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?
江南体育网页版地球科学堆栈交换是一个为那些江南电子竞技平台对地质学、气象学、海洋学和环境科学感兴趣的人提供的问答网站。注册只需要一分钟。
注册加入这个社区吧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,我们关心的是当和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)。
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。