Нумеричка временска прогноза

Нумеричка временска прогноза (НВП) користи математички модел атмосфере и океана за предвиђање времена на основу тренутних временских услова. Иако је први пут покушана 1920-их, тек са појавом рачунарских симулација 1950-их година нумеричке временске прогнозе су дале реалне резултате. Бројни глобални и регионални модели прогнозе се користе у различитим земљама широм света, користећи тренутна временска осматрања пренета са радиосонди, метеоролошких сателита и других система за осматрање као улазне податке.

Временски модели користе системе диференцијалних једначина заснованих на законима физике, који су детаљно кретање флуида, термодинамика, пренос зрачења, и хемија, и користе координатни систем који дели планету на 3Д мрежу. Ветрови, пренос топлоте, сунчево зрачење, релативна влажност, фазне промене воде и површинска хидрологија се израчунавају унутар сваке ћелије мреже, а интеракције са суседним ћелијама се користе за израчунавање атмосферских својстава у будућности.

Математички модели засновани на истим физичким принципима могу се користити за генерисање краткорочних временских прогноза или дугорочних климатских предвиђања; ови други се широко примењују за разумевање и пројектовање климатских промена. Побољшања направљена на регионалним моделима омогућила су значајна побољшања у праћењу тропских циклона и прогнозама квалитета ваздуха; међутим, атмосферски модели лоше се носе са процесима који се дешавају на релативно ограниченом подручју, као што су шумски пожари.

Манипулисање огромним скуповима података и извођење сложених прорачуна неопходних за модерну нумеричку временску прогнозу захтева неке од најмоћнијих суперрачунара на свету. Чак и са све већом снагом суперрачунара, прецизност прогнозе нумеричких временских модела протеже се на само око шест дана. Фактори који утичу на тачност нумеричких предвиђања укључују густину и квалитет осматрања коришћених као улазних података за прогнозе, као и недостатке у самим нумеричким моделима. Технике накнадне обраде, као што је статистика излазних података модела (енгл. model output statistics, MOS), развијене су да би се побољшало руковање грешкама у нумеричким предвиђањима.

Фундаменталнији проблем лежи у хаотичној природи парцијалних диференцијалних једначина које описују атмосферу. Немогуће је тачно решити ове једначине, а мале грешке расту с временом (удвостручујући се отприлике сваких пет дана). Тренутно се сматра да ово хаотично понашање ограничава тачне прогнозе на око 14 дана, чак и са прецизним улазним подацима и беспрекорним моделом. Поред тога, парцијалне диференцијалне једначине које се користе у моделу треба допунити параметризацијама за сунчево зрачење, влажни процеси (облаци и падавине), размену топлоте, тло, вегетацију, површинске воде и ефекте терена. У настојању да се квантификује велика количина инхерентне несигурности која остаје у нумеричким предвиђањима, ансамбл прогнозе се користе од 1990-их како би се помогло у процени поузданости прогнозе и добијању корисних резултата даље у будућност него што је иначе могуће. Овај приступ анализира вишеструке прогнозе креиране са појединачним моделом прогнозе или више модела.

Историја

Главни чланак: Историја нумеричке временске прогнозе

Главни контролни панел рачунара ENIAC у Муровој школи електротехнике, којим управљају Бети Џенингс и Франсес Билас.

Историја нумеричке временске прогнозе почела је 1920-их година напорима Луиса Фраја Ричардсона, који је користио процедуре које је првобитно развио Вилхелм Бјеркнес^[1] како би ручно израдио шесточасовну прогнозу стања атмосфере изнад две тачке у централној Европи, за шта му је требало најмање шест недеља.^[2][1][3] Тек са појавом рачунара и рачунарских симулација време рачунања је смањено на мање од самог периода прогнозе. ENIAC је коришћен за креирање првих временских прогноза путем рачунара 1950. године, заснованих на веома поједностављеној апроксимацији атмосферских владајућих једначина.^[4][5] Године 1954, група Карла-Густава Росбија на Шведском метеоролошком и хидролошком институту користила је исти модел за израду прве оперативне прогнозе (тј. рутинског предвиђања за практичну употребу).^[6] Оперативна нумеричка временска прогноза у Сједињеним Државама почела је 1955. године под Заједничком јединицом за нумеричку временску прогнозу (JNWPU), заједничким пројектом Америчког ратног ваздухопловства, Морнарице и Бироа за временске прилике.^[7] Године 1956, Норман Филипс развио је математички модел који је могао реално да прикаже месечне и сезонске обрасце у тропосфери; ово је постао први успешан климатски модел.^[8][9] Након Филипсовог рада, неколико група је почело да ради на стварању модела опште циркулације.^[10] Први климатски модел опште циркулације који је комбиновао и океанске и атмосферске процесе развијен је крајем 1960-их у Лабораторија за геофизичку динамику флуида NOAA-е.^[11] Како су рачунари постајали све моћнији, величина почетних скупова података се повећавала и новији атмосферски модели су развијени да искористе додатну доступну рачунарску снагу. Ови новији модели укључују више физичких процеса у поједностављењима једначина кретања у нумеричким симулацијама атмосфере.^[6] Године 1966, Западна Немачка и Сједињене Државе почеле су да производе оперативне прогнозе засноване на моделима примитивних једначина, а затим Уједињено Краљевство 1972. и Аустралија 1977.^[1][12] Развој модела ограничене области (регионалних) олакшао је напредак у прогнозирању путања тропских циклона као и квалитета ваздуха 1970-их и 1980-их.^[13][14] До раних 1980-их модели су почели да укључују интеракције тла и вегетације са атмосфером, што је довело до реалнијих прогноза.^[15]

Излаз модела прогнозе заснованих на атмосферској динамици не може да разреши неке детаље времена у близини Земљине површине. Стога је 1970-их и 1980-их развијена статистичка веза између излаза нумеричког временског модела и накнадних услова на тлу, позната као статистика излазних података модела (енгл. model output statistics, MOS).^[16][17] Почевши од 1990-их, ансамбл прогнозе модела коришћене су да помогну у дефинисању несигурности прогнозе и да прошире прозор у којем је нумеричка временска прогноза одржива даље у будућност него што је иначе могуће.^[18][19][20]

Прикупљање и иницијализација података

Авиони за метеоролошко извиђање, као што је овај WP-3D орион, пружају податке који се затим користе у нумеричким временским прогнозама.

Атмосфера је флуид. Као таква, идеја нумеричке временске прогнозе је да се узоркује стање флуида у датом тренутку и користе једначине механике флуида и термодинамике за процену стања флуида у неком тренутку у будућности. Процес уношења података осматрања у модел ради генерисања почетних услова назива се иницијализација. На копну се користе теренске карте доступне у резолуцијама до 1 km (0,6 mi) глобално како би се помогло у моделирању атмосферских циркулација унутар региона са неравним рељефом, како би се боље приказале карактеристике као што су ветрови низ падину, планински таласи и повезана облачност која утиче на долазеће сунчево зрачење.^[21] Један од главних извора улазних података су осматрања са уређаја (званих радиосонде) у метеоролошким балонима који се дижу кроз тропосферу и добро у стратосферу и мере различите атмосферске параметре и преносе их фиксном пријемнику.^[22] Други главни улаз су подаци са метеоролошких сателита. Светска метеоролошка организација делује на стандардизацији инструмената, пракси осматрања и времена ових осматрања широм света. Станице извештавају или на сатном нивоу у METAR извештајима,^[23] или сваких шест сати у SYNOP извештајима.^[24] Ова осматрања су нерегуларно распоређена, па се обрађују методама асимилације података и објективне анализе, које врше контролу квалитета и добијају вредности на локацијама које су употребљиве за математичке алгоритме модела.^[25] Подаци се затим користе у моделу као почетна тачка за прогнозу.^[26]

Комерцијални авиони пружају пилотске извештаје дуж путања^[27] а бродови достављају извештаје дуж бродских рута.^[28] Комерцијални авиони такође достављају аутоматске извештаје путем система Aircraft Meteorological Data Relay (AMDAR) СМО, користећи VHF радио до земаљских станица или сателита. Истраживачки пројекти користе авионе за метеоролошко извиђање да лете у и око временских система од интереса, као што су тропски циклони.^[29][30] Извиђачки авиони се такође користе изнад отворених океана током хладне сезоне у системима који узрокују значајну несигурност у прогнозама, или се очекује да ће имати велики утицај три до седам дана у будућности над низводним континентом.^[31] Морски лед је почео да се иницијализује у моделима прогнозе 1971. године.^[32] Напори да се укључи температура површине мора у иницијализацију модела почели су 1972. године због њене улоге у модулацији времена на вишим географским ширинама Пацифика.^[33]

Рачунање

Главни чланак: Атмосферски модел

Прогностичка карта 96-часовне прогнозе геопотенцијалне висине и температуре на 850 mbar из Глобалног система за прогнозу

Атмосферски модел је рачунарски програм који производи метеоролошке информације за будућа времена на датим локацијама и висинама. Унутар сваког модерног модела налази се скуп једначина, познатих као примитивне једначине, које се користе за предвиђање будућег стања атмосфере.^[34] Ове једначине — заједно са законом о идеалном гасу — користе се за развој скаларних поља густине, притиска и потенцијалне температуре и векторског поља брзине ваздуха (ветра) атмосфере кроз време. Додатне једначине транспорта за загађиваче и друге аеросоле укључене су и у неке моделе високе резолуције са примитивним једначинама.^[35] Једначине које се користе су нелинеарне парцијалне диференцијалне једначине које је немогуће тачно решити аналитичким методама,^[36] са изузетком неколико идеализованих случајева.^[37] Због тога, нумеричке методе добијају приближна решења. Различити модели користе различите методе решавања: неки глобални модели и скоро сви регионални модели користе методе коначних разлика за све три просторне димензије, док други глобални модели и неколико регионалних модела користе спектралне методе за хоризонталне димензије и методе коначних разлика у вертикали.^[36]

Ове једначине се иницијализују из анализираних података и одређују се стопе промене. Ове стопе промене предвиђају стање атмосфере кратко време у будућности; временски инкремент за ово предвиђање назива се временски корак. Ово будуће стање атмосфере се затим користи као почетна тачка за још једну примену предиктивних једначина како би се пронашле нове стопе промене, а ове нове стопе промене предвиђају атмосферу у још даљем временском кораку у будућности. Ово временско корачање се понавља док решење не достигне жељено време прогнозе. Дужина временског корака изабраног унутар модела повезана је са растојањем између тачака на рачунарској мрежи и изабрана је да би се одржала нумеричка стабилност.^[38] Временски кораци за глобалне моделе су реда величине десетина минута,^[39] док су временски кораци за регионалне моделе између једног и четири минута.^[40] Глобални модели се покрећу у различитим временским периодима у будућност. Уједињени модел Мет Офиса Уједињеног Краљевства покреће се шест дана унапред,^[41] док се Интегрисани систем за прогнозу Европског центра за средњорочне временске прогнозе и Глобални мултискаларни модел околине Environment Canada оба покрећу десет дана унапред,^[42] а модел Глобални систем за прогнозу који покреће Environmental Modeling Center покреће се шеснаест дана унапред.^[43] Визуелни излаз произведен решењем модела познат је као прогностичка карта, или прог.^[44]

Параметризација

Поље кумулуса, који су параметризовани јер су сувише мали да би били експлицитно укључени у нумеричку временску прогнозу

Главни чланак: Параметризација (атмосферско моделовање)

Неки метеоролошки процеси су сувише малих размера или сувише сложени да би били експлицитно укључени у нумеричке моделе временске прогнозе. Параметризација је поступак за представљање ових процеса повезивањем са променљивима на скалама које модел решава. На пример, мрежне ћелије у временским и климатским моделима имају странице дужине између 5 km (3 mi) и 300 km (200 mi). Типичан кумулус има размеру мању од 1 km (0,6 mi) и захтевао би још финију мрежу да би био физички представљен једначинама кретања флуида. Стога се процеси које такви облаци представљају параметризују, поступцима различите софистицираности. У најранијим моделима, ако је стуб ваздуха унутар мрежне ћелије модела био условно нестабилан (у суштини, дно је било топлије и влажније од врха) и садржај водене паре у било којој тачки унутар стуба постао засићен, он би се преврнуо (топли, влажни ваздух би почео да се диже), а ваздух у том вертикалном стубу би се мешао. Софистицираније шеме препознају да само неки делови ћелије могу конвектовати и да се јављају увлачење и други процеси. Временски модели који имају мрежне ћелије величине између 5 and 25 km (3 and 16 mi) могу експлицитно представљати конвективне облаке, иако треба да параметризују микрофизика облака која се дешава на мањој скали.^[45] Формирање облака великих размера (стратус) је физички утемељеније; они се формирају када релативна влажност достигне неку прописану вредност. Фракција облака може бити повезана са овом критичном вредношћу релативне влажности.^[46]

Количина сунчевог зрачења која доспева до тла, као и формирање капљица облака, дешавају се на молекуларном нивоу, па се морају параметризовати пре него што се могу укључити у модел. Атмосферски отпор који стварају планине такође се мора параметризовати, јер ограничења у резолуцији контура надморске висине производе значајна потцењивања отпора.^[47] Овај метод параметризације се такође користи за површински флукс енергије између океана и атмосфере, како би се одредиле реалне температуре површине мора и тип морског леда који се налази у близини површине океана.^[48] Угао сунца, као и утицај вишеслојних облака, узимају се у обзир.^[49] Тип тла, тип вегетације и влажност тла одређују колико зрачења одлази на загревање и колико се влаге увлачи у суседну атмосферу, па је стога важно параметризовати њихов допринос овим процесима.^[50] У моделима квалитета ваздуха, параметризације узимају у обзир атмосферске емисије из више релативно малих извора (нпр. путеви, поља, фабрике) унутар специфичних мрежних ћелија.^[51]

Домени

Попречни пресек атмосфере изнад терена са приказаном сигма координатном репрезентацијом. Мезоскаларни модели деле атмосферу вертикално користећи репрезентације сличне приказаној.

Хоризонтални домен модела је или глобални, покривајући целу Земљу, или регионални, покривајући само део Земље. Регионални модели (познати и као модели ограничене области, или LAMs) омогућавају употребу финијег размака мреже од глобалних модела јер су доступни рачунарски ресурси фокусирани на одређено подручје уместо да су распоређени по целом глобу. Ово омогућава регионалним моделима да експлицитно решавају метеоролошке феномене мањих размера који се не могу представити на грубљој мрежи глобалног модела. Регионални модели користе глобални модел за специфицирање услова на ивици свог домена (гранични услови) како би омогућили системима изван домена регионалног модела да се крећу у његово подручје. Несигурност и грешке унутар регионалних модела уводе се глобалним моделом који се користи за граничне услове на ивици регионалног модела, као и грешке које се приписују самом регионалном моделу.^[52]

Поређење различитих типова атмосферских модела према просторном домену и величини мреже модела.

Вертикална координата се обрађује на различите начине. Модел Луиса Фраја Ричардсона из 1922. године користио је геометријску висину (${\displaystyle z}$) као вертикалну координату. Каснији модели су заменили геометријску ${\displaystyle z}$ координату системом координата притиска, у којем геопотенцијалне висине површина константног притиска постају зависне променљиве, што знатно поједностављује примитивне једначине.^[53] Ова корелација између координатних система може се направити јер притисак опада са висином кроз Земљину атмосферу.^[54] Први модел који се користио за оперативне прогнозе, једнослојни баротропни модел, користио је једну координату притиска на нивоу од 500 милибара (око 5.500 m (18.000 ft)),^[4] и стога је био суштински дводимензионалан. Модели високе резолуције — такође названи мезоскаларни модели — као што је модел Истраживања и прогнозирања времена (WRF), обично користе нормализоване координате притиска које се називају сигма координате.^[55] Овај координатни систем добио је име по независној променљивој ${\displaystyle \sigma }$ која се користи за скалирање атмосферских притисака у односу на притисак на површини, а у неким случајевима и на притисак на врху домена.^[56]

Статистика излазних података модела

Главни чланак: Статистика излазних података модела

Пошто модели прогнозе засновани на једначинама атмосферске динамике не одређују савршено временске услове, развијене су статистичке методе за покушај исправљања прогноза. Статистички модели су креирани на основу тродимензионалних поља произведених нумеричким временским моделима, површинских осматрања и климатолошких услова за специфичне локације. Ови статистички модели се заједнички називају статистика излазних података модела (MOS),^[57] и развијени су од стране Националне метеоролошке службе за њихов скуп модела временске прогнозе крајем 1960-их.^[16][58]

Статистика излазних података модела разликује се од технике савршеног прога, која претпоставља да је излаз нумеричких смерница за временску прогнозу савршен.^[59] MOS може исправити локалне ефекте који се не могу решити моделом због недовољне резолуције мреже, као и пристрасности модела. Пошто се MOS покреће након свог одговарајућег глобалног или регионалног модела, његова производња је позната као пост-обрада. Параметри прогнозе унутар MOS-а укључују максималне и минималне температуре, процентуалну шансу за кишу унутар периода од неколико сати, очекивану количину падавина, шансу да ће падавине бити у смрзнутом облику, шансу за грмљавину, облачност и површинске ветрове.^[60]

Ансамбли

Главни чланак: Ансамбл прогнозирање

Горе: Симулација путања урагана Рита (2005) помоћу модела WRF. Доле: Расипање вишемоделске ансамбл прогнозе NHC.

Године 1963, Едвард Лоренц открио је хаотичну природу једначина механике флуида укључених у временску прогнозу.^[61] Изузетно мале грешке у температури, ветровима или другим почетним улазним подацима датим нумеричким моделима ће се појачавати и удвостручавати сваких пет дана,^[61] што онемогућава дугорочним прогнозама — онима направљеним више од две недеље унапред — да предвиде стање атмосфере са било којим степеном прецизности прогнозе. Штавише, постојеће мреже за осматрање имају лошу покривеност у неким регионима (на пример, изнад великих водених површина као што је Тихи океан), што уноси несигурност у право почетно стање атмосфере. Иако постоји скуп једначина, познатих као Лиувилове једначине, за одређивање почетне несигурности у иницијализацији модела, једначине су превише сложене да би се покретале у реалном времену, чак и уз употребу суперрачунара.^[62] Ове несигурности ограничавају тачност модела прогнозе на око пет до шест дана у будућност.^[63][64]

Едвард Епстајн је 1969. године препознао да се атмосфера не може у потпуности описати једним покретањем прогнозе због инхерентне несигурности и предложио је коришћење ансамбла стохастичких Монте Карло симулација за производњу средњих вредности и варијанси за стање атмосфере.^[65] Иако је овај рани пример ансамбла показао вештину, 1974. године Сесил Лит је показао да су производили адекватне прогнозе само када је расподела вероватноће ансамбла била репрезентативан узорак расподеле вероватноће у атмосфери.^[66]

Од 1990-их, ансамбл прогнозе се користе оперативно (као рутинске прогнозе) како би се узела у обзир стохастичка природа временских процеса – то јест, да би се решила њихова инхерентна несигурност. Овај метод укључује анализу вишеструких прогноза креираних са појединачним моделом прогнозе коришћењем различитих физичких параметризација или варирањем почетних услова.^[62] Почевши од 1992. године са ансамбл прогнозама које су припремали Европски центар за средњорочне временске прогнозе (ECMWF) и Национални центри за предвиђање животне средине (NCEP), ансамбл прогнозе модела су коришћене да помогну у дефинисању несигурности прогнозе и да прошире прозор у којем је нумеричка временска прогноза одржива даље у будућност него што је иначе могуће.^[18][19][20] ECMWF модел, Систем ансамбл предвиђања,^[19] користи сингуларне векторе за симулацију почетне густине вероватноће, док NCEP ансамбл, Глобални систем за ансамбл прогнозирање, користи технику познату као векторско размножавање.^[18][20] Мет Офис Уједињеног Краљевства покреће глобалне и регионалне ансамбл прогнозе где се пертурбације почетних услова користе од стране 24 члана ансамбла у Глобалном и регионалном систему ансамбл предвиђања Мет Офиса (MOGREPS) за производњу 24 различите прогнозе.^[67]

У приступу заснованом на једном моделу, ансамбл прогноза се обично оцењује у смислу просека појединачних прогноза које се односе на једну променљиву прогнозе, као и степена слагања између различитих прогноза унутар система ансамбла, представљеног њиховим укупним расипањем. Расипање ансамбла се дијагностикује помоћу алата као што су шпагети дијаграми, који приказују дисперзију једне количине на прогностичким картама за специфичне временске кораке у будућности. Други алат где се користи расипање ансамбла је метеограм, који приказује дисперзију у прогнози једне количине за једну специфичну локацију. Уобичајено је да је расипање ансамбла премало да би укључило време које се стварно дешава, што може довести до тога да прогнозери погрешно дијагностикују несигурност модела;^[68] овај проблем постаје посебно озбиљан за временске прогнозе око десет дана унапред.^[69] Када је расипање ансамбла мало и решења прогнозе су конзистентна унутар вишеструких покретања модела, прогнозери перципирају већу поузданост у средњу вредност ансамбла, и прогнозу уопште.^[68] Упркос овој перцепцији, однос расипања и вештине је често слаб или се не налази, пошто су корелације расипања и грешке обично мање од 0,6, и само у посебним околностима се крећу између 0,6–0,7.^[70] Однос између расипања ансамбла и вештине прогнозе значајно варира у зависности од фактора као што су модел прогнозе и регион за који се прогноза прави.^[70]

На исти начин на који се многе прогнозе из једног модела могу користити за формирање ансамбла, више модела се такође може комбиновати за производњу ансамбл прогнозе. Овај приступ се назива вишемоделско ансамбл прогнозирање, и показало се да побољшава прогнозе у поређењу са приступом заснованим на једном моделу.^[71] Модели унутар вишемоделског ансамбла могу се прилагодити за своје различите пристрасности, што је процес познат као суперансамбл прогнозирање. Овај тип прогнозе значајно смањује грешке у излазу модела.^[72]

Примене

Моделовање квалитета ваздуха

Види још: Моделовање дисперзије у атмосфери

Предвиђање квалитета ваздуха покушава да предвиди када ће концентрације загађивача достићи нивое који су опасни по јавно здравље. Концентрација загађивача у атмосфери одређена је њиховим транспортом, или средњом брзином кретања кроз атмосферу, њиховом дифузијом, хемијском трансформацијом и таложењем на тло.^[73] Поред информација о извору загађивача и терену, ови модели захтевају податке о стању протока флуида у атмосфери како би одредили његов транспорт и дифузију.^[74] Метеоролошки услови као што су термалне инверзије могу спречити подизање површинског ваздуха, заробљавајући загађиваче близу површине,^[75] што чини тачне прогнозе таквих догађаја кључним за моделовање квалитета ваздуха. Модели квалитета ваздуха у градовима захтевају веома фину рачунарску мрежу, што захтева употребу мезоскаларних временских модела високе резолуције; упркос томе, квалитет нумеричких временских смерница је главна несигурност у прогнозама квалитета ваздуха.^[74]

Моделовање климе

Види још: Глобални климатски модел

Модел опште циркулације (GCM) је математички модел који се може користити у рачунарским симулацијама глобалне циркулације планетарне атмосфере или океана. Атмосферски модел опште циркулације (AGCM) је у суштини исти као глобални нумерички модел временске прогнозе, а неки (као што је онај који се користи у Уједињеном моделу УК) могу се конфигурисати и за краткорочне временске прогнозе и за дугорочније климатске прогнозе. Заједно са компонентама морског леда и копнене површине, AGCM и океански GCM (OGCM) су кључне компоненте глобалних климатских модела, и широко се примењују за разумевање климе и пројектовање климатских промена. За аспекте климатских промена, низ сценарија емисија хемикалија које је направио човек може се унети у климатске моделе како би се видело како би појачани ефекат стаклене баште изменио климу Земље.^[76] Верзије дизајниране за климатске примене са временским скалама од деценија до векова првобитно су креирали 1969. године Сјукуро Манабе и Кирк Брајан у Лабораторија за геофизичку динамику флуида у Принстону, Њу Џерзи.^[77] Када се покрећу више деценија, рачунарска ограничења значе да модели морају користити грубу мрежу која оставља неразрешене интеракције мањих размера.^[78]

Моделовање површине океана

NOAA Wavewatch III 120-часовна прогноза ветра и таласа за северни Атлантик

Главни чланци: Поморска временска прогноза, Динамика океана и Модел ветровитих таласа

Пренос енергије између ветра који дува изнад површине океана и горњег слоја океана је важан елемент у динамици таласа.^[79] Спектрална једначина транспорта таласа се користи за описивање промене спектра таласа преко променљиве топографије. Она симулира стварање таласа, кретање таласа (пропагација унутар флуида), плићење таласа, рефракција, пренос енергије између таласа и дисипацију таласа.^[80] Пошто су површински ветрови примарни механизам форсирања у спектралној једначини транспорта таласа, модели океанских таласа користе информације произведене нумеричким моделима временске прогнозе као улазне податке да би одредили колико се енергије преноси из атмосфере у слој на површини океана. Заједно са дисипацијом енергије кроз беле кресте и резонанцом између таласа, површински ветрови из нумеричких временских модела омогућавају тачнија предвиђања стања површине мора.^[81]

Прогнозирање тропских циклона

Види још: Модел за прогнозу тропских циклона

Прогнозирање тропских циклона се такође ослања на податке које пружају нумерички временски модели. Постоје три главне класе модела за вођење тропских циклона: Статистички модели су засновани на анализи понашања олује коришћењем климатологије, и корелирају положај и датум олује да би произвели прогнозу која није заснована на физици атмосфере у том тренутку. Динамички модели су нумерички модели који решавају владајуће једначине протока флуида у атмосфери; они су засновани на истим принципима као и други нумерички модели временске прогнозе ограничене области, али могу укључивати посебне рачунарске технике као што су префињени просторни домени који се крећу заједно са циклоном. Модели који користе елементе оба приступа називају се статистичко-динамички модели.^[82]

Године 1978, почео је са радом први модел за праћење урагана заснован на атмосферској динамици — модел покретне фине мреже (MFM).^[13] У области прогнозирања путање тропског циклона, упркос стално побољшаваним динамичким моделима вођења који су се јављали са повећањем рачунарске снаге, тек 1980-их година нумеричка временска прогноза је показала вештину, а тек 1990-их година је доследно надмашивала статистичке или једноставне динамичке моделе.^[83] Предвиђања интензитета тропског циклона заснована на нумеричкој временској прогнози и даље представљају изазов, пошто статистичке методе и даље показују већу вештину у односу на динамичко вођење.^[84]

Временске прогнозе

Пошто се временске прилике крећу широм света, израда прогноза недељу дана или више унапред обично укључује покретање нумеричког модела предвиђања за целу планету. Агенције користе различите софтвере за то, укључујући:

• North American Ensemble Forecast System, који комбинује резултате из:
  • Global Forecast System из америчке Националне метеоролошке службе
  • Global Environmental Multiscale Model из Канадског метеоролошког центра
• Integrated Forecast System из Европског центра за средњорочне временске прогнозе и Метео-Франс
• Unified Model, произведен у партнерству:
  • УК Мет Офис
  • Аустралијски Биро за метеорологију
  • (Јужна) Корејска метеоролошка администрација
  • Индијски Национални центар за средњорочно прогнозирање времена^[85]
  • Новозеландски Национални институт за истраживање воде и атмосфере
• Icosahedral Nonhydrostatic (ICON) из Deutscher Wetterdienst, немачке метеоролошке службе
• Navy Global Environmental Model из америчког морнаричког Центра за нумеричку метеорологију и океанографију
• Глобални спектрални модел и Глобални систем за ансамбл предвиђање из Јапанске метеоролошке агенције^[86]
• Кинеска метеоролошка администрација Глобални систем за асимилационо прогнозирање^[87]
• Бразилски глобални атмосферски модел (BAM) из Centro de Previsão do Tempo e Estudos Climáticos (CPTEC)

Глобални модели се могу користити за обезбеђивање граничних услова за моделе веће резолуције који пружају тачније прогнозе за подручје од интереса, као што је земља коју опслужује владина агенција, или подручје где се планира војна акција или спасилачки напори.

• Корисници Уједињеног модела поново покрећу исти систем (отуда и назив) за одређену земљу или кризну зону са већом хоризонталном резолуцијом, уносећи у њега излаз глобалног Уједињеног модела. Ово добија другачији назив, као што је UKV модел или Новозеландски модел ограничене области.^[88]
• Америчка Национална метеоролошка служба покреће Weather Research and Forecasting Model са различитим параметрима да би креирала:
  • North American Mesoscale Model (NAM) сваких шест сати (са ансамблом под називом Short Range Ensemble Forecast, SREF)
  • Rapid Refresh (RAP) и High Resolution Rapid Refresh (HRRR), сваког сата^[89][90]
• Јапанска метеоролошка агенција покреће:^[86]
  • Мезо-скаларни модел (MSM) свака 3 сата, са прогнозом за 39 и 78 сати унапред
  • Мезо-скаларни систем за ансамбл предвиђање сваких 6 сати, са прогнозом за 39 сати унапред (пружајући процену несигурности)
  • Локални модел прогнозе сваког сата, са прогнозом за 10-18 сати унапред
• Кинеска метеоролошка администрација покреће Регионални нумерички модел за прогнозирање (CMA-MESO)^[87]
• CPTEC покреће Бразилски регионални атмосферски модел (BRAMS) и ETA регионални модел (ETA) за Јужну Америку

Излаз модела веће резолуције може се додатно модификовати статистиком излазних података модела како би се узели у обзир специфични локални феномени које општи модели не обрађују добро, као што су планински таласи.

Моделовање шумских пожара

Главни чланак: Моделовање шумских пожара

Једноставан модел ширења шумског пожара

На молекуларном нивоу, постоје два главна конкурентска реакциона процеса укључена у деградацију целулозе, или дрвних горива, у шумским пожарима. Када постоји мала количина влаге у целулозном влакну, долази до волатилизације горива; овај процес ће генерисати интермедијерне гасовите производе који ће на крају бити извор сагоревања. Када је влага присутна — или када се довољно топлоте одводи из влакна — долази до угљенисања. Хемијска кинетика обе реакције указује да постоји тачка у којој је ниво влаге довољно низак — и/или стопе загревања довољно високе — да процеси сагоревања постану самоодрживи. Сходно томе, промене у брзини ветра, правцу, влажности, температури или стопи опадања температуре на различитим нивоима атмосфере могу имати значајан утицај на понашање и раст шумског пожара. Пошто шумски пожар делује као извор топлоте за атмосферски ток, он може модификовати локалне адвекцијске обрасце, уводећи повратну спрегу између ватре и атмосфере.^[91] Једноставан дводимензионални модел за ширење шумских пожара који је користио конвекцију за представљање ефеката ветра и терена, као и радијативни пренос топлоте као доминантан метод преноса топлоте, довео је до реакционо-дифузиони систем парцијалних диференцијалних једначина.^[92][93] Сложенији модели спајају нумеричке временске моделе или моделе рачунарске динамике флуида са компонентом шумског пожара, што омогућава процену ефеката повратне спреге између ватре и атмосфере.^[91] Додатна сложеност у последњој класи модела преводи се у одговарајуће повећање њихових захтева за рачунарском снагом. У ствари, потпуни тродимензионални третман сагоревања путем директне нумеричке симулације на скалама релевантним за атмосферско моделовање тренутно није практичан због превеликих рачунарских трошкова које би таква симулација захтевала. Нумерички временски модели имају ограничену прецизност прогнозе на просторним резолуцијама испод 1 km (0,6 mi), што приморава сложене моделе шумских пожара да параметризују ватру како би израчунали како ће ветрови бити локално модификовани шумским пожаром, и да користе те модификоване ветрове за одређивање брзине којом ће се ватра локално ширити.^[94][95][96]

Види још

• Физика атмосфере
• Атмосферска термодинамика
• Модел за прогнозу тропских циклона
• Типови атмосферских модела