대기 모형

Atmospheric model
지구예측시스템에서 본 850mbarge전위높이 및 온도 96시간 예측

대기 모형은 대기 운동을 지배하는 원시 동적 방정식의 전체 집합을 중심으로 구성된 수학 모형입니다.이러한 방정식을 난류 확산, 방사선, 습윤 과정(구름과 강수), 열 교환, 토양, 식물, 지표수, 지형의 운동학적 영향 및 대류에 대한 매개 변수화로 보완할 수 있다.대부분의 대기 모델은 수치적 모델이다. 즉, 운동 방정식을 이산화한다.토네이도 및 경계층 에지, 건물 위에서의 준미량 난류, 시놉틱 및 전역 흐름과 같은 미세 규모 현상을 예측할 수 있다.모델의 수평 영역은 지구 전체를 포괄하는 전역이거나 지구의 일부만 포괄하는 지역(제한 영역)입니다.실행 모델에는 열방향성, 기압방향, 정수압 및 비수압식 모델이 있습니다.일부 모델 유형은 사용되는 시간 단계를 연장하고 계산 속도를 높이는 대기에 대한 가정을 합니다.

예측은 대기의 물리학과 역학에 대한 수학 방정식을 사용하여 계산된다.이 방정식은 비선형이며 정확하게 푸는 것은 불가능합니다.따라서 수치적 방법은 대략적인 해답을 얻는다.모델마다 다른 솔루션 방법을 사용합니다.글로벌 모델은 종종 수평 치수에 대해서는 스펙트럼 방법을 사용하고 수직 치수에 대해서는 유한 차분 방법을 사용하는 반면, 지역 모델은 일반적으로 3차원 모두에서 유한 차분 방법을 사용한다.특정 위치의 경우, 모델 출력 통계는 기후 정보, 수치 기상 예측 출력 및 현재 지표면 기상 관측 결과를 사용하여 모델 편향 및 분해능 문제를 설명하는 통계 관계를 개발한다.

종류들

그 주요 가정은 서 모 트로픽 모델에 의해 만들어지는 동안에 열 바람의 크기를 바꿀 수도 있지만 그 방향 height에 관련해서 대기 중에서 경압 그들 사이의 500mb(15inHg)이나 1000mb(30inHg)지오 퍼텐셜 고도의 표면과 평균 열 바람을 사용해 모의 실험할 작업을 변경하지 않는다는 것이다.[1][2]

기압 모델은 대기가 거의 기압에 가깝다고 가정한다. 즉, 지압성 바람의 방향과 속도는 높이에 의존하지 않는다.즉, 지형성 바람의 수직 풍속이 없는 것입니다.또한 두께 등고선(온도의 대용물)이 상위 레벨 높이 등고선과 평행하다는 의미도 있습니다.이러한 유형의 대기에서는 고기압과 저기압 지역이 온난 및 저온 이상 징후의 중심입니다.온난기압(아열대의 능선과 버뮤다-아조레스 고기압 등)과 저온기압은 바람이 강하게 불고, 저온기압(북극기압 등)[3]은 반대로 바람이 강하게 분다.대기압 모델은 대기가 지질학적 균형을 이루고 있다는 가정, 즉 대기 중 공기의 로스비 [4]수가 작다는 가정 하에 단순화된 형태의 대기 역학을 해결하려고 합니다.만약 대기가 발산성이 없다고 가정한다면, 오일러 방정식의 컬은 대기압 소용돌이 방정식으로 감소한다.후자의 방정식은 대기의 한 층에 걸쳐 풀 수 있다.약 5.5km(3.4mi) 높이의 대기는 거의 발산되지 않으므로, 대기압 모델은 대기압 표면 [5]500mb(15inHg)에 해당하는 해당 고도에 해당하는 지오포텐셜 높이에서 대기 상태를 가장 잘 근사한다.

유체 정압 모델은 수직 운동량 방정식에서 수직으로 움직이는 음파를 걸러내므로 모델의 실행 시간 단계가 크게 증가합니다.이를 정수적 근사라고 합니다.정수기 모델에서는 압력 또는 시그마 압력 수직 좌표를 사용합니다.압력 좌표가 지형과 교차하는 반면 시그마 좌표는 지형의 윤곽선을 따릅니다.수평 그리드 분해능이 작지 않은 한 정수압 가정은 타당합니다.수평 그리드 분해능은 정수압 가정이 실패하는 척도입니다.전체 수직 운동량 방정식을 사용하는 모델을 비수압 방정식이라고 합니다.비정압 모델은 비압축성이라는 가정 하에 공기에 대한 완전한 연속성 방정식을 풀거나 공기에 대한 완전한 연속성 방정식을 풀거나 완전히 압축할 수 있다는 것을 의미합니다.비정압 모델은 수직 좌표에 고도 또는 시그마 고도를 사용합니다.고도 좌표는 육지와 교차할 수 있으며 시그마 고도 좌표는 [6]육지의 등고선을 따릅니다.

역사

무어 전기 공학 대학의 ENIAC 메인 제어판
주요 기사:수치예보의 역사

수치예보의 역사는 1920년대 빌헬름 비에르네스가 개발한 [7][8]절차를 이용한 루이스 프라이 리처드슨의 노력으로 시작되었다.컴퓨터와 컴퓨터 시뮬레이션의 등장이 있은 후에야 계산 시간이 예측 기간 자체보다 적게 단축되었습니다.ENIAC는 [5][9]1950년에 최초의 컴퓨터 예측을 작성했으며, 이후 더 강력한 컴퓨터가 초기 데이터 세트의 크기를 증가시키고 더 복잡한 버전의 [10]운동 방정식을 포함시켰다.1966년 서독과 미국은 원시 등가 모델을 기반으로 운영 예측을 작성하기 시작했고, 1972년 영국,[7][11] 1977년 호주가 뒤를 이었다.지구 예보 모델의 개발은 최초의 기후 [12][13]모델로 이어졌다.제한된 면적(지역) 모델의 개발은 1970년대와 1980년대에 [14][15]열대 저기압의 궤적과 대기질 예측의 발전을 촉진했다.

대기 역학에 기초한 예측 모델의 출력은 지상 레벨에서 보정이 필요하기 때문에, 개별 예측 지점(위치)[16][17]에 대한 모델 출력 통계(MOS)가 1970년대와 1980년대에 개발되었다.슈퍼컴퓨터의 성능이 향상되더라도 관측 밀도와 품질은 예측 계산에 사용되는 편미분 방정식의 혼돈한 특성과 함께 5일마다 [18][19]두 배씩 오차가 발생하기 때문에 수치 기상 모델의 예측 기술은 앞으로 약 2주 정도밖에 확장되지 않습니다.1990년대 이후 모델 앙상블 예측의 사용은 예측의 불확실성을 정의하고 다른 [20][21][22]방법보다 더 먼 미래로 일기 예보를 확장하는 데 도움이 된다.

초기화

이 섹션은 수치 기상 예측에서 제외됩니다.(이력 편집)
A WP-3D Orion weather reconnaissance aircraft in flight.
이 WP-3D 오리온과 같은 기상 정찰기는 수치 기상 예측에 사용되는 데이터를 제공한다.

대기는 유동적이다.이와 같이, 수치적 기상 예측의 개념은 주어진 시간에 유체의 상태를 표본으로 추출하고 미래의 어느 시점에 유체의 상태를 추정하기 위해 유체 역학 및 열역학 방정식을 사용하는 것입니다.초기 조건을 생성하기 위해 관측 데이터를 모형에 입력하는 과정을 초기화라고 합니다.육지에서는 전 세계적으로 해상도가 1km(0.6mi) 이하인 지형도를 사용하여 험준한 지형 지역 내 대기 순환을 모델링하여 내리막 바람, 산악 파도 및 유입되는 태양 [23]방사선에 영향을 미치는 관련 구름과 같은 특징을 더 잘 묘사한다.국가 기반 기상 서비스의 주요 입력은 기상 위성뿐만 아니라 다양한 대기 매개변수를 측정하여 고정 수신기에 전송하는 기상 풍선의 장치(라디오존이라고 함)의 관측이다.세계기상기구는 전 세계적으로 이러한 관측의 계측, 관측 관행 및 타이밍을 표준화하는 역할을 한다.스테이션은 METAR [24]보고서로 매시간 또는 SYNOP [25]보고서로 6시간마다 보고합니다.이러한 관측치는 불규칙한 간격으로 이루어지기 때문에 데이터 동화 및 객관적 분석 방법에 의해 처리되며, 이 방법은 품질 관리를 수행하고 모델의 수학적 [26]알고리즘에 의해 사용 가능한 위치에서 값을 얻는다.그런 다음 데이터는 모형에서 [27]예측의 시작점으로 사용됩니다.

수치 모델에서 사용하기 위해 관측 데이터를 수집하기 위해 다양한 방법이 사용됩니다.사이트는 대류권을 통과하여 성층권으로 [28]잘 올라가는 기상 풍선을 타고 전파를 발사한다.기상 위성의 정보는 기존의 데이터 소스를 사용할 수 없는 경우에 사용됩니다.커머스는 항공기[29] 항로를 따라 파일럿 보고서를 제공하고 선박 항로를 [30]따라 선박 보고서를 제공합니다.연구 프로젝트에서는 정찰기를 사용하여 열대성 [31][32]저기압과 같은 관심 있는 기상 시스템을 비행합니다.정찰 항공기는 또한 추운 계절에 외양 상공을 비행하여 예측 가이던스에 상당한 불확실성을 초래하거나 하류 [33]대륙 상공에서 향후 3~7일 동안 높은 영향을 미칠 것으로 예상된다.해빙은 1971년 [34]예측 모델에서 초기화되기 시작했다.모델 초기화에 해수면 온도를 포함시키려는 노력은 1972년 태평양의 [35]높은 위도에서 날씨를 조절하는 역할을 하기 때문에 시작되었습니다.


계산

수치 기상 예측 모델의 500mbarge 전위 높이 예측 예제입니다.
슈퍼컴퓨터는 과학자들이 지구의 기후를 더 잘 이해할 수 있도록 매우 복잡한 모델을 실행할 수 있다.

모델은 주어진 위치와 고도에서 미래 시간에 대한 기상 정보를 생성하는 컴퓨터 프로그램입니다.모든 모형 안에는 대기의 [36]미래 상태를 예측하기 위해 사용되는 원시 방정식이라고 알려진 일련의 방정식이 있습니다.이러한 방정식은 분석 데이터에서 초기화되고 변화율이 결정됩니다.이러한 변화 속도는 미래의 대기 상태를 예측하며, 시간 단계라고 알려진 각 시간 증가를 가지고 있습니다.그 방정식은 새로운 변화율을 찾기 위해 이 새로운 대기 상태에 적용되며, 이러한 새로운 변화율은 더 먼 미래의 대기를 예측한다.솔루션이 원하는 예측 시간에 도달할 때까지 시간 스테핑이 반복됩니다.모델 내에서 선택한 시간 단계의 길이는 계산 그리드의 점 사이의 거리와 관련이 있으며,[37] 수치 안정성을 유지하기 위해 선택됩니다.글로벌 모델의 타임스텝은 약 수십 분,[38] 지역 모델의 타임스텝은 약 1 ~4 [39]분입니다글로벌 모델은 미래의 다양한 시기에 실행됩니다.UKMET 통합 모델은 [40]6일 후, 유럽 중거리 일기 예보 센터 모델은 10일 후,[41] 환경 모델링 센터에서 운영하는 글로벌 예보 시스템 모델은 [42]16일 후에 실행됩니다.

사용되는 방정식은 비선형 편미분 방정식으로, 몇 가지 이상적인 [44]경우를 제외하고는 분석 [43]방법을 통해 정확하게 풀 수 없습니다.따라서 수치적 방법은 대략적인 해답을 얻는다.모델마다 다른 솔루션 방법을 사용한다.일부 글로벌 모델은 수평 치수에 스펙트럼 방법을 사용하고 수직 치수에 유한 차분 방법을 사용하는 반면, 지역 모델 및 기타 글로벌 모델은 보통 [43]3차원 모두에서 유한 차분 방법을 사용한다.모형 솔루션에 의해 생성된 시각적 출력을 예후 차트 또는 [45]프로그램이라고 합니다.

파라미터화

주요 기사: 파라메트리제이션 (기후)

기상 및 기후 모델 그리드 박스의 측면은 5km(3.1mi)와 300km(190mi) 사이이다.일반적인 적란운의 눈금은 1km(0.62mi) 미만이며, 유체 운동 방정식으로 물리적으로 표현하려면 이보다 더 미세한 그리드가 필요합니다.따라서 이러한 클라우드가 나타내는 프로세스는 다양한 정교함의 프로세스에 따라 파라미터화됩니다.초기 모델에서 모델 그리드 박스의 공기 기둥이 불안정하면(즉, 바닥이 상단보다 따뜻함) 뒤집히고 수직 기둥의 공기가 혼합됩니다.보다 정교한 스킴은 상자의 일부만 대류할 수 있고 엔터테인먼트 및 기타 프로세스가 발생한다는 점을 인식하여 향상된 기능을 제공합니다.5km(3.1mi)에서 25km(16mi) 사이의 측면을 가진 그리드박스를 가진 기상 모델은 여전히 구름 미세물리학을 [46]매개 변수화해야 하지만 대류 구름을 명시적으로 나타낼 수 있다.대규모(계층형) 구름의 형성은 물리적 기반이며 상대 습도가 규정된 값에 도달하면 형성된다.그러나 하위 그리드 규모 프로세스를 고려해야 합니다.구름은 100% 상대 습도에서 형성된다고 가정하지 않고, 층상 구름의 경우 70%의 임계 상대 습도, 적란운의 [47]경우 80% 이상의 상대 습도와 관련될 수 있으며, 이는 실제 세계에서 발생할 수 있는 하위 그리드 규모 변동을 반영한다.

험준한 지형에서 또는 가변적인 구름 때문에 지표면에 도달하는 태양 복사의 양은 이 과정이 분자 규모로 [48]발생함에 따라 매개변수로 분류된다.또한 모델의 그리드 사이즈는 구름과 지형의 실제 크기와 거칠기에 비해 큽니다.태양 각도와 여러 클라우드 계층의 영향을 [49]고려합니다.토양 유형, 식생 유형 및 토양 습도는 모두 얼마나 많은 방사선이 온난화에 들어가고 얼마나 많은 수분이 인접 대기로 유입되는지를 결정합니다.따라서 매개 변수를 [50]지정하는 데 중요합니다.

도메인

모형의 수평 영역은 지구 전체를 덮는 전역이거나 지구의 일부만 덮는 지역입니다.지역 모델은 제한된 영역 모델 또는 RAM이라고도 합니다. 지역 모델은 영역이 작으면 계산 수요가 감소하기 때문에 보다 미세한 그리드 간격을 사용하여 명시적으로 작은 규모의 기상 현상을 해결합니다.지역 모델은 도메인의 가장자리 초기 조건에 호환되는 글로벌 모델을 사용합니다.LAM 내부의 불확실성과 오류는 지역 모델 가장자리의 경계 조건과 LAM 자체의 [51]경계 조건 생성에 사용되는 글로벌 모델에 의해 도입된다.

수직 좌표는 다양한 방법으로 처리됩니다.리처드슨의 1922년 모델과 같은 일부 모델은 수직 좌표로 기하학적 높이( z를 사용합니다. 모델에서는 z 좌표계를 압력 좌표계로 대체하여 정압 표면의 지오포텐셜 높이가 종속 변수가 되어 원시 [52]방정식을 크게 단순화했다.이것은 압력이 지구의 [53]대기를 통과하는 높이에 따라 감소하기 때문이다.운영 예측에 사용된 첫 번째 모델인 단층 기압 모델은 500밀리바(15inHg) [5]수준에서 단일 압력 좌표를 사용했기 때문에 기본적으로 2차원이었다.기상 연구 및 예측 모델과 같은 고해상도 모델(메소 스케일 모델이라고도 함)은 시그마 [54]좌표로 불리는 정규화된 압력 좌표를 사용하는 경향이 있습니다.

글로벌 버전

잘 알려진 글로벌 수치 모델은 다음과 같습니다.

지역 버전

잘 알려진 지역 수치 모델은 다음과 같다.

  • WRF 기상 연구 및 예보 모델은 NCEP, NCAR 및 기상 연구 커뮤니티가 공동으로 개발했다.WRF에는 다음과 같은 몇 가지 구성이 있습니다.
    • WRF-NM WRF 비수체적 메소스케일 모델은 Eta 모델을 대체하는 미국의 주요 단기 기상 예측 모델입니다.
    • 주로 미국 국립대기연구센터(NCAR)에서 개발된 WRF-ARW Advanced Research WRF
  • NAM 북미 메소스케일 모델이라는 용어는 북미 도메인에서 작동하는 모든 지역 모델을 가리킵니다.NCEP는 2005년 1월에 이 지정 시스템을 사용하기 시작했다.2005년 1월부터 2006년 5월까지 Eta 모델은 이 명칭을 사용했다.2006년 5월부터 NCEP는 WRF-NM을 동작 NAM으로 사용하기 시작했습니다.
  • 콜로라도 주립대학에서 개발된 지역 대기 모델링 시스템인 RAMS는 미터에서 수백 킬로미터까지의 규모의 대기 기상학 및 기타 환경 현상의 수치 시뮬레이션을 위해 개발되었으며, 현재는 공공 영역에서 지원되고 있습니다.
  • MM5 제5세대 펜 스테이트/NCAR 메소스케일 모델
  • 오클라호마 대학에서 개발된 ARPS 고급 지역 예측 시스템은 토네이도 규모의 시뮬레이션 및 예측까지 지역 규모의 기상 예측에 사용할 수 있는 포괄적인 다단계 비수압 시뮬레이션 및 예측 시스템이다.뇌우 예측을 위한 고급 레이더 데이터 동화는 시스템의 핵심 부분이다.
  • HIRLAM은 10개 유럽 기상청에서 공동 출자한 유럽 NWP 연구 컨소시엄 HIRLAM에 의해 개발되었습니다.Meteo France 및 ALADIN 컨소시엄과 협력하여 개발한 MEATO 스케일의 HIRLAM 모델입니다.
  • 캐나다 기상청(MSC)의 고해상도 2.5km(1.6mi) GEM인 GEM-LAM 글로벌 환경 멀티스케일 제한 구역 모델
  • ALADIN Météo-France[40] 주도로 유럽과 북아프리카 여러 국가가 개발하고 운영하는 고해상도 제한된 면적 정수 및 비 정수 모델
  • COSMO 이전에 LM, aLMO 또는 LAMI로 알려진 COSMO 모델은 소규모 모델링을 위한 컨소시엄(독일, 스위스, 이탈리아, 그리스, 폴란드, 루마니아 및 러시아)[55]의 프레임워크 내에서 개발된 제한된 영역의 비정수성 모델이다.
  • Meso-NH Meso-NH[56] 모델은 [57]중앙 국립 연구소와 연구소가 1998년부터 공동 개발한 제한된 영역 비정수성 모델이다.그 적용은 중간 규모에서 센티미터 단위의 기상 시뮬레이션이다.

모형 출력 통계량

주요 기사:모형 출력 통계량

대기역학 방정식에 기초한 예측 모델은 지상 근처의 기상 조건을 완벽하게 결정하지 못하기 때문에, 이 문제를 해결하기 위해 통계적 보정이 개발되었습니다.통계 모델은 수치 기상 모델, 지표 관측 및 특정 위치의 기후 조건에 의해 생성된 3차원 필드를 기반으로 작성되었다.이러한 통계 모델은 총칭하여 모델 출력 통계(MOS)[58]라고 하며, 국립 기상청에 의해 기상 예보 [16]모델 스위트를 위해 개발되었다.미 공군은 [17]1983년까지 역동적인 기상 모델을 기반으로 자체 MOS 세트를 개발했다.

모델 출력 통계는 수치 기상 예측 가이던스의 출력이 [59]완벽하다고 가정하는 완벽한 프로그램 기법과 다르다.MOS는 그리드 분해능이 부족하여 모델에서 해결할 수 없는 국소 효과와 모델 바이어스를 보정할 수 있다.MOS 내의 예측 변수에는 최고 및 최저 온도, 몇 시간 내에 비가 내릴 확률, 예상 강수량, 자연에서 비가 동결될 확률, 뇌우, 구름, 표면풍이 [60]포함된다.

적용들

기후 모델링

주요 기사:기후 모델과 일반 순환 모델

1956년, 노먼 필립스는 대류권의 월별과 계절별 패턴을 사실적으로 묘사하는 수학적 모델을 개발했다.이것은 최초의 성공적인 기후 [12][13]모델이었다.그 후 여러 그룹이 일반적인 순환 [61]모델을 만들기 위한 작업을 시작했습니다.최초의 일반 순환 기후 모델은 해양과 대기 과정을 결합했으며, 1960년대 후반 미국 [62]해양 대기청의 구성 요소인 지구물리학 유체 역학 연구소에서 개발되었습니다.1980년대 초까지 미국 국립대기연구센터는 커뮤니티 대기 모델(CAM)을 개발했는데, 이 모델은 자체 또는 커뮤니티 기후 시스템 모델의 대기 구성 요소로 실행될 수 있다.스탠드아론 CAM의 최신 업데이트(버전 3.1)는 [63][64][65]2006년2월 1일에 발행되었습니다.1986년에는 토양과 식생 유형을 초기화하고 모델링하기 위한 노력이 시작되어 보다 현실적인 [66]예측이 도출되었다.Hadley Center for Climate Prediction and Research의 HadCM3 모델과 같은 결합된 해양 대기권 기후 모델이 기후변화 [61]연구의 입력 자료로 사용되고 있다.

한정된 영역 모델링

국립허리케인센터 한정지역 모델 내 허리케인 에르네스토(2006)에 의한 모델 확산

대기 오염 예측은 [67]오염물질의 움직임을 추적하기 위한 유체 흐름 정보를 제공하기 위해 대기 모델에 의존합니다.1970년 미국의 한 민간 회사가 대기 오염과 산성비의 영향을 예측하기 위해 사용된 지역별 UAM을 개발했습니다.1970년대 중후반, 미국 환경보호국은 UAM의 개발을 인계받아 지역 대기 오염 연구 결과를 개선하는데 사용했다.UAM은 캘리포니아용으로 개발되었지만 북미, 유럽 및 아시아에서 1980년대에 [15]사용되었습니다.

1978년에 가동하기 시작한 이동식 미세 메쉬 모델은 대기 [14]역학을 기반으로 한 최초의 열대 저기압 예측 모델이었다.계산 능력을 향상시킴으로써 동적 모델 지침이 지속적으로 개선되었지만, 수치 기상 예측(NWP)은 1980년대에 이르러서야 열대 저기압의 궤적을 예측하는 기술을 보였다.그리고 1990년대에 이르러서야 NWP가 통계적 또는 단순한 동적 [68]모델을 지속적으로 능가했다.NWP를 이용하여 열대성 저기압의 강도를 예측하는 것도 어려운 일이다.2009년 현재, 동적 지침은 통계 [69]방법보다 덜 능숙하게 유지되었다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ Gates, W. Lawrence (August 1955). Results Of Numerical Forecasting With The Barotropic And Thermotropic Atmospheric Models. Hanscom Air Force Base: Air Force Cambridge Research Laboratories. Archived from the original on July 22, 2011.
  2. ^ Thompson, P. D.; W. Lawrence Gates (April 1956). "A Test of Numerical Prediction Methods Based on the Barotropic and Two-Parameter Baroclinic Models". Journal of Meteorology. 13 (2): 127–141. Bibcode:1956JAtS...13..127T. doi:10.1175/1520-0469(1956)013<0127:ATONPM>2.0.CO;2. ISSN 1520-0469.
  3. ^ Wallace, John M. & Peter V. Hobbs (1977). Atmospheric Science: An Introductory Survey. Academic Press, Inc. pp. 384–385. ISBN 978-0-12-732950-5.
  4. ^ Marshall, John; Plumb, R. Alan (2008). "Balanced flow". Atmosphere, ocean, and climate dynamics : an introductory text. Amsterdam: Elsevier Academic Press. pp. 109–12. ISBN 978-0-12-558691-7.
  5. ^ a b c Charney, Jule; Fjörtoft, Ragnar; von Neumann, John (November 1950). "Numerical Integration of the Barotropic Vorticity Equation". Tellus. 2 (4): 237–254. Bibcode:1950TellA...2..237C. doi:10.3402/tellusa.v2i4.8607.
  6. ^ Jacobson, Mark Zachary (2005). Fundamentals of atmospheric modeling. Cambridge University Press. pp. 138–143. ISBN 978-0-521-83970-9.
  7. ^ a b Lynch, Peter (2008-03-20). "The origins of computer weather prediction and climate modeling" (PDF). Journal of Computational Physics. 227 (7): 3431–44. Bibcode:2008JCoPh.227.3431L. doi:10.1016/j.jcp.2007.02.034. Archived from the original (PDF) on 2010-07-08. Retrieved 2010-12-23.
  8. ^ Lynch, Peter (2006). "Weather Prediction by Numerical Process". The Emergence of Numerical Weather Prediction. Cambridge University Press. pp. 1–27. ISBN 978-0-521-85729-1.
  9. ^ Cox, John D. (2002). Storm Watchers. John Wiley & Sons, Inc. p. 208. ISBN 978-0-471-38108-2.
  10. ^ Harper, Kristine; Uccellini, Louis W.; Kalnay, Eugenia; Carey, Kenneth; Morone, Lauren (May 2007). "2007: 50th Anniversary of Operational Numerical Weather Prediction". Bulletin of the American Meteorological Society. 88 (5): 639–650. Bibcode:2007BAMS...88..639H. doi:10.1175/BAMS-88-5-639.
  11. ^ Leslie, L.M.; Dietachmeyer, G.S. (December 1992). "Real-time limited area numerical weather prediction in Australia: a historical perspective" (PDF). Australian Meteorological Magazine. Bureau of Meteorology. 41 (SP): 61–77. Retrieved 2011-01-03.
  12. ^ a b Norman A. Phillips (April 1956). "The general circulation of the atmosphere: a numerical experiment" (PDF). Quarterly Journal of the Royal Meteorological Society. 82 (352): 123–154. Bibcode:1956QJRMS..82..123P. doi:10.1002/qj.49708235202.
  13. ^ a b John D. Cox (2002). Storm Watchers. John Wiley & Sons, Inc. p. 210. ISBN 978-0-471-38108-2.
  14. ^ a b Shuman, Frederick G. (September 1989). "History of Numerical Weather Prediction at the National Meteorological Center". Weather and Forecasting. 4 (3): 286–296. Bibcode:1989WtFor...4..286S. doi:10.1175/1520-0434(1989)004<0286:HONWPA>2.0.CO;2. ISSN 1520-0434.
  15. ^ a b Steyn, D. G. (1991). Air pollution modeling and its application VIII, Volume 8. Birkhäuser. pp. 241–242. ISBN 978-0-306-43828-8.
  16. ^ a b Harry Hughes (1976). Model output statistics forecast guidance. United States Air Force Environmental Technical Applications Center. pp. 1–16.
  17. ^ a b L. Best, D. L. & S. P. Pryor (1983). Air Weather Service Model Output Statistics Systems. Air Force Global Weather Central. pp. 1–90.
  18. ^ Cox, John D. (2002). Storm Watchers. John Wiley & Sons, Inc. pp. 222–224. ISBN 978-0-471-38108-2.
  19. ^ Weickmann, Klaus, Jeff Whitaker, Andres Roubicek 및 Catherine Smith(2001-12-01)앙상블 예보를 사용하여 중거리(3~15일)의 일기 예보를 개선합니다.기후 진단 센터.2007-02-16 취득.
  20. ^ Toth, Zoltan; Kalnay, Eugenia (December 1997). "Ensemble Forecasting at NCEP and the Breeding Method". Monthly Weather Review. 125 (12): 3297–3319. Bibcode:1997MWRv..125.3297T. CiteSeerX 10.1.1.324.3941. doi:10.1175/1520-0493(1997)125<3297:EFANAT>2.0.CO;2. ISSN 1520-0493.
  21. ^ "The Ensemble Prediction System (EPS)". ECMWF. Archived from the original on 25 January 2011. Retrieved 2011-01-05.
  22. ^ Molteni, F.; Buizza, R.; Palmer, T.N.; Petroliagis, T. (January 1996). "The ECMWF Ensemble Prediction System: Methodology and validation". Quarterly Journal of the Royal Meteorological Society. 122 (529): 73–119. Bibcode:1996QJRMS.122...73M. doi:10.1002/qj.49712252905.
  23. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 56. ISBN 978-0-521-86540-1.
  24. ^ National Climatic Data Center (2008-08-20). "Key to METAR Surface Weather Observations". National Oceanic and Atmospheric Administration. Archived from the original on 2002-11-01. Retrieved 2011-02-11.
  25. ^ "SYNOP Data Format (FM-12): Surface Synoptic Observations". UNISYS. 2008-05-25. Archived from the original on 2007-12-30.
  26. ^ Krishnamurti, T. N. (January 1995). "Numerical Weather Prediction". Annual Review of Fluid Mechanics. 27 (1): 195–225. Bibcode:1995AnRFM..27..195K. doi:10.1146/annurev.fl.27.010195.001211.
  27. ^ "The WRF Variational Data Assimilation System (WRF-Var)". University Corporation for Atmospheric Research. 2007-08-14. Archived from the original on 2007-08-14.
  28. ^ Gaffen, Dian J. (2007-06-07). "Radiosonde Observations and Their Use in SPARC-Related Investigations". Archived from the original on 2007-06-07.
  29. ^ Ballish, Bradley A.; V. Krishna Kumar (November 2008). "Systematic Differences in Aircraft and Radiosonde Temperatures" (PDF). Bulletin of the American Meteorological Society. 89 (11): 1689–1708. Bibcode:2008BAMS...89.1689B. doi:10.1175/2008BAMS2332.1. Retrieved 2011-02-16.
  30. ^ National Data Buoy Center (2009-01-28). "The WMO Voluntary Observing Ships (VOS) Scheme". National Oceanic and Atmospheric Administration. Retrieved 2011-02-15.
  31. ^ 403rd Wing (2011). "The Hurricane Hunters". 53rd Weather Reconnaissance Squadron. Archived from the original on 2012-05-30. Retrieved 2006-03-30.
  32. ^ Lee, Christopher (2007-10-08). "Drone, Sensors May Open Path Into Eye of Storm". The Washington Post. Retrieved 2008-02-22.
  33. ^ National Oceanic and Atmospheric Administration (2010-11-12). "NOAA Dispatches High-Tech Research Plane to Improve Winter Storm Forecasts". Retrieved 2010-12-22.
  34. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 137. ISBN 978-0-521-86540-1.
  35. ^ Houghton, John Theodore (1985). The Global Climate. Cambridge University Press archive. pp. 49–50. ISBN 978-0-521-31256-1.
  36. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. pp. 48–49. ISBN 978-0-12-554766-6.
  37. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. pp. 285–287. ISBN 978-0-12-554766-6.
  38. ^ Sunderam, V. S.; G. Dick van Albada; Peter M. A. Sloot; J. J. Dongarra (2005). Computational Science – ICCS 2005: 5th International Conference, Atlanta, GA, USA, May 22–25, 2005, Proceedings, Part 1. Springer. p. 132. ISBN 978-3-540-26032-5.
  39. ^ Zwieflhofer, Walter; Norbert Kreitz; European Centre for Medium Range Weather Forecasts (2001). Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology. World Scientific. p. 276. ISBN 978-981-02-4761-4.
  40. ^ a b c Chan, Johnny C. L. & Jeffrey D. Kepert (2010). Global Perspectives on Tropical Cyclones: From Science to Mitigation. World Scientific. pp. 295–301. ISBN 978-981-4293-47-1.
  41. ^ Holton, James R. (2004). An introduction to dynamic meteorology, Volume 1. Academic Press. p. 480. ISBN 978-0-12-354015-7.
  42. ^ Brown, Molly E. (2008). Famine early warning systems and remote sensing data. Springer. p. 121. ISBN 978-3-540-75367-4.
  43. ^ a b Strikwerda, John C. (2004). Finite difference schemes and partial differential equations. SIAM. pp. 165–170. ISBN 978-0-89871-567-5.
  44. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. p. 65. ISBN 978-0-12-554766-6.
  45. ^ Ahrens, C. Donald (2008). Essentials of meteorology: an invitation to the atmosphere. Cengage Learning. p. 244. ISBN 978-0-495-11558-8.
  46. ^ Narita, Masami & Shiro Ohmori (2007-08-06). "3.7 Improving Precipitation Forecasts by the Operational Nonhydrostatic Mesoscale Model with the Kain-Fritsch Convective Parameterization and Cloud Microphysics" (PDF). 12th Conference on Mesoscale Processes. American Meteorological Society. Retrieved 2011-02-15.
  47. ^ Frierson, Dargan (2000-09-14). "The Diagnostic Cloud Parameterization Scheme" (PDF). University of Washington. pp. 4–5. Archived from the original (PDF) on 1 April 2011. Retrieved 2011-02-15.
  48. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 6. ISBN 978-0-521-86540-1.
  49. ^ Melʹnikova, Irina N. & Alexander V. Vasilyev (2005). Short-wave solar radiation in the earth's atmosphere: calculation, oberservation, interpretation. Springer. pp. 226–228. ISBN 978-3-540-21452-6.
  50. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. pp. 12–14. ISBN 978-0-521-86540-1.
  51. ^ Warner, Thomas Tomkins (2010). Numerical Weather and Climate Prediction. Cambridge University Press. p. 259. ISBN 978-0-521-51389-0.
  52. ^ Lynch, Peter (2006). "The Fundamental Equations". The Emergence of Numerical Weather Prediction. Cambridge University Press. pp. 45–46. ISBN 978-0-521-85729-1.
  53. ^ Ahrens, C. Donald (2008). Essentials of meteorology: an invitation to the atmosphere. Cengage Learning. p. 10. ISBN 978-0-495-11558-8.
  54. ^ Janjic, Zavisa; Gall, Robert; Pyle, Matthew E. (February 2010). "Scientific Documentation for the NMM Solver" (PDF). National Center for Atmospheric Research. pp. 12–13. Archived from the original (PDF) on 2011-08-23. Retrieved 2011-01-03.
  55. ^ 소규모 모델링 컨소시엄.소규모 모델링을 위한 컨소시엄.2008년 1월 13일에 취득.
  56. ^ Lac, C., Chaboureau, P., Masson, V., Pinty, P., Tulet, P., 에스코바르, J., ... & Aumond, P. (2018년)Meso-NH 모델 버전 5.4 및 그 응용 프로그램의 개요.지구과학모델개발, 11, 1929-1969.
  57. ^ Lafore, Jean Philippe 등"메소-NH 대기 시뮬레이션 시스템입니다.제1부: 단열적 공식화 및 제어 시뮬레이션"지구물리학적 고리.제16권No.1. 코페르니쿠스 GmbH, 1998.
  58. ^ Baum, Marsha L. (2007). When nature strikes: weather disasters and the law. Greenwood Publishing Group. p. 189. ISBN 978-0-275-22129-4.
  59. ^ Gultepe, Ismail (2007). Fog and boundary layer clouds: fog visibility and forecasting. Springer. p. 1144. ISBN 978-3-7643-8418-0.
  60. ^ Barry, Roger Graham & Richard J. Chorley (2003). Atmosphere, weather, and climate. Psychology Press. p. 172. ISBN 978-0-415-27171-4.
  61. ^ a b Peter Lynch (2006). "The ENIAC Integrations". The Emergence of Numerical Weather Prediction: Richardson's Dream. Cambridge University Press. p. 208. ISBN 978-0-521-85729-1. Retrieved 6 February 2018.
  62. ^ National Oceanic and Atmospheric Administration (22 May 2008). "The First Climate Model". Retrieved 8 January 2011.
  63. ^ "CAM 3.1 Download". www.cesm.ucar.edu. Retrieved 2019-06-25.
  64. ^ William D. Collins; et al. (June 2004). "Description of the NCAR Community Atmosphere Model (CAM 3.0)" (PDF). University Corporation for Atmospheric Research. Retrieved 3 January 2011.
  65. ^ "CAM3.0 COMMUNITY ATMOSPHERE MODEL". University Corporation for Atmospheric Research. Retrieved 6 February 2018.
  66. ^ Yongkang Xue & Michael J. Fennessey (20 March 1996). "Impact of vegetation properties on U. S. summer weather prediction" (PDF). Journal of Geophysical Research. 101 (D3): 7419. Bibcode:1996JGR...101.7419X. CiteSeerX 10.1.1.453.551. doi:10.1029/95JD02169. Archived from the original (PDF) on 10 July 2010. Retrieved 6 January 2011.
  67. ^ Alexander Baklanov; Alix Rasmussen; Barbara Fay; Erik Berge; Sandro Finardi (September 2002). "Potential and Shortcomings of Numerical Weather Prediction Models in Providing Meteorological Data for Urban Air Pollution Forecasting". Water, Air, & Soil Pollution: Focus. 2 (5): 43–60. doi:10.1023/A:1021394126149. S2CID 94747027.
  68. ^ James Franklin (20 April 2010). "National Hurricane Center Forecast Verification". National Hurricane Center. Archived from the original on 2 January 2011. Retrieved 2 January 2011.
  69. ^ Edward N. Rappaport; James L. Franklin; Lixion A. Avila; Stephen R. Baig; John L. Beven II; Eric S. Blake; Christopher A. Burr; Jiann-Gwo Jiing; Christopher A. Juckins; Richard D. Knabb; Christopher W. Landsea; Michelle Mainelli; Max Mayfield; Colin J. McAdie; Richard J. Pasch; Christopher Sisko; Stacy R. Stewart; Ahsha N. Tribble (April 2009). "Advances and Challenges at the National Hurricane Center". Weather and Forecasting. 24 (2): 395–419. Bibcode:2009WtFor..24..395R. CiteSeerX 10.1.1.207.4667. doi:10.1175/2008WAF2222128.1.

추가 정보

  • Roulstone, Ian; Norbury, John (2013). Invisible in the Storm: the role of mathematics in understanding weather. Princeton: Princeton University Press. ISBN 978-0-691-15272-1.

외부 링크