拉普拉斯说过“知道了绝对准确的方程和绝对准确的初值，就知道 了未来的全部演化”。无独有偶，近代气象学的鼻祖——皮叶克尼斯也说“根据某一时 刻实测大气状态和运动，通过描述大气运动规律的微分方程，来计算将来某一时刻的相应大气状态和运动。从原则上说，大气的未来的状态完全由大气的初始状态和边界条件决定 ”。人们在这些思想下，拼命地去寻找并企图建立一个“绝对准确的方程”（模式）和“ 绝对准确的初值”。随机性在自然界扮演着和决定性同样重要的角色，人们不但要去认识具有必然性的规律，还要去认识具有偶然性的规律。

为了对现实中的现象描述，科学家们都会根据相应的物理规律，建立起相应 的数学模型。然后进行相应的输入（输入可以是实际观测的，也可以是人为的“控制”资 料），通过模型运算后，然后对输出分析，从而对其物理现象进一步研究。这是现今最常见的科学研究方法之一。那么有一个输入，通过模式的运算，就有一个相应得输出，似乎 是属于牛顿力学的决定论的范畴。但是，在实际的工作中，我们会发现，这种方法其实是 充满着不确定性的，因为：1）对于实测资料的输入而言，也是有很多不确定性的。这个也 就是我们同化中经常提到的仪器误差和代表性误差。 2）从计算数学的角度来看，模式在 运算求解的过程中，会引入计算上的不确定性。也就是我们常说的计算误差和截断误差。 3）我们所建立的模型是不完美的。我们所建立的模型只能说是对现实情况的一个近似。虽 然有时候，我们的模式是一个很好的近似，比如牛顿第二定律对低速运动的描述。但是， 很多时候我们模式所不能很好地描述部分却对我们所关心现象有着很大的影响，比如在气 候模式中的非绝热项。所以，企图从决定论方面来描述我们的现实生活中的现象是行不通的。我们需要根据一 种新的理论来建立模型。这种理论不但可以考虑物理规律，而且要考虑其不确定性，从某 种最优的意义上最大地除去其噪音（即不确定性或者误差）提取信号。不但要对输出值进 行分析，还要对输出值的质量进行分析，这种理论就是估计理论。 这种估计理论首先承认了系统本身的决定性，承认物理规律，认为系统是由一定的物理规律来决定其基本的时空状态，而引入这个决定性的规律就是我们的模式。同时，估计理论 还以前所未有的高度来对待系统的随机性，认为不可能具有完全决定性的系统，在一定范 围内又呈现随机性。就像吸引子一样，所有的解最终会跑到吸引子里，但是吸引子内又表 现为完全随机的。 

理论要满足人们的需要，必须通过一定具体形式来表现。气象上，有两颗新星正闪耀着估计理论的光芒——集合预报和资料同化。集合预报就是从在一定误差范围内的一组初值 出发，这组初值代表了初始时刻的大气状态的概率分布，然后用模式去预报，得到一个预 报值的集合，即未来某时刻的大气状态的概论分布。而同化就是利用一切有用信息，尽可 能准确地估计出某一时刻的大气出现的概论分布。 应该说，集合预报和资料同化其实是一个问题的两个方面。它们都是在给定观测和预报模式的情况下，去描述大气状态的概论分布及其发展。它们都有一个共同的理论基础—— 估计理论。 气象里的同化是借客观分析和初始化的躯体诞生的。所以，它最初被认为一 种插值方法，后来有被认为是对大气状态的一个最优估计。其实，人们从最优估计的理论 上来理解同化时，同化的灵魂已经开始唤醒，但是，还没有完全醒来。因为，从估计理论 上来讲，最优不过是概率分布中概率密度最大的地方。但是，现在人们知道，小概率事件 不一定是不发生。何况，如果概率分布是一个双峰状态时，假如另一峰仅仅比主峰低一点 ，我们的仅仅去求“最优”时，其实漏了一个很重要的可能出现的状态。 那么，要完全体现估计理论，使得同化的灵魂完全复苏，同化需要一个新的躯体——基于 集合的同化。