Это хорошая статья. Для получения дополнительной информации нажмите здесь.
Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Главная панель управления ENIAC в Школе электротехники Мура

История численного прогнозирования погоды рассматривает, как текущие погодные условия, входящие в математические модели атмосферы и океанов для прогнозирования погоды и будущего состояния моря (процесс численного прогнозирования погоды ), менялись с годами. Хотя первая попытка была предпринята вручную в 1920-х годах, только с появлением компьютеров и компьютерного моделирования время вычислений сократилось до меньшего, чем сам период прогноза. ENIACбыл использован для создания первых прогнозов с помощью компьютера в 1950 году, и с годами более мощные компьютеры использовались для увеличения размера исходных наборов данных, а также для включения более сложных версий уравнений движения. Развитие моделей глобального прогнозирования привело к появлению первых моделей климата. Разработка моделей ограниченного района (региональных) способствовала прогрессу в прогнозировании траекторий тропических циклонов, а также качества воздуха в 1970-х и 1980-х годах.

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). MOS применяет статистические методы для последующей обработки выходных данных динамических моделей с учетом самых последних приземных наблюдений и климатологии точки прогноза. Этот метод может исправить как разрешение модели, так и смещения модели. Даже с ростом мощности суперкомпьютеров возможности численных моделей погоды позволяют прогнозировать только примерно две недели в будущем, поскольку плотность и качество наблюдений - вместе с хаотическим характером наблюдений.уравнения в частных производных, используемые для расчета прогноза, вводят ошибки, которые удваиваются каждые пять дней. 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.

Фон [ править ]

До конца XIX века прогноз погоды был полностью субъективным и основывался на эмпирических правилах с ограниченным пониманием физических механизмов, лежащих в основе погодных процессов. В 1901 году Кливленд Аббе , основатель Бюро погоды США , предположил, что атмосфера управляется теми же принципами термодинамики и гидродинамики , которые изучались в предыдущем столетии. [1] В 1904 году Вильгельм Бьеркнес вывел двухэтапную процедуру для прогнозирования погоды на основе моделей. Во-первых, этап диагностики используется для обработки данных для создания начальных условий , которые затем продвигаются во времени напрогностический шаг , решающий задачу начального значения . [2] Он также определил семь переменных, которые определяют состояние атмосферы в данной точке: давление , температура , плотность , влажность и три компонентавектора скорости потока . Бьеркнес указал, что уравнения, основанные на непрерывности массы , сохранении количества движения , первом и втором законах термодинамики и законе идеального газа, могут быть использованы для оценки состояния атмосферы в будущем с помощью численных методов.. [3] За исключением второго начала термодинамики, [2] эти уравнения составляют основу примитивных уравнений, используемых в моделях современной погоды. [4]

В 1922 году Льюис Фрай Ричардсон опубликовал первую попытку численного прогноза погоды. Используя гидростатическую вариацию примитивных уравнений Бьеркнеса [2], Ричардсон вручную составил 6-часовой прогноз состояния атмосферы над двумя точками в Центральной Европе, на что потребовалось не менее шести недель. [3] Согласно его прогнозу, изменение поверхностного давления составит 145 миллибар (4,3  дюйма ртутного столба ), что является нереалистичным значением, неверным на два порядка. Большая ошибка была вызвана несбалансированностью полей давления и скорости ветра, которые использовались в качестве начальных условий в его анализе. [2]

Первое успешное численное предсказание было выполнено с помощью цифрового компьютера ENIAC в 1950 году группой под руководством американского метеоролога Джула Чарни . В команду входят Филип Томпсон, Ларри Гейтс и норвежский метеоролог Рагнар Фьёртофт , математик-прикладник Джон фон Нейман и программист Клара Дэн фон Нейман , М. Х. Франкель, Джером Намиас , Джон К. Фриман-младший, Фрэнсис Райхельдерфер , Джордж Плацман и Джозеф. Смагоринский . [5] [6] [7] Они использовали упрощенную форму атмосферной динамики, основанную на решенииуравнение баротропной завихренности над одним слоем атмосферы путем вычисления геопотенциальной высоты поверхности давления в 500 миллибар (15 дюймов ртутного столба). [8] Это упрощение значительно снизило требования к компьютерному времени и памяти, поэтому вычисления можно было выполнять на относительно примитивных компьютерах того времени. [9] Когда в 1950 году Ричардсон получил известие о первом прогнозе погоды от ENIAC, он отметил, что полученные результаты явились «огромным научным прорывом». [2] Первые расчеты 24-часового прогноза заняли у ENIAC почти 24 часа, [2]но группа Чарни отметила, что большая часть этого времени была потрачена на «ручные операции», и выразила надежду, что прогнозы погоды до того, как это произойдет, скоро сбудутся. [8]

Пример прогнозирования геопотенциальной высоты 500 мбар на основе численной модели прогнозирования погоды. Здесь также показан блок Омега .

В Соединенном Королевстве Метеорологическое бюро впервые численное прогнозирование погоды было завершено Ф. Х. Бушби и Мавис Хиндс в 1952 году под руководством Джона Сойера . Эти экспериментальные прогнозы были созданы с использованием сетки 12 × 8 с шагом сетки 260 км, с часовым шагом и потребовали четыре часа вычислительного времени для 24-часового прогноза на компьютере EDSAC в Кембриджском университете и США. LEO компьютер , разработанный Дж Lyons и Ко После этих первоначальных экспериментов, работа перемещается в Ferranti Mark 1 компьютер на Манчестерском университете кафедре электротехникиа в 1959 году в Метеорологическом бюро был установлен компьютер Ferranti Mercury , известный как «Метеор». [10]

Ранние годы [ править ]

В сентябре 1954 года Карл-Густав Россби собрал международную группу метеорологов в Стокгольме и составил первый оперативный прогноз (т. Е. Обычные прогнозы для практического использования), основанный на уравнении баротропа. [11] Оперативное численное прогнозирование погоды в Соединенных Штатах началось в 1955 году в рамках Объединенной группы численного прогнозирования погоды (JNWPU), совместного проекта ВВС , ВМС и Бюро погоды . [12] Модель JNWPU изначально была трехслойной баротропной моделью, также разработанной Чарни. [13] Он смоделировал только атмосферу в северном полушарии . [14] В 1956 году JNWPU перешел на двухслойную термотропную модель, разработанную Томпсоном и Гейтсом. [13] Основное предположение, сделанное в термотропной модели, состоит в том, что, хотя величина теплового ветра может меняться, его направление не меняется по отношению к высоте, и, таким образом, бароклинность в атмосфере может быть смоделирована с использованием шкалы 500  мбар (15  дюймов рт. ) и 1000 мб (30 дюймов рт. ст.) с геопотенциальной высотой поверхностей и средний тепловой ветер между ними. [15] [16] Однако из - за низкое мастерство показало на термотропном модели, JNWPU вернулась к баротропной однослойной модели в 1958 году [2] TheЯпонское метеорологическое агентство стало третьей организацией, начавшей оперативное численное прогнозирование погоды в 1959 году. [17] Первые прогнозы в реальном времени, сделанные Метеорологическим бюро Австралии в 1969 году для частей Южного полушария, также были основаны на однослойной баротропной модели. [18]

В более поздних моделях использовались более полные уравнения динамики и термодинамики атмосферы . В 1959 году Карл-Хайнц Хинкельманн произвел первый разумный примитивный прогноз уравнения, спустя 37 лет после неудачной попытки Ричардсона. Хинкельманн сделал это, удалив небольшие колебания численной модели во время инициализации. В 1966 году Западная Германия и Соединенные Штаты начали составлять оперативные прогнозы на основе моделей с примитивными уравнениями, за ними последовали Великобритания в 1972 году и Австралия в 1977 году. [2] [18] Более поздние добавления к моделям с примитивными уравнениями позволили получить дополнительную информацию о различных погодных условиях. явления. В Соединенных Штатах эффекты солнечного излучения были добавлены к примитивной модели уравнения в 1967 году; воздействие влаги искрытое тепло добавлено в 1968 г .; и эффекты обратной связи от дождя на конвекцию были учтены в 1971 году. Три года спустя была представлена ​​первая модель глобального прогноза. [13] Морской лед начал использоваться в прогнозных моделях в 1971 году. [19] Попытки включить температуру поверхности моря в инициализацию модели начались в 1972 году из-за его роли в изменении погоды в более высоких широтах Тихого океана. [20]

Глобальные модели прогнозов [ править ]

В моделях используются системы дифференциальных уравнений, основанные на законах физики , движения жидкости и химии , а также используется система координат, которая делит планету на трехмерную сетку. Ветры , теплопередача , радиация , относительная влажность и гидрология поверхности рассчитываются в каждой сетке и оценивают взаимодействие с соседними точками.

Модель глобального прогноза - это модель прогнозирования погоды, которая инициализирует и прогнозирует погоду во всей тропосфере Земли . Это компьютерная программа, которая производит метеорологическую информацию на будущее в заданных местах и ​​на заданных высотах. В любой современной модели есть набор уравнений, известных как примитивные уравнения , которые используются для предсказания будущего состояния атмосферы. [21] Эти уравнения, наряду с законом идеального газа, используются для эволюции скалярных полей плотности , давления и потенциальной температуры, а также векторного поля скорости потока. атмосферы во времени. Дополнительные уравнения переноса для загрязнителей и других аэрозолей также включены в некоторые модели с высоким разрешением на основе примитивных уравнений. [22] Используемые уравнения представляют собой нелинейные уравнения в частных производных, которые невозможно решить точно с помощью аналитических методов [23], за исключением нескольких идеализированных случаев. [24] Таким образом, численные методы позволяют получать приближенные решения. В разных моделях используются разные методы решения: некоторые глобальные модели и почти все региональные модели используют методы конечных разностей для всех трех пространственных измерений, в то время как другие глобальные модели и несколько региональных моделей используют спектральные методы.для горизонтальных размеров и конечно-разностных методов по вертикали. [23]

Национальный метеорологический центр в глобальной спектральной модели была введена в августе 1980 года [14] Европейский центр среднесрочных прогнозов погоды модель дебютировала на 1 май 1985 года [25] Соединенное Королевство Метеобюро было запущены их глобальная модель с конца 1980-е, [26] добавление схемы ассимиляции данных 3D-Var в середине 1999 года. [27] Канадский метеорологический центр использует глобальную модель с 1991 года. [28] США использовали модель вложенной сетки (NGM) с 1987 по 2000 год, с некоторыми функциями, действующими до 2009 года.Центр моделирования окружающей среды использовал модель авиации (AVN) для краткосрочных прогнозов и модель среднесрочного прогноза (MRF) для более длительных периодов времени. За это время модель AVN была расширена до конца периода прогноза, что устранило необходимость в MRF и тем самым заменило его. В конце 2002 года модель AVN была переименована в Глобальную систему прогнозов (GFS). [29] Немецкая метеорологическая служба уже работает свою глобальную гидростатическая модель, в GME , используя шестигранные икосаэдрические сетки с 2002 года [30] СГФ планируется в конечном итоге будет вытеснена Flow-следующая, конечный объем икосаэдрического модели (FIM), который, как и GME, привязан к усеченному икосаэдру, в середине 2010-х годов.

Глобальные климатические модели [ править ]

В 1956 году Норман А. Филлипс разработал математическую модель, которая могла реалистично отображать месячные и сезонные закономерности в тропосфере, которая стала первой успешной климатической моделью . [31] [32] После работы Филлипса несколько групп начали работать над созданием моделей общей циркуляции . [33] Первая модель климата общей циркуляции, которая объединила океанические и атмосферные процессы, была разработана в конце 1960-х годов в лаборатории геофизической гидродинамики NOAA . [34] К началу 1980-х годов Национальный центр атмосферных исследований СШАразработал модель атмосферы сообщества; эта модель постоянно совершенствовалась до 2000-х годов. [35] В 1986 году были начаты попытки инициализировать и моделировать типы почвы и растительности, что привело к более реалистичным прогнозам. Например, модель Центра исследований атмосферы океана и суши (COLA) показала смещение теплой температуры в 2–4 ° C (4–7 ° F) и смещение низкого уровня осадков из-за неправильной параметризации типа сельскохозяйственных культур и растительности в центральном регионе. Соединенные Штаты. [36] модели климата и океана и атмосферы , такие как Хедли Центр прогнозирования климата и исследований «s HadCM3 модели в настоящее время используются в качестве входных данных для изменения климата исследований. [33] ВажностьДо середины 1980-х годов в этих моделях не учитывались гравитационные волны . Теперь гравитационные волны необходимы в глобальных климатических моделях для правильного моделирования циркуляции в региональном и глобальном масштабе, хотя их широкий спектр затрудняет их включение. [37] Модель климатической системы (CSM) была разработана в Национальном центре атмосферных исследований в январе 1994 года. [38]

Модели с ограниченной площадью [ править ]

Горизонтальная область модели является либо глобальной , охватывающей всю Землю, либо региональной , охватывающей только часть Земли. Региональные модели (также известные как ограниченная зонамодели или LAM) позволяют использовать более мелкий (или меньший) интервал сетки, чем глобальные модели. Доступные вычислительные ресурсы сосредоточены на определенной области, а не распространяются по земному шару. Это позволяет региональным моделям явно разрешать мелкомасштабные метеорологические явления, которые не могут быть представлены на более грубой сетке глобальной модели. Региональные модели используют глобальную модель для начальных условий границы своей области, чтобы позволить системам из-за пределов области региональной модели перемещаться в ее область. Неопределенность и ошибки в региональных моделях вносятся глобальной моделью, используемой для граничных условий границы региональной модели, а также ошибками, относящимися к самой региональной модели. [39]

В США первая действующая региональная модель, модель с мелкой сеткой ограниченной площади (LFM), была представлена ​​в 1971 году. [13] Ее разработка была остановлена ​​или заморожена в 1986 году. NGM дебютировал в 1987 году и также был используется для создания выходной статистики модели для США. [40] Его разработка была заморожена в 1991 году. Модель ETA была внедрена для США в 1993 году [14] и, в свою очередь, была обновлена ​​до NAM в 2006 году. США также предлагают Rapid Refresh (которая заменила RUC в 2012 году) для приложений ближнего действия и высокого разрешения; и Rapid Refresh, и NAM построены на одной и той же структуре - WRF .Météo-France запускает свою мезомасштабную модель Action de Recherche Petite Échelle Grande Échelle (ALADIN) для Франции, основанную на глобальной модели ECMWF, с 1995 года. [41] В июле 1996 года Бюро метеорологии внедрило систему прогнозирования ограниченной площади ( LAPS). [42] Канадская региональная модель конечных элементов (RFE) была введена в эксплуатацию 22 апреля 1986 г. [43] 24 февраля 1997 г. за ней последовала мезомасштабная модель Глобальной многомасштабной модели окружающей среды (GEM) [41].

В 1999 г. Немецкая метеорологическая служба разработала Региональную модель высокого разрешения (HRM), которая широко используется в оперативных и исследовательских метеорологических сообществах и основывается на гидростатических допущениях. [44] Система антарктического мезомасштабного прогнозирования (AMPS) была разработана для самого южного континента в 2000 году Антарктической программой США . [45] Немецкий негидростатическая Lokal-Modell для Европы (LME) была запущена с 2002 года, а также увеличение в ареале области был введен в эксплуатацию 28 сентября 2005 года [46] Японское метеорологическое агентство пробежал с высоким разрешением, негидростатическая мезомасштабная модель с сентября 2004 г. [47]

Модели качества воздуха [ править ]

Визуализация всплывающего гауссовского шлейфа рассеивания загрязнителя воздуха
Основная статья: Моделирование атмосферной дисперсии

Техническая литература по рассеиванию загрязнения воздуха довольно обширна и восходит к 1930-м годам и ранее. Одно из первых уравнений дисперсии шлейфа загрязнителя воздуха было получено Бозанке и Пирсоном. [48] Их уравнение не предполагало гауссовского распределения и не учитывало эффект отражения от земли шлейфа загрязняющих веществ. Сэр Грэм Саттон вывел уравнение дисперсии шлейфа загрязнителя воздуха в 1947 году, которое действительно включало предположение о гауссовом распределении для вертикального и бокового ветра дисперсии шлейфа, а также учитывало эффект отражения шлейфа от земли. [49] Под влиянием введения строгих норм экологического контроля, с конца 1960-х годов и по настоящее время значительно выросло использование расчетов рассеивания шлейфа загрязняющих веществ в воздухе. В то время было разработано множество компьютерных программ для расчета рассеивания выбросов загрязняющих веществ в атмосферу, которые получили название «модели рассеяния в воздухе». Основой для большинства этих моделей было полное уравнение для моделирования гауссовой дисперсии непрерывных плавучих шлейфов загрязнения воздуха. Уравнение гауссовой дисперсии загрязняющих веществ в воздухе требует ввода H, который представляет собой высоту центральной линии шлейфа загрязняющих веществ над уровнем земли, а H представляет собой сумму H s (фактическая физическая высота точки источника выбросов загрязняющего шлейфа) плюс Δ H (подъем плюма за счет его плавучести).

Для определения Δ H многие, если не большинство моделей рассеяния в воздухе, разработанных в период с конца 1960-х до начала 2000-х годов, использовали так называемые «уравнения Бриггса». Г.А. Бриггс впервые опубликовал свои наблюдения и сравнения подъема шлейфа в 1965 году. [50] В 1968 году на симпозиуме, спонсируемом «Сохранением чистого воздуха и воды в Европе», он сравнил многие модели подъема шлейфа, которые тогда были доступны в литературе. [51] В том же году Бриггс также написал раздел публикации под редакцией Слейда [52], посвященный сравнительному анализу моделей подъема шлейфа. За этим последовал в 1969 году его классический критический обзор всей литературы о подъеме шлейфов [53].в котором он предложил систему уравнений роста шлейфа, которые стали широко известны как «уравнения Бриггса». Впоследствии Бриггс модифицировал свои уравнения подъема шлейфа 1969 года в 1971 и 1972 годах [54] [55].

Модель городского аэродрома, региональная модель прогнозирования воздействия загрязнения воздуха и кислотных дождей , была разработана частной компанией в США в 1970 году. Разработка этой модели была взята на себя Агентством по охране окружающей среды и улучшена в середине или конце. 1970-е годы с использованием результатов регионального исследования загрязнения воздуха. Эта модель была разработана в Калифорнии , но позже использовалась в других регионах Северной Америки , Европы и Азии в течение 1980-х годов. [56] Мультимасштабная модель качества воздуха от сообщества (CMAQ) является открытым исходным кодом.Модель качества воздуха работает в Соединенных Штатах вместе с мезомасштабной моделью NAM с 2004 года. [57] [58] Первая рабочая модель качества воздуха в Канаде, Канадской полушарии и Региональной системе озона и NOx (CHRONOS), начала работать в 2001. В ноябре 2009 года она была заменена Глобальной многомасштабной моделью окружающей среды - Моделирование качества воздуха и химии (GEM-MACH). [59]

Модели тропических циклонов [ править ]

См. Также: Модель прогноза тропических циклонов
Вверху : симуляция WRF-модели следов урагана Рита. Внизу : распространение многомодельного ансамблевого прогноза NHC.

В 1972 году была разработана первая модель для прогнозирования штормовых нагонов вдоль континентального шельфа , известная как Специальная программа по составлению списков амплитуд нагонов от ураганов (SPLASH). [60] В 1978 году первая модель отслеживания ураганов, основанная на динамике атмосферы - подвижная мелкоячеистая (MFM) модель - начала работать. [13] В области прогнозирования траекторий тропических циклонов , несмотря на постоянно улучшающееся руководство по динамическим моделям, которое происходило с увеличением вычислительной мощности, численное прогнозирование погоды показало свои навыки только в десятилетии 1980-х годов , и до 1990-х годов, когда оно постоянно превзошелстатистические или простые динамические модели. [61] В начале 1980-х годов было обнаружено, что ассимиляция спутниковых данных ветра из водяного пара, инфракрасных и видимых спутниковых изображений улучшила прогнозирование траектории тропических циклонов. [62] Модель урагана Лаборатории геофизической гидродинамики (GFDL) использовалась в исследовательских целях между 1973 и серединой 1980-х годов. После того, как было определено, что он может продемонстрировать навыки предсказания ураганов, многолетний переход преобразовал исследовательскую модель в оперативную модель, которая могла быть использована Национальной метеорологической службой в 1995 году [63].

Ураган метеорологические исследования и прогнозирование (HWRF) модель представляет собой специализированную версию метеорологических исследований и прогнозирование модели (WRF) и используются для прогнозировать дорожки и интенсивность в тропических циклонах . Модель была разработана Национальным управлением океанических и атмосферных исследований (NOAA), Лабораторией военно-морских исследований США , Университетом Род-Айленда и Государственным университетом Флориды . [64] Он начал работать в 2007 году. [65] Несмотря на улучшения в прогнозировании траектории движения, прогнозирование интенсивности тропического циклона на основе численного прогноза погоды по-прежнему представляет собой проблему, поскольку статистические методы по-прежнему демонстрируют более высокую квалификацию по сравнению с динамическим наведением. [66]

Модели океана [ править ]

Первые модели океанских волн были разработаны в 1960-х и 1970-х годах. В этих моделях была тенденция переоценивать роль ветра в развитии волн и недооценивать взаимодействия волн. Отсутствие знаний о том, как волны взаимодействуют друг с другом, предположения относительно максимальной высоты волны и недостаток мощности компьютера ограничивали производительность моделей. После проведения экспериментов в 1968, 1969 и 1973 годах в прогнозах более точно учитывалась ветровая нагрузка земной атмосферы. Второе поколение моделей было разработано в 1980-х годах, но они не могли реалистично моделировать зыбь или изображать ветровые волны.(также известные как ветровые волны), вызванные быстро меняющимися ветровыми полями, например, в тропических циклонах. Это привело к разработке третьего поколения волновых моделей с 1988 года. [67] [68]

В рамках этого третьего поколения моделей уравнение спектрального переноса волн используется для описания изменения волнового спектра при изменении топографии. Он моделирует генерацию волн, движение волн (распространение в жидкости), обмеление волн , преломление , передачу энергии между волнами и рассеяние волн. [69] Поскольку приземные ветры являются основным механизмом воздействия в уравнении переноса спектральных волн, модели океанских волн используют информацию, полученную с помощью моделей численного прогнозирования погоды, в качестве входных данных для определения того, сколько энергии передается из атмосферы в слой на поверхности океана. . Наряду с рассеянием энергии через белые колпачки и резонансМежду волнами, приземный ветер на основе численных моделей погоды позволяет более точно прогнозировать состояние морской поверхности. [70]

Статистика вывода модели [ править ]

Основная статья: Статистика вывода модели

Поскольку модели прогнозов, основанные на уравнениях динамики атмосферы, не полностью определяют 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, приземными наблюдениями и климатологическими условиями для конкретных мест. Эти статистические модели в совокупности называются статистикой выходных данных моделей (MOS) [71] и были разработаны Национальной метеорологической службой для своего набора моделей прогнозирования погоды к 1976 году. [72] Военно- воздушные силы США разработали свой собственный набор MOS. на основе их динамической модели погоды к 1983 году.[73]

Ансамбли [ править ]

Основная статья: Ансамблевое прогнозирование

Как было предложено Эдвардом Лоренцем в 1963 году, для долгосрочных прогнозов, сделанных более чем на две недели вперед, невозможно предсказать состояние атмосферы с какой-либо степенью мастерства из-за хаотической природы рассматриваемых уравнений гидродинамики. . Чрезвычайно маленькие ошибки в температуре, ветре или других исходных данных числовых моделей будут усиливаться и удваиваться каждые пять дней. [74] Кроме того, существующие сети наблюдений имеют ограниченное пространственное и временное разрешение (например, над большими водоемами, такими как Тихий океан), что вносит неопределенность в истинное начальное состояние атмосферы. В то время как система уравнений, известная как уравнения Лиувилля, существует для определения начальной неопределенности при инициализации модели, уравнения слишком сложны для выполнения в реальном времени, даже с использованием суперкомпьютеров. [75] Эти неопределенности ограничивают точность модели прогноза примерно шестью днями в будущем. [76]

Эдвард Эпштейн в 1969 году признал, что атмосфера не может быть полностью описана с помощью одного прогона прогноза из-за внутренней неопределенности, и предложил стохастическую динамическую модель, которая производила средние значения и отклонения для состояния атмосферы. [77] Несмотря на то, что моделирование методом Монте-Карло показало мастерство, в 1974 году Сесил Лейт показал, что они дают адекватные прогнозы только тогда, когда ансамблевое распределение вероятностей является репрезентативной выборкой распределения вероятностей в атмосфере. [78] Только в 1992 г. ансамблевые прогнозы начали готовитьЕвропейский центр среднесрочных прогнозов погоды , Канадский метеорологический центр [79] и национальные центры прогнозирования окружающей среды . Модель ECMWF, Система ансамблевого прогнозирования [80], использует сингулярные векторы для моделирования начальной плотности вероятности , в то время как ансамбль NCEP, Глобальная система ансамблевого прогнозирования, использует метод, известный как селекция векторов . [81] [82]

См. Также [ править ]

  • Андре Роберт
  • Атмосферная модель
  • Фредерик Гейл Шуман
  • Хронология научных вычислений

Ссылки [ править ]

  1. ↑ Abbe, Кливленд (декабрь 1901 г.). «Физическая основа долгосрочных прогнозов погоды» (PDF) . Ежемесячный обзор погоды . 29 (12): 551–61. Bibcode : 1901MWRv ... 29..551A . DOI : 10,1175 / 1520-0493 (1901) 29 [551c: TPBOLW] 2.0.CO; 2 . Проверено 23 декабря 2010 . CS1 maint: обескураженный параметр ( ссылка )
  2. ^ Б с д е е г ч Lynch, 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 . CS1 maint: обескураженный параметр ( ссылка )
  3. ^ a b 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.
  4. ^ Эдвардс, Пол. «До 1955 года: числовые модели и предыстория AGCM» . Моделирование общей циркуляции атмосферы: совместная история . Мичиганский университет . Проверено 23 декабря 2010 . CS1 maint: обескураженный параметр ( ссылка )
  5. ^ "ПРОГНОЗЫ ENIAC" (PDF) .
  6. ^ Витман, Сара (16 июня 2017). «Познакомьтесь с компьютерным ученым, которого вы должны благодарить за приложение погоды для вашего смартфона» . Смитсоновский институт . Проверено 22 июля 2017 года . CS1 maint: обескураженный параметр ( ссылка )
  7. ^ Эдвардс, Пол Н. (2010). Огромная машина: компьютерные модели, климатические данные и политика глобального потепления . MIT Press. ISBN 978-0262013925. Архивировано из оригинала на 2012-01-27 . Проверено 22 июля 2017 .
  8. ^ a b 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 . CS1 maint: обескураженный параметр ( ссылка )
  9. ^ Кокс, Джон Д. (2002). Наблюдатели за бурей . John Wiley & Sons, Inc. стр. 208 . ISBN 978-0-471-38108-2.
  10. ^ "История численного прогноза погоды" . Метеорологический офис . Дата обращения 5 октября 2019 . CS1 maint: обескураженный параметр ( ссылка ) Эта статья содержит цитаты из этого источника, доступного по лицензии Open Government License v3.0 . © Авторское право короны.
  11. ^ 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 .
  12. ^ Американский институт физики (2008-03-25). «Моделирование общей циркуляции атмосферы» . Архивировано из оригинала на 2008-03-25 . Проверено 13 января 2008 . CS1 maint: обескураженный параметр ( ссылка )
  13. ^ a b c d e 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 . 
  14. ^ a b c Калнай, Евгения (2003). Атмосферное моделирование, усвоение данных и предсказуемость (PDF) . Атмосферное моделирование . Издательство Кембриджского университета. С. 1-3, 18, 20.. Bibcode : 2002amda.book ..... К . ISBN  978-0-521-79179-3. Проверено 25 февраля 2011 . CS1 maint: обескураженный параметр ( ссылка )
  15. ^ Гейтс, У. Лоуренс; Pocinki, Leon S .; Дженкинс, Карл Ф. (август 1955 г.). Результаты численного прогнозирования с использованием баротропных и термотропных моделей атмосферы (PDF) . База ВВС Хэнском : Исследовательские лаборатории ВВС Кембриджа . Проверено 23 июня 2020 . CS1 maint: обескураженный параметр ( ссылка )
  16. ^ 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 . 
  17. ^ Итикава, Atsunobu (2004). Глобальное потепление - проблемы исследования: отчет об инициативе Японии по глобальному потеплению . Глобальное потепление - проблемы исследования: отчет Японской инициативы по глобальному потеплению . Springer. п. 66. Bibcode : 2004gwrc.book ..... я . ISBN 978-1-4020-2940-0.
  18. ^ а б Лесли, LM; Дитахмейер, GS (декабрь 1992 г.). «Численный прогноз погоды в ограниченной области в реальном времени в Австралии: историческая перспектива» (PDF) . Австралийский метеорологический журнал . 41 (SP): 61–77 . Проверено 3 января 2011 . CS1 maint: обескураженный параметр ( ссылка )
  19. ^ Стенсруд, Дэвид Дж. (2007). Схемы параметризации: ключи к пониманию численных моделей прогнозирования погоды . Издательство Кембриджского университета . п. 137. ISBN 978-0-521-86540-1.
  20. ^ Houghton, Джон Теодор (1985). Глобальный климат . Архив издательства Кембриджского университета. С. 49–50. ISBN 978-0-521-31256-1.
  21. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . С. 48–49. ISBN 978-0-12-554766-6.
  22. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . С. 18–19. ISBN 978-0-12-554766-6.
  23. ^ a b Стрикверда, Джон К. (2004). Конечно-разностные схемы и уравнения в частных производных . СИАМ. С. 165–170. ISBN 978-0-89871-567-5.
  24. ^ Пилка, Roger A. (2002). Мезомасштабное метеорологическое моделирование . Академическая пресса . п. 65. ISBN 978-0-12-554766-6.
  25. ^ Европейский центр среднесрочных прогнозов (21.01.2002). «Краткая история системы анализа и прогнозирования ЕЦСПП» . Архивировано из оригинала на 2011-02-01 . Проверено 25 февраля 2011 . CS1 maint: обескураженный параметр ( ссылка )
  26. ^ Британский центр атмосферных данных (2007-01-05). «История единой модели» . Проверено 6 марта 2011 . CS1 maint: обескураженный параметр ( ссылка )
  27. ↑ Кэнди, Бретт, Стивен Инглиш, Ричард Реншоу и Брюс Макферсон (27 февраля 2004 г.). «Использование данных AMSU в мезомасштабной модели Метеорологического бюро Великобритании» (PDF) . Кооперативный институт метеорологических спутниковых исследований. п. 1 . Проверено 6 марта 2011 . CS1 maint: не рекомендуется параметр ( ссылка ) CS1 maint: несколько имен: список авторов ( ссылка )
  28. ^ Ричи, H .; К. Бодуэн (1994). «Аппроксимации и эксперименты по чувствительности с бароклинной полулагранжевой спектральной моделью» . Ежемесячный обзор погоды . 122 (10): 2395. Bibcode : 1994MWRv..122.2391R . DOI : 10.1175 / 1520-0493 (1994) 122 <2391: aasewa> 2.0.co; 2 .
  29. ^ Центр экологического моделирования (2010). «Изменения модели с 1991 года» . Национальное управление океанических и атмосферных исследований . Проверено 25 февраля 2011 . CS1 maint: discouraged parameter (link)
  30. ^ Eikenberg, С. К. Фрелиха, А. Зайферт, С. Crewell и М. Мех (2011-02-25). «Оценка содержания льда и снега в глобальной модели численного прогноза погоды GME с CloudSat» . Разработка геонаучных моделей . 4 (1): 422. Bibcode : 2011GMDD .... 4..419E . DOI : 10.5194 / gmdd-4-419-2011 .CS1 maint: multiple names: authors list (link)
  31. ↑ Филлипс, Норман А. (апрель 1956 г.). «Общая циркуляция атмосферы: численный эксперимент». Ежеквартальный журнал Королевского метеорологического общества . 82 (352): 123–154. Bibcode : 1956QJRMS..82..123P . DOI : 10.1002 / qj.49708235202 .
  32. ^ Кокс, Джон Д. (2002). Наблюдатели за бурей . John Wiley & Sons, Inc. стр. 210 . ISBN 978-0-471-38108-2.
  33. ^ a b Линч, Питер (2006). «Интеграции ENIAC». Появление численного прогноза погоды . Издательство Кембриджского университета . С. 206–208. ISBN 978-0-521-85729-1.
  34. ^ «Прорывная статья о Первой климатической модели» .
  35. ^ Коллинз, Уильям Д .; и другие. (Июнь 2004 г.). «Описание модели атмосферы сообщества NCAR (CAM 3.0)» (PDF) . Университетская корпорация атмосферных исследований . Проверено 3 января 2011 . CS1 maint: discouraged parameter (link)
  36. ^ Сюэ, Юнкан; Майкл Дж. Феннесси (1996-03-20). «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 .   CS1 maint: discouraged parameter (link)
  37. ^ Макгаффи, К .; А. Хендерсон-Селлерс (2005). Праймер для моделирования климата . Джон Вили и сыновья. п. 188. ISBN 978-0-470-85751-9.
  38. ^ Вашингтон, Уоррен (2006). Одиссея в моделировании климата, глобальном потеплении и консультировании пяти президентов (2-е изд.). Lulu.com. п. 62. ISBN 978-1-4303-1696-1.
  39. ^ Уорнер, Томас Томкинс (2010). Численное прогнозирование погоды и климата . Издательство Кембриджского университета . п. 259. ISBN. 978-0-521-51389-0.
  40. ^ Объяснение текущей NGM MOS . Лаборатория развития метеорологии Национальной метеорологической службы (1999 г.). Проверено 15 мая 2010.
  41. ^ a b Котэ, Жан, Сильви Гравель, Андре Метот, Ален Патуан, Мишель Рош и Эндрю Стэнифорт (июнь 1998 г.). «Эксплуатационная многомасштабная модель окружающей среды (GEM) CMC – MRB. Часть I: Конструктивные соображения и формулировка» . Ежемесячный обзор погоды . 126 (6): 1373–1374. Bibcode : 1998MWRv..126.1373C . DOI : 10,1175 / 1520-0493 (1998) 126 <1373: TOCMGE> 2.0.CO; 2 . ISSN 1520-0493 . CS1 maint: multiple names: authors list (link)
  42. ^ Пури, К., Г. С. Dietachmayer, GA Mills, Н.Е. Дэвидсон, Р. Боуэн, Л. Логан (сентябрь 1998). «Новая система прогнозирования ограниченной зоны BMRC, LAPS». Австралийский метеорологический журнал . 47 (3): 203–223.CS1 maint: multiple names: authors list (link)
  43. ^ Р. Бенуа; Ж. Коте; Дж. Мэйлхот (август 1989 г.). «Включение параметризации граничного слоя TKE в канадскую региональную конечно-элементную модель» . Ежемесячный обзор погоды . 117 (8): 1726–1750. Bibcode : 1989MWRv..117.1726B . DOI : 10,1175 / 1520-0493 (1989) 117 <1726: IOATBL> 2.0.CO; 2 . ISSN 1520-0493 . 
  44. ^ Бразильский гидрографический центр военно-морского флота (2009-09-29). «HRM - модель атмосферы» . Архивировано из оригинала на 2012-04-03 . Проверено 15 марта 2011 . CS1 maint: discouraged parameter (link)
  45. ^ Маскиадри, Елена; Марк Саразин (2009). Оптическая турбулентность: астрономия отвечает метеорология: производство оптической турбулентности характеристики для астрономических приложений, Сардиния, Италия, 15-18 сентября 2008 года . Imperial College Press. п. 173. ISBN. 978-1-84816-485-7.
  46. ^ Шульц, Ж.-П. (2006). "Новая локальная модель LME Немецкой метеорологической службы" (PDF) . Консорциум мелкомасштабного моделирования (6) . Проверено 15 марта 2011 . CS1 maint: discouraged parameter (link)
  47. ^ Нарита, Масами; Широ Омори (6 августа 2007 г.). «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 . Проверено 15 февраля 2011 . CS1 maint: discouraged parameter (link)
  48. ^ Бозанкет, СН и Пирсона, JL, «Распространение дыма и газов из дымовых труб», Труды Фарадея общества, 32: 1249, 1936
  49. ^ Саттон, О.Г., «Проблема диффузии в нижних слоях атмосферы», Ежеквартальный журнал Королевского метеорологического общества, 73: 257, 1947 и «Теоретическое распределение переносимых по воздуху загрязнений из заводских дымоходов», Ежеквартальный журнал Королевского метеорологического общества, 73: 426, 1947 г.
  50. ^ Бриггс, Джорджия, "Модель роста шлейфа по сравнению с наблюдениями", Журнал Ассоциации по контролю за загрязнением воздуха, 15: 433–438, 1965
  51. ^ Бриггс, Джорджия, "Встреча CONCAWE: обсуждение сравнительных последствий различных формул подъема шлейфа", Атмосферная среда, 2: 228–232, 1968
  52. ^ Слэйд, Д.Х. (редактор), «Метеорология и атомная энергия, 1968», Лаборатория ресурсов воздуха, Министерство торговли США, 1968 г.
  53. Перейти ↑ Briggs, GA, «Plume Rise», Серия критических обзоров экологического командования армии США, 1969
  54. ^ Бриггс, Джорджия, "Некоторые недавние анализы наблюдений за подъемом шлейфа", Труды Второго Международного Конгресса по чистому воздуху, Academic Press, Нью-Йорк, 1971
  55. ^ Бриггс, Джорджия, «Обсуждение: дымоходные шлейфы в нейтральной и стабильной среде», Атмосферная среда, 6: 507–510, 1972
  56. ^ Стейн, DG (1991). Моделирование загрязнения воздуха и его применение VIII, Том 8 . Birkhäuser. С. 241–242. ISBN 978-0-306-43828-8.
  57. ^ Моделирование сообщества; Центр систем анализа (июнь 2010 г.). «Добро пожаловать на CMAQ-Model.org» . Университет Северной Каролины-Чапел-Хилл. Архивировано из оригинала на 11 декабря 2009 года . Проверено 25 февраля 2011 . CS1 maint: discouraged parameter (link)
  58. Перейти ↑ Marz, Loren C. (2009-11-04). «Североамериканский мезомасштаб (NAM) - Многоуровневая проверка прогноза качества воздуха (CMAQ) по озону для Ноксвилла, штат Теннесси (лето 2005 г.)» . Проверено 25 февраля 2011 . CS1 maint: discouraged parameter (link)
  59. ↑ Ансельмо, Дэвид, Майкл Д. Моран, Сильвен Менар, Вероник С. Буше, Поль А. Макар, Ванмин Гонг, Александр Каллаур, Поль-Андре Болье, Хьюго Ландри, Крейг Страуд, Пинг Хуанг, Санлинг Гонг и Дональд Талбот ( 2010). «J10.4: Новая модель прогноза качества воздуха в Канаде: GEM-MACH15» (PDF) . 16-я конференция по метеорологии загрязнения воздуха . Проверено 25 февраля 2011 . CS1 maint: discouraged parameter (link) CS1 maint: multiple names: authors list (link)
  60. ^ Jelesnianski, CP, J. Chen, и WA Шаффер (апрель 1992). «SLOSH: нагоны моря, озера и суши от ураганов. Технический отчет NOAA NWS 48» (PDF) . Национальное управление океанических и атмосферных исследований . п. 2 . Проверено 15 марта 2011 . CS1 maint: discouraged parameter (link) CS1 maint: multiple names: authors list (link)
  61. ^ Франклин, Джеймс (2010-04-20). «Проверка прогнозов Национального центра ураганов» . Национальный центр ураганов . Проверено 2 января 2011 . CS1 maint: discouraged parameter (link)
  62. ^ Ле Маршалл; JF; Л. М. Лесли; А.Ф. Беннетт (1996). «Тропический циклон Бети - пример преимуществ усвоения почасовых спутниковых данных о ветре» (PDF) . Австралийский метеорологический журнал . 45 : 275.
  63. ^ Лаборатория геофизической гидродинамики (28 января 2011 г.). «Оперативный трекер и прогнозирование интенсивности ураганов» . Национальное управление океанических и атмосферных исследований . Проверено 25 февраля 2011 . CS1 maint: discouraged parameter (link)
  64. ^ «Точность прогнозов погоды увеличивается с новой компьютерной моделью» . Пресс-релиз UCAR . Архивировано из оригинала на 2007-05-19 . Проверено 9 июля 2007 . CS1 maint: discouraged parameter (link)
  65. ^ "Новая усовершенствованная модель урагана помогает прогнозистам NOAA" . Журнал NOAA . Проверено 9 июля 2007 . CS1 maint: discouraged parameter (link)
  66. ^ Раппапорт, Эдвард Н .; Франклин, Джеймс Л .; Avila, Lixion A .; Бейг, Стивен Р .; Бевен II, Джон Л .; Блейк, Эрик С .; Берр, Кристофер А .; Цзин, Цзянь-Гво; Джакинс, Кристофер А .; Knabb, Ричард Д .; Ландси, Кристофер В .; Майнелли, Мишель; Мэйфилд, Макс; МакАди, Колин Дж .; Паш, Ричард Дж .; Сиско, Кристофер; Стюарт, Стейси Р.; Триббл, Ахша Н. (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 . 
  67. ^ Комен, ГДж, Л. Cavaleri, М. Донелан (1996). Динамика и моделирование океанских волн . Издательство Кембриджского университета. п. 205. ISBN 978-0-521-57781-6.CS1 maint: multiple names: authors list (link)
  68. ^ Робинсон, Ян С. (2010). Понимание океанов из космоса: уникальные приложения спутниковой океанографии . Springer. п. 320. ISBN 978-3-540-24430-1.
  69. ^ Lin, Pengzhi ( , 2008). Численное моделирование водных волн . Психология Press. п. 270. ISBN 978-0-415-41578-1.
  70. ↑ Бендер, Лесли С. (январь 1996 г.). «Модификация физики и чисел в модели океанских волн третьего поколения» . Журнал атмосферных и океанических технологий . 13 (3): 726–750. Bibcode : 1996JAtOT..13..726B . DOI : 10,1175 / 1520-0426 (1996) 013 <0726: Моцпан> 2.0.CO; 2 . ISSN 1520-0426 . 
  71. ^ Баум, Марша Л. (2007). Когда поражает природа: погодные катаклизмы и закон . Издательская группа "Гринвуд". п. 189. ISBN. 978-0-275-22129-4.
  72. ^ Гарри Хьюз (1976). Руководство по прогнозированию выходной статистики модели . Центр экологических технических приложений ВВС США. С. 1–16.
  73. ^ Л. Бест; DL; С. П. Прайор (1983). Системы статистики вывода моделей аэрометеорологического обслуживания . Центр глобальной погоды ВВС. С. 1–90.
  74. ^ Кокс, Джон Д. (2002). Наблюдатели за бурей . John Wiley & Sons, Inc., стр.  222–224 . ISBN 978-0-471-38108-2.
  75. ^ Manousos, Питер (2006-07-19). «Системы ансамблевого прогнозирования» . Центр гидрометеорологического прогнозирования . Проверено 31 декабря 2010 . CS1 maint: discouraged parameter (link)
  76. ^ 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.
  77. Перейти ↑ Epstein, ES (декабрь 1969 г.). «Стохастическое динамическое предсказание». Теллус . 21 (6): 739–759. Bibcode : 1969Скажи ... 21..739E . DOI : 10.1111 / j.2153-3490.1969.tb00483.x .
  78. ^ Leith, CE (июнь 1974). «Теоретический навык прогнозов Монте-Карло» . Ежемесячный обзор погоды . 102 (6): 409–418. Bibcode : 1974MWRv..102..409L . DOI : 10,1175 / 1520-0493 (1974) 102 <0409: TSOMCF> 2.0.CO; 2 . ISSN 1520-0493 . 
  79. ^ Houtekamer, Petere; Жерар Пеллерен (12 ноября 2004 г.). «Канадская система ансамблевого прогнозирования (EPS)» (PDF) . Центр экологического моделирования . Проверено 6 марта 2011 . CS1 maint: discouraged parameter (link)
  80. ^ "Система ансамблевого прогнозирования (EPS)" . ЕЦСПП . Архивировано из оригинала на 2010-10-30 . Проверено 5 января 2011 . CS1 maint: discouraged parameter (link)
  81. ↑ 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 .  
  82. ^ Molteni, F .; Buizza, R .; Палмер, штат Теннесси; Петролягис, Т. (январь 1996 г.). «Система ансамблевого прогнозирования ЕЦСПП: методология и проверка». Ежеквартальный журнал Королевского метеорологического общества . 122 (529): 73–119. Bibcode : 1996QJRMS.122 ... 73M . DOI : 10.1002 / qj.49712252905 .