Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
96-часовой прогноз геопотенциальной высоты и температуры в 850 мбар от Global Forecast System

Атмосферная модель представляет собой математическую модель построена вокруг полного набора примитивных динамических уравнений , которые регулируют атмосферные движения. Он может дополнить эти уравнения параметризациях для турбулентной диффузии, излучения , влажных процессов ( облаков и осадков ), теплообмена , почвы , растительности, поверхностных вод, в кинематических эффектов местности, и конвекция. Большинство атмосферных моделей являются численными, то есть они дискретизируют уравнения движения. Они могут предсказывать микромасштабные явления, такие как торнадо и водовороты пограничного слоя , субмикромасштабные турбулентные потоки над зданиями, а также синоптические и глобальные потоки. Горизонтальная область модели является либо глобальной , охватывающей всю Землю , либо региональной ( ограниченная область ), охватывающей только часть Земли. Существуют разные типы моделей: термотропные, баротропные , гидростатические и негидростатические. Некоторые типы моделей делают предположения об атмосфере, что удлиняет используемые временные шаги и увеличивает скорость вычислений.

Прогнозы рассчитываются с использованием математических уравнений физики и динамики атмосферы. Эти уравнения нелинейны и не могут быть решены точно. Таким образом, численные методы позволяют получать приближенные решения. В разных моделях используются разные методы решения. В глобальных моделях часто используются спектральные методы для горизонтальных измерений и методы конечных разностей для вертикальных измерений, тогда как в региональных моделях обычно используются методы конечных разностей для всех трех измерений. Для конкретных мест в выходной статистике модели используется климатическая информация, выходные данные численного прогноза погоды и текущие наблюдения за погодой на поверхности. для разработки статистических соотношений, которые учитывают систематические ошибки модели и проблемы с разрешением.

Типы [ править ]

Главное предположение , сделанное в термотропной модели является то , что в то время как величина теплового ветра может измениться, его направление не меняется по высоте, и , таким образом бароклинность в атмосфере может быть смоделирована с использованием 500  МБ (15  дюймов ртутного столба ) и 1000 мб (30 дюймов рт. ст.) поверхности с геопотенциальной высотой и средний тепловой ветер между ними. [1] [2]

Баротропные модели предполагают, что атмосфера почти баротропна , что означает, что направление и скорость геострофического ветра не зависят от высоты. Другими словами, нет вертикального сдвига геострофического ветра. Это также означает, что изолинии толщины (прокси для температуры) параллельны контурам высоты верхнего уровня. В этом типе атмосферы области высокого и низкого давления являются центрами аномалий высоких и низких температур. Максимумы с теплым ядром (такие как субтропический хребет и Бермудско-Азорские острова) и минимумы с холодным ядромимеют усиление ветров с высотой, с обратным верно для максимумов с холодным ядром (неглубокие арктические максимумы) и минимальных значений с теплым ядром (например, тропических циклонов ). [3] Баротропная модель пытается решить упрощенную форму атмосферной динамики, основанную на предположении, что атмосфера находится в геострофическом равновесии ; то есть, что число Россби воздуха в атмосфере мало. [4] Если сделано предположение , что атмосфера бездивергентная , то ротор из уравнений Эйлера сводится к баротропному уравнению вихря. Последнее уравнение можно решить для одного слоя атмосферы. Поскольку атмосфера на высоте примерно 5,5 км (3,4 мили) в основном не имеет дивергенции, баротропная модель наилучшим образом приближает состояние атмосферы на геопотенциальной высоте, соответствующей этой высоте, которая соответствует атмосферным 500 мб (15 дюймов рт. Ст.) поверхность давления. [5]

Гидростатические модели отфильтровывают вертикально движущиеся акустические волны из уравнения вертикального импульса, что значительно увеличивает временной шаг, используемый в прогоне модели. Это называется гидростатическим приближением . В гидростатических моделях используютсявертикальные координатыдавления или сигма-давления . Координаты давления пересекают топографию, в то время как сигма-координаты следуют контуру земли. Его гидростатическое предположение является разумным до тех пор, пока горизонтальное разрешение сетки не является маленьким, что является масштабом, в котором гидростатическое предположение не выполняется. Модели, в которых используется полное уравнение вертикального импульса, известны как негидростатические.. Негидростатическая модель может быть решена неупруго, что означает, что она решает полное уравнение неразрывности для воздуха в предположении, что он несжимаемый, или упруго, то есть решает полное уравнение неразрывности для воздуха и является полностью сжимаемым. В негидростатических моделях в качестве вертикальных координат используется высота или сигма-высота. Координаты высоты могут пересекать сушу, в то время как координаты сигма-высоты повторяют контуры суши. [6]

История [ править ]

Главная панель управления ENIAC в Школе электротехники Мура
Основная статья: История численного прогноза погоды

История численного прогноза погоды началось в 1920 - е годы благодаря усилиям Льюиса Fry Richardson , которые использовали процедуры , разработанные Бьеркнес . [7] [8] Только после появления компьютеров и компьютерного моделирования время вычислений сократилось до меньшего, чем сам период прогноза. ENIAC создал первые компьютерные прогнозы в 1950 году [5] [9], а позже более мощные компьютеры увеличили размер исходных наборов данных и включили более сложные версии уравнений движения. [10] В 1966 году, Западная Германия.Соединенные Штаты начали производить оперативные прогнозы на основе моделей примитивных уравнений , за ними последовали Соединенное Королевство в 1972 году и Австралия в 1977 году. [7] [11] Развитие моделей глобального прогнозирования привело к появлению первых моделей климата. [12] [13] Разработка моделей ограниченного района (региональных) способствовала прогрессу в прогнозировании траектории тропических циклонов, а также качества воздуха в 1970-х и 1980-х годах. [14] [15]

Поскольку выходные данные прогнозных моделей, основанные на динамике атмосферы, требуют корректировок вблизи уровня земли, статистика выходных данных моделей (MOS) была разработана в 1970-х и 1980-х годах для отдельных прогнозных точек (местоположений). [16] [17] Даже с возрастающей мощностью суперкомпьютеров, прогнозирование численных моделей погоды распространяется только на две недели в будущее, поскольку плотность и качество наблюдений вместе с хаотическим характером используемых уравнений в частных производных для расчета прогноза - вводить ошибки, которые удваиваются каждые пять дней. [18] [19] Использование ансамблевых прогнозов моделей с 1990-х годов помогает определить неопределенность прогнозов и расширить прогноз погоды на более далекое будущее, чем это было возможно в противном случае. [20] [21] [22]

Инициализация [ править ]

WP-3D Orion погода разведывательный самолет в полете

Атмосфера является жидкостью . Таким образом, идея численного прогноза погоды состоит в том, чтобы взять образец состояния жидкости в данный момент времени и использовать уравнения гидродинамики и термодинамики для оценки состояния жидкости в какой-то момент в будущем. На суше карты местности, доступные с разрешением до 1 километра (0,62 мили) во всем мире, используются для помощи в моделировании атмосферной циркуляции в регионах с неровной топографией, чтобы лучше отображать такие особенности, как нисходящие ветры, горные волны и связанную с ними облачность влияет на поступающую солнечную радиацию. [23] Основными данными от метеорологических служб страны являются наземные наблюдения с автоматизированных метеостанцийна уровне земли над сушей и с метеорологических буев в море. Всемирная метеорологическая организация действует для стандартизации приборов, практика наблюдений и сроков этих наблюдений во всем мире. Станции либо отчет ежечасно в METAR отчеты, [24] или каждые шесть часов в SYNOP отчетов. [25] Модели инициализируются с использованием этих наблюдаемых данных. Наблюдения с нерегулярным интервалом обрабатываются методами ассимиляции данных и объективного анализа, которые осуществляют контроль качества и получают значения в точках, используемых математическими алгоритмами модели. Сетка, используемая для глобальных моделей, является геодезической или икосаэдрической., разнесенные по широте, долготе и высоте. [26] Затем данные используются в модели в качестве отправной точки для прогноза. [27]

Для сбора данных наблюдений для использования в численных моделях используются различные методы. На этих площадках запускаются радиозонды , которые поднимаются через тропосферу и далеко в стратосферу . [28] Информация с метеорологических спутников используется там, где традиционные источники данных недоступны. Commerce предоставляет отчеты пилотов по маршрутам самолетов [29] и отчеты судов по маршрутам доставки. [30] В исследовательских проектах используются самолеты-разведчики для полетов в интересующие погодные системы и вокруг них, такие как тропические циклоны . [31] [32] Самолеты-разведчики также летают над открытыми океанами в холодное время года в системы, которые вызывают значительную неопределенность в прогнозах или, как ожидается, окажут большое влияние на 3–7 дней в будущем над континентом, находящимся ниже по течению. [33] Морской лед начал использоваться в прогнозных моделях в 1971 году. [34] Попытки включить температуру морской поверхности в инициализацию модели начались в 1972 году из-за его роли в изменении погоды в более высоких широтах Тихого океана. [35]

Вычисление [ править ]

Пример прогнозирования геопотенциальной высоты 500 мбар на основе численной модели прогнозирования погоды.
Воспроизвести медиа
Суперкомпьютеры могут запускать очень сложные модели, чтобы помочь ученым лучше понять климат Земли.

Модель - это компьютерная программа, которая производит метеорологическую информацию на будущее в заданных местах и ​​на заданных высотах. В любой модели есть набор уравнений, известных как примитивные уравнения , которые используются для прогнозирования будущего состояния атмосферы. [36] Эти уравнения инициализируются на основе данных анализа, и определяются скорости изменения. Эти темпы изменения предсказывают состояние атмосферы на короткое время в будущем, с каждым шагом времени, известным как временной шаг. Затем уравнения применяются к этому новому состоянию атмосферы, чтобы найти новые скорости изменения, и эти новые скорости изменения предсказывают состояние атмосферы в еще более отдаленном будущем. Шаг по времениповторяется, пока раствор не достигнет желаемого времени прогноза. Длина временного шага, выбранного в модели, связана с расстоянием между точками на расчетной сетке и выбирается для поддержания численной стабильности . [37] Временные шаги для глобальных моделей составляют порядка десятков минут, [38] в то время как временные шаги для региональных моделей составляют от одной до четырех минут. [39] Глобальные модели запускаются в разное время в будущем. UKMET Единая модель запускается шесть дней в будущее, [40] Европейский центр среднесрочных прогнозов погоды модели выбежать на 10 дней в будущее, [41] в то время какМодель Глобальной системы прогнозов, управляемая Центром моделирования окружающей среды, рассчитана на 16 дней в будущее. [42]

Используемые уравнения представляют собой нелинейные уравнения в частных производных, которые невозможно решить точно аналитическими методами [43], за исключением нескольких идеализированных случаев. [44] Таким образом, численные методы позволяют получать приближенные решения. В разных моделях используются разные методы решения: некоторые глобальные модели используют спектральные методы для горизонтальных измерений и методы конечных разностей для вертикальных измерений, в то время как региональные модели и другие глобальные модели обычно используют конечно-разностные методы для всех трех измерений. [43] Визуальный результат, создаваемый модельным решением, известен как прогностическая диаграмма или прог . [45]

Параметризация [ править ]

Основная статья: Параметризация (климат)

Ячейки сетки моделей погоды и климата имеют стороны от 5 километров (3,1 мили) до 300 километров (190 миль). Типичное кучевое облако имеет масштаб менее 1 километра (0,62 мили), и для его физического представления уравнениями движения жидкости потребуется сетка даже более мелкого размера. Следовательно, процессы, которые представляют такие облака , параметризованы процессами различной сложности. В самых ранних моделях, если столб воздуха в сетке модели был нестабильным (т. Е. Нижний слой был теплее верхнего), он переворачивался, и воздух в этом вертикальном столбце перемешивался. Более сложные схемы добавляют улучшения, признавая, что только некоторые части блока могут собиратьсяи что происходит увлечение и другие процессы. Погодные модели, которые имеют ячейки сетки со сторонами от 5 км (3,1 мили) до 25 км (16 миль), могут явно представлять конвективные облака, хотя им по-прежнему необходимо параметризовать микрофизику облаков . [46] Формирование крупномасштабных облаков ( слоистого типа) более физически обосновано, они образуются, когда относительная влажность достигает некоторого заданного значения. Тем не менее, необходимо учитывать процессы субсетевого масштаба. Вместо того, чтобы предполагать, что облака образуются при относительной влажности 100%, доля облачности может быть связана с критической относительной влажностью 70% для слоистых облаков и 80% или выше для кучевых облаков [47] отражая изменение масштаба подсетки, которое могло бы произойти в реальном мире.

Количество солнечной радиации, достигающей уровня земли в пересеченной местности или из-за переменной облачности, параметризуется, поскольку этот процесс происходит в молекулярном масштабе. [48] Кроме того, размер сетки моделей велик по сравнению с фактическим размером и неровностью облаков и топографии. Учитывается угол наклона Солнца, а также влияние нескольких облачных слоев. [49] Тип почвы, тип растительности и влажность почвы - все это определяет, сколько радиации идет на потепление и сколько влаги попадает в прилегающую атмосферу. Таким образом, их важно параметризовать. [50]

Домены [ править ]

Горизонтальная область модели может быть глобальной , охватывающей всю Землю, или региональной , охватывающей только часть Земли. Региональные модели также известны как модели ограниченной площади или LAM. В региональных моделях используется более мелкий интервал сетки для явного разрешения метеорологических явлений меньшего масштаба, поскольку их меньшая область уменьшает вычислительные потребности. Региональные модели используют совместимую глобальную модель для начальных условий границы своей области. Неопределенность и ошибки в LAM вносятся глобальной моделью, используемой для граничных условий края региональной модели, а также при создании граничных условий для самих LAM. [51]

Вертикальная координата обрабатывается различными способами. В некоторых моделях, например в модели Ричардсона 1922 года, в качестве вертикальной координаты используется геометрическая высота ( ). Более поздние модели заменили геометрическую координату системой координат давления, в которой геопотенциальные высоты поверхностей постоянного давления стали зависимыми переменными , что значительно упростило примитивные уравнения. [52] Это следует из того, что давление уменьшается с высотой в атмосфере Земли . [53] Первая модель, используемая для оперативных прогнозов, однослойная баротропная модель, использовала одну координату давления на уровне 500 миллибар (15 дюймов ртутного столба), [5]и поэтому был по существу двумерным. Модели с высоким разрешением - также называемые мезомасштабными моделями - такие как модель исследования и прогнозирования погоды, как правило, используют нормализованные координаты давления, называемые сигма-координатами . [54]

Глобальные версии [ править ]

Некоторые из наиболее известных глобальных числовых моделей:

  • GFS Global Forecast System (ранее AVN) - разработана NOAA.
  • NOGAPS - разработан ВМС США для сравнения с GFS.
  • Глобальная многомасштабная модель окружающей среды GEM - разработана Метеорологической службой Канады (MSC)
  • IFS разработан Европейским центром среднесрочных прогнозов погоды
  • Унифицированная модель UM, разработанная Метеорологическим бюро Великобритании
  • ICON разработан Немецкой метеорологической службой , DWD, совместно с Институтом метеорологии Макса Планка (MPI), Гамбург, NWP Глобальная модель DWD
  • ARPEGE разработан Французской метеорологической службой, Метео-Франс.
  • Модель промежуточной общей циркуляции IGCM [40]

Региональные версии [ править ]

Некоторые из наиболее известных региональных численных моделей:

  • WRF Модель метеорологических исследований и прогнозирования была разработана совместно NCEP, NCAR и сообществом метеорологических исследований. WRF имеет несколько конфигураций, в том числе:
    • WRF-NMM Негидростатическая мезомасштабная модель WRF является основной моделью краткосрочного прогноза погоды для США, заменяя модель Eta.
    • WRF-ARW Advanced Research WRF разработан в основном в Национальном центре атмосферных исследований США (NCAR)
  • NAM Термин «Североамериканская мезомасштабная модель» относится к любой региональной модели, которую NCEP использует на территории Северной Америки. NCEP начал использовать эту систему обозначений в январе 2005 года. С января 2005 года по май 2006 года модель Eta использовала это обозначение. Начиная с мая 2006 года NCEP начал использовать WRF-NMM в качестве оперативного NAM.
  • RAMS - региональная система атмосферного моделирования, разработанная в Университете штата Колорадо для численного моделирования атмосферной метеорологии и других явлений окружающей среды в масштабах от метров до сотен километров - теперь поддерживается в открытом доступе
  • ММ5 Пятое поколение Penn State / NCAR Mesoscale Модель
  • ARPS - усовершенствованная система прогнозирования регионов, разработанная в Университете Оклахомы, представляет собой комплексную многомасштабную негидростатическую систему моделирования и прогнозирования, которую можно использовать для прогнозирования погоды в региональном масштабе вплоть до моделирования и прогнозирования в масштабе торнадо. Усвоение расширенных радиолокационных данных для прогнозирования грозы является ключевой частью системы.
  • Модель HIRLAM с ограниченным районом с высоким разрешением разработана европейским исследовательским консорциумом HIRLAM при софинансировании 10 европейскими метеорологическими службами. Мезомасштабная модель HIRLAM известна как HARMONIE и разработана в сотрудничестве с консорциумами Meteo France и ALADIN.
  • GEM-LAM Global Environmental Multiscale Limited Area Model, GEM с высоким разрешением 2,5 км (1,6 мили) от Метеорологической службы Канады (MSC)
  • ALADIN Гидростатическая и негидростатическая модель с высоким разрешением и ограниченной площадью, разработанная и эксплуатируемая несколькими странами Европы и Северной Африки под руководством Météo-France [40]
  • COSMO Модель COSMO, ранее известная как LM, aLMo или LAMI, представляет собой негидростатическую модель ограниченной площади, разработанную в рамках Консорциума маломасштабного моделирования (Германия, Швейцария, Италия, Греция, Польша, Румыния и Россия). ). [55]
  • Мезо-NH мезо-NH Model [56] является ограниченной площадью негидростатическая модельразработанная совместно Национальным центром де Recherches Météorologiques и Laboratoire d'Aérologie (Франция, Тулуза) с 1998 года [57] Его применение от моделирование погоды от мезомасштабных до сантиметровых масштабов.

Статистика вывода модели [ править ]

Основная статья: Статистика вывода модели

Поскольку модели прогнозов, основанные на уравнениях динамики атмосферы, не могут полностью определить погодные условия вблизи земли, были разработаны статистические поправки, чтобы попытаться решить эту проблему. Статистические модели были созданы на основе трехмерных полей, созданных численными моделями погоды, приземных наблюдений и климатологических условий для конкретных мест. Эти статистические модели в совокупности называются выходной статистикой моделей (MOS) [58] и были разработаны Национальной метеорологической службой для своего набора моделей прогнозирования погоды. [16] К 1983 году ВВС США разработали собственный набор МОП на основе своей динамической модели погоды.[17]

Статистика выходных данных модели отличается от идеального прогностического метода, который предполагает, что выходные данные численного руководства по прогнозированию погоды идеальны. [59] MOS может корректировать локальные эффекты, которые не могут быть разрешены моделью из-за недостаточного разрешения сетки, а также смещения модели. Параметры прогноза в MOS включают максимальные и минимальные температуры, процентную вероятность дождя в течение нескольких часов, ожидаемое количество осадков, вероятность того, что осадки будут заморожены в природе, вероятность гроз, облачность и приземный ветер. [60]

Приложения [ править ]

Моделирование климата [ править ]

Основные статьи: модель климата и модель общей циркуляции

В 1956 году Норман Филлипс разработал математическую модель, которая реалистично отображала месячные и сезонные закономерности в тропосфере. Это была первая успешная климатическая модель . [12] [13] Затем несколько групп начали работать над созданием моделей общей циркуляции . [61] Первая модель климата общей циркуляции объединила океанические и атмосферные процессы и была разработана в конце 1960-х годов в Лаборатории геофизической гидродинамики , входящей в состав Национального управления океанических и атмосферных исследований США . [62] К началу 1980-х годов Национальный центр атмосферных исследований СШАразработала модель атмосферы сообщества (CAM), которая может работать сама по себе или как атмосферный компонент модели климатической системы сообщества . Последнее обновление (версия 3.1) автономного CAM было выпущено 1 февраля 2006 года. [63] [64] [65] В 1986 году начались работы по инициализации и моделированию типов почвы и растительности, что привело к более реалистичным прогнозам. [66] Совмещенные модели климата океана и атмосферы, такие как Хедли Центр прогнозирования климата и исследования «s HadCM3 модель, используются в качестве входных данных для изменения климата исследований. [61]

Моделирование ограниченной области [ править ]

Распространение модели с ураганом Эрнесто (2006) в рамках моделей ограниченной площади Национального центра ураганов

Прогнозы загрязнения воздуха зависят от атмосферных моделей, чтобы предоставить информацию о потоках жидкости для отслеживания движения загрязнителей. [67] В 1970 году частная компания в США разработала региональную модель урбанистического аэрозоля (UAM), которая использовалась для прогнозирования последствий загрязнения воздуха и кислотных дождей . В середине-конце 1970-х годов Агентство по охране окружающей среды США взяло на себя разработку UAM, а затем использовало результаты регионального исследования загрязнения воздуха для его улучшения. Хотя UAM был разработан для Калифорнии , в 1980-х годах он использовался в других странах Северной Америки, Европы и Азии. [15]

Подвижная мелкоячеистая модель, которая начала работать в 1978 году, была первой моделью прогноза тропических циклонов, основанной на динамике атмосферы . [14] Несмотря на постоянно совершенствующееся руководство динамическими моделями, которое стало возможным за счет увеличения вычислительной мощности, только в 1980-х годах численное прогнозирование погоды (ЧПП) продемонстрировало умение прогнозировать траекторию тропических циклонов. И только в 1990-х годах ЧПП постоянно превосходили статистические или простые динамические модели. [68] Прогнозирование интенсивности тропических циклонов с помощью ЧПП также было сложной задачей. По состоянию на 2009 год динамическое руководство оставалось менее эффективным, чем статистические методы. [69]

См. Также [ править ]

  • Атмосферный реанализ
  • Климатическая модель
  • Численный прогноз погоды
  • Модели верхней атмосферы
  • Статическая модель атмосферы

Ссылки [ править ]

  1. ^ Гейтс, У. Лоуренс (август 1955 г.). Результаты численного прогнозирования с использованием баротропных и термотропных моделей атмосферы . База ВВС Ханском : Кембриджские исследовательские лаборатории ВВС.
  2. ^ Томпсон, PD; У. Лоуренс Гейтс (апрель 1956 г.). «Тест численных методов прогнозирования на основе баротропной и двухпараметрической бароклинной моделей» . Журнал метеорологии . 13 (2): 127–141. Bibcode : 1956JAtS ... 13..127T . DOI : 10.1175 / 1520-0469 (1956) 013 <0127: ATONPM> 2.0.CO; 2 . ISSN 1520-0469 . 
  3. ^ Уоллес, Джон М. и Питер В. Хоббс (1977). Наука об атмосфере: вводный обзор . Academic Press, Inc., стр. 384–385. ISBN 978-0-12-732950-5.
  4. ^ Маршалл, Джон; Пламб, Р. Алан (2008). «Сбалансированный поток». Атмосфера, океан и динамика климата: вводный текст . Амстердам: Elsevier Academic Press. С. 109–12. ISBN 978-0-12-558691-7.
  5. ^ a b c Чарни, Джул ; Фьёртофт, Рагнар; фон Нейман, Джон (ноябрь 1950). «Численное интегрирование уравнения баротропной завихренности» . Теллус . 2 (4): 237–254. Bibcode : 1950TellA ... 2..237C . DOI : 10.3402 / tellusa.v2i4.8607 .
  6. Перейти ↑ Jacobson, Mark Zachary (2005). Основы атмосферного моделирования . Издательство Кембриджского университета. С. 138–143. ISBN 978-0-521-83970-9.
  7. ^ a b Линч, Питер (2008-03-20). «Истоки компьютерного прогнозирования погоды и моделирования климата» (PDF) . Журнал вычислительной физики . 227 (7): 3431–44. Bibcode : 2008JCoPh.227.3431L . DOI : 10.1016 / j.jcp.2007.02.034 . Архивировано из оригинального (PDF) 08.07.2010 . Проверено 23 декабря 2010 .
  8. ^ Линч, Питер (2006). «Прогноз погоды с помощью числового процесса». Появление численного прогноза погоды . Издательство Кембриджского университета . С. 1–27. ISBN 978-0-521-85729-1.
  9. ^ Кокс, Джон Д. (2002). Наблюдатели за бурей . John Wiley & Sons, Inc. стр. 208 . ISBN 978-0-471-38108-2.
  10. ^ Харпер, Кристина; Уччеллини, Луи В .; Калнай, Евгения; Кэри, Кеннет; Морон, Лорен (май 2007 г.). «2007: 50 лет оперативному численному прогнозированию погоды» . Бюллетень Американского метеорологического общества . 88 (5): 639–650. Bibcode : 2007BAMS ... 88..639H . DOI : 10.1175 / BAMS-88-5-639 .
  11. ^ Лесли, LM; Дитахмейер, GS (декабрь 1992 г.). «Численное прогнозирование погоды в ограниченной области в реальном времени в Австралии: историческая перспектива» (PDF) . Австралийский метеорологический журнал . Бюро метеорологии . 41 (SP): 61–77 . Проверено 3 января 2011 .
  12. ^ а б Норман А. Филлипс (апрель 1956 г.). «Общая циркуляция атмосферы: численный эксперимент» (PDF) . Ежеквартальный журнал Королевского метеорологического общества . 82 (352): 123–154. Bibcode : 1956QJRMS..82..123P . DOI : 10.1002 / qj.49708235202 .
  13. ^ а б Джон Д. Кокс (2002). Наблюдатели за бурей . John Wiley & Sons, Inc. стр. 210 . ISBN 978-0-471-38108-2.
  14. ^ a b Шуман, Фредерик Г. (сентябрь 1989 г.). «История численного прогноза погоды в Национальном метеорологическом центре» . Погода и прогнозирование . 4 (3): 286–296. Bibcode : 1989WtFor ... 4..286S . DOI : 10,1175 / 1520-0434 (1989) 004 <0286: HONWPA> 2.0.CO; 2 . ISSN 1520-0434 . 
  15. ^ а б Стейн, Д.Г. (1991). Моделирование загрязнения воздуха и его применение VIII, Том 8 . Birkhäuser. С. 241–242. ISBN 978-0-306-43828-8.
  16. ^ а б Гарри Хьюз (1976). Руководство по прогнозированию выходной статистики модели . Центр экологических технических приложений ВВС США. С. 1–16.
  17. ^ a b Л. Бест, DL & SP Pryor (1983). Системы статистики вывода моделей аэрометеорологического обслуживания . Центр глобальной погоды ВВС. С. 1–90.
  18. ^ Кокс, Джон Д. (2002). Наблюдатели за бурей . John Wiley & Sons, Inc., стр.  222–224 . ISBN 978-0-471-38108-2.
  19. ^ Вейкманн, Клаус, Джефф Уитакер, Андрес Рубичек и Кэтрин Смит (2001-12-01). Использование ансамблевых прогнозов для получения улучшенных среднесрочных (3–15 дней) прогнозов погоды. Центр климатической диагностики . Проверено 16 февраля 2007.
  20. ↑ Тот, Золтан; Калнай, Евгения (декабрь 1997 г.). «Ансамблевое прогнозирование в NCEP и метод селекции». Ежемесячный обзор погоды . 125 (12): 3297–3319. Bibcode : 1997MWRv..125.3297T . CiteSeerX 10.1.1.324.3941 . DOI : 10,1175 / 1520-0493 (1997) 125 <3297: EFANAT> 2.0.CO; 2 . ISSN 1520-0493 .  
  21. ^ "Система ансамблевого прогнозирования (EPS)" . ЕЦСПП . Архивировано из оригинального 25 января 2011 года . Проверено 5 января 2011 .
  22. ^ Molteni, F .; Buizza, R .; Палмер, штат Теннесси; Петролягис, Т. (январь 1996 г.). «Система ансамблевого прогнозирования ECMWF: методология и проверка». Ежеквартальный журнал Королевского метеорологического общества . 122 (529): 73–119. Bibcode : 1996QJRMS.122 ... 73M . DOI : 10.1002 / qj.49712252905 .
  23. ^ Стенсруд, Дэвид Дж. (2007). Схемы параметризации: ключи к пониманию численных моделей прогнозирования погоды . Издательство Кембриджского университета. п. 56. ISBN 978-0-521-86540-1.
  24. ^ Национальный центр климатических данных (2008-08-20). «Ключ к наблюдениям за приземной погодой METAR» . Национальное управление океанических и атмосферных исследований . Архивировано из оригинала на 2002-11-01 . Проверено 11 февраля 2011 .
  25. ^ "Формат данных SYNOP (FM-12): приземные синоптические наблюдения" . UNISYS . 2008-05-25. Архивировано из оригинала на 2007-12-30.
  26. Перейти ↑ Kwon, JH (2007). Параллельная вычислительная гидродинамика: параллельные вычисления и их приложения: материалы конференции Parallel CFD 2006, г. Пусан, Корея (15–18 мая 2006 г.) . Эльзевир. п. 224. ISBN 978-0-444-53035-6.
  27. ^ "Система ассимиляции вариационных данных WRF (WRF-Var)" . Университетская корпорация атмосферных исследований . 2007-08-14. Архивировано из оригинала на 2007-08-14.
  28. ^ Gaffen, Диан Дж (2007-06-07). «Радиозондовые наблюдения и их использование в исследованиях, связанных с SPARC» . Архивировано из оригинала на 2007-06-07.
  29. ^ Ballish, Брэдли А. и В. Кришна Кумар (2008-05-23). Исследование систематических различий в температурах самолетов и радиозондов, имеющих значение для ЧПП и исследований климата. Проверено 25 мая 2008.
  30. ^ Национальный центр буев данных (2009-01-28). «Схема судов, добровольно проводящих наблюдения (СДН) ВМО» . Национальное управление океанических и атмосферных исследований . Проверено 15 февраля 2011 .
  31. ^ 403-е крыло (2011). «Охотники за ураганами» . 53-я эскадрилья метеорологической разведки . Архивировано 2 апреля 2006 года . Проверено 30 марта 2006 .
  32. ^ Ли, Кристофер (2007-10-08). «Дрон, датчики могут открыть путь в Око бури» . Вашингтон Пост . Проверено 22 февраля 2008 .
  33. ^ Национальное управление океанических и атмосферных исследований (2010-11-12). «NOAA отправляет высокотехнологичный исследовательский самолет, чтобы улучшить прогнозы зимних штормов» . Архивировано 3 января 2011 года . Проверено 22 декабря 2010 .
  34. ^ Стенсруд, Дэвид Дж. (2007). Схемы параметризации: ключи к пониманию численных моделей прогнозирования погоды . Издательство Кембриджского университета . п. 137. ISBN 978-0-521-86540-1.
  35. ^ Хоутон, Джон Теодор (1985). Глобальный климат . Архив издательства Кембриджского университета. С. 49–50. ISBN 978-0-521-31256-1.
  36. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . С. 48–49. ISBN 978-0-12-554766-6.
  37. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . С. 285–287. ISBN 978-0-12-554766-6.
  38. ^ Sunderam, VS; Г. Дик ван Альбада; Питер М.А. Слот; Дж. Дж. Донгарра (2005). Вычислительная наука - ICCS 2005: 5-я Международная конференция, Атланта, Джорджия, США, 22–25 мая 2005 г., Труды, часть 1 . Springer. п. 132. ISBN 978-3-540-26032-5.
  39. ^ Цвифльхофер, Вальтер; Норберт Крайц; Европейский центр среднесрочных прогнозов погоды (2001 г.). Развитие теракомпьютеров: материалы девятого семинара ЕЦСПП по использованию высокопроизводительных вычислений в метеорологии . World Scientific. п. 276. ISBN. 978-981-02-4761-4.
  40. ^ a b c Чан, Джонни CL и Джеффри Д. Кеперт (2010). Глобальные перспективы тропических циклонов: от науки к смягчению последствий . World Scientific. С. 295–301. ISBN 978-981-4293-47-1.
  41. ^ Холтон, Джеймс Р. (2004). Введение в динамическую метеорологию, Том 1 . Академическая пресса. п. 480. ISBN 978-0-12-354015-7.
  42. ^ Браун, Молли Э. (2008). Системы раннего предупреждения о голоде и данные дистанционного зондирования . Springer. п. 121. ISBN. 978-3-540-75367-4.
  43. ^ a b Стрикверда, Джон К. (2004). Конечно-разностные схемы и уравнения в частных производных . СИАМ. С. 165–170. ISBN 978-0-89871-567-5.
  44. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . п. 65. ISBN 978-0-12-554766-6.
  45. ^ Аренс, К. Дональд (2008). Основы метеорологии: приглашение в атмосферу . Cengage Learning. п. 244. ISBN 978-0-495-11558-8.
  46. ^ Нарита, Масами и Широ Омори (2007-08-06). «3.7 Улучшение прогнозов осадков с помощью оперативной негидростатической мезомасштабной модели с конвективной параметризацией Каина-Фрича и микрофизикой облаков» (PDF) . 12-я конференция по мезомасштабным процессам . Американское метеорологическое общество . Проверено 15 февраля 2011 .
  47. ^ Фриерсон, Дарган (2000-09-14). «Схема параметризации диагностического облака» (PDF) . Вашингтонский университет . С. 4–5. Архивировано из оригинального (PDF) 1 апреля 2011 года . Проверено 15 февраля 2011 .
  48. ^ Стенсруд, Дэвид Дж. (2007). Схемы параметризации: ключи к пониманию численных моделей прогнозирования погоды . Издательство Кембриджского университета. п. 6. ISBN 978-0-521-86540-1.
  49. ^ Мельникова, Ирина Николаевна и Александр В. Васильев (2005). Коротковолновое солнечное излучение в атмосфере Земли: расчет, наблюдение, интерпретация . Springer. С. 226–228. ISBN 978-3-540-21452-6.
  50. ^ Стенсруд, Дэвид Дж. (2007). Схемы параметризации: ключи к пониманию численных моделей прогнозирования погоды . Издательство Кембриджского университета. С. 12–14. ISBN 978-0-521-86540-1.
  51. ^ Уорнер, Томас Томкинс (2010). Численное прогнозирование погоды и климата . Издательство Кембриджского университета . п. 259. ISBN 978-0-521-51389-0.
  52. ^ Линч, Питер (2006). «Основные уравнения». Появление численного прогноза погоды . Издательство Кембриджского университета . С. 45–46. ISBN 978-0-521-85729-1.
  53. ^ Аренс, К. Дональд (2008). Основы метеорологии: приглашение в атмосферу . Cengage Learning. п. 10. ISBN 978-0-495-11558-8.
  54. ^ Янич, Zavisa; Галл, Роберт; Пайл, Мэтью Э. (февраль 2010 г.). «Научная документация для решателя NMM» (PDF) . Национальный центр атмосферных исследований . С. 12–13. Архивировано из оригинального (PDF) 23 августа 2011 года . Проверено 3 января 2011 .
  55. ^ Консорциум по маломасштабному моделированию. Консорциум мелкомасштабного моделирования. Проверено 13 января 2008.
  56. ^ Lac, К., Chaboureau П., Массон В., Pinty П., Tulet П., Escobar, J., ... & Aumond, P. (2018). Обзор модели Meso-NH версии 5.4 и ее приложений. Разработка геонаучной модели, 11, 1929-1969.
  57. ^ Лафоре, Жан-Филипп и др. «Система моделирования атмосферы Meso-NH. Часть I: Адиабатическая формулировка и моделирование контроля». Annales geophysicae. Vol. 16. № 1. Copernicus GmbH, 1998.
  58. ^ Баум, Марша Л. (2007). Когда поражает природа: погодные катаклизмы и закон . Издательская группа «Гринвуд». п. 189. ISBN. 978-0-275-22129-4.
  59. ^ ГЮЛЬТЯПЯ, Исмаил (2007). Туман и пограничный слой облаков: видимость и прогноз тумана . Springer. п. 1144. ISBN 978-3-7643-8418-0.
  60. ^ Барри, Роджер Грэм и Ричард Дж. Чорли (2003). Атмосфера, погода и климат . Психология Press. п. 172. ISBN. 978-0-415-27171-4.
  61. ^ а б Питер Линч (2006). «Интеграции ENIAC» . Появление численного прогноза погоды: мечта Ричардсона . Издательство Кембриджского университета . п. 208. ISBN 978-0-521-85729-1. Проверено 6 февраля 2018 .
  62. ↑ Национальное управление океанических и атмосферных исследований (22 мая 2008 г.). «Первая климатическая модель» . Проверено 8 января 2011 года .
  63. ^ "CAM 3.1 Скачать" . www.cesm.ucar.edu . Проверено 25 июня 2019 .
  64. ^ Уильям Д. Коллинз; и другие. (Июнь 2004 г.). «Описание модели атмосферы сообщества NCAR (CAM 3.0)» (PDF) . Университетская корпорация атмосферных исследований . Проверено 3 января 2011 года .
  65. ^ "МОДЕЛЬ АТМОСФЕРЫ СООБЩЕСТВА CAM3.0" . Университетская корпорация атмосферных исследований . Проверено 6 февраля 2018 .
  66. ^ Юнкан Xue & Michael J. Fennessey (20 марта 1996). «Влияние свойств растительности на прогноз погоды в США летом» (PDF) . Журнал геофизических исследований . 101 (D3): 7419. Bibcode : 1996JGR ... 101.7419X . CiteSeerX 10.1.1.453.551 . DOI : 10.1029 / 95JD02169 . Архивировано из оригинального (PDF) 10 июля 2010 года . Проверено 6 января 2011 года .  
  67. ^ Александр Бакланов; Аликс Расмуссен; Барбара Фэй; Эрик Берге; Сандро Финарди (сентябрь 2002 г.). «Возможности и недостатки моделей численного прогнозирования погоды в предоставлении метеорологических данных для прогнозирования загрязнения воздуха в городах». Загрязнение воды, воздуха и почвы: в центре внимания . 2 (5): 43–60. DOI : 10,1023 / A: 1021394126149 .
  68. ^ Джеймс Франклин (20 апреля 2010 г.). «Проверка прогнозов Национального центра ураганов» . Национальный центр ураганов . Архивировано 2 января 2011 года . Проверено 2 января 2011 года .
  69. ^ Эдвард Н. Раппапорт; Джеймс Л. Франклин; Ликсион А. Авила; Стивен Р. Бейг; Джон Л. Бевен II; Эрик С. Блейк; Кристофер А. Берр; Цзянь-Гво Цзин; Кристофер А. Джакинс; Ричард Д. Кнабб; Кристофер В. Ландси; Мишель Майнелли; Макс Мэйфилд; Колин Дж. Макади; Ричард Дж. Паш; Кристофер Сиско; Стейси Р. Стюарт; Ахша Н. Триббл (апрель 2009 г.). «Достижения и проблемы в Национальном центре ураганов». Погода и прогнозирование . 24 (2): 395–419. Bibcode : 2009WtFor..24..395R . CiteSeerX 10.1.1.207.4667 . DOI : 10.1175 / 2008WAF2222128.1 . 

Дальнейшее чтение [ править ]

  • Роулстон, Ян; Норбери, Джон (2013). Невидимый во время бури: роль математики в понимании погоды . Принстон: Издательство Принстонского университета. ISBN 978-0-691-15272-1.

Внешние ссылки [ править ]

  • Страница загрузки исходных кодов WRF и графического программного обеспечения
  • Исходный код RAMS доступен под Стандартной общественной лицензией GNU
  • Исходный код MM5 скачать
  • Исходный код ARPS
  • Визуализация модели