מודל הוא ייצוג פשוט של מערכת.

במקום לנסות לדגמן הכל עד לרמה המיקרוסקופית, או כקטורים, לעתים קרובות אנו מצטברים תופעות על פני אזורים גיאוגרפיים, כדי לפשט את החישוב הרבה , ולאבד רק מעט דיוק ודיוק.

אז אם אני רוצה לדגמן את בריטניה, המשתרעת בערך על 8 ° W - 2 ° E, 50 ° N - 60 ° N, זה אזור של 10 ° x 10 °. אני יכול לפצל את זה ל -400 תאים, כל אחד מהם 0.5 ° x 0.5 °. לכן, החל בפינה הדרומית-מערבית, אני מדגמן את השטח 8 ° W-7.5 ° W x 50 ° N-50.5 ° N כאזור הומוגני יחיד, ללא שום שינוי בתוכו. ואותו הדבר עבור שאר 399 התאים (8 ° W-7.5 ° W x 50.5 ° N-51 ° N וכן הלאה לאורך כל הדרך עד 1.5 ° E-2 ° E x 59.5 ° N-60 ° N). זו תהיה רשת של 0.5 °.

שים לב שתאי הרשת אינם חופפים כלל, והם מכסים לחלוטין את אזור העניין. (במונחים מתמטיים, הם בלעדיים וממצים - כל נקודת עניין היא בדיוק בתא רשת אחד).

זה יכול ליצור כמויות עצומות של נתונים - במיוחד אם אני עושה את זה לכל העולם רזולוציה שנייה-לשנייה במשך עשר שנים, לכמה מאות משתנים מעניינים. ואף אחד לעולם לא יזדקק לכמות הדיוק הזו מהתוצאות שלי. אז אני מצטבר לרשת גסה יותר: כך שאקח 25 ריבועי רשת שיוצרים ריבוע גדול יותר, ואצבור כל אחד מהסטטיסטיקה שלי שמתעניינת בהם. אז עכשיו האזור שלי 8 ° W-7.5 ° W x 50 ° N-50.5 ° N הוא רק אחד מתוך 25 תאים בריבוע ברשת הגסה יותר המשתרעת על פני 8 ° W-5.5 ° W x 50 ° N-52.5 ° N, ואני מדווח על סטטיסטיקה של 16 תאים ברשת של 2.5 מעלות, ולא של 400 תאים ברשת של 0.5 מעלות.

בדיוק כיצד נעשה הצבירה הזו, ישתנה לכל נתון:

• אם זו טמפרטורת לילה מינימלית, אקח את המינימום בכל 25 תאי הרשת של 0.5 °, כדי לתת את הטמפרטורה המינימלית של הלילה לתא הרשת של 2.5 ° שמורכב מאותם 25.

• אם זה גשם ממוצע, אני אקח ממוצע.

• אם מדובר בבידוד ליחידת שטח, ואני מעוניין בבידוד ליחידת שטח אדמה, אז אקח ממוצע משוקלל של בידוד, בשקלול לפי הפרופורציה של כל תאי רשת של 0.5 מעלות המכילים קרקע.

ואז אדגם על רשת של 0.5 °, וארכיב על רשת של 2.5 °

הנה, להמחשה, בריטניה נמצאת רשת של 100 ק"מ:

_מקור

אם הייתי רוצה לצרף את זה ל- רשת של 200 ק"מ ואז ארבעת הריבועים בפינה השמאלית התחתונה, SQ, SR, SV, SW, ישולבו לתא רשת יחיד. ו- SS, ST, SX, SY ישולבו לתא רשת אחר. וכן הלאה.

באופן ספציפי המונח

הערכים מאוחסנים ברשת 2.5 °

פירושו שהערכים המדווחים נשמרים וזמינים ב החלטה זו לערכים היסטוריים. הרזולוציות הגבוהות יותר (1 ° x1 °, 1/4 ° x1 / 4 °) פירושן בדיוק מה שהן אומרות: הערכים מדווחים על רשת דו-ממדית בכל דרגה, או רבע מעלות, ברחבי העניין. >

כדי להוסיף תפיסה קצת יותר מתמטית לרעיון של רשת: חשוב על רשת דו-ממדית (X, Y) כמטריצה: מטריצה ​​זו מייצגת פיתרון למערכת המשוואות שאתה מנסה לפתור ברשת נקודה x, y (נקודות בודדות ב- X, Y בהתאמה).

מדוע חשוב לעשות הבחנה זו? מכיוון שהכרת הרזולוציה, הטווח, הסדירות והמבנה של הרשת שלך תקבע כיצד אתה מגדיר את התהליך המספרי שלך על מנת לקבל פתרונות מספריים אמינים. בפרט, תנאי הגבול רגישים במיוחד לרשת, אשר יכול להיות קשה למקם כראוי בהתאם לסוג התהליך המספרי שבו אתה משתמש. יתר על כן, במשימות מספריות כבדות, הרשת שלך יכולה לעיתים קרובות לקבוע כמה זמן לוקח למודל שלך לפתור (אם זה בכלל יכול)!

אז כן, רשת היא איך נתונים מרחביים מאורגנים ומיוצגים, אבל חשוב מכך, ביסודו של דבר הפתרונות מחושבים וחיים. רשת פתורה, מחושבת ומבוצעת היטב היא בסיסית לכל מחקר מדעי המשתמש בשיטות מספריות בטיעונן.