Hava durumu modelleri

Diyagram gfs

Hava tahmincileri genellikle hava durumunu tahmin etmeye yardımcı olmak için kullandıkları modelleri tartışır Peki bu modeller neler Nasıl çalışırlar Ve güçlü ve zayıf yönleri nelerdir

Modellerin temeli, havanın nasıl hareket ettiğini ve atmosferde ısı ve nemin nasıl değiş tokuş edildiğini karakterize eden fiziğe dayalı matematiksel denklemlerdir. Yer sensörlerinden ve hava uydularından elde edilen hava gözlemleri (basınç, rüzgar, sıcaklık ve nem) bu denklemlere beslenir. Gözlemler, veri asimilasyonu olarak bilinen bir süreçte modellere getirilir.
Bir modelde, atmosfer üç boyutlu bir ızgaraya bölünür ve her bir ızgara noktasına asimile edilmiş veriler verilir. Bunlara başlangıç ​​koşulları denir. Daha sonra her ızgara noktasında, matematiksel denklemler uygulanır ve zaman içinde ileri adım atılır. Birçok zaman adımındaki çıktılar, tüm ızgara noktalarında gelecekteki hava durumunu belirtir.

En iyi bilinen iki hava durumu modeli, Avrupa Orta Menzilli Hava Tahmin Merkezi (ECMWF) modeli ve Ulusal Hava Durumu Hizmetinin Küresel Tahmin Sistemi (GFS) modelidir. Sırasıyla Avrupa ve Amerikan modelleri olarak bilinirler. Küresel modellerdir ve tüm dünyada tahminler sağlayabilirler.

Daha sonra, daha spesifik bölgelere odaklanan ve gök gürültülü fırtınalar gibi gerçekten küçük hava özelliklerini küresel modellerden daha iyi tahmin etme eğiliminde olan orta ölçekli (ince ölçekli) modeller var. ABD’nin en popüler iki mezoscale modeli, Kuzey Amerika Mezoskale Tahmin Sistemi (NAM) ve Yüksek Çözünürlüklü Hızlı Yenileme (HRRR) modeli olarak bilinir.

Bu modeller farklı sonuçları nasıl tahmin edebilir? Her model, verileri farklı şekilde özümser ve farklı denklemler kullanır. Ek olarak her model, türbülans ve küçük bulut büyümesi gibi ızgara hücreleri arasında meydana gelen hava durumu süreçlerini farklı şekilde ele alır. İyi başlangıç ​​verilerini “içeri” koyarsanız, daha iyi “dışarı” çıkma olasılığınız artar.
Modeller ayrıca temel denklemlerin farklı yorumlarını kullanır ve hatalara neden olabilecek farklı varsayımlar uygular. Meteorologların atmosferin fiziği hakkında öğrenecekleri daha çok şey var.

Coğrafi alan başka bir faktördür. Ne yazık ki, meteorologlar tüm gezegende havanın nasıl olduğunu bilmiyorlar: Okyanuslar gibi alanlardan ve yağmur ormanları ve çöller gibi büyük ıssız bölgelerden alınan yüzey verileri yok. Ve bilgisayar modelleri, özellikle dağlar olmak üzere çeşitli arazilerde hâlâ mücadele ediyor. Tahmincilerin neyin bilinmediğini tahmin ettiği ve sorunlu olabilecek durumlar vardır.

Küresel modeller arasında, Avrupa modeli uzun süredir ortalama olarak dünyadaki en doğru tahminleri üretmiştir. Ünlü olarak, Sandy Kasırgasının 2012’de denize açılmak yerine Kuzeydoğu Amerika Birleşik Devletleri’ne sert bir dönüş yapacağını doğru tahmin eden ilk kişiydi.

Sandy’den sonra, Kongre, Sandy’nin yolunu Avrupa’dan daha sonra yakalayan Amerikan modelini geliştirmek için Ulusal Hava Durumu Servisi’ne para ayırdı. Hava Durumu Servisi, 2017 Atlantik kasırga sezonunun ardından Amerikan modelini geliştirmek için ek fon aldı.

Ancak Avrupa modeli her durumda en iyi model değildir ve Amerikan modeli bazı önemli durumlarda ondan daha iyi performans göstermiştir. Ocak 2015 kar fırtınasında Avrupa modeli, New York City’nin iki fit karla vurulacağını tahmin ediyordu. Ancak fırtına, Amerikan modelinin öngördüğü gibi şehrin doğusuna doğru ilerledi ve şehir yaklaşık sekiz inç arttı.

Bir tahmindeki belirsizliği anlamak için meteorologlar, model topluluk sistemleri olarak bilinenlere giderek daha fazla güveniyorlar. Bunlar, başlangıç ​​koşullarında ince ayar yaparak bir alternatif tahmin ailesi geliştirmek için aynı modelin çeşitli simülasyonlarını kullanır. Bu, tahminlerdeki belirsizlik aralığını yakalamaya yardımcı olur. Tahminciler bu yöntemi kullanarak, belirli bir durumda olası sonuçların aralığını daha iyi anlar.

Her modelin artıları ve eksileri vardır. Akıllı tahminciler, modellerin tüm evrenine birlikte bakar ve tahminlerde bulunurken güçlü yönlerini ve sınırlarını hesaba katarken, modeller aynı fikirde olmadığında belirsizliği iletir. Bilgisayar teknolojisi ve bilimsel bilgi geliştikçe, modeller daha karmaşık hale gelecek ve daha iyi tahminlere yol açacaktır.

Share:

Author: webmaster