天气预报怎么改？
首先，需要说明的是，我们看到的天气是由大气环流决定的，而大气环流是很复杂的系统。在系统里，太平洋的厄尔尼诺和南美的干冷空气侵入是有一定关系的（通过气压带风带的移动）；同样，西北太平洋的副热带高压和大陆冷气团也有关系。两个地方的气温变化有相互影响的信号。 既然如此，我们有没有可能根据某个地方的温度预测另一个地方的未来温度呢？理论上来讲是可以实现的，不过需要满足一定的条件。
1. 时间尺度的问题。要研究短时间（例如一天或者几天）的可能的天气演变，所采用的模式必须具有相当好的描述短期大气行为的能力。目前国际上研究天气变化主要依靠数值模式来计算，这类模式的输入参数主要有地面气压场、垂直方向上的温度场和水汽压等。由于缺乏观测这些参数的历史数据，人们只能不断实验，以确定最佳的初始值，从而让模式能够“模拟”出较好的早期天气变化。然而一旦确定了最初的气象参数，模式就会自动运行，人们就可以参考模型的结果来预测未来气温的变化了。 如果时间跨度较长（比如一个月或者一年），那么情况就复杂了许多。因为这样的预测属于长期气候预测的范畴，这时影响气候的因素除了气象因素之外，还有很多其他的影响因子，包括人类活动的影响。单纯依靠气象学的原理是很难得到令人满意的结果的。事实上，现在世界上还没有一个公认的可以用来预测未来一个月的空气质量模式。
2. 模式分辨率的问题。这里所说的分辨率是指空间分辨率。一个地区的气温并不只是由本地的风霜雨雪造成的，它受到周围地区甚至全球天气的影响。如果我们要预测北京某天的气温，考虑的空间分辨率为百公里级，那么即使周边地区发生微小的天气变化，都可能对我们最终得到的北京气温产生重要影响。反之，如果我们仅考虑百米级的分辨率，则可能的干扰因素就被忽略了。一个合适的空间分辨率是至关重要的。
3. 资料收集的问题。无论是建立历史资料分析库还是进行当前及未来的模式运算，都需要大量的基础数据作为支撑。这些数据库的建立是个浩大的工程，而且随着数据的累积，其规模也在不断扩大。如何有效、高效地管理并利用海量数据是需要我们认真思考的问题。