几天预测到飓风是很平常的事，但是气象学发展成为科学的过程并非一帆风顺。几个世纪以来，气象学发展都处于停滞状态。被称为“天文学家”的巴比伦人做出的气象预报，被刻在石碑上保留了 6 000 多年。然而，最终他们还是归顺了宁吉尔苏。亚里士多德写过一篇关于气象学的论文，提出了一些可靠的直觉感知，但不过是浅尝辄止。而仅在过去的 50 年前后，随着计算机的发展，气象学才取得了一些真正的进步。

你可能认为气象预报运用不到玄学知识，但是预测天气这一思想却引起了关于预定论和自由意愿的长期争论。罗夫特问我，“是万物天注定呢，还是万物人注定呢？这是人类最基本的问题，而且这两种思潮确实存在。”

罗夫特继续说道，预定论来自圣·奥古斯丁和加尔文主义，基于他们的哲学理论，人们也许有能力预知未来，但却无法改变未来，所有事都要顺应上帝的旨意。“这与耶稣和托马斯·阿奎奈信仰的自由意愿相悖。这是一个有关世界可预知与不可预知的问题。”

在启蒙时代和工业革命时期，关于不同事物可预知性的争论就已经开始了。艾萨克·牛顿的经典力学理论似乎证明了宇宙的高度有序性和可预知性，并且遵守相对简单的物理定律。几个世纪以前，科学进步、技术进步和经济进步就像是天方夜谭，而随着“人定胜天”思想的兴起，这些进步意识开始出现了。预定论也成了一个新思想的一部分，这个新思想就是科学决定论。

科学决定论表现为多种形式，但仍无法与法国天文学家、数学家拉普拉斯的观点相提并论。1814 年，拉普拉斯做出以下假设，后来这些假设被称作拉普斯的恶魔：

我们可以把宇宙的现状看作其过去已经发生的事情和未来可能发生的事情共同影响的结果。假设我们具备一种理解能力，能在某一个特定时刻认识到使大自然运动的所有力量，能够知晓构成大自然的所有事物的位置。若这种理解能力足够强大，可以对所有这些数据进行分析，就必然能够用一种最简单的公式或准则涵盖这个宇宙中最大的星体和最微小原子的所有运动。有了这种理解能力，就没有什么是不能确定的，未来和过去都能尽收眼底。

若对现在的情况（构成大自然的所有事物的位置）有充分的了解，对统治宇宙的定律（使大自然运动的所有力量）了如指掌，我们就应该能够做出完美的预测（未来就会像过去一样呈现在我们眼前）。宇宙中所有粒子的运动跟台球桌上那些球的运动一样，是可以预测的。拉普拉斯坦言，人类可能还不具备这样的预测能力。但是，如果人类足够聪明（或是有一台高速计算机），还是可以对天气或其他所有事物进行预测的，这样我们就会发现，大自然本身是多么完美。

拉普拉斯的恶魔存在的 200 年里，对它一直争议不断。与决定论者争论的是或然论者。或然论者认为，宇宙可知性成立的条件是，承认一定程度的不确定性的存在。最初的或然论几乎都是认识论范式，认识论断言，人类认识宇宙的能力有限。近期，随着量子力学的发现，科学家和哲学家开始怀疑宇宙自身的运行是否也存在概率。当你仔细观察时会发现，拉普拉斯试图识别的粒子呈波状运动，似乎没有固定的位置。如果一开始就无从得知某物在哪里，你又何以预测它将去向何处呢？显然做不到。这是理论物理学家沃纳·海森堡提出的著名的“测不准原理”（又称“不确定性原理”）的基础。物理学家以各种方式来解释“测不准原理”，但这一原理表明，照字面意思来看，拉普拉斯的假设就不可能正确。如果宇宙本身是杂乱无章的，那么根本就不可能存在完美的预测。

幸亏在研究天气方面用不到量子力学，而只涉及分子（而不是原子）层面，分子体积相对较大，不会受到量子的影响。此外，很长一段时间以来，我们对基于化学和牛顿物理学的天气研究一直都非常熟悉。

那么，将拉普拉斯的恶魔修正一下会怎样呢？如果我们知道地球大气层内每一个分子的位置——比起了解宇宙中每一个原子位置的要求，这个要求低得多——我们能否做出完美的气象预报呢？或者说，天气本身也存在一定程度的不可测性吗？

用矩阵来预测天气

对天气状况进行单纯的统计预测，早已成为可能。假设今天下雨，那么明天也下雨的可能性有多大呢？气象学家可以查看数据库里有关过去下雨的实例，或者查看较长时期内下雨的概率的平均值，如 3 月份的伦敦基本有十一二天都在下雨，进而得出答案。

问题是，这类预测的用处并不是很大，因为它们不够精确，无法告诉你是否需要带伞，更不用说预测飓风的路径了。所以，气象学家一直在寻找其他形式的预测。气象学家需要的是栩栩如生的预测模型，能够逼真地模仿自然界天气变化的过程，而这些是统计预测做不到的。

然而长期以来，我们预测天气的能力远远落后于对天气的理论研究。我们知道如何解方程式，并且能得出正确的结果，但是我们却无法使用方程式计算大气层里的每一个分子，我们能够做到的，只是给出近似值。

将问题简单化往往是最直接的方法，把大气层分解为一系列有限的象素，气象学家通常把这些象素称为矩阵：菱形格或方形格。罗夫特说，成果丰硕的英国物理学家刘易斯·弗莱·理查德森在 1916 年第一个做出这样的尝试。理查德森试图预测某一个特定时间——1910 年 5 月 20 日下午 1 点——德国北部的天气状况。严格地说，这算不上是预测，因为理查德森选择的是 6 年前的时点，但是，理查德森准备了很多数据：由政府收集的关于温度、气压和风速的一系列观察报告。他还有大量的时间：当时，他正在法国北部当救护志愿者，远离战火纷飞的前线。他把德国分成若干个二维分区，每个分区跨越 3 个纬度（约 338 公里）和 3 个经度。之后，他试着解出控制每一分区天气的化学方程式，并算出它们会对相邻地区的天气产生什么样的影响。

图 4-1 理查德森矩阵：现代气象预报的诞生

可惜，理查德森的实验并未成功，他预测当天气压会急剧升高，可实际上并没有。尽管如此，理查德森还是公布了这次实验的结果。这似乎是预测天气的正确方法：不依靠粗略统计出来的近似值，而是从第一手资料入手，利用对系统运行的透彻的理论认识进行预测。

理查德森采取的预测方法的问题在于，他需要太多的准备工作。计算机更适合他所建立的这一模型的要求。

首次使用计算机预测天气是在 1950 年，数学家约翰·冯·诺依曼使用一台每秒可以进行 5 000 次运算的机器，速度远远快于在法国干草堆里用笔和纸做计算的理查德森。但是，这次预测的结果并不好，还不如随意猜测得出的结果。

到了 20 世纪 60 年代中期，计算机才开始展示出预测天气的技能。蓝火是比第一台计算机的计算速度快 150 亿倍，比理查德森几乎快 1 000 万亿倍的超级计算机，超快的计算速度使蓝火看上去更为敏锐。现在的气象预报比 15~20 年前的准确多了，但是，相对于不断提高的运算能力，气象预报准确性的提升就显得有些缓慢了。

之所以进步缓慢，主要有两个原因。其中之一是，这个世界不是一维或二维的。提高气象预报的准确性，最可靠的方法就是，减小用来代指大气层的网格区域，逐一分析每一个分子的运动。理查德森的单位研究区域大约是 40 000（200 英里×200 英里）平方英里（约合 10 360 平方公里），只能提供一个高度概括的视界（你几乎可以把天气状况完全不同的纽约和波士顿都塞进这个 40 000 平方英里的区域里）。如果把这个单位研究区域的边长减半，也就是让分辨率变为 100 英里×100 英里，那么预测的精确度就会提高，但同时方程式也会增多。实际上，方程式的数量不是增加一倍，而是增加 3 倍。这就意味着，你需要大约 4 倍的计算能力，才能得到答案。如下图所示。

不只需要考虑二维空间，二维以上的空间也需要投入更多精力。不同的气候模型可以停留在较高或较低的大气层中，也可以停留在海洋里或地球表面。在三维空间里，如果单位研究区域的数量增至两倍，方程式就需要增至 8 倍。如下图所示。

接着还有第四维：时间。气象模型如果是静态的，可不见得就是好事，因为我们想要了解的恰恰是天气的动态变化过程。暴风雨的移动速度约为每小时 64 公里：如果是在一个 40×40×40 的三维网格中，就需要每小时观测一次，进而监控暴风雨的移动；但是，如果三维网格是 20×20×20，那么暴风雨每半个小时就会穿过其中的一个区域。这就意味着，如果时间参数减半，计算量就会增加到原先的 16 倍。如下图所示。

如果这是唯一的问题，它不会成为气象预报准确性提升的障碍。一般来说，若想要让单位研究区域的分辨率翻倍，那么你需要掌握 16 倍于原先的运算能力，而运算能力会以每两年增加一倍的速度不断提高。也就是说，只需等待 8 年，得到的预测就会比原先准确一倍。顺便提一下，美国国家大气研究中心的超级计算机已经达到这个运算速度了。

如果你解决了控制天气系统运动的流体动力学法则问题，会怎样呢？相对来说，这些属于牛顿学说的范畴。“测不准原理”对物理学家而言乐趣无穷，对你而言也算不上什么烦恼。你拥有蓝火这样最先进的设备，雇用了理查德·罗夫特为你设计计算机软件并进行模拟实验，还会有什么问题吗？

混沌理论与蝴蝶效应

出问题的是什么呢？是混沌理论。你可能听说过蝴蝶效应：巴西的蝴蝶扇扇翅膀，就掀起了得克萨斯州的龙卷风。混沌理论是麻省理工学院的爱德华·洛伦兹在 1972 年发表的一篇论文的题目，当时，洛伦兹刚刚开始做气象师的工作。适用混沌理论的系统，常有以下两个特性：

1. 该系统是动态的，这就意味着当前某一个时间点发生的动作会影响未来的动作。

2. 该系统是非线性的，这就意味着其会呈指数型增长而非加法累积。

动态系统给预测者们带来了大量问题，例如，我在本书后文中会提到一件事，美国经济持续发展的连锁反应事件，正是其难以预测的原因之一。非线性系统也是一样，抵押证券引起的金融危机就是这样一个例证，宏观经济中的微小变化极有可能导致严重的后果。

如果把这些特性放在一起，简直就是一团糟。洛伦兹一直没有意识到这些问题的严重性，他的重大发现只是出于偶然，就好像亚历山大·弗莱明意外发现了青霉素、纽约尼克队出现了林书豪一样。

洛伦兹和他的团队早期用一台名叫皇家麦克比 LGP–30 的计算机制作了一套气象预报程序，他们本以为会有所收获，可计算机后来却给出了很多稀奇古怪的结果。他们使用自认为完全相同的数据和完全相同的操作代码，但这套程序给出的堪萨斯州的气象预报却一会儿晴一会儿阴，每测一次出现一个结果。

经过几周反复的硬件检查和程序调试，洛伦兹和他的团队最终发现，他们使用的数据实际上并不完全相同：一位技术员把数据精确到了小数点后三位。比如，网格中某一角上的气压本该是 29.516 8，却被写成了 29.517。这怎么可能不造成巨大的差别呢？

洛伦兹认识到小数点后的数字保留情况会造成巨大的差距。混沌理论最基本的信条是，初始条件的一丁点儿变化，比如巴西的蝴蝶扇动翅膀就会产生巨大的、无法预料的各种结果，会引发得克萨斯州的龙卷风。但这并不是说这一系统就像它的名字“混沌”的含义那样随机，“混沌理论”也不是“墨菲定律”（该出的错总要出）的现代版本，它只是意味着，某些类型的系统很难预测。

我们的数据中一旦出现错误（或者假设中出现错误，如抵押贷款证券的例子），问题就会随之而来。想象一下，我们本该计算 5 加 5，可是键入第二个数字时出错了，变成了 5 加 6，我们本来想得出的结果是 10，现在结果却成了 11，这必然会出错，但错得还不算离谱：加法是线性运算，不会出现让人无法原谅的错误。而如果指数运算出现错误，后果就会非常严重。如果本该计算 55，却误写成 56，那得到的结果就从原来的 3 215 变成了 15 625，这样就错得太离谱了，几乎是正确答案的 5 倍。

如果这个计算过程是动态的，就意味着我们在整个过程中的某一个阶段的输出会成为下一个阶段的输入，结果的不准确性就会更加严重。比如说我们要算 5 的 5 次方，然后对得到的结果再进行 5 次方运算。如果犯了上述错误，把第一个 5 次方错写成 6 次方，又把错误结果应用到后面的计算，这样一来，得出的结果就会是应得结果的 3 000 多倍。一个小小的，甚至看似微小的错误，就这样越错越离谱了。

天气变化是动态系统的一个缩影，反映大气层里气体和液体运动的不同方程式是非线性的。因此，混沌理论绝对适用于气象预报，但也使气象预报更容易受信息不准确性的影响。

有时，错误的产生是人为的结果。更为重要的问题是，在我们观察周围事物时，精确程度是有限的。没有哪个温度计是准确无误的，就连小数点后保留位数的不确定都会对预测造成严重的影响。

图 4–2 展示的是欧洲天气模型的 50 轮预测结果，该模型试图预测法国和德国在 1999 年平安夜的天气状况。所有这些模拟操作使用的都是同一款软件，做出的天气假设也是相同的。实际上，这些模型完全是决定论的：他们认为，只要非常清楚初始条件，就一定能非常准确地预测出天气状况。但是，输入信息的一丁点儿变化就会造成输出信息的巨大差异。欧洲天气预测模型曾经试图解释这些错误。在模拟操作中，汉诺威市的气压也许只作了微调，斯图加特市的风力也许只变更了零点几，这些微小的变化都足以引发巴黎的强风暴，而其他地区可能仍是平静的冬夜。

这就是现代气象预报的制作过程，人们有意加入这些微小的变化以代表观测数据内在的不确定性，这样就可以将一个必然性的预报变成了或然性的。比如，当地气象预报员说，明天有 40%的概率会下雨，意思是说，在他的模拟操作中，有 40%的概率会下雨，有 60%的概率不会下雨。

然而，问题并没有那么简单。气象学家使用的气象预报程序相当不错，但也并非尽善尽美。我们实际看到的预测反映的是计算机和人工判断相结合的结果。人类可以使计算机预测得更好，也可以使计算机预测得更糟。

视觉化预测与抽象化预测

世界天气和气候预测大楼是典型的 20 世纪 70 年代建造的办公楼，造型很一般，外观是黄褐色的，位于马里兰州的坎普泉，距离华盛顿有 20 分钟路程。这座大楼是美国国家海洋和大气管理局（NOAA）的指挥总部，在政府组织关系表中，NOAA 是国家气象局（NWS）的上级单位。相比之下，位于博尔德的国家大气研究中心（NCAR）则可以使人们饱览落基山弗兰特岭地区的景观，而世界天气和气候预测大楼给人的印象不过是一个官僚机构。

美国国家气象局最初是在 1870 年由格兰特总统授权，由战备部组建的。之所以由战备部组建，一部分原因是因为格兰特总统相信，只有保持军事纪律的作风，才能保证预测的精准，而另一部分原因是，当时的整个战备部都死气沉沉的，只有在竭力取胜的战争时期才有存在的价值。

1888 年 1 月发生“校舍暴风雪”事件之后，公众开始更多地关注气象预报问题。那年 1 月 12 日，起初还算是大平原地区相对温暖的气温，可几个小时之后，气温骤降 30 摄氏度，紧接着，让人眼晕的暴风雪骤起。数以百计的学生刚刚放学就被暴风雪困住，冻死在回家的路上。早期的气象预报如此粗糙，但对于这种严酷的天气情况，人们还是期望气象预报至少能提供一些预警。于是，美国国家气象局被划归农业部管辖，接手一些面向大众的任务。

现在的美国国家气象局仍保留着最初的职能，预测者夜以继日地工作，薪水却不高，因此预测者自称“人民公仆”。我在坎普泉见到的气象学家都是爱国主义者，他们总会让我由衷地认为，农业、小商业、航空公司、能源部门、军事、公共服务、高尔夫球场、郊游野餐以至上学的小学生之所以能够一直保持这样生龙活虎的运行状态，气象预报起到了重要作用，预测者更是劳苦功高（尽管美国国家气象局对国民经济会产生 20%的直接影响，但每年得到的经费却只有 9 亿美元，相当于每个美国市民付出 3 美元）。

我见过的气象学家中，有一位名叫吉姆·呼克，是美国国家气象局水文气象预报中心的主管。他在这一领域工作了 35 年，既负责计算方面的工作（协助建立预测者使用的计算机模型），也负责操作方面的工作（做出预测并把预测结果公之于众）。对于人类和机器如何探索气象领域，他有着独特的见解。

与能够进行每秒 77 兆次浮点运算的计算机相比，人类究竟哪点做得好呢？答案是，人类能够看得见。呼克让我站上预测台，预测台是由一系列工作站组成的，工作站上悬挂着许多蓝色标牌，上面配有海事预报中心和国家中心等机构的传奇故事。每个工作站由一两名气象员进行操作，配有一套平板屏幕显示器，显示器上的彩色地图展示了美国每个角落的各种天气数据类型。预测者工作的时候，悄然无声却又动作迅捷，有一种类似格兰特军队的精确作战风范。

有些预测者用光笔在这些地图上做标记，仔细地校准计算机模型给出的温度梯度的轮廓，向西跨越密西西比三角洲约 24 公里，向北覆盖伊利运河约 48 公里，离他们期望中的那份近乎完美的气象图更近了一步。

预测者知道计算机模型的纰漏。这些纰漏不可避免，因为这是混沌理论影响的结果。即使是模型中最微小的漏洞，也可能造成潜在的深远影响。比如，当普吉特海湾出现低压系统时，计算机对西雅图夜间大雨的预测也许会过于保守；当缅因州的阿卡迪亚国家公园出现大雾时，如果大风朝着某一个方向吹，黎明时大雾就会散去，可是如果风来自另外一个方向，那么雾需要一个上午才能消散，计算机也许预测不到这一点。这些经验都是预测者在试图对付计算机模型中的纰漏的过程中逐渐积累起来的，这就好比技艺高超的台球选手能把台球桌上死角位置的球，调整到顺应自己球杆的位置。

这些气象预报员运用的独特资源，就是他们的视觉。对所有学科的预测人员而言，视觉都是十分有用的工具。对显示两个变量互相作用的图表进行目视检查，通常能比统计测试更快捷、可靠地检测出数据中的异常值。这也是计算机远远落后于人脑的地方之一。若对一串字母稍加变形——就像用于垃圾邮件拦截或是密码保护的验证码技术一样——“聪明透顶”的计算机也会被迷惑。计算机缺乏想象力，哪怕对操作稍作变动，它就无法识别图案，而人类经过必要的进化，拥有十分强大的视觉皮质，能够快速识别任何数据变化，辨认出抽象的图案或组织。在不同类型的天气系统中，抽象的特质恰恰非常重要。

图 4-3 验证码

其实，在气象计算机作用不大的过去，气象预报几乎完全依靠视觉判断。那时候没有平板屏幕，气象办公室里有的只是一排排的看板台和照明地图，气象员用白垩笔和绘图铅笔在上面做记号，一次只能预测出方圆 24 公里的天气情况。尽管看板台在许多年前就被淘汰了，可这项技术所需要的一丝不苟的精神却一直延续至今。

呼克解释道，最好的预测者在进行视觉化和抽象化思考的同时，还要能够整理计算机提供的大量信息。另外，对于所研究的系统，他们还必须理解其动态和非线性的属性，这并非易事，需要充分调动左右脑的功能。呼克手下的许多预测者本来都能加入高级工程师或软件设计师这类高收入群体，可他们却选择了从事气象工作。

美国国家气象局保存着两类图书：一类展示了计算机的风采，另一类展示了人类的贡献。根据该机构的数据来看，在单独由计算机指导完成对降雨和温度的预测后，人类还能将其精确度分别提高约 25%和 10%。另外，据呼克说，多年来这些数据一直保持着平稳态势：尽管计算机技术取得了长足进步，但他手下的那些预测者仍不断为其添彩，视觉判断功不可没。

被雷电击中的概率越来越小了

20 世纪 70 年代中期，呼克开始了从事气象预报工作的职业生涯，那时关于气象预报的玩笑话其实还是有些道理的。比如，一般来说，国家气象局在 3 天前做出的气象预报，难免会将高温报高或报低 6 摄氏度（见图 4–4）。如果我们自己去查长期的天气变化表，得出的结论也差不多是这样。好在人机合作带来了很多好处，现在的平均误差是 3.5 摄氏度，降低了将近一半。

气象预报员对恶劣天气的预测也越来越准确了。你知道遭雷击致死的概率是多少吗？实际上，这并不是一个常数，是否在雷雨天气出门，或是在气象预报不准时能否及时避雨，这些都会影响遭雷击的概率。1940 年，美国人遭雷击死亡的概率是 1/400 000，今天，这一概率只有 1/11 000 000，概率下降了近 3000%。这一变化一方面反映出我们生活方式的改变（我们的室内工作越来越多）以及通信技术、医疗保健水平的改善，另一方面也得益于越来越准确的气象预报。

图 4–4 国家气象局的高温误差平均值

给人印象最深刻的进步大概就是飓风预测了。25 年前，美国国家飓风中心提前 3 天预测飓风登陆的位置时，平均误差将近 563 公里，对于人类来说，这种预测毫无意义。比如，以新奥尔良为圆心以 563 公里为半径向外扩散，涉及的地区包括休斯敦、得克萨斯、塔拉哈西和佛罗里达（见图 4–5），而我们根本无法疏散这么大区域的居民。

图 4–5 改进后的飓风轨迹预测图

现在的平均误差只有约 161 公里，覆盖的区域只有路易斯安那东南部和密西西比南部的一小片地区。虽然飓风仍会在某一个时间到达这一区域以外的地区，但我们现在关注的区域相对较小，预测的效果也能相对好些，足以提前 72 个小时疏散那里的居民。1985 年，对飓风登陆时间的预测只能提前 24 个小时，与之相比，现在在风暴来袭之前，我们有近 48 个小时的预警时间，对于新奥尔良这样的城市，疏散工作到后期，时间就越显得宝贵。^[1]

美国国家气象局没有否定拉普拉斯的恶魔，你可能会认为他们应该得到的赞誉比实际得到的要多。尽管复杂多变的天气系统对预测构成了巨大挑战，但气象预报科学仍然大有斩获。读完本书你会发现，在进行预测时，这样的成功案例更多的是例外，而非规律。（还是把你的玩笑话留给那些经济学家吧。）

事实上，美国国家气象局的工作通常得不到人们的认可，面临着来自私有行业的严峻竞争，这种竞争是在不公平的运动场中进行的。美国国家气象局的模型数据免费提供给所有需要它的人，而不是采取世界上其他地区的大多数相应机构的做法（其他大部分国家的气象局会收取预测许可费和使用费）。这样一来，像美国 AccuWeather 气象预测公司和气象频道（TWC）这样的私有公司才能够顺带发展并销售自己的产品。大量的受众会从这些私有公司中的某一家获取预测信息，气象频道网站 Weather.com 的浏览量比政府气象预测网站 Weather.gov 的浏览量多出近 10 倍。

我通常很赞同自由市场的竞争，或是国有企业和私有企业之间的竞争。棒球运动迅猛发展，得益于棒球预测更好地结合了球探和数据怪才在预测潜力球员发展前景时的见解，这都是竞争带来的结果。

然而，在棒球运动预测领域中，衡量竞争力的标准十分明确：你赢了几场比赛？在气象预报过程中，问题则有些复杂，国有和私有预测部门各自会有不同的衡量标准。

什么样的预测才算是好预测？

美国气象频道最重要的科学家兼副总裁布鲁斯·罗斯博士为人谦和，他告诉我：“没有人碰到过专业的研究专家看气象频道，但其实他们中有很多人都是偷偷看的。”罗斯并不认同气象频道的预测比政府部门发布的预测更精确，他只是说，二者的预测存在差异，是为各自的特定受众群提供的。

罗斯还说道：“通常人们不会根据这些模型对实际天气的预测质量衡量气象预测结果。真正重要的是，纽约市的天气是 25 毫米的降雨，而不是 254 毫米的降雪。因为对于普通受众来说，这有巨大的差别，而科学家们对此却不以为然。”

的确，罗斯大部分的时间都致力于研究受众如何理解自己的预测这类问题，这些问题高度实用，甚至还有些陈腐。比如，如何将第一手的天气数据转化为日常用语：严寒到底有多冷？当天下暴雨的概率有多大？少云和多云之间的界限该如何划定？这是气象频道需要解决的问题，因为该频道发布过太多预测，决意在措辞上有些变通，所以现在应该建立一些解决问题的正式规则。

有时，让预测适应受众的需要，这种做法显得滑稽可笑。多年来，气象频道一直用绿色阴影在雷达地图上标注降雨（偶尔也会用表示大暴雨的黄色和红色标记）。2001 年，销售部的一个员工想到一个新点子：用蓝色代替绿色标注降雨，毕竟这才是人们眼中水的颜色。结果，气象频道马上被气愤的——偶尔也有惊慌的——受众来电围攻，人们误以为蓝色的标注代表的是至今未知的降雨（血浆暴雨或是放射性尘埃）。罗斯博士对我说：“人们的反应就像核爆炸！有人还写信来说道，‘这么多年你一直告诉我们雨的标识是绿色的，现在怎么又变成蓝色的了？你们疯了吗？’”

但是，气象频道在气象学方面的态度也很认真。至少在理论上，我们有理由相信它们能够做出优于政府部门的预测，毕竟气象频道能够以政府部门所有的原始数据作为起点，并把它们能够贡献的价值毫无保留地投入进去。

可问题是，什么才是“更好的”预测呢？我简单地将其定义为更准确的预测，但也有一些不同的声音，这些观点也都十分中肯。

1993 年，俄勒冈州立大学的气象学家艾伦·墨菲发表了一篇颇具影响力的文章，他在文中提出假设，在气象预报群体中，有 3 种常见的关于预测质量的定义。墨菲并没有特意指出哪一种定义更好，只是试图促使众人对这几种定义进行更为开放、更为坦诚的交流。这些定义的不同版本几乎可以在任何可预测或可预言的领域中应用。

墨菲提出，衡量预测的一种途径——或许也是最显而易见的途径——就是通过他所说的“质量”，但何种质量才可被认定为准确呢？“质量”是指预测与实际天气相符吗？

第二种途径就是墨菲所称的“一致性”，但我以为应该是“诚实性”。不论预测得多么准确，这个预测是预测者当时的巅峰之作吗？这个预测是否反映了预测者的最佳判断呢？公之于众之前，这个预测是否作了某种程度的修饰呢？

墨菲最后写道，预测是有经济价值的，判断的依据就是，预测是否有助于公众或政治决策者做出更好的决定。

墨菲对准确和诚实所做的区分很细微，也相当重要。当我做出错误的预测时，我总会问自己，鉴于我所了解到的情况，这是不是我本该做出的最好预测呢？有时，我给出的答案是肯定的，因为我的思考过程是合理的，我已经进行了研究，建立了良好的模型，仔细考量了其中的不确定性。当然，有时我也会发现所进行的预测里有自己不喜欢的地方。或许我过于匆忙地搁置了一个关键证据，或许我高估了问题的可预测性，或许我在某些地方有所偏倚，或许根本就是动机不纯。

我并不是建议你每次预测错误时都要狠狠地责备自己，相反的，当你发现事情超出自己的瞬时掌控时，依旧能保持平和的心态，这才是做出正确预测的前提。但仍要留出空间问问自己，当时作决定时，自己的大脑里到底在想什么。

长远来看，当我们动机正确时，墨菲提出的准确性和诚实性就会汇于一点。但有时我们却做不到动机正确，比如，“麦克劳夫伦讨论小组”就肯定通不过墨菲的“诚实性预测”测试，他们似乎更关注自己在电视上表现得是否聪明，而不关注是否做出了准确的预测。他们本可以表现得很理性，但如果想要引起带有政党倾向的观众的注意，或是想要再次获邀参加节目，他们就会蓄意做出错误的预测。

墨菲的第三个途径是，预测的经济价值会使问题更加复杂化。比如，有人很同情罗斯博士的处境。如果预测一个城市的气温接近冰点，其降水形式可能是雨、冰雹或是雪，这真的值得大家给予更多关注，因为这几种情况都会对早上出行和居民安全造成不同的影响。然而，这更应该是气象频道集中资源、下大力气处理的问题。没有必要怀疑预测的准确性和诚实性。新闻报道力求保证其文章内容的准确性和诚实性，但它们仍然需要决定哪些文章可以放在头版头条。气象频道也要做出类似决定，经济因素是促使其这么做的合理理由。

然而，有时候，对于准确性、诚实性和经济价值的追求也会陷入更加激烈的斗争，而此时商业成功的重要性就要超过准确性了。

商业竞争如何使预测变得更糟糕？

任何气象预测都必须通过两项基本测试，以表明其优势所在：

1.它们必须做到气象学家所说的持续性，甚至做得更好。所谓持续性，是指假定明天（或者第二天）的天气同今天一样。

2.它们还要突破气候学规律。气候学规律是指长期以来特定区域、特定日期历史平均状况的综合。

早在理查德森、洛伦兹和蓝火计算机出现以前，我们的祖先就已经在使用这些方法了，如果我们无法改进这些方法，那么再昂贵的计算机也做不出出色的预测。

我们拥有大量有关过去气象预报结果的数据，至少可以追溯到第二次世界大战时期。比如，我可以登录气象网站 Wunderground.com，查询到 1978 年 1 月 13 日（我的出生日期）早晨 7 点，密歇根首府兰辛的天气状况：气温约 8 摄氏度，小雪，东北风。但是，几乎没有人会劳神费心地收集过去的气象预报。有人料到那天早上兰辛会下雪吗？你可能会到互联网上查找这样的信息，但却查不到。

2002 年，一位名叫艾瑞克·弗娄尔的企业家改变了这种状况，他是俄亥俄州立大学计算机科学专业的毕业生，当时效力于美国第二大长途电话运营商美国世界通信公司（MCI）。最初只是为了比较政府预测模型和私有公司预测模型哪个更准确，他才开始收集国家气象局、气象频道和 AccuWeather 公司发布的有关气象预报的数据。起初，这个大规模的科学实验的项目多半是为了满足弗娄尔的个人求知欲，可随后迅速发展为有利可图的商机。人们创建了 ForecastWatch.com 网站，在很大程度上按照客户的要求对数据进行重新包装，其客户群的涵盖面很广，从能源商人（对这些人来说，气温发生的细微变化能转变为数万美元）到学者不一而足。

弗娄尔发现，没有一家气象预测机构是明显完胜的赢家。他收集的数据表明，AccuWeather 网站在降雨量预测方面的误差最小，气象频道在温度预测方面略胜一筹，而政府预测在各个方面都稳定出众，总之，它们做得都非常好。

但是，这些模型的预测时间跨度越长，其预测准确性就越低（见图 4–6）。比如，提前 8 天的预测几乎没有任何技术含量，这种预测打破了稳定性，但并没有突破气候学规律。如果是提前 9 天或更多时间进行预测，那么这些专业的预测得出的结果就会比按照气候学规律推测的结果还要糟糕。

罗夫特告诉我，混沌理论是大势所趋，大气的动态内存会自我清除。尽管下面这个类比有些不准确，但对于理解这一原理还是有所帮助的。人们把大气想象成纳斯卡赛车的椭圆车道，围绕轨道行驶的不同车辆就代表不同的天气系统。比赛开始的十几圈，了解赛车的出发顺序能使我们更好地预测出它们经过的顺序。期间可能出现碰撞、急停、引擎故障等我们无法解释的状况，所以我们的预测不会完美无瑕，但总会比随便猜测的准确一些。很快的，速度较快的汽车就会领先速度较慢的车若干圈，不久，赛道上的顺序就完全被打乱了。也许与排位第二的赛车并驾齐驱的，是排位第 16 的赛车（即将落下一圈）和排位第 20 的赛车（已经落下一圈，眼看又要落下第二圈）。比赛最初的状态几乎没有什么参考价值，同样的，一旦大气有了足够的循环时间，天气模式与其最初的状态就不再相似，这些模型也就没有什么用处了。

图 4–6 高温预测对比

弗娄尔的发现仍然引起了一些令人不安的问题。预报发布的七八天之后，如果计算机模型的预测结果被证明是零技术含量，则会是另外一种情况。这些模型得到的结果竟然还不如普通人坐在家里查阅长期天气平均状况表得到的结果准确，怎么会这样？也许是因为计算机程序对天气系统中自然出现的反馈过于敏感，于是开始自我反馈。这不仅说明噪声中不再有信号，还说明噪声正在渐渐增强。

还有一个更大的问题，那就是如果提前过长时间做出的预测不准确，那气象频道（预测近 10 天的天气情况）和 AccuWeather 网站（将预测时间提前到 15 天）这样的公司为何还要继续发布预测呢？罗斯博士认为，因为这样做不会造成任何伤害，即使是单纯基于气候学的预测，对他们的用户而言也是有点用处的。

对于商业性的气象预报来说，统计学上的准确度没必要斤斤计较。在受众眼中，只有感知上的准确度才是有价值的。

比如，以赢利为目的的气象预报公司很少确切地预测下雨的概率为 50%，这个概率对用户来说似乎显得空洞又模糊。相反，它们会投掷硬币且将数值四舍五入，得到 60%或者 40%的降水概率，尽管这样做会使预测结果更加不准确、不诚实。

弗娄尔还发现预测公司竟然明目张胆地篡改数字，这可能是气象预报行业里公开的秘密了。大多数商业性气象预报都是有偏向性的，可能是故意为之。这些预测公司尤其偏向于预测更多的降水量（但实际上降水并没有那么多），气象学家称之为“降水偏向”。从政府部门得到越多的原始数据，客户面对的气象预报就越多，这种偏向性就会越严重。预测就是这样通过减少准确性来“增加价值”的。

天气预报说降水概率为 60%，你出门会带伞吗？

关于预测的重要测试中有一项叫作标定，我认为这是最重要的测试。很多次你都说降水概率为 40%，但真正下雨的情况有几次呢？如果长期以来，下雨的概率的确为 40%，那就说明你的预测是已标定的。而如果下雨的概率有时只有 20%或者高达 60%，那么你的预测就是未标定的。

很多领域都难以实现标定，它要求我们做到用概率的方法思考问题，而我们大部分人（包括大部分预测“专家”在内）对此都不是十分擅长。标定会给“过于自信”的预测者——大多数预测者都具有的特点——当头一棒，还需要利用大量数据进行充分评价，也就是对预测者发布的数百个预测进行全面评估。

气象学家的预测涉及大量数据，他们每天都要预测几百座城市的气温、降雨和其他类型降水的概率。一年下来，气象学家得进行数万次预测。

这种频繁的预测不仅在我们想评估某个预测的时候大有帮助，对那些预测者本身也很有用，他们会从中得到很多反馈，知道自己当前的做法是不是有什么不妥，以便根据情况加以改变。比如，某些计算机模型倾向于给出多雨天气的预测——比应有的下雨天气多。一旦察觉到这一偏向，你就可以将其改正过来。同样，如果你对自己的预测过于自信，你很快也会认识到这一点。

美国国家气象局的预测已被证实为极好的标定预测（见图 4–7）。如果美国国家气象局说降水概率为 20%，就真的有 20%的概率会下雨。美国国家气象局一直充分利用反馈信息，所以预测才真实、准确。

图 4–7 国家气象局标定图示

气象频道的气象学家在某些情况下会编造事实。比如，从过去的情况看，当他们预测下雨的概率为 20%时，实际只有 5%的概率会下雨。对此，气象频道承认自己是故意为之，这与气象频道的经济动机有关。

与虚假的天气预报相比，人们对气象预报未能预测到大雨天气的失误更为关注。当大雨不期而至时，人们就会抱怨是气象预报员破坏了他们的野炊，而天气意外放晴则会被视为额外的嘉奖。这并不是科学，但是就像气象频道的罗斯博士对我说的那样：“如果预测是客观的，对降水概率的预报没有任何偏向，那我们可能就有麻烦了。”

气象频道仍然是一个相对守旧的组织——它的很多用户误认为它是一家政府机构——大多数时候总是照章办事。他们对降水的虚报仅限于在不大可能下雨时稍稍夸大降雨概率——当他们知道实际降雨的概率只有 5%~10%时，会假称降雨的概率为 20%——万一露馅了还能为自己遮丑。而有时，气象预报的预测又十分符合标定水准（见图 4–8），比如，当它预测下雨的概率为 70%时，降雨概率还真就是 70%。

图 4–8 气象频道标定图示

若当地的网络新闻中发布了气象预报，事情就会变得混乱不堪。此时，（预测者的）偏向便会突显出来，完全顾不得准确性和真实性了。

堪萨斯城应该算作气象预报的“大市场”了。这里有酷暑寒冬，有龙卷风和干旱，这个城市的气象预报足以登上所有主流网络。一位名叫 J·D·艾格尔斯顿的当地人，为了帮女儿完成五年级的课程项目，开始跟踪分析当地的电视气象预报。艾格尔斯顿发现这项分析非常有意思，所以连续做了 7 个月，并把结果发送给“魔鬼经济学”博客。

电视气象预报员通常不怎么关注预测的准确性，他们可以利用美国国家气象局通过网络或电台免费发布的预测信息，但是与这些信息相比，他们的预测准确性要差很多，而且远不符合标定水平。在艾格尔斯顿的研究里，当堪萨斯城的电视气象预报员预测某些日子 100%会下雨时，事实上有 1/3 的时候根本没下雨（见图 4–9）。

但是，电视气象预报员不会为此道歉。一位气象预报员告诉艾格尔斯顿：“雇用气象员时并没有对其预测准确性的评估，口头陈述表现反而比准确性更重要。”另一位预报员说：“对于电视观众来说，准确性根本不是大问题。”他们的这种态度似乎都是善意的玩笑：谁会在意这一点点的降水偏向呢？尤其还是为了提高收视率。既然公众并不认为我们的预测有多准确，那我们为什么还要劳心费神地做到准确呢？

图 4–9 当地电视台气象预报员标定图示

这个逻辑有点像“鸡生蛋，蛋生鸡”。电视气象预报员认为他们不必劳神地进行准确的预测，因为他们认为不管怎样都得不到公众的信任；而公众不信任气象预报员，就是因为他们的预报不准确。

当出现卡特里娜飓风这类紧急情况时，彼此信任就成了一个更加严重的问题。很多美国人并不是直接从飓风中心得到的信息，而是从当地的信息渠道获得的，因此，他们还会继续依靠美国信息资讯频道为其提供准确的信息。如果出现气象预报员与公众之间互不信任的状况，即使在最该听信预报员的话的时候，公众也不会这样做。

尽可能地做出准确预测

正如马克斯·梅菲尔德告知美国国会的那样，他活了 60 多年，对像卡特里娜飓风袭击新奥尔良这样的灾难早已作好了心理准备。梅菲尔德在恶劣的天气条件中长大，他从小生活在俄克拉荷马州，那里是龙卷风多发地，他的预测生涯始于空军部队，那里的人们都认真对待风险，并且会依此制定作战计划。对于美国国家飓风中心来说，向普通民众传达预测实属不易，梅菲尔德花了很长时间才意识到这一点。

梅菲尔德用他那俄克拉荷马州人特有的慢悠悠的语气说：“1989 年吉尔伯特飓风发生后，我与一位来自佛罗里达州的行为科学家聊天，他说人们对飓风警报无动于衷。当时我觉得自己受到了侮辱，认为人们当然注意到了飓风警报。但我也知道这位科学家的说法完全正确。人们只是对‘飓风警报’这个词无动于衷，对当地官员的说法他们还是比较关注的。毕竟，你不能要求预测者或电视主持人去决定何时开放避难所，或何时改变航道。”

在梅菲尔德的指导下，美国国家飓风中心开始更多地关注应该如何向公众公布预测信息。大多数政府机构的网页多年都不曾更新，看起来总是和你的邮筒中还能收到“美国在线”免费光盘的时候一样。而飓风中心则不然，它在产品设计上非常用心，制作出一系列色彩丰富、引人注目的图，直观、准确地传达了信息，涉及内容多样，从风速到风暴潮无一不包。

美国国家飓风中心也非常谨慎地呈现预测中的不确定性。梅菲尔德说：“不确定性是气象预报的基本要素，没有对不确定性进行描述的预测是不完整的。”比如，美国国家飓风中心的预测图中不会只显示一条单一的飓风行进轨迹，而是会突出描绘一个锥形的不确定范围，有人称为“锥形混沌”，它能显示出“飓风眼”最有可能登陆的区域。即使这样，梅菲尔德仍然担心做得不够。像山洪暴发这样的重大灾难，其位置可以与暴风雨中心相距很远，并且在疾风平息之后才出现，所以山洪暴发的后果通常比引起山洪暴发的暴风雨本身还严重。2011 年，大众媒体对暴风雨进行了大肆宣传，纽约市没有一人在艾琳飓风中丧命，而在电视台摄像师结束报道时，内陆地区佛蒙特州却有 3 人死于飓风之后泛滥的洪水。

美国国家飓风中心通常不会向地方政府下达“对城市居民进行疏散”这类指导政策，而是把疏散任务分配给美国国家气象局下属的 122 个地方办公室，由地方办公室与州长、市长、治安官和警官进行沟通。对此，官方给出的理由是，美国国家飓风中心认为当地办公室对当地文化和居民更为了解，工作起来比较得心应手。而在我与梅菲尔德交谈之后，得到的非官方理由是，美国国家飓风中心想要与美国国家气象局划清界限。美国国家飓风中心希望其独立发布的飓风预测能够尽可能地准确、真实，并且不受任何干扰。

但这种分离方法在新奥尔良却没有奏效，梅菲尔德不得不自己处理。

做出疏散的决定并非易事，一部分原因是疏散本身就存在危险性。2005 年“丽塔”飓风时，一辆载有多名被疏散者的大巴正开往医院，在离开休斯敦时突然起火，车上 23 名老年乘客不幸罹难。梅菲尔德说：“对于当地的管理者来说，这是相当棘手的问题，他们看到的只是概率性的信息，却必须依此作决定，一旦决定了，便没有其他选择，非此即彼。

然而，若是这样就明显需要疏散，而疏散信息却没有得到明确传达。

梅菲尔德有一次说起：“美国国家飓风中心有一个叫马修·格林的小伙子，是个特别出色的年轻人，拥有气象学的学位，负责向从事运输工作的人发出飓风预警。马修·格林的母亲住在新奥尔良，出于某种原因，飓风到来时她没有离开。看看这个家伙，他了解飓风，也懂得应急管理，却没有办法让自己的妈妈撤离。”

于是，美国国家飓风中心开始不停地打电话给墨西哥湾岸区的地方官员。2005 年 8 月 27 日，星期六——此时气象预测表明情况会更加糟糕，但距离卡特里娜飓风来袭还有两天时间——梅菲尔德找到密西西比州州长黑利·巴伯和路易斯安那州州长凯瑟琳·布兰科，前者几乎马上就向本州最易受灾地区下达了强制疏散的命令，后者则宣布本州进入紧急状态。布兰科请梅菲尔德给新奥尔良市长雷·纳金打个电话，告诉他尽快做好预防工作，因为这位市长的反应总是慢半拍。

纳金没有接到梅菲尔德的电话，但是他给梅菲尔德回拨了电话。梅菲尔德对我说：“我记不清纳金当时具体说了什么，我们当时两三天就有一大堆的会谈，但是我清楚地记得我告诉过他，‘你需要作一些艰难的决定，有可能会面临大量的人员伤亡。’”梅菲尔德让纳金下达强制撤离命令，越快越好。

纳金没把梅菲尔德的话当回事儿，只是下达了自愿撤离的命令。在《越轨干探》这部电影中，这个命令就意味着“放轻松”，只有强制撤离的命令才能传达出这次威胁的强烈程度。1965 年新奥尔良遭遇贝齐飓风的袭击，大多数新奥尔良人在那次大灾难中丧生，按照定义，那些活着的人就算是飓风灾难的幸存者了。后来，一位新奥尔良的老市民告诉政府官员：“既然我能在贝齐飓风中幸免于难，我也能在这次飓风中逃过一劫，我们都治得了飓风，放心吧。”这种反应见惯不怪。从对卡特里娜飓风和其他暴风雨的调查中不难发现，经历过一次飓风袭击的人都不大可能在下一次飓风来临时撤离。

纳金推迟下达撤离命令是因为害怕纠纷——如果因此搅了旅馆的生意，那么旅馆经营者可能会控告他。总之，直到 2005 年 8 月 28 日上午 11 点，纳金才下达“强制撤离”的命令，而那时仍未得知这一命令的市民都不知所措。一项调查显示，拒绝撤离的人中约有 1/3 的人是因为根本没有接到撤离命令；另有 1/3 的市民接到了命令，却没有从中得到明确指示。对灾难受害者的调查并非总是可信的——在情绪高度紧张时，人们说不清楚自己当时为什么那样做，即使命令早已下达并重复再三，还是有一小部分市民会说他们从来没有接到疏散命令。但在这种情况下，纳金要为这种混乱局面负主要责任。

当然，对于卡特里娜飓风，人们仍是怨声载道，除了对纳金多有责难，他们对美国联邦应急管理局（FEMA）也同样心存不满。当然也有值得表扬的地方，大多数市民确实撤离了，部分原因在于飓风中心的准确预测。如果 1965 年贝齐飓风冲破了堤顶，那根本不用等到可靠的预测出现，死亡人数就很有可能会远远超过卡特里娜飓风造成的死亡人数。

然而，卡特里娜飓风带给人们的教训是，准确性才是预测者的第一要务；而认为政治、个人荣誉或经济利益高于预测的真实性，其实是预测的原罪。有时这样做的意图是好的，但总会使预测更糟。美国国家飓风中心竭尽所能地避免预测向利益妥协。与本书中所有预测失败的例子形成对照的是，仅在过去 25 年里的时间里，飓风中心的预测准确率就提高了 350%，这绝非偶然。

梅菲尔德说：“预测者的任务，是尽可能地做出准确预测。”说起来简单，可相当多领域的预测者通常还是会出现预测错误。

[1]不幸的是，尽管预测人员对飓风登陆地点的预测已经算是准确了，但他们对其着陆时强度的预测并不是很准确。究其原因，是因为控制风暴强度的风力远小于决定其路线的风力，这就意味着他们需要更出色的点阵，这一点即使蓝火计算机也无法做到。