2015年3月20日，正午，整个北半球迎来了难得一见的日全食，这对天文爱好者来说是一次奇观，但对于德国电力网络来说却无疑为一次危机。这是因为德国目前是全球第一大光伏之国，其装机容量约为3776万千瓦，虽然光伏发电在德国总发电量占比还不到6%，但其承担了波峰期将近一半的功率负荷（约2千万千瓦），其在2014年6月9日（圣灵降临节）当天甚至一度超过了50%。这次的日食尽管只有短短数小时，但太阳的这一遮一露，相当于几十台核电机组骤然关停随后又旋即启动，其对电网的瞬时冲击可想而知。上一次日食发生在1999年，彼时的德国还没有那么多“看天吃饭”的太阳能发电，此次可以说是新能源首次遭受“天”的挑战。

　　那一天太阳冲你眨了眨眼
　　德国将近四成的光伏发电还是分布式的，分散在每家每户，并不像核电或火电站可以统一控制和调度，而德国的可再生能源法又规定新能源必须百分之百接入，即使在突发事件下强制切断也是违法的，这无疑增加了日食事件处理的难度，也给大数据提供了一次显示身手的机会。
　　欧洲最大气象公司Meteo Group在数月前就通过大数据分析对日食发生的准确时刻、食分的大小和见食的地区进行了较为精准的预报，并预测到发电量将在20日上午10时40分暴跌70%，奥登堡大学的能源气象研究所（Virtual Institute of Energy Meteorology，vIEM）受电网运营商委托也开展了相关大数据分析，其认为在日食开始的德国时间上午9:30左右，光伏发电出力可能瞬间减少1200万千瓦，而在两个半小时之后的正午太阳从月亮后面钻出来，届时将有1900万千瓦的负荷功率进入电网。这些分析都为欧洲电网公司预演和应对此次“黑暗”危机赢得了时间，最终德国电网承受住了此次短时冲击。
　　应用于能源领域的气候大数据从2004年就已经陆续开展，这些研究无疑为德国电网最终度过日食危机提供了帮助。这些问题对于中国也越来越重要，2014年我国并网风电装机容量9581万千瓦，已经是世界第一；并网太阳能发电装机容量2652万千瓦，2015年计划新增建设规模1780万千瓦，很快将超过德国位列世界第一。按照目前中国政府提出的2030年非化石能源比重达到20%左右的目标，未来每年新增的光伏电站将以千计、风机将以万计，装机规模则以亿千瓦计，对电网的冲击越来越不可小视。间歇性、分布式的并网电力管理除纳入“互联网+”和智能化的功能外，气候大数据也将发挥不可忽视的作用。

　　气候是一门很大的生意
　　事实上，日食的预报不难，难在预报到细节，而普通天气预报要做到长期和精准同样不容易，地球的气候系统异常复杂，一个微小的扰动就有可能改变一时一地的天气，而美国的一家Earth Risk公司就想完成这件不可能的任务，其预报最长已经可以提前至40天。这家公司的旗舰产品是Temp Risk，是基于加州大学斯克利普斯海洋研究所（Scripps Institution of Oceanography，SIO)的预测模型开发而来的。影响长时气候和短时天气的变量数不胜数，而且每时每刻都在发生变化，模型是对现实世界的简化，只能做到描述少数主要变量的关系，而不可能将所有因素都考虑在内，因此往往预测能力极为有限且容易出错，目前的精准的天气预报一般仅能提前一周。
　　而Earth Risk则是采用统计学意义上的相关关系来预测结果，这种技术不会受到上述限制。该模型通过近百年的气象历史数据和千亿次计算来识别气候模式，然后将这些模式与当前的气候条件进行比较，再运用预测性分析方法计算天气概率，其预测时间更长、预测准度更高。该模型拥有一个庞大的气象观测数据库，来源主要包括地面观测、气象卫星遥感、天气雷达等，并可以每日实时更新。Temp Risk是这项技术首次进行商业应用，这对于受全球气候变化的影响很大的农业生产、水资源管理、风电、光伏等可再生能源行业来说，预报时长和准度的提高将大大改善政府和企业的决策过程。
　　目前提供类似的天气预报技术服务的知名公司包括Weather Co、Accu Weather、Weather Trends International、Custom Weather等，这些技术产品帮助过Merck公司和Walmart增加花粉类过敏药物Claritin的销售、改善Sears连锁在暴风雪季节的货品供应和库存管理、为众多智能手机天气APP提供信息并搭载相应产品销售，保险公司更是通过分析极端气候事件发生的历史记录，更精确地设计灾害险种以及避免不必要的或者欺诈索赔。当前电子商务带动物流业高速发展，已经有DHL等较多的快递公司预订这种天气预报信息服务，确保航空航运的顺利到达。谷歌还将天气分析系统加入其自动驾驶汽车的研发中，根据天气状况预先规划行驶路线。目前气候大数据已经应用到日用品销售的分析中，其服务可以帮助客户找到某种产品的销量与几百种天气变量之间的关系。

　　大数之道求法自然
　　根据最新发布的政府间气候变化专门委员会（IPCC）第五次评估报告，基于多个数据集的全球平均陆地和海洋表面温度的计算结果表明，在1880年至2012年期间温度已经升高了0.85[0.65至1.06]摄氏度，过去三个十年的地表已连续偏暖于1850年以来的任何一个十年，其中1901年至2010年期间全球平均海平面上升了0.19[0.17至0.21]米。随着气候变化的加剧，减排和适应领域都将大规模的利用大数据。未来气候大数据的应用与目前的传统气象服务有所不同，将不仅仅是气象业务、天气预报、气候预测等，而是气象数据的深度挖掘和增值应用，涉及到气候敏感脆弱的生产和消费部门，大数据技术还能帮助研究人员模拟、分析和预测特定地域的气候变化影响。
　　Surging Seas是由非盈利组织Climate Central开发的一款互动式气候工具，详细描绘了海平面上升和极端气候事件给美国大陆沿海三千多个城镇造成的威胁，其细节可以与当前的互联网地图工具相媲美，这种数据处理方式在几年前还是不可能实现的。器测数据是从上个世纪以来才相对比较可靠，一般数据量往往都在PB级以上且非常复杂，比如美国国家航空航天局（NASA）对各大城市的热成像绘图，此外还包括冰芯、花粉、树木年轮、洋流盐度、地表植被等观测资料。Google Earth Engine正在将全球卫星图像进行汇总，其中还包括40年来数以万亿计的观测数据。Science杂志就在该引擎的帮助下，发布了首张2000至2012年的高分辨率全球森林变化图，利用了70万张美国陆地资源卫星的图像，加起来大约有20万亿个像素点，总共需要超过100万小时的计算时间。2014年联合国环境规划署（UNEP）、世界资源研究所（WRI）等在此基础上推出Global Forest Watch，对全球森林进行在线监测和预警，该技术已经在亚马逊流域的减少毁林行动中发挥了实际作用。Microsoft也在致力于开发一款被称为Madingley Model的地球生命模拟系统。
　　气候大数据很大方面的工作在于统计自然资源，是向自然学习的系统。通过遥感卫星和地面传感器，全球的温度、降水、露点、气压、风速、光照强度、碳循环等信息以及许多关联变量都在补充这个越来越庞大的数据库，包括大气中二氧化碳（CO2）、甲烷（CH4）、氧化亚氮（N2O）、氢氟碳化物（HFCs）、全氟化碳（PFCs）、六氟化硫（SF6）和三氟化氮（NF3）等温室气体的浓度变化，以及与人类的化石能源燃烧、工业生产过程、农业活动、林业和土地利用变化、废弃物处理等行为的相关性。气候数据的数据量和多样性将以指数形式持续增加，对基础设施、管理和存储提出了新需求，也为公共和私营机构专业化服务提供了新机遇。气候大数据、生态大数据、地球大数据等新的技术和产品将会在不远的将来逐步走入我们的日常生活，人与自然的关系将会随之发生更为深刻的改变。
　　（作者为国家发展和改革委气候战略中心战略规划部副主任、清华大学现代管理中心兼职研究员）