我们使用不同的天气模型,如ECMWF和GFS。这些模型只是令人惊异的给我。
这些模型如何工作?我知道他们要在不同的数据点——这些是什么和如何模型使用它呢?同时,他们如何想出一个预测或地图将来会发生什么?
江南体育网页版地球科学堆栈交换是一个问答网江南电子竞技平台站对于那些感兴趣的地质学、气象学、海洋学、环境科学。注册只需要一分钟。
报名加入这个社区所有来自大气模型是建立在数值计算原始方程描述大气流动。Vilhelm Bjerknes的关系发现,从而成为数值天气预报的父亲。从概念上讲,这些方程可以被认为是描述一个包裹空气如何与周围环境的关系。例如,我们学习在年轻的时候,热空气会向上升。的流体静力学垂直动量方程解释了为什么和量化在什么条件下热空气会停止上升。(当它扩展和冷却的空气上升时,直到它到达流体静力学平衡)。另一个考虑其他类型的运动方程和传热。
不幸的是,方程是非线性的,这意味着您不能简单地插入一些数字和得到有用的结果。相反,气候模型模拟,将大气分为三维网格和计算物质和能量流从一个立方体的空间到另一个在离散时间增量。实际大气流动是连续的,而不是离散,通过必要的模型近似。不同的模型使不同近似合适他们的特定的目的。
数值模型改善随着时间的推移,有几个原因:
增加计算能力使得网格模型上使用更小的盒子。然而,计算数量的增加呈指数与盒子的数量和存在过程收益递减。在输入端,更多更好的传感器改进模型的初始条件的准确性。综观尺度和中尺度模型需要输入大气环流模型,这有助于设置合理的初始条件。在输出端,模型输出数据做一个了不起的工作评估当地天气比较当前模型状态和历史数据的时候,模型显示出类似的结果。最后,整体模型把几个模型的输出作为输入,并产生一系列可能的结果。
天气模型(或者,正如他们更通常被称为,大气模型)是计算机程序,读入输入数据(初始条件)和解决偏微分方程产生未来的大气状态。虽然@JonEricson提供了一个总体不错,但坊间的总结模型做什么,在这里我所需要的具体步骤描述的大气模型产生一个预测。这个答案一般适用于海洋环流和气候模型。许多人相信天气预报坐在一张地图和头脑风暴云会的地方。这个答案旨在提供一个容易理解但彻底解释对大气和海洋预测模型是如何工作的。
大气的进化可能是描述一个系统的偏微分方程(pde)。大多数情况下,这些都是原始方程由动量方程(解决速度\美元mathbf {v}或动量\美元mathbf{\ρv} $),连续性(或质量守恒方程)和热能方程(解温度T和特定的湿度问)美元美元。连续性方程与动量方程闭合是必要的。这些方程可以近似在许多方面,产生一组减少和/或简化的方程。有些近似静压、Boussinessq滞弹的等等。最完整的原始方程形式的大气预后状态变量u美元,v,美元w,美元$ p $,台币,问美元美元。一个理想化的氛围也可以模拟只有(没有热力学)动量方程和连续性方程,浅水方程或绝对涡度方程。后者的一个例子,看到开创性的论文恰尼,Fjortoft和冯·诺依曼(1950)数值预测500 mb涡度通过整合绝对涡度方程。因为他们的模型是正压它不能产生气旋生成。然而,他们取得了史上第一个成功的数值天气预报和他们跑在第一台通用计算机模型,ENIAC。
现在以动量方程为例:
$ $ \ dfrac{\部分\ρ\ mathbf {v}}{\部分t} + \微分算符(\ \ρmathbf {v} ^{2}) + 2ω\ \ * \ \ρmathbf {v} = - \微分算符p + \ν\微分算符^{2}(ρ\ \ mathbf {v}) +φ\ $ $
从左到右,我们有时间趋势的动量,平流,科里奥利力,压力梯度,粘性耗散,最后,任何外部强迫或次网格趋势。不幸的是,平流项$ \微分算符(\ρ\ mathbf {v} ^{2})是非线性的美元,因为这个术语,这个方程的解析解是不清楚。这一项也是大气的原因和其他液体在本质上是混乱的,小错误\ mathbf美元{v}迅速增长,因为他们把美元这一项。如果方程线性化,$ \微分算符(\ \ρmathbf {v} ^{2}) = 0美元,可以找到解析解。例如,罗斯比开尔文波庞加莱都解析解在一定减少组线性动量或涡度方程。识别是非常重要的,我们需要非线性平流项如果我们希望产生准确的预测。因此我们解决方程数值。
这些pde如何解决?处理器不能做衍生品——他们知道如何添加和乘数字。所有其他操作来自这两个。我们需要以某种方式使用基本的算术运算近似偏导数。感兴趣的领域(全球)是一个网格上离散。每个网格单元都有一个值为每个状态变量。例如,以方向的压力梯度项:
$ $ \ nabla_ {x} p = \ dfrac{\部分p} {x} \部分\大约\ dfrac{\δp}{\δx} = \ dfrac {p_ {i + 1, j} -p_{张,j}}{2 \三角洲间{i, j}} $ $
$ i, j的网格索引x美元,美元。这个示例使用有限的差异,集中在空间。还有许多其他离散化偏导数的方法,和那些正在使用在现代模型通常比这个例子更复杂。如果网格间距不均匀,有限体积方法必须使用如果预测quantitity是守恒的。有限元方法更常见的计算流体动力学问题在工程非结构化网格上定义,但可以用于解决大气和海洋。谱方法被用在一些全球模型GFS和ECMWF。
流程未解决网格规模(术语\φ)美元的形式实现参数化方案。参数化过程可能包括湍流边界层混合,积云对流,云粒子物理学、辐射、土壤物理学、化学成分等参数化方案仍然是一个热门研究课题,他们精益求精。有许多不同的方案,所有上面列出的物理过程。一些工作比其他人在不同气象情况。
一旦所有的条款在纸上离散方程,离散方程的形式编写计算机代码。最大气、海洋环流和海洋波模型是用Fortran编写的。这主要是由于历史原因,有悠久的历史,Fortran的奢侈品有非常成熟的编译器和优化线性代数库。如今,非常有效的C、c++和Fortran编译器可用,它更偏好的问题。然而,Fortran代码仍然是最流行的在大气和海洋建模中,甚至在最近开始项目。最后,上述压力梯度项的示例代码行是这样的:
dpdx (i, j, k) = 0.5 * (p (i + 1 j k) - p(张j k)) / dx (i, j)
整个代码被编译成机器语言,然后加载到处理器(s)。模型程序通常不是用户友好的图形界面——这是最常见的高性能多处理器集群上运行从哑终端。
一旦启动,程序通过时间离散步骤走向未来。状态变量的计算值在每个网格点都存储在一个输出文件,通常每小时(模拟时间)。输出文件可以读取和图形可视化软件产生相当的图像模型预测。然后用作预测提供有意义的指导和合理的预测。
这不是一个完整的答案。天气模型包括的一个方面数据同化或4 d-var。
我认为他们是惊人的,问题他们如何工作太宽泛的回答。所以我建议你读读数据同化特别是4 d-var。概念是有些在逆理论类似,但更高的维度。小简而言之:
不能详细,但这是真的,他们是惊人的!
天气模型和预测由系统微分方程。一个从当前水平或因果变量的值:温度、湿度、大气压力等。也要因素之一“衍生品”或改变这些变量。因此需要微分方程,结合变量及其衍生品来解释各种“波”现象如热、光、声等。
即使当前大量的原始知识在地球的大部分地区,预测天气仍然是一个冒险的生意,因为明显的“随机性”的各种变量。(其中一些是真正随机的,其他人随着时间的推移得到更好的解释。)通过“切割”变量,(和受益于过去的经验,天气预报有随着时间的推移慢慢地变得更准确的在更大的空间。增加计算能力也有所帮助。(延长的时间更精确的预测有一定难度,因为还是有太多的移动部件)。现在,似乎我们的工具是一个“九牛一毛”相比,地球和宇宙的大小(一些气候模式可能是由于事情发生在星际空间),所以它是真正了不起的,我们可以经常想出了天气预报,或多或少是准确的。