Это хорошая статья. Для получения дополнительной информации нажмите здесь.
Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску

Как видно из раннего прогноза Эрнесто (2006), иногда случаются значительные ошибки в треке . НХК Официальный прогноз светло - голубого цвета, в то время как фактическая трасса шторма является белой линией над Флоридой .

Модель прогноза тропических циклонов - это компьютерная программа, которая использует метеорологические данные для прогнозирования аспектов будущего состояния тропических циклонов . Есть три типа моделей: статистические, динамические или комбинированные статистико-динамические. [1] Модель двойного прогноза. Как консенсусные, так и суперсамблевые прогнозы могут использовать рекомендации прогонов глобальных и региональных моделей для повышения производительности больше, чем любой из их соответствующих компонентов. Методы, используемые в Объединенном центре предупреждения о тайфунах, показывают, что суперсамблевые прогнозы являются очень мощным инструментом для прогнозирования траектории движения.

Статистическое руководство [ править ]

r-CLIPER для Hurricane Isabel (2003)

Первым статистическим руководством, используемым Национальным центром ураганов, была Методика аналога урагана (HURRAN), которая была доступна в 1969 году. Она использовала недавно разработанную базу данных тропических циклонов Северной Атлантики для поиска штормов с аналогичными траекториями. Затем он сместил свои следы по текущему пути шторма и использовал местоположение, направление и скорость движения, а также дату, чтобы найти подходящие аналоги. Этот метод хорошо справлялся со штормами к югу от 25-й параллели, которые еще не повернули на север, но плохо справлялся с системами, близкими к рекурвизне или после них. [2] С 1972 г., Климатология и стойкостьСтатистическая модель (CLIPER) использовалась для создания прогнозов тропических циклонов. В эпоху искусных динамических прогнозов CLIPER теперь используется в качестве основы для демонстрации навыков модели и прогнозиста. [3] Статистический прогноз интенсивности ураганов (SHIFOR) используется с 1979 года для прогнозирования интенсивности тропических циклонов. Он использует климатологию и устойчивость для прогнозирования будущей интенсивности, включая текущий юлианский день , текущую интенсивность циклона, интенсивность циклона 12 часов назад, начальную широту и долготу шторма, а также его зональный (восток-запад) и меридиональный (север-юг) ) компоненты движения. [2]

Между 1970-ми и 1990-ми годами была разработана серия статистико-динамических моделей, в которых использовались уравнения регрессии на основе выходных данных CLIPER и последних выходных данных моделей примитивных уравнений, запущенных в Национальном метеорологическом центре, а затем в Национальных центрах прогнозирования окружающей среды , которые получили название NHC73. NHC83, NHC90, NHC91 и NHC98. [1] [4] В области прогнозирования траекторий тропических циклонов , несмотря на постоянно совершенствующееся руководство динамическими моделями, которое происходило с увеличением вычислительной мощности, только в десятилетие 1980-х годов численное прогнозирование погоды показало свои умения.и до 1990-х годов, когда он неизменно превосходил статистические или простые динамические модели. [5] В 1994 году для северо-западной части Тихого океана была создана версия SHIFOR для прогнозирования тайфунов , известная как статистический прогноз интенсивности тайфунов (STIFOR), в которой использовались данные 1971–1990 годов для этого региона для разработки прогнозов интенсивности на период до 72 часов. в будущее. [6]

Что касается прогнозирования интенсивности, то в статистической схеме прогнозирования интенсивности ураганов (SHIPS) используются взаимосвязи между условиями окружающей среды из Глобальной системы прогнозов (GFS), такими как вертикальный сдвиг ветра и температуры поверхности моря , климатология и стойкость (поведение штормов) с помощью методов множественной регрессии. подготовить прогноз интенсивности для систем в северной части Атлантического и северо-восточного Тихого океанов. [1] Аналогичная модель была разработана для северо-западной части Тихого океана и южного полушария, известная как система статистического прогнозирования интенсивности (STIPS), которая учитывает взаимодействие с землей через входные условия окружающей среды из Оперативной глобальной системы прогнозирования ВМФ.(NOGAPS) модель. [7] Версия SHIPS с компонентом внутреннего затухания известна как Decay SHIPS (DSHIPS). Модель уравнения логистического роста (LGEM) использует те же входные данные, что и SHIPS, но в рамках упрощенной системы динамического прогнозирования. [1] В рамках прогнозирования осадков тропических циклонов модель климатологии и стойкости осадков (r-CLIPER) была разработана с использованием микроволновых данных об осадках с полярно-орбитальных спутников над океаном и измерений осадков первого порядка с суши, чтобы получить реалистичные осадки. распределение для тропических циклонов на основе прогноза траектории Национального центра ураганов. Работает с 2004 года. [8]Для использования в Национальном центре ураганов и Объединенном центре предупреждения о тайфунах была разработана статистико-параметрическая модель радиусов ветра, которая использует климатологию и постоянство для прогнозирования структуры ветра на пять дней в будущем. [2]

Динамическое руководство [ править ]

Пример SLOSH прогона
См. Также: История численного прогноза погоды.

В 1972 году была разработана первая модель для прогнозирования штормовых нагонов вдоль континентального шельфа Соединенных Штатов, известная как Специальная программа по составлению списков амплитуд нагонов от ураганов (SPLASH). [9] В 1978 году начала работать первая модель отслеживания ураганов, основанная на динамике атмосферы - подвижная мелкоячеистая (MFM) модель. [10] Модель квазилагранжевой ограниченной области (QLM) представляет собой многоуровневую модель с примитивными уравнениями, использующую декартову сетку и Глобальную систему прогнозов (GFS) для граничных условий. [2]В начале 1980-х годов было обнаружено, что ассимиляция спутниковых данных ветра из водяного пара, инфракрасных и видимых спутниковых изображений улучшает прогнозирование тропических циклонов. [11] Модель урагана Лаборатории геофизической гидродинамики (GFDL) использовалась в исследовательских целях между 1973 и серединой 1980-х годов. Как только было определено, что он может продемонстрировать навыки предсказания ураганов, многолетний переход преобразовал исследовательскую модель в оперативную модель, которая могла быть использована Национальной метеорологической службой для прогнозирования как трека, так и интенсивности в 1995 году. [12] К 1985 году, Модель «Морское озеро и наземные нагоны от ураганов» (SLOSH) была разработана для использования в районах Мексиканского залива.и около восточного побережья Соединенных Штатов, которое было более надежным, чем модель SPLASH. [13]

Модель бета-адвекции (BAM) оперативно используется с 1987 года с использованием рулевого ветра, усредненного по слою от 850 гПа до 200 гПа, и бета-эффекта, который заставляет шторм дрейфовать на северо-запад из-за различий в эффекте Кориолиса через тропический циклон. [14] Чем больше циклон, тем сильнее будет влияние бета-эффекта. [15] Начиная с 1990 года, три версии BAM работали в оперативном режиме: средние ветры BAM на мелководье (BAMS) в слое от 850 до 700 гПа, BAM Medium (BAMM), в котором используются средние значения ветра в диапазоне от 850 до 400 гПа. слой и BAM Deep (BAMD), который является таким же, как и BAM до 1990 года. [4]Для слабого урагана без хорошо развитой центральной грозовой активности хорошо работает BAMS, потому что слабые штормы, как правило, управляются слабым ветром. [1] По мере того, как шторм становится сильнее и связанная с ним грозовая активность вблизи его центра становится глубже, BAMM и BAMD становятся более точными, поскольку эти типы штормов в большей степени управляются ветрами на верхних уровнях. Если прогноз по трем версиям аналогичен, то синоптик может сделать вывод, что существует минимальная неопределенность, но если версии сильно различаются, то синоптик будет меньше доверять прогнозируемой траектории из-за большей неопределенности. [16] Значительные различия между прогнозами моделей также могут указывать на сдвиг ветра в атмосфере, который также может повлиять на прогноз интенсивности. [1]

Испытанная в 1989 и 1990 годах, модель Vic Ooyama Barotropic (VICBAR) использовала кубическое B-сплайн- представление переменных для объективного анализа наблюдений и решений уравнений прогнозирования мелководья во вложенных областях с граничными условиями, определенными как глобальные модель прогноза. [17] В 1992 году она была реализована как модель Баротропного синусоидального преобразования с ограниченной площадью (LBAR) с использованием GFS для граничных условий. [2] К 1990 году в Австралии была разработана собственная модель штормовых нагонов, которую можно было запустить за несколько минут на персональном компьютере. [18] Японское метеорологическое агентство (ЯМА) разработала свой собственный Typhoon Модель (TYM) в 1994 году [19]а в 1998 году агентство начало использовать собственную модель динамических штормовых нагонов . [20]

Прогноз NOAA для урагана Айрин

Hurricane метеорологические исследования и прогнозирование модель (HWRF) 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 . [21] Он начал работать в 2007 году. [22]Несмотря на улучшения в прогнозировании траекторий, прогнозы интенсивности тропического циклона на основе численных прогнозов погоды по-прежнему представляют собой проблему, поскольку статистические методы по-прежнему демонстрируют более высокую квалификацию по сравнению с динамическим наведением. [23] Помимо специализированного руководства, глобальное руководство, такое как GFS, Unified Model (UKMET), NOGAPS, Японская глобальная спектральная модель (GSM), модель Европейского центра среднесрочных прогнозов погоды , французское издание Action de Recherche Petite Echelle Grande Echelle (ARPEGE) и модели Aire Limit´ee Adaptation Dynamique Initialisation (ALADIN), Национальный центр среднесрочного прогнозирования погоды Индии(NCMRWF), модели Корейской глобальной системы ассимиляции и прогнозирования данных (GDAPS) и региональной системы усвоения и прогнозирования данных (RDAPS), модель оперативной региональной спектральной модели (ORSM) Гонконга / Китая и модель многомасштабной модели глобальной окружающей среды Канады (GEM) используются для трека и интенсивности. [2]

Своевременность [ править ]

Некоторые модели не производят выходные данные достаточно быстро, чтобы их можно было использовать в цикле прогноза сразу после запуска модели (включая HWRF, GFDL и FSSE). Для большинства вышеперечисленных моделей треков (кроме CLIPER) требуются данные от глобальных моделей погоды , таких как GFS, которые производят выходные данные примерно через четыре часа после синоптического времени 0000, 0600, 1200 и 1800 всемирного координированного времени (UTC). Для половины своих прогнозов NHC выпускает прогнозы только через три часа после этого времени, поэтому некоторые «ранние» модели - NHC90, BAM и LBAR - работают с 12-часовым прогнозом на текущее время. «Поздние» модели, такие как GFS и GFDL, заканчиваются после того, как рекомендации уже были выпущены. Эти модели интерполированык текущему положению шторма для использования в следующем цикле прогноза - например, GFDI, интерполированная версия модели GFDL. [1] [24]

Консенсусные методы [ править ]

Вверху : симуляция WRF-модели следов урагана Рита. Внизу : распространение многомодельного ансамблевого прогноза NHC.

Использование консенсуса моделей прогноза снижает ошибку прогноза. [25] По сути, модель GUNA представляет собой консенсус интерполированных версий GFDL, UKMET с контролем качества, применяемым к системе слежения за циклонами, моделям NOGAPS ВМС США и GFS. Версия GUNA, скорректированная с учетом систематических ошибок модели, известна как CGUN. Консенсус TCON - это консенсус GUNA плюс модель Hurricane WRF. Версия TCON, скорректированная с учетом предвзятости модели, известна как TCCN. Запаздывающее среднее значение двух последних прогонов участников в рамках TCON плюс модель ECMWF известно как консенсус TVCN. Версия TVCN с поправкой на предвзятость модели - это консенсус TVCC. [1]

В начале 2013 года NAVGEM заменил NOGAPS в качестве основной оперативной модели глобального прогноза ВМФ. На сезон 2013 года и до тех пор, пока не будет проведена проверка модели, она не используется при разработке каких-либо консенсусных прогнозов.

Что касается интенсивности, комбинация моделей LGEM, интерполированного GFDL, интерполированного HWRF и DSHIPS известна как консенсус ICON. Запаздывающее среднее значение двух последних прогонов моделей в рамках консенсуса ICON называется консенсусом IVCN. [1] В северо-западной части Тихого океана и в Южном полушарии консенсус STIPS формируется на основе результатов NOGAPS, GFS, японской GSM, связанной системы прогнозирования мезомасштабных прогнозов океана и атмосферы (COAMPS), UKMET, японской TYM. , GFDL с граничными условиями NOGAPS, Модель Агентства погоды ВВС (AFWA), Австралийская система прогнозирования локальных зон тропических циклонов и Баротропная модель Вебера. [7]

Методы ансамбля [ править ]

Никакая модель никогда не бывает идеально точной, потому что невозможно узнать все об атмосфере достаточно своевременно, а атмосферные измерения, которые проводятся, не являются полностью точными. [26] Использование ансамблевого метода прогнозирования, будь то многомодельный ансамбль или многочисленные элементы ансамбля на основе глобальной модели, помогает определить неопределенность и дополнительно ограничить ошибки. [27] [28]

С февраля 2008 года JMA разработало систему ансамблевых прогнозов тайфунов, состоящую из 11 элементов, известную как Система ансамблевого прогнозирования тайфунов (TEPS), которая рассчитана на 132 часа в будущем. Он использует версию своего GSM с более низким разрешением (с большим шагом сетки) с десятью возмущенными элементами и одним невозмущенным элементом. Система снижает количество ошибок в среднем на 40 километров (25 миль) на пять дней вперед по сравнению с GSM с более высоким разрешением. [29]

Супер-ансамбль штата Флорида (FSSE) создается из набора моделей, которые затем используют уравнения статистической регрессии, разработанные на этапе обучения, чтобы уменьшить их смещения, что дает прогнозы лучше, чем модели-члены или их среднее решение. Он использует 11 глобальных моделей, в том числе пять, разработанные в Университете штата Флорида , унифицированную модель, GFS, NOGAPS, NOGAPS ВМС США, модель Австралийского бюро метеорологических исследований (BMRC) и канадские Recherche en Prévision Numérique (RPN). ) модель. Он демонстрирует значительные навыки в прогнозировании траектории, интенсивности и количества осадков тропических циклонов. [30]

Средство прогнозирования систематического подхода (SAFA) было разработано Объединенным центром предупреждения о тайфунах для создания выборочного консенсусного прогноза, который удалял из рассмотрения более ошибочные прогнозы на 72-часовом временном интервале с использованием модели NOGAPS ВМС США, GFDL, Японской метеорологической службы. Глобальные модели агентства и модели тайфунов, а также UKMET. Все модели улучшились за пятилетнюю историю SAFA, и удаление ошибочных прогнозов оказалось трудным в эксплуатации. [31]

Теория солнечных пятен [ править ]

В отчете за 2010 год низкая активность солнечных пятен коррелирует с высокой активностью ураганов . Анализируя исторические данные, можно сказать, что вероятность того, что по крайней мере один ураган обрушится на континентальную часть США в год пика солнечных пятен, составляет 25%; вероятность 64% в год с низкой солнечной пятной. В июне 2010 года предсказатели ураганов в США не использовали эту информацию. [32]

Точность модели прогноза ураганов [ править ]

Точность моделей прогнозов ураганов может значительно варьироваться от шторма к шторму. Для некоторых штормов факторы, влияющие на траекторию урагана, относительно просты, и модели не только точны, но и дают аналогичные прогнозы, в то время как для других штормов факторы, влияющие на траекторию урагана, более сложны, и разные модели дают очень разные прогнозы. [33]

См. Также [ править ]

  • Прогнозирование тропических циклонов
  • Прогноз количества осадков тропических циклонов
  • Прогноз погоды

Ссылки [ править ]

  1. ^ a b c d e f g h i Национальный центр ураганов (июль 2009 г.). «Техническое резюме моделей отслеживания и интенсивности Национального центра ураганов» (PDF) . Национальное управление океанических и атмосферных исследований . С. 1–7 . Проверено 26 февраля 2011 года .
  2. ^ Б с д е е Чан, Джонни CL & Джеффри Д. Kepert (2010). Глобальные перспективы тропических циклонов: от науки к смягчению последствий . World Scientific. С. 288–292. ISBN 978-981-4293-47-1. Проверено 24 февраля 2011 года .
  3. ^ Knaff, Джон А .; Демария, Марк; Sampson, Charles R .; Гросс, Джеймс М. (февраль 2003 г.). "Статистические пятидневные прогнозы интенсивности тропических циклонов на основе климатологии и продолжительности" (PDF) . Погода и прогнозирование . 18 : 80–81. Bibcode : 2003WtFor..18 ... 80K . DOI : 10,1175 / 1520-0434 (2003) 018 <0080: SDTCIF> 2.0.CO; 2 . ISSN 1520-0434 . Проверено 25 февраля 2011 года .  
  4. ^ a b Симпсон, Роберт Х. (2003). Ураган!: Борьба с катастрофой: прогресс и проблемы со времен Галвестона, 1900 год . Американский геофизический союз . п. 110. ISBN 978-0-87590-297-5. Проверено 25 февраля 2011 года .
  5. ^ Франклин, Джеймс (20 апреля 2010 г.). «Проверка прогнозов Национального центра ураганов» . Национальный центр ураганов . Проверено 2 января 2011 года .
  6. ↑ Чу, Ян-Хва (ноябрь 1994 г.). «Модель регрессии для прогноза интенсивности тропических циклонов в западной части северной части Тихого океана» . Лаборатория военно-морских исследований США . Проверено 15 марта 2011 года .
  7. ^ a b Сэмпсон, Чарльз Р., Джон А. Кнафф и Марк ДеМария (1 марта 2006 г.). «Консенсус статистической модели интенсивности для Объединенного центра предупреждения о тайфунах» (PDF) . Проверено 15 марта 2011 года . CS1 maint: несколько имен: список авторов ( ссылка )
  8. ^ Национальный исследовательский совет (США). Комитет по будущему миссий по измерению количества осадков, Национальный исследовательский совет (США). Совет по атмосферным наукам и климату (2007 г.). Роль NOAA в глобальной оценке и применении космических осадков . Национальная академия прессы. ISBN 978-0-309-10298-8.
  9. ^ 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 года . CS1 maint: multiple names: authors list (link)
  10. ↑ 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 . 
  11. ^ Ле Маршалл; JF; Л. М. Лесли и А. Ф. Беннетт (1996). «Тропический циклон Бети - пример преимуществ усвоения почасовых спутниковых данных о ветре» (PDF) . Австралийский метеорологический журнал . 45 : 275.
  12. ^ Лаборатория геофизической гидродинамики (28 января 2011 г.). «Оперативный трекер и прогнозирование интенсивности ураганов» . Национальное управление океанических и атмосферных исследований . Проверено 25 февраля 2011 года .
  13. ^ Jarvinen BJ & CJ Нейман (1985). «Оценка модели штормовых нагонов SLOSH» . Бюллетень Американского метеорологического общества . 66 (11): 1408–1411. Bibcode : 1985BAMS ... 66.1408. . DOI : 10.1175 / 1520-0477-66.11.1408 .
  14. ^ Глоссарий метеорологии (июнь 2000 г.). «Бета-эффект» . Американское метеорологическое общество . Архивировано из оригинала на 6 июня 2011 года . Проверено 5 мая 2008 года .
  15. ^ «Раздел 1. Влияние на движение тропических циклонов» . ВМС США . 2011 . Проверено 25 февраля 2011 года .
  16. ^ Уорнер, Томас Томкинс (2010). Численное прогнозирование погоды и климата . Издательство Кембриджского университета . С. 266–275. ISBN 978-0-521-51389-0. Проверено 11 февраля 2011 года .
  17. ^ Демария, Марк; Aberson, Sim D .; Оояма, Кацуюки В .; Лорд, Стивен Дж. (1992). «Вложенная спектральная модель для прогнозирования следов ураганов» . Ежемесячный обзор погоды . 120 (8): 1628–1643. Bibcode : 1992MWRv..120.1628D . DOI : 10,1175 / 1520-0493 (1992) 120 <1628: ANSMFH> 2.0.CO; 2 . ISSN 1520-0493 . 
  18. ^ Хабберт, Грэм Д., Грег Дж. Холланд, Лэнс М. Лесли, Майкл Дж. Мэнтон (март 1991). «Компьютерные методы: система реального времени для прогнозирования штормовых нагонов тропических циклонов» . Погода и прогнозирование . 6 (1): 86–87. Bibcode : 1991WtFor ... 6 ... 86H . DOI : 10,1175 / 1520-0434 (1991) 006 <0086: ARTSFF> 2.0.CO; 2 . ISSN 1520-0434 . CS1 maint: multiple names: authors list (link)
  19. ^ Zschau, Jochen & Andreas N. Küppers (2003). Системы раннего предупреждения для уменьшения опасности стихийных бедствий . Springer. п. 172. ISBN. 978-3-540-67962-2. Проверено 16 марта 2011 года .
  20. ^ Higaki, Масакадз, Хиронорите Хаясибар и Futoshi Нозаки (20 апреля 2009). «Краткое описание модели прогнозирования штормовых нагонов в Японском метеорологическом агентстве» (PDF) . Японское метеорологическое агентство . п. 25 . Проверено 15 марта 2011 года . CS1 maint: multiple names: authors list (link)
  21. ^ «Точность прогнозов погоды увеличивается с новой компьютерной моделью» . Пресс-релиз UCAR . Архивировано из оригинального 19 мая 2007 года . Проверено 9 июля 2007 года .
  22. ^ "Новая усовершенствованная модель урагана помогает прогнозистам NOAA" . Журнал NOAA . Проверено 9 июля 2007 года .
  23. ^ Раппапорт, Эдвард Н .; Франклин, Джеймс Л .; Avila, Lixion A .; Бейг, Стивен Р .; Бевен, 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 . 
  24. ↑ Франклин, Джеймс Л. (21 мая 2006 г.). «Отчет о проверке прогнозов Национального центра ураганов за 2005 год» (PDF) . Национальный центр ураганов . п. 6 . Проверено 26 февраля 2011 года .
  25. ^ Kimberlain, Todd (июнь 2007). «Беседа о движении и интенсивности тропических циклонов» . Центр гидрометеорологического прогнозирования . Проверено 21 июля 2007 года .
  26. 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 .
  27. ^ Grimit, Эрик П .; Масса, Клиффорд Ф. (октябрь 2004 г.). «Переосмысление взаимосвязи ансамблевого распространения и навыков с вероятностной точки зрения» (PDF) . Вашингтонский университет . Архивировано из оригинального (PDF) 12 октября 2008 года . Проверено 2 января 2010 года .
  28. ^ Чжоу, Бинбинь; Ду, июнь (февраль 2010 г.). "Прогнозирование тумана на основе многомодельной системы прогнозирования мезомасштабного ансамбля" (PDF) . Погода и прогнозирование . 25 (1): 303–322. Bibcode : 2010WtFor..25..303Z . DOI : 10.1175 / 2009WAF2222289.1 . Проверено 2 января 2011 года .
  29. ^ Yamaguchi, Munehiko & Такуя Komori (20 апреля 2009). «Краткое описание системы ансамблевого прогнозирования тайфунов в Японском метеорологическом агентстве» (PDF) . Японское метеорологическое агентство . С. 14–15 . Проверено 15 марта 2011 года .
  30. ^ Палмер, Тим и Ренат Хагедорн (2006). Предсказуемость погоды и климата . Издательство Кембриджского университета. С. 532–545. ISBN 978-0-521-84882-4. Проверено 26 февраля 2011 года .
  31. ^ Сэмпсон, Чарльз Р., Джон А. Knaff и Эдвард М. Фукада (июнь 2007). «Примечания и переписка: оперативная оценка выборочного консенсуса в западной части бассейна северной части Тихого океана». Погода и прогнозирование . 22 (3): 671–675. Bibcode : 2007WtFor..22..671S . DOI : 10.1175 / WAF991.1 .CS1 maint: multiple names: authors list (link)
  32. ^ Уэймер, Джим (1 июня 2010 г.). «Исследователи: Меньше солнечных пятен, больше штормов». Мельбурн, Флорида: Флорида сегодня. стр. 1A.
  33. ^ [NULL]. «Ураганы: наука и общество: точность модели прогноза ураганов» .

Внешние ссылки [ править ]

  • Справочное руководство для прогнозистов тропических циклонов, глава 5
  • Анализ моделей и прогнозы от NCEP
  • Справочная информация и информация о модели прогноза Национального центра ураганов