天气模型和气候模型的主要区别是什么?

Question

一些天气模式包括GFS (全球预报系统)及NAM (北美中尺度模式)．

一些气候模式包括CCSM (群落气候系统模式)和NASA GISS (戈达德太空研究所)模型。

它们使用的物理、参数化和其他属性的类型有什么不同?

Answer 1

天气和气候模型之间的主要区别有很多。它们的核心是同一组原始方程，但在此基础上又有许多不同之处。

一个天气模型只能(熟练地)预测未来10天左右的情况，而一个气候模型可以整合未来数百年的情况。这里的主要区别是在天气模型中，我们关心的是当而且在哪里暴风雨或锋面的在气候模型中，你得到的是天气，但你不太关心天气在哪里或具体什么时候出现，因为你在寻找一个长期的均值(例如，天气模型关心飓风在哪里，以及它将在何时/何地影响陆地，而气候模型可能只关心每年飓风的平均数量，而不关心这些风暴的细节)。

其他的差异:

• 空间/时间分辨率

  由于气候模型在未来的运行时间要比天气模型长得多，在相同的时间尺度上，它将有更多的整合时间步骤。增加模型时间步长可以缓解这种情况，但出于数值稳定性的考虑，时间步长越高，空间分辨率就必须越粗糙。因此，总的来说，气候模式比天气模式在更大的时间和空间尺度上运行。较粗的分辨率可能迫使在气候模式中采用更多的参数化。例如，一个3公里的天气模型可以明确地解析对流，而一个30公里的气候模型肯定不能，需要参数化对流。

• 数据同化(DA)

  天气和气候模型对DA的使用各不相同。最大的区别在于如何使用DA将模型“旋转”到初始化时间。对于天气模型，如果要使用DA，那么在模型开始集成到未来之前，您可能只有几个间隔几个小时的DA步骤。对于一个气候模式来说，在达到当前时间并开始预测之前，DA期可能要长达100年。然而:

  这种[将DA纳入气候模型]发生在模型发展的许多阶段，包括子网格尺度效应的参数化和模型调整。然而，这个过程并不是系统地完成的，目前的实践也不被认为是“数据同化”。似乎越来越多的人认识到，DA将在未来的气候模式发展中发挥重要作用。这在一定程度上是由于需要量化模型预测中的不确定性。然而，对于如何在这些大规模气候模型中使用DA，还没有达成共识。(来源:http://www.samsi.info/working-groups/data-assimilation-ipcc-level-models-climate-uq）

• 耦合模型

  天气模型可以将海洋表示为参数化的表面通量(动量、湿度等)，也可以通过数据同化来处理。气候模型通常将大气模型与海洋模型结合起来，并对海洋进行模拟。实际上，气候模型是典型的相互通信的模型组合。你可能有一个大气模型，一个土壤模型，一个海洋模型，一个植被模型，一个化学模型，等等。天气模型可能具有这些特征，但通常是作为参数化。

• 空间覆盖率

  天气模式从全球模式到非常本地化的区域模式各不相同，在某些情况下可以非常理想化。气候模型往往是全球性的。这不会改变所涉及的物理，但会影响方程的特定形式。一个全局模型将在球坐标中求解，许多人使用谱方法。区域天气模型将使用笛卡尔坐标，并可能做出其他假设，以简化模型特定目的的物理(例如，风暴尺度的理想天气模型可能忽略科里奥利)。

Answer 2

这个答案并不完整，但它是一个开始。

最重要的区别之一是:

天气模型使用测量，而气候模型不使用

换句话说:天气模型是一个初值问题．输入的初始值对于结果的正确性至关重要。

气候模型解决的主要问题是边值问题．初始值应该无关紧要。事实上，气候模型是“旋转起来”的，这意味着，要确定2000-2100年的气候，模型运行可能从1950年开始到去掉初始值。那么，相关的信息就不是天气或者2063年3月23日;但天气的统计(均值、标准差等)，超过2060-2090年(例如)。

所以如果一个气候模型运行1900-2100年，预计它不会重现特定年份的气候．这通常被误解，可能会被气候怀疑论者认为是气候模型不起作用(例如，“它们不会重现最近明显的大气变暖的缺乏!，没有意识到这一点这没关系)．不同的是分析或再分析(天气)模型做使用度量，因此做准确地表示特定年份的天气。

如前所述，这只是部分答案。还有许多更重要的区别，但这是最重要的区别之一。