שְׁאֵלָה:
כיצד פועלים דגמי מזג אוויר?
hichris123
2014-04-16 01:15:10 UTC
view on stackexchange narkive permalink

אנו משתמשים בדגמי מזג אוויר שונים כל הזמן, כגון ECMWF ו- GFS. מודלים אלה פשוט מדהימים בעיני.

כיצד פועלים המודלים הללו? אני יודע שעליהם לקחת נקודות נתונים שונות - מה אלה וכיצד המודל משתמש בה? כמו כן, כיצד הם מעלים תחזית או מפה של מה יקרה בעתיד?

ארבע תשובות:
#1
+29
Jon Ericson
2014-04-16 03:30:37 UTC
view on stackexchange narkive permalink

כל המודלים האטמוספריים המספריים בנויים סביב חישובים שמקורם ב משוואות פרימיטיביות המתארות את הזרימה האטמוספרית. וילהלם ברקנס גילה את מערכות היחסים והפך בכך לאבי תחזית מזג האוויר המספרית. מבחינה מושגית, ניתן לחשוב על המשוואות כמתארות כיצד חלקת אוויר תנוע ביחס לסביבתה. למשל, אנו למדים בגיל צעיר שאוויר חם עולה. משוואת המומנטום האנכית הידרוסטאטית מסבירה מדוע ו מכמתות באילו תנאים תנאי אוויר חם יפסיק לעלות. (ככל שהאוויר עולה הוא מתרחב ומתקרר עד שהוא מגיע לשיווי משקל הידרוסטטי.) המשוואות האחרות שוקלות סוגים אחרים של תנועה והעברת חום.

למרבה הצער, המשוואות אינן לינאריות, כלומר אינך יכול פשוט חבר כמה מספרים וקבל תוצאות שימושיות. במקום זאת, מודלים של מזג אוויר הם סימולציות המחלקות את האטמוספירה לרשתות תלת מימד וחושבות כיצד חומר ואנרגיה יזרמו מקוביית חלל אחת לאחרת במרווחי זמן בדידים. הזרימה האטמוספרית בפועל היא רציפה, לא נפרדת, ולכן על פי הצורך הדגמים הם קירובים. מודלים שונים מבצעים קירובים שונים המתאימים למטרה הספציפית שלהם.

מודלים מספריים השתפרו עם הזמן מכמה סיבות:

  1. נתוני קלט רבים וטובים יותר,
  2. רשתות חזקות יותר ו
  3. קירובים טובים יותר.

הגדלת כוח החישוב אפשרה למודלים להשתמש בתיבות רשת קטנות יותר. עם זאת, מספר החישובים גדל באופן אקספוננציאלי עם מספר התיבות והתהליך סובל מ- החזרות הולכות ופוחתות. בסוף הקלט של הדברים, חיישנים רבים וטובים יותר משפרים את דיוק התנאים ההתחלתיים של המודל. מודלים בקנה מידה סינפטי ו דגמים מזוסקיים לוקחים קלט מ מודלים של מחזור כללי, המסייע בקביעת תנאים אינטימיים סבירים. בקצה הפלט, סטטיסטיקות תפוקת המודל עושות עבודה יוצאת מהכלל באומדן מזג האוויר המקומי על ידי השוואת מצב המודל הנוכחי עם נתונים היסטוריים של זמנים בהם המודל הראה תוצאות דומות. לסיום, דגמי אנסמבל לוקחים את התפוקה של כמה דגמים כקלט ומייצרים מגוון של תוצאות אולי.

אתה יכול להזכיר ברשימת הסיבות לשיפור שלך: תוכניות פרמטרציה טובות יותר למיקרופיזיקה, קרינה, אינטראקציה עם פני האדמה וכו '. רשתות הדוקות יותר המאפשרות הסעה מפורשת ולא הסעה פרמטרית; הטמעת נתונים.
@casey: אולי אני צריך להזכיר שהידע שלי ממקור ראשון במודלים של תחזיות הוא מעל גיל 15 (וקרוב יותר ל -20). אם אתה מוכן להציע עריכה, אשמח לאשר אותה. :-)
#2
+21
milancurcic
2014-05-01 08:56:25 UTC
view on stackexchange narkive permalink

מודלים של מזג אוויר (או, כפי שהם מכונים בדרך כלל יותר בשטח, מודלים אטמוספריים) הם תוכנות מחשב שקוראות בנתוני קלט (תנאים ראשוניים) ופותרות משוואות דיפרנציאליות חלקיות כדי לייצר מצב עתידי של האטמוספירה. אף על פי ש- @JonEricson מספק סיכום טוב אך אנקדוטלי של מה שהמודלים עושים, כאן אני מתאר את הצעדים המדויקים של מה שנדרש למודל אטמוספרי כדי לייצר תחזית. תשובה זו חלה בדרך כלל גם על זרימת האוקיינוס ​​ומודלים אקלימיים. אנשים רבים מאמינים שחזאי מזג האוויר יושבים מול מפה וסוחרים מוחות לאן הענן ילך. תשובה זו נועדה לספק הסבר קל להבנה אך יסודי על אופן הפעולה של מודלים לחיזוי האווירה והים.

  1. את התפתחות האטמוספירה ניתן לתאר על ידי מערכת משוואות דיפרנציאליות חלקיות (PDE). לרוב, מדובר ב משוואות פרימיטיביות, המורכבות ממשוואת מומנטום (פתרון למהירות $ \ mathbf {v} $ או מומנטום $ \ mathbf {\ rho v} $), המשכיות (או משוואת שימור המונים ) ומשוואת אנרגיה תרמית (פתרון לטמפרטורה $ T $ ולחות ספציפית $ q $). משוואת המשכיות נחוצה לסגירה עם משוואות המומנטום. ניתן לקרוב למשוואות אלה במובנים רבים, ולהניב סט משוואות מופחת ו / או פשוט. חלק מהקירובים הללו הם הידרוסטטיים, בוסינסק, אנלסטיים וכו '. בצורה השלמה ביותר של המשוואות הפרימיטיביות לאטמוספירה, משתני המצב הפרוגנוסטי הם $ u $, $ v $, $ w $, $ p $, $ T $, $ q $. ניתן לדמות אווירה אידיאלית רק במשוואות מומנטום והמשכיות (ללא תרמודינמיקה), משוואות מים רדודות או משוואת פורטטיות מוחלטת בלבד. לדוגמא של האחרונים, עיין במאמר החלוצי של צ'רני, פיורטופט ווון נוימן (1950) שניבאו באופן מספרי 500 וולטים של מערבולות על ידי שילוב משוואת הערביות המוחלטת בזמן. מכיוון שהמודל שלהם היה ברוטרופי הוא לא יכול לייצר ציקלוגנזה. עם זאת, הם השיגו את תחזית מזג האוויר המספרית המוצלחת הראשונה בהיסטוריה והמודל שלהם רץ על המחשב הכללי הראשון, ENIAC.

  2. עכשיו קח את משוואת מומנטום לדוגמא:

    $$ \ dfrac {\ partial \ rho \ mathbf {v}} {\ partial t} + \ nabla (\ rho \ mathbf {v} ^ {2}) +2 \ Omega \ times \ rho \ mathbf {v} = - \ nabla p + \ nu \ nabla ^ {2} (\ rho \ mathbf {v}) + \ Phi $$

    משמאל לימין, יש לנו נטיית זמן של מומנטום, התקדמות, כוח קוריוליס, שיפוע לחץ, פיזור צמיג, ולבסוף, כל נטייה חיצונית לאילוץ או תת-רשת. למרבה הצער, מונח ההקדמה $ \ nabla (\ rho \ mathbf {v} ^ {2}) $ אינו ליניארי, ובגלל מונח זה לא ידוע על הפתרון האנליטי למשוואה זו. מונח זה הוא גם הסיבה שהאווירה ונוזלים אחרים הם כאוטיים באופיים ושגיאות קטנות ב- $ \ mathbf {v} $ גדלות במהירות מכיוון שהן מתרבות במונח זה. אם המשוואה היא ליניארית, $ \ nabla (\ rho \ mathbf {v} ^ {2}) = 0 $, ניתן למצוא פתרונות אנליטיים. לדוגמה, גלי רוסבי, קלווין, Poincare הם כולם פתרונות אנליטיים עבור קבוצה מופחתת מסוימת של משוואות מומנטום או מערבולת. חשוב לזהות כי עלינו לקבל את מונח ההקדמה הלא ליניארי אם אנו מקווים לייצר תחזיות מדויקות. לפיכך אנו פותרים את המשוואות באופן מספרי.

  3. כיצד לפתור את ה- PDE הללו? מעבדים אינם מסוגלים לעשות נגזרות - הם יודעים להוסיף ו להכפיל מספרים. כל הפעולות האחרות נגזרות משתי אלה. עלינו איכשהו לקבוע נגזרות חלקיות באמצעות פעולות חשבון בסיסיות. תחום העניין (נניח, הגלובוס) נתון לדיסקרטיות ברשת. לכל תא רשת יהיה ערך לכל אחד ממשתני המצב. לדוגמא, קח את מונח שיפוע הלחץ בכיוון x:

    $$ \ nabla_ {x} p = \ dfrac {\ partial p} {\ partial x} \ approx \ dfrac {\ Delta p} {\ Delta x} = \ dfrac {p_ {i + 1, j} -p_ {i-1, j}} {2 \ Delta x_ {i, j}} $$

    כאשר $ i, j $ הם מדדי הרשת ב- $ x, y $. דוגמה זו השתמשה ב הבדלים סופיים, שבמרכזם שטח. ישנן שיטות רבות אחרות להבחין בנגזרים חלקיים, ואלה שנמצאים בשימוש במודלים מודרניים הם בדרך כלל הרבה יותר מתוחכמים מהדוגמה הזו. אם ריווח הרשת אינו אחיד, יש להשתמש ב שיטות נפח מוגבלות אם יש לשמור על הכמות החזויה. שיטות של אלמנטים סופיים שכיחות יותר לבעיות דינמיקת נוזלים חישובית המוגדרות ברשתות לא מובנות בהנדסה, אך ניתן להשתמש בהן גם לפותרים באווירה ובאוקיינוס. משתמשים ב שיטות ספקטרליות בכמה דגמים גלובליים כמו GFS ו- ECMWF.

  4. תהליכים שלא נפתרו בסולם הרשת (מונח $ \ Phi $) מיושמים בצורה של תוכניות פרמטריזציה. תהליכים עם פרמטרים עשויים לכלול מערבולת וערבוב שכבות גבול, הסעת קומולוס, מיקרופיזיקה בענן, קרינה, פיזיקת קרקע, הרכב כימי וכו '. תכניות פרמטריזציה הן עדיין נושא מחקר חם והן ממשיכות להשתפר. ישנן תוכניות רבות ושונות לכל התהליכים הפיזיים המפורטים לעיל. חלקם עובדים טוב יותר מהאחרים בתרחישים מטאורולוגיים שונים.

  5. לאחר שכל המונחים בכל המשוואות הוחרגו על הנייר, המשוואות הדיסקרטיות נכתבות בצורה של מחשב. קוד. רוב האווירה, זרימת האוקיאנוסים ומודלי גלי האוקיאנוס כתובים בפורטרן. זה בעיקר מסיבות היסטוריות - בעל היסטוריה ארוכה, לפורטראן היה את המותרות שיש מהדרים בוגרים מאוד וספריות אלגברה לינאריות מאוד. כיום, עם מהדרים C, C ++ ו- Fortran יעילים מאוד, זה יותר עניין של העדפה. עם זאת, קוד פורטרן עדיין נפוץ ביותר באווירה ובמודלים באוקיאנוס, אפילו בפרויקטים שהתחילו לאחרונה. לבסוף, שורת קוד לדוגמא למונח שיפוע הלחץ הנ"ל תיראה כך:

      dpdx (i, j, k) = 0.5 * (p (i + 1, j, k) - p (i-1, j, k)) / dx (i, j)  

    כל הקוד מחובר לשפת מכונה הנטענת על המעבדים. תוכנית הדגם בדרך כלל אינה ידידותית למשתמש עם ממשק גרפי מהודר - לרוב היא מופעלת ממסופים מטומטמים באשכולות מרובי מעבדים עתירי ביצועים.

  6. לאחר תחילתה, התוכנית עוברת בדיסקרטיות בזמן אל העתיד. הערכים המחושבים עבור משתני מצב בכל נקודת רשת מאוחסנים בקובץ פלט, בדרך כלל בכל שעה (זמן סימולציה). לאחר מכן ניתן לקרוא את קבצי הפלט על ידי תוכנות הדמיה וגרפיקה כדי לייצר תמונות יפות של תחזית המודל. אלה משמשים אז כהנחיה לחזאים לספק תחזית משמעותית וסבירה.

אני כל כך אוהב את התשובה הזו! זה תמציתי אבל גם שלם.
#3
+12
gerrit
2014-04-16 02:11:19 UTC
view on stackexchange narkive permalink

זו לא תשובה מלאה. היבט אחד של מודלים של מזג אוויר מורכב מ הטמעת נתונים או 4 D-var.

אני מסכים שהם מדהימים, והשאלה איך הם עובדים הוא רחב מכדי לענות עליו. לכן אני ממליץ לך לקרוא על הטמעת נתונים ובמיוחד על 4D-Var. מושגים הם קצת דומים בתיאוריה ההפוכה, אך בעלי ממד גבוה בהרבה. בקליפת אגוז זעירה:

  • בכל שלב ובנקודת גריד יש למודל רקע המורכב מהמידע העדכני ביותר שיש לו על כל האטמוספירה (והאוקיאנוס! ). זו כמות עצומה של מידע.
  • ואז, כל שש שעות בערך, הוא ניזון מגוש גדול של מידע ממדידות. היא משתמשת בשיטה בייסיאנית (ראה קישור 4D-Var לעיל) כדי לשלב את הרקע והמדידות כדי לבצע אומדן חדש של מצב האטמוספירה.
  • המדידות הן, באופן טבעי, זמין רק להווה ולעבר. השאר הוא בעצם אקסטרפולציה. אך כדי לקבל הערכה טובה, ריצת הדגם מתחילה בזמן כלשהו בעבר; אז החלק הראשון של התחזית הוא למעשה לעבר או להווה (הם לא מראים לך את זה בדגמים ;-).

לא יכול לפרט, אבל זה נכון, הם מדהימים!

#4
+8
Tom Au
2014-04-16 17:57:07 UTC
view on stackexchange narkive permalink

מודלים ותחזיות מזג אוויר נשלטים על ידי מערכות של משוואות דיפרנציאליות. ראשית מתחיל ברמות או בערכים הנוכחיים של משתנים סיבתיים: טמפרטורה, לחות, לחץ אטמוספרי וכו 'צריך גם לגרום ל"נגזרות ", או לקצב השינוי של המשתנים הללו. מכאן הצורך במשוואות דיפרנציאליות, המשלבות את שני המשתנים ונגזרותיהם כדי להסביר תופעות "גל" שונות כמו חום, אור וצליל וכו '.

אפילו עם הידע הגדול הנוכחי של ידע גולמי על פני גדול בחלקים מהארץ, תחזית מזג האוויר היא עדיין עסק מסובך בגלל "האקראיות" לכאורה של משתנים שונים. (חלקם אקראיים באמת, אחרים מוסברים טוב יותר לאורך זמן.) על ידי משתני "חיתוך וקיצוץ" (ונהנים מנסיון העבר, תחזיות מזג האוויר נעשו מדויקות לאט אבל בטוח לאורך זמן במרחבים גדולים יותר. עזר גם. (הארכת משך הזמן לתחזיות מדויקות יותר היא מסובכת יותר, מכיוון שיש עדיין יותר מדי חלקים נעים.) לעת עתה, נראה כי הכלים שיש לנו הם "טיפת דלי" בהשוואה לגודל של כדור הארץ והיקום (דפוסי מזג אוויר מסוימים עשויים להיגרם על ידי דברים שקורים בחלל הבין-כוכבי), ולכן זה מדהים באמת שלעתים קרובות אנו יכולים להגיע לתחזיות מזג אוויר מדויקות פחות או יותר.



שאלה ותשובה זו תורגמה אוטומטית מהשפה האנגלית.התוכן המקורי זמין ב- stackexchange, ואנו מודים לו על רישיון cc by-sa 3.0 עליו הוא מופץ.
Loading...