پیش بینی عددی آب و هوا. در روش پیش بینی عددی آب و هوا ( Numerical Weather Prediction ) از مدل های ریاضی جو و اقیانوس ها استفاده می کنند تا شرایط آب و هوایی را بر اساس شرایط جوی کنونی پیش بینی کنند. اگرچه این روش برای اولین بار در دهه ۱۹۲۰ به کار گرفته شد، اما تا زمان ظهور شبیه سازی رایانه ای در دهه ۵۰ روش پیش بینی عددی آب و هوا نتوانست نتایج واقع گرایانه و قابل قبولی را کسب کند. تعدادی از مدل های پیش بینی جهانی و منطقه ای در کشورهای مختلف در سراسر جهان در حال اجرا هستند، با استفاده از مشاهدات آب و هوایی فعلی از رادیوسوندها، ماهواره های هواشناسی و سیستم های مشاهده دیگر به عنوان ورودی استفاده می کنند.
مدل های ریاضی براساس همان اصول فیزیکی می توانند برای تولید پیش بینی های آب و هوایی کوتاه مدت یا پیش بینی های بلند مدت آب و هوایی استفاده شوند که از پیش بینی های بلند مدت آب و هوایی به طور گسترده برای درک و پیش بینی تغییرات اقلیم استفاده می شود. پیشرفت های صورت گرفته در مدل های منطقه ای باعث بهبود قابل توجهی در پیش بینی گردباد استوایی و پیش بینی های مربوط به کیفیت هوا را شده است. با این حال، مدل های جوی عملکرد بسیار کمی در فرایندهای انتقالی که در یک منطقه نسبتاً محدود مانند آتش سوزی رخ می دهند، دارند.
استفاده از مجموعه داده های گسترده و انجام محاسبات پیچیده که برای پیش بینی آب و هوای عددی مدرن لازم است، نیازمند برخی از قدرتمندترین ابر رایانه های جهان است. حتی با افزایش قدرت ابر رایانه ها، مهارت پیش بینی مدل های هواشناسی عددی فقط در حدود شش روز گسترش می یابد.
عوامل مؤثر بر صحت پیش بینی های عددی شامل چگالی و کیفیت مشاهدات مورد استفاده به عنوان ورودی پیش بینی ها، همراه با نقص در مدل های عددی باعث بوجود آمدن تکنیک های پس از پردازش مانند آمار خروجی مدل ( MOS ) به منظور کاهش خطا در پیش بینی های عددی توسعه یافته اند.
یک مشکل اساسی تر در ماهیت بی نظمی در معادلات دیفرانسیل جزئی حاکم بر جو است. حل این معادلات به طور دقیق غیرممکن است و خطاهای کوچک با گذشت زمان ( دوبرابر شدن در هر پنج روز ) افزایش می یابد. درک فعلی این است که این رفتار نامنظم پیش بینی های دقیق را حتی با داده های ورودی دقیق و یک مدل بی عیب و نقص را به حدود ۱۴ روز محدود می کند. علاوه بر این، معادلات دیفرانسیل جزئی استفاده شده در مدل باید با پارامترهای تابش خورشیدی، فرایندهای مرطوب ( ابرها و بارش ) ، تبادل گرما، خاک، پوشش گیاهی، آبهای سطحی و تأثیرات زمین تکمیل شود. در تلاش برای تعیین کمیت مقدار زیادی از عدم قطعیت ذاتی در پیش بینی های عددی، از دهه ۱۹۹۰ پیش بینی های گروهی برای کمک به سنجش اعتماد در پیش بینی و به دست آوردن نتایج مفید بیشتر در آینده مورد استفاده قرار گرفته است. این رویکرد پیش بینی های متعدد ایجاد شده توسط یک مدل پیش بینی مجزا یا مدل های چندگانه را تجزیه و تحلیل می کند.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفمدل های ریاضی براساس همان اصول فیزیکی می توانند برای تولید پیش بینی های آب و هوایی کوتاه مدت یا پیش بینی های بلند مدت آب و هوایی استفاده شوند که از پیش بینی های بلند مدت آب و هوایی به طور گسترده برای درک و پیش بینی تغییرات اقلیم استفاده می شود. پیشرفت های صورت گرفته در مدل های منطقه ای باعث بهبود قابل توجهی در پیش بینی گردباد استوایی و پیش بینی های مربوط به کیفیت هوا را شده است. با این حال، مدل های جوی عملکرد بسیار کمی در فرایندهای انتقالی که در یک منطقه نسبتاً محدود مانند آتش سوزی رخ می دهند، دارند.
استفاده از مجموعه داده های گسترده و انجام محاسبات پیچیده که برای پیش بینی آب و هوای عددی مدرن لازم است، نیازمند برخی از قدرتمندترین ابر رایانه های جهان است. حتی با افزایش قدرت ابر رایانه ها، مهارت پیش بینی مدل های هواشناسی عددی فقط در حدود شش روز گسترش می یابد.
عوامل مؤثر بر صحت پیش بینی های عددی شامل چگالی و کیفیت مشاهدات مورد استفاده به عنوان ورودی پیش بینی ها، همراه با نقص در مدل های عددی باعث بوجود آمدن تکنیک های پس از پردازش مانند آمار خروجی مدل ( MOS ) به منظور کاهش خطا در پیش بینی های عددی توسعه یافته اند.
یک مشکل اساسی تر در ماهیت بی نظمی در معادلات دیفرانسیل جزئی حاکم بر جو است. حل این معادلات به طور دقیق غیرممکن است و خطاهای کوچک با گذشت زمان ( دوبرابر شدن در هر پنج روز ) افزایش می یابد. درک فعلی این است که این رفتار نامنظم پیش بینی های دقیق را حتی با داده های ورودی دقیق و یک مدل بی عیب و نقص را به حدود ۱۴ روز محدود می کند. علاوه بر این، معادلات دیفرانسیل جزئی استفاده شده در مدل باید با پارامترهای تابش خورشیدی، فرایندهای مرطوب ( ابرها و بارش ) ، تبادل گرما، خاک، پوشش گیاهی، آبهای سطحی و تأثیرات زمین تکمیل شود. در تلاش برای تعیین کمیت مقدار زیادی از عدم قطعیت ذاتی در پیش بینی های عددی، از دهه ۱۹۹۰ پیش بینی های گروهی برای کمک به سنجش اعتماد در پیش بینی و به دست آوردن نتایج مفید بیشتر در آینده مورد استفاده قرار گرفته است. این رویکرد پیش بینی های متعدد ایجاد شده توسط یک مدل پیش بینی مجزا یا مدل های چندگانه را تجزیه و تحلیل می کند.
wiki: پیش بینی عددی آب و هوا