수치예측

Numerical weather prediction
A grid for a numerical weather model is shown. The grid divides the surface of the Earth along meridians and parallels, and simulates the thickness of the atmosphere by stacking grid cells away from the Earth's center. An inset shows the different physical processes analyzed in each grid cell, such as advection, precipitation, solar radiation, and terrestrial radiative cooling.
기상모델은 유체운동, 열역학, 복사전달, 화학 등의 세부적인 물리법칙에 기초한 미분방정식 시스템을 사용하고 지구를 3D 그리드로 나누는 좌표계를 사용한다. 그리드 셀 내에서 바람, 열전달, 일사, 상대습도, 물의 위상변화표면수문학을 계산하고, 향후 주변 셀과의 상호작용을 이용하여 대기특성을 계산한다.

수치기상예측(NWP)은 대기와 해양의 수학적 모델을 사용하여 현재의 기상상태를 바탕으로 날씨를 예측한다.1920년대에 처음 시도되었지만, 1950년대에 컴퓨터 시뮬레이션이 등장하고 나서야 수치적 기상 예측이 현실적인 결과를 낳았다.무선조명, 기상 위성 및 기타 관측 시스템에서 중계되는 현재 기상 관측을 입력으로 사용하여 전 세계 여러 국가에서 많은 글로벌 및 지역 예측 모델이 실행된다.

동일한 물리적 원리에 기초한 수학적 모델은 단기 기상 예측 또는 장기 기후 예측을 생성하는 데 사용될 수 있다. 후자는 기후 변화를 이해하고 예측하는 데 널리 적용된다.지역 모델에 대한 개선으로 열대 사이클론 트랙과 대기질 예측이 크게 개선되었다. 그러나 대기 모델은 산불과 같이 상대적으로 제한된 지역에서 발생하는 처리 과정에서는 성능이 떨어진다.

방대한 데이터 세트를 조작하고 현대적인 수치 기상 예측에 필요한 복잡한 계산을 수행하려면 세계에서 가장 강력한 슈퍼 컴퓨터가 필요합니다.슈퍼컴퓨터의 파워가 높아져도 수치기상모델의 예측능력은 6일 정도에 불과하다.수치 예측의 정확성에 영향을 미치는 요인에는 수치 모델 자체의 결함과 함께 예측 입력으로 사용되는 관측치의 밀도 및 품질이 포함된다.모델 출력 통계(MOS)와 같은 후처리 기술은 수치 예측 오류 처리를 개선하기 위해 개발되었습니다.

보다 근본적인 문제는 대기를 지배하는 편미분방정식혼돈성에 있다.이러한 방정식을 정확하게 푸는 것은 불가능하며, 작은 오차는 시간이 지남에 따라 증가합니다(약 5일마다 2배).현재 알고 있는 것은 이러한 혼란스러운 동작은 정확한 입력 데이터와 완벽한 모델을 사용하더라도 정확한 예측을 약 14일로 제한한다는 것입니다.또한 모델에 사용된 편미분 방정식은 태양 복사, 습윤 과정(구름과 강수), 열 교환, 토양, 식생, 지표수 및 지형의 영향에 대한 매개변수화로 보완되어야 한다.수치 예측에 남아 있는 많은 양의 내재적 불확실성을 정량화하기 위한 노력의 일환으로, 앙상블 예측은 1990년대부터 예측의 신뢰도를 측정하고 다른 방법보다 더 먼 미래에 유용한 결과를 얻기 위해 사용되어 왔다.이 접근법은 개별 예측 모형 또는 여러 모형을 사용하여 생성된 여러 예측값을 분석합니다.

역사

Betty Jennings와 Frances Bilas가 운영하는 Moore School of Electrical Engineering의 ENIAC 메인 제어판.

수치예보의 역사1920년대에 빌헬름 비어르네스[1] 의해 원래 개발된 절차를 사용하여 중앙유럽의 두 지점에 걸쳐 6시간 동안 대기 상태를 수작업으로 예측하고,[1][2] 그렇게 하는 데 최소 6주가 걸린다는 을 통해 시작되었다.컴퓨터와 컴퓨터 시뮬레이션이 등장하고 나서야 계산 시간이 예측 기간 자체보다 더 적게 단축되었습니다.ENIAC는 1950년 컴퓨터를 통한 최초의 일기예보를 작성하기 위해 사용되었으며, 이는 대기 지배 [3][4]방정식에 대한 매우 간단한 근사치를 기반으로 한다.1954년 스웨덴 기상수문 연구소칼-구스타브 로스비 그룹은 동일한 모델을 사용하여 첫 번째 운영 예측(즉,[5] 실제 사용을 위한 일상적인 예측)을 작성했다.미국의 운영 수치 예측은 1955년 미 공군, 해군,[6] 기상국의 공동 프로젝트인 합동 기상 수치 예측 유닛(JNWPU)에 의해 시작되었다.1956년, 노먼 필립스는 대류권의 월별과 계절별 패턴을 사실적으로 묘사할 수 있는 수학적 모델을 개발했다; 이것은 최초의 성공적인 기후 [7][8]모델이 되었다.Phillips의 연구에 따라, 여러 그룹이 일반적[9]순환 모델을 만들기 위한 작업을 시작했습니다.해양과 대기 과정을 결합한 최초의 일반 순환 기후 모델은 1960년대 후반 NOAA 지구물리 유체역학 [10]연구소에서 개발되었다.

컴퓨터가 더욱 강력해짐에 따라 초기 데이터 세트의 크기가 커졌고 이용 가능한 컴퓨팅 능력을 활용하기 위해 새로운 대기 모델이 개발되었습니다.이러한 새로운 모델에는 [5]대기의 수치 시뮬레이션에서 운동 방정식을 단순화하는 데 더 많은 물리적 과정이 포함됩니다.1966년 서독과 미국은 원시 등가 모델을 기반으로 운영 예측을 작성하기 시작했고, 1972년 영국,[1][11] 1977년 호주가 뒤를 이었다.제한된 면적(지역) 모델의 개발은 1970년대와 1980년대에 [12][13]열대성 저기압궤적과 대기질 예측의 발전을 촉진했다.1980년대 초까지 모델은 토양과 식물의 대기와 상호작용을 포함하기 시작했고, 이는 보다 현실적인 [14]예측으로 이어졌다.

대기 역학에 기초한 예측 모델의 출력은 지구 표면 근처의 날씨의 일부 세부 사항을 해결할 수 없다.이와 같이 수치 기상 모델의 출력과 지상의 후속 조건 사이의 통계적 관계는 모델 출력 통계(MOS)[15][16]알려진 1970년대와 1980년대에 개발되었다.1990년대부터 모델 앙상블 예측은 예측의 불확실성을 정의하고 수치적 기상 [17][18][19]예보가 가능한 경우보다 더 먼 미래로 실현 가능한 기간을 확대하기 위해 사용되어 왔다.

초기화

A WP-3D Orion weather reconnaissance aircraft in flight.
WP-3D 오리온과 같은 기상 정찰기는 수치 기상 예측에 사용되는 데이터를 제공한다.

대기유동적이다.이와 같이, 수치적 기상 예측의 개념은 주어진 시간에 유체의 상태를 표본으로 추출하고 미래의 어느 시점에 유체상태를 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 [20]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 [21]보고서로 매시간 또는 SYNOP [22]보고서로 6시간마다 보고합니다.이러한 관측치는 불규칙한 간격으로 이루어지기 때문에 데이터 동화 및 객관적 분석 방법에 의해 처리되며, 이 방법은 품질 관리를 수행하고 모델의 수학적 [23]알고리즘에 의해 사용 가능한 위치에서 값을 얻는다.그런 다음 데이터는 모형에서 [24]예측의 시작점으로 사용됩니다.

수치 모델에서 사용하기 위해 관측 데이터를 수집하기 위해 다양한 방법이 사용됩니다.사이트는 대류권을 통과하여 성층권으로 [25]잘 올라가는 기상 풍선을 타고 전파를 발사한다.기상 위성의 정보는 기존의 데이터 소스를 사용할 수 없는 경우에 사용됩니다.커머스는 항공기[26] 항로를 따라 파일럿 보고서를 제공하고 선박 항로를 [27]따라 선박 보고서를 제공합니다.연구 프로젝트에서는 정찰기를 사용하여 열대성 [28][29]저기압과 같은 관심 있는 기상 시스템을 비행합니다.정찰 항공기는 또한 추운 계절에 외양 상공을 비행하여 예측 가이던스에 상당한 불확실성을 초래하거나 하류 [30]대륙 상공에서 향후 3~7일 동안 높은 영향을 미칠 것으로 예상된다.해빙은 1971년 [31]예측 모델에서 초기화되기 시작했다.모델 초기화에 해수면 온도를 포함시키려는 노력은 1972년 태평양의 [32]높은 위도에서 날씨를 조절하는 역할을 하기 때문에 시작되었습니다.

계산

대기 모델은 주어진 위치와 고도에서 미래 시간에 대한 기상 정보를 생성하는 컴퓨터 프로그램입니다.어떤 현대적 모형이든 대기의 [33]미래 상태를 예측하기 위해 사용되는 원시 방정식이라고 알려진 일련의 방정식이 있다.이러한 방정식은 이상적인 가스 법칙과 함께 대기의 밀도, 압력잠재적 온도 스칼라장대기 속도(바람) 벡터장을 시간에 따라 진화시키는 데 사용됩니다.오염물질 및 기타 에어로졸에 대한 추가 수송 방정식은 [34]일부 원시 등가 고해상도 모델에도 포함됩니다.사용되는 방정식은 비선형 편미분 방정식으로, 몇 가지 이상적인 [36]경우를 제외하고는 분석 [35]방법을 통해 정확하게 풀 수 없습니다.따라서 수치적 방법은 대략적인 해답을 얻는다.모델마다 다른 솔루션 방법을 사용한다.일부 글로벌 모델과 거의 모든 지역 모델은 3가지 공간 차원 모두에 대해 유한 차분 방법을 사용하는 반면, 다른 글로벌 모델과 일부 지역 모델은 수평 차원 및 [35]수직에서의 유한 차분 방법을 스펙트럼 방식으로 사용한다.

이러한 방정식은 분석 데이터에서 초기화되고 변화율이 결정됩니다.이러한 변화율은 미래의 대기 상태를 짧은 시간 동안 예측합니다. 이 예측의 시간 증가를 시간 단계라고 합니다.이 미래 대기 상태는 새로운 변화율을 찾기 위한 예측 방정식의 또 다른 적용의 시작점으로 사용되며, 이러한 새로운 변화율은 미래로 향하는 더 먼 미래의 시간 단계에서의 대기를 예측한다.이 시간 스텝은 솔루션이 원하는 예측 시간에 도달할 때까지 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.반면 유럽 센터 Medium-Range 날씨 수급 전망의 통합 예보 시스템 및 환경 캐나다의 지구 환경 Multiscale 모델에 둘 다 10일과 글로벌 예측 시스템 모델은 환경 모델링 센터에 의해 운영되 future,[41]에 출마하게 된 UKMET 통일 모델은 future,[40]에 sixtee 운영된다 운영된다.n일미래로.[42]모형 솔루션에 의해 생성된 시각적 출력을 예후 차트 또는 [43]프로그램이라고 합니다.

파라미터화

적운장이 너무 작아서 수치 기상 예측에 명시적으로 포함되지 않기 때문에 매개변수로 지정되는 적운장

일부 기상 과정은 너무 소규모이거나 너무 복잡하여 수치 기상 예측 모델에 명시적으로 포함될 수 없다.모수화는 모형이 해결하는 척도의 변수와 관련지어 이러한 프로세스를 표현하는 절차입니다.예를 들어, 날씨 및 기후 모델의 그리드 박스는 5km(3mi)에서 300km(200mi) 사이의 변을 가지고 있습니다.일반적인 적란운의 눈금은 1km(0.6mi) 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 박스 내의 공기 기둥이 조건적으로 불안정하고(기본적으로 바닥이 상단보다 따뜻하고 습기가 많음) 기둥 내의 수증기 함량이 포화 상태가 되면 뒤집히고(따뜻하고 습한 공기가 상승하기 시작함) 수직 기둥의 공기가 혼합됩니다.보다 정교한 스킴에서는 상자의 일부만 대류할 수 있으며 방해 및 기타 프로세스가 발생한다는 것을 인식합니다.크기가 5~25km(3~16mi)인 그리드 박스가 있는 기상 모델은 대류 구름을 명시적으로 나타낼 수 있지만,[44] 더 작은 규모로 발생하는 구름 미세물리학을 매개 변수화해야 한다.대규모(계층형) 구름의 형성은 보다 물리적인 기반이며, 상대 습도가 규정된 값에 도달하면 형성된다.구름 분율은 상대 [45]습도의 이 임계치와 관련이 있을 수 있습니다.

지상에 도달하는 태양 복사의 양과 구름 방울의 형성은 분자 규모로 발생하므로 모델에 포함되기 전에 매개 변수를 지정해야 합니다.고도 등고선의 분해능 한계로 인해 [46]항력이 상당히 과소평가되기 때문에 산에서 발생하는 대기 항력도 매개변수로 분류해야 한다.이 매개 변수화 방법은 해양과 대기 사이의 에너지 표면 플럭스에 대해서도 수행되며, 이는 해양 표면 온도와 해양 [47]표면 근처에서 발견되는 해빙의 종류를 결정하기 위한 것이다.태양 각도와 여러 클라우드 계층의 영향을 [48]고려합니다.토양 유형, 식생 유형 및 토양 습도는 모두 방사선이 얼마나 온난화되는지 그리고 얼마나 많은 수분이 인접 대기로 유입되는지 결정하므로 이러한 과정에 [49]대한 이들의 기여도를 매개변수로 지정하는 것이 중요하다.대기질 모델 내에서 매개변수화는 특정 그리드 [50]박스 내의 여러 비교적 작은 선원(예: 도로, 밭, 공장)에서 발생하는 대기 방출을 고려한다.

도메인

A sigma coordinate system is shown. The lines of equal sigma values follow the terrain at the bottom, and gradually smoothen towards the top of the atmosphere.
표시된 시그마 좌표 표현으로 지형을 가로지르는 대기의 단면입니다.메소스케일 모델은 여기에 나와 있는 것과 유사한 표현을 사용하여 대기를 수직으로 나눕니다.

모형의 수평 영역은 지구 전체를 덮는 전역이거나 지구의 일부만 덮는 지역입니다.지역 모델(Limited Area Model(LAM; 제한 영역 모델)이라고도 함)에서는 사용 가능한 계산 리소스가 전 세계에 분산되지 않고 특정 영역에 집중되기 때문에 글로벌 모델보다 더 미세한 그리드 간격을 사용할 수 있습니다.이를 통해 지역 모델은 글로벌 모델의 거친 그리드에 나타낼 수 없는 명백하게 작은 규모의 기상 현상을 해결할 수 있다.지역 모델에서는 글로벌모델을 사용하여 지역 모델도메인 외부에 있는 시스템이 해당 영역으로 이동할 수 있도록 도메인의 가장자리 조건(경계 조건)을 지정합니다.지역 모델 내의 불확실성과 오류는 지역 모델 자체의 [51]귀속 오류뿐만 아니라 지역 모델의 가장자리의 경계 조건에 사용되는 글로벌 모델에 의해 도입된다.

수직 좌표는 다양한 방법으로 처리됩니다.루이스 프라이 리처드슨의 1922년 모델은 수직 좌표로서 기하학적 높이( z를 사용했다. 모델에서는 z 좌표계를 압력 좌표계로 대체하여 정압 표면의 지오포텐셜 높이가 종속 변수가 되어 원시 [52]방정식을 크게 단순화했다.이러한 좌표계 간의 상관관계는 압력이 지구 [53]대기의 높이에 따라 감소하기 때문에 이루어질 수 있다.운영 예측에 사용된 첫 번째 모델인 단층 기압 모델은 500-밀리바(약 5,500m(18,000ft))[3] 수준에서 단일 압력 좌표를 사용했기 때문에 기본적으로 2차원이었다.기상 연구예측 모델과 같은 고해상도 모델(메소 스케일 모델이라고도 함)은 시그마 [54]좌표로 불리는 정규화된 압력 좌표를 사용하는 경향이 있습니다.이 좌표계는 지표면 압력과 관련하여 대기압을 측정하기 위해 사용되는 독립 변수 \에서 이름을 따왔으며,[55] 경우에 따라서는 영역 맨 위에 있는 압력에서도 이름을 따왔다.

모형 출력 통계량

대기역학 방정식에 기초한 예측 모델은 날씨 조건을 완벽하게 결정하지 못하기 때문에, 예측을 수정하기 위한 통계적 방법이 개발되었습니다.통계 모델은 수치 기상 모델, 지표 관측 및 특정 위치의 기후 조건에 의해 생성된 3차원 필드를 기반으로 작성되었다.이러한 통계 모델은 모델 출력 통계(MOS)[56]로 통칭되며, 1960년대 [15][57]후반 국립 기상청에 의해 일기 예보 모델 스위트를 위해 개발되었다.

모델 출력 통계는 수치 기상 예측 가이던스의 출력이 [58]완벽하다고 가정하는 완벽한 프로그램 기법과 다르다.MOS는 그리드 분해능이 부족하여 모델에서 해결할 수 없는 국소 효과와 모델 바이어스를 보정할 수 있다.MOS는 각각의 글로벌 또는 지역 모델을 따라 실행되기 때문에 생산은 후처리라고 알려져 있습니다.MOS 내의 예측 변수에는 최고 및 최저 온도, 몇 시간 내에 비가 내릴 확률, 예상 강수량, 자연에서 비가 동결될 확률, 뇌우, 구름, 표면풍이 [59]포함된다.

앙상블

Two images are shown. The top image provides three potential tracks that could have been taken by Hurricane Rita. Contours over the coast of Texas correspond to the sea-level air pressure predicted as the storm passed. The bottom image shows an ensemble of track forecasts produced by different weather models for the same hurricane.
Top: 허리케인 Rita(2005) 트랙의 WRF(Weather Research and Forecasting Model (WRF)하단:NHC 멀티모델 앙상블 예측의 확산.

1963년, 에드워드 로렌츠[60]일기예보에 관련된 유체역학 방정식의 혼돈스러운 성질을 발견했다.수치 모델에 주어진 온도, 바람 또는 기타 초기 입력의 극히 작은 오차는 [60]5일마다 증폭 및 두 배로 증가하므로, 2주 이상 전에 이루어진 장기 예측은 어느 정도의 예측 기술로 대기 상태를 예측하는 것이 불가능하다.또한, 기존 관측 네트워크는 일부 지역(예를 들어 태평양과 같은 큰 수역)에서 커버리지가 부족하여 대기의 진정한 초기 상태에 불확실성을 초래한다.Liouville 방정식으로 알려진 일련의 방정식은 모델 초기화의 초기 불확실성을 결정하기 위해 존재하지만, 방정식은 슈퍼컴퓨터를 [61]사용하더라도 실시간으로 실행하기에는 너무 복잡합니다.이러한 불확실성으로 인해 예측 모델의 정확도가 향후 [62][63]약 5~6일로 제한됩니다.

에드워드 엡스타인은 1969년에 내재된 불확실성으로 인해 대기를 단일 예측 실행으로 완전히 설명할 수 없다는 것을 인식하고 대기 [64]상태에 대한 평균과 분산을 생성하기 위해 확률적 몬테카를로 시뮬레이션합성을 사용할 것을 제안했다.이 앙상블의 초기 예는 기술을 보여주었지만, 1974년에 Cecil Reith는 앙상블 확률 분포가 대기 [65]중 확률 분포의 대표적인 표본일 때만 적절한 예측을 도출했다는 것을 보여주었다.

1990년대 이후 앙상블 예측은 날씨 과정의 확률적 특성, 즉 고유의 불확실성을 해결하기 위해 운용적으로(일상 예측으로) 사용되어 왔다.이 방법에는 서로 다른 물리적 모수 또는 다양한 초기 [61]조건을 사용하여 개별 예측 모델을 사용하여 생성된 여러 예측값을 분석하는 작업이 포함됩니다.1992년 유럽중거리기상예측센터(ECMWF)와 국립환경예측센터가 작성한 앙상블 예보를 시작으로 모델 앙상블 예보는 예측의 불확실성을 정의하고 수치적 기상예보가 미래까지 가능한 기간을 확대하기 위해 사용되었다.다른 [17][18][19]방법보다 더요.ECMWF 모델인 앙상블 예측 [18]시스템은 초기 확률 밀도를 시뮬레이션하기 위해 단수 벡터를 사용하는 반면, NCEP 앙상블인 글로벌 앙상블 예측 시스템은 벡터 [17][19]사육이라고 하는 기술을 사용합니다.영국 기상청(UK Met Office)은 24명의 앙상블 구성원이 24개의 다른 예측을 [66]생성하기 위해 초기 조건에 대한 섭동을 사용하는 글로벌 및 지역 앙상블 예측을 실행합니다.

단일 모델 기반 접근법에서 앙상블 예측은 일반적으로 하나의 예측 변수에 관한 개별 예측의 평균과 앙상블 시스템 내의 다양한 예측 간의 일치 정도를 기준으로 평가된다.앙상블 확산은 스파게티 다이어그램과 같은 도구를 통해 진단되며, 이는 미래의 특정 시간 단계에 대한 예후 차트에서 한 수량의 분산을 보여준다.앙상블 확산이 사용되는 또 다른 도구는 기상도입니다. 기상도는 한 특정 위치에 대한 한 수량의 예측 분산을 보여줍니다.실제로 일어나는 날씨를 포함하기에는 앙상블 확산이 너무 작아서 예보관이 모델의 [67]불확실성을 잘못 진단할 수 있는 경우가 흔합니다. 이 문제는 특히 약 10일 전에 [68]일기예보를 할 때 심각해집니다.앙상블 산포도가 작고 예측 솔루션이 여러 모형 런 내에서 일관되면 기상 캐스터는 앙상블 평균과 일반적으로 [67]예측에 대한 신뢰도가 높아집니다.이러한 인식에도 불구하고 확산 오류 상관관계가 일반적으로 0.6 미만이고 0.6 ~ 0.[69]7 범위의 특수한 상황에서만 발견되기 때문에 확산 기술 관계는 종종 약하거나 발견되지 않는다.앙상블 확산과 예측 기술 간의 관계는 예측 모델 및 예측 [citation needed]대상 지역과 같은 요소에 따라 크게 달라진다.

단일 모델의 많은 예측을 사용하여 앙상블을 구성할 수 있는 것과 같은 방식으로 여러 모형을 결합하여 앙상블 예측을 생성할 수도 있습니다.이 접근방식은 다중 모델 앙상블 예측이라고 불리며, 단일 모델 기반 [70]접근방식에 비해 예측이 개선되는 것으로 나타났다.다중 모델 앙상블 내의 모델은 다양한 편향에 대해 조정될 수 있으며, 이를 초페렌셰블 예측이라고 합니다.이러한 유형의 예측은 모형 [71]출력의 오류를 상당히 줄여줍니다.

적용들

대기질 모델링

대기질 예측은 오염 물질의 농도가 언제 공중 보건에 해로운 수준에 도달할지를 예측하려고 시도합니다.대기 중 오염물질의 농도는 그 수송, 대기를 통과하는 평균 이동 속도, 확산, 화학적 변환지반 [72]침적에 의해 결정됩니다.오염원 및 지형 정보 외에도 이러한 모델에서는 대기 중 유체 흐름 상태에 대한 데이터가 있어야 이동 및 [73]확산 여부를 확인할 수 있습니다.열역전과 같은 기상 조건은 지표면의 공기가 상승하는 것을 막아 [74]지표면에 오염 물질을 가둘 수 있기 때문에 대기질 모델링에 있어 이러한 사건의 정확한 예측이 매우 중요합니다.도시 대기질 모델에는 고해상도 중간 규모 기상 모델을 사용해야 하는 매우 미세한 계산 메쉬가 필요하다. 그럼에도 불구하고 수치 기상 가이던스의 품질은 대기질 [73]예측의 주요 불확실성이다.

기후 모델링

GCM(General Circulation Model)은 행성 대기 또는 해양의 지구 순환에 대한 컴퓨터 시뮬레이션에 사용할 수 있는 수학적 모델입니다.대기 일반 순환 모델(AGCM)은 기본적으로 지구 수치 기상 예측 모델과 동일하며, 일부(영국 통합 모델에 사용된 모델 등)는 단기 기상 예측과 장기 기후 예측 모두에 대해 구성할 수 있다.해빙 및 지표면 구성요소와 함께 AGCM과 해양 GCM(Ocean GCM)은 지구 기후 모델의 핵심 구성요소이며, 기후를 이해하고 기후 변화를 예측하기 위해 널리 사용된다.기후 변화의 측면에서는, 강화된 온실 효과가 지구의 [75]기후를 어떻게 변화시키는지 보기 위해 인간이 만든 다양한 화학 물질 배출 시나리오를 기후 모델에 입력할 수 있다.수십 년에서 수백 년의 시간 척도를 가진 기후 애플리케이션을 위해 설계된 버전은 1969년 뉴저지 [76]프린스턴에 있는 지구물리학 유체역학 연구소에서 슈쿠로 마나베와 커크 브라이언에 의해 처음 만들어졌습니다.수십 년 동안 실행될 경우, 계산 한계로 인해 모델은 더 작은 규모의 상호작용을 [77]해결하지 못한 채 거친 그리드를 사용해야 합니다.

해수면 모델링

A wind and wave forecast for the North Atlantic Ocean. Two areas of high waves are identified: One west of the southern tip of Greenland, and the other in the North Sea. Calm seas are forecast for the Gulf of Mexico. Wind barbs show the expected wind strengths and directions at regularly spaced intervals over the North Atlantic.
NOAA Wavewatch III 북대서양의 120시간 풍랑 예측

바다의 표면 위로 부는 바람과 바다의 상층 사이의 에너지 전달은 [78]파동역학에서 중요한 요소이다.스펙트럼 파수송 방정식은 지형 변화에 따른 파형 스펙트럼의 변화를 설명하기 위해 사용된다.파동 발생, 파동 이동(유체 내 전파), 파동 소굴, 굴절, 파동 간 에너지 전달 및 파동 [79]방산을 시뮬레이션합니다.표면풍은 스펙트럼 파동 수송 방정식의 주요 강제 메커니즘이기 때문에, 해양파 모델은 대기에서 해양 표면의 층으로 전달되는 에너지의 양을 결정하기 위해 수치 기상 예측 모델에 의해 생성된 정보를 입력으로 사용한다.화이트캡을 통한 에너지 소산 및 파도 간 공명과 함께, 수치 기상 모델의 표면 바람은 해수면 [80]상태를 보다 정확하게 예측할 수 있게 한다.

열대 저기압 예보

열대성 사이클론 예측은 또한 수치 기상 모델에 의해 제공되는 데이터에 의존한다.열대 사이클론 유도 모델에는 세 가지 주요 클래스가 존재한다. 통계 모델은 기후학을 이용한 폭풍 거동 분석에 기초하고 폭풍의 위치와 날짜를 연관시켜 당시 대기의 물리학에 기초하지 않은 예보를 생성한다.동적 모델은 대기 중 유체 흐름의 지배 방정식을 해결하는 수치 모델이다. 다른 제한된 영역 수치 기상 예측 모델과 동일한 원리에 기초하지만 사이클론과 함께 이동하는 정교한 공간 영역과 같은 특수 계산 기술을 포함할 수 있다.두 가지 접근법의 요소를 모두 사용하는 모델을 통계 역학 [81]모델이라고 합니다.

1978년, 대기 역학에 기초한 최초의 허리케인 추적 모델(이동 미세 메쉬(MFM)[12] 모델)이 작동하기 시작했다.열대 저기압 궤도 예측 분야에서는 계산 능력이 향상되면서 지속적으로 개선된 동적 모델 지침에도 불구하고, 수치 기상 예측이 기술을 발휘한 1980년대와 통계적 또는 단순한 [82]동적 모델을 지속적으로 능가한 1990년대까지 지속되었다.통계적 방법이 동적 [83]가이던스보다 더 높은 기술을 계속 보여주기 때문에 수치 기상 예측에 기초한 열대 저기압의 강도 예측은 여전히 어려운 과제이다.

산불 모델링

간단한 산불 확산 모델

분자 규모로 보면, 산불에서 셀룰로오스, 즉 목재 연료의 분해와 관련된 두 가지 주요 경쟁 반응 과정이 있습니다.셀룰로오스 섬유에 수분이 적으면 연료의 휘발성이 발생합니다. 이 과정에서 중간 가스 생성물이 생성되어 최종적으로 연소원이 됩니다.수분이 존재하거나 섬유에서 충분한 열이 전달되면 탄력이 발생합니다. 반응의 화학적 역학은 연소 과정이 자급자족할 수 있을 만큼 수분 수준이 낮거나 가열 속도가 높은 지점이 있음을 나타냅니다.따라서 대기 중 다른 수준에서 풍속, 방향, 수분, 온도 또는 감률의 변화는 산불의 거동과 성장에 큰 영향을 미칠 수 있다.산불은 대기 흐름에 대한 열원으로 작용하기 때문에, 산불은 화재와 [84]대기 사이에 피드백 루프를 도입하면서 국지적인 이류 패턴을 변경할 수 있다.

바람과 지형의 영향을 나타내기 위해 대류를 사용한 산불 확산을 위한 단순화된 2차원 모델뿐만 아니라 열 전달의 지배적인 방법으로서의 복사 열 전달은 부분 미분 [85][86]방정식 반응-확산 시스템으로 이어졌다.보다 복잡한 모델은 화재와 대기 사이의 피드백 효과를 [84]추정할 수 있는 산불 구성요소와 수치 기상 모델 또는 계산 유체 역학 모델을 결합한다.후자의 모델의 복잡성은 컴퓨터 전력 요건의 증가로 이어집니다.사실, 대기 모델링과 관련된 척도의 직접 수치 시뮬레이션을 통한 연소의 완전한 3차원 처리는 현재 그러한 시뮬레이션에 필요한 과도한 계산 비용 때문에 실용적이지 않다.수치 기상 모델은 1km(0.6mi) 미만의 공간 분해능에서 제한된 예측 기술을 가지고 있어 복잡한 산불 모델은 산불에 의해 국지적으로 바람이 어떻게 변경될지를 계산하기 위해 화재를 매개 변수화하고 수정된 바람을 사용하여 [87][88][89]국지적으로 화재가 확산되는 속도를 결정한다.Los Alamos의 FIRETEC과 같은 모델은 연료와 산소의 농도를 해결하지만, 계산 그리드는 연소 반응을 해결하기에 충분할 정도로 미세할 수 없으므로 각 그리드 셀 내의 온도 분포와 연소 반응 속도 [citation needed]자체에 대한 근사치를 작성해야 합니다.

「 」를 참조해 주세요.

레퍼런스

  1. ^ a b c Lynch, Peter (March 2008). "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.
  2. ^ 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.
  3. ^ a b Charney, Jule; Fjørtoft, Ragnar; von Neumann, John (November 1950). "Numerical Integration of the Barotropic Vorticity Equation". Tellus. 2 (4): 237. Bibcode:1950TellA...2..237C. doi:10.3402/tellusa.v2i4.8607.
  4. ^ Cox, John D. (2002). Storm Watchers. John Wiley & Sons, Inc. p. 208. ISBN 978-0-471-38108-2.
  5. ^ a b 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.
  6. ^ American Institute of Physics (2008-03-25). "Atmospheric General Circulation Modeling". Archived from the original on 2008-03-25. Retrieved 2008-01-13.
  7. ^ Phillips, Norman A. (April 1956). "The general circulation of the atmosphere: a numerical experiment". Quarterly Journal of the Royal Meteorological Society. 82 (352): 123–154. Bibcode:1956QJRMS..82..123P. doi:10.1002/qj.49708235202.
  8. ^ Cox, John D. (2002). Storm Watchers. John Wiley & Sons, Inc. p. 210. ISBN 978-0-471-38108-2.
  9. ^ Lynch, Peter (2006). "The ENIAC Integrations". The Emergence of Numerical Weather Prediction. Cambridge University Press. pp. 206–208. ISBN 978-0-521-85729-1.
  10. ^ National Oceanic and Atmospheric Administration (2008-05-22). "The First Climate Model". Retrieved 2011-01-08.
  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. 41 (SP): 61–77. Retrieved 2011-01-03.
  12. ^ 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.
  13. ^ Steyn, D. G. (1991). Air pollution modeling and its application VIII, Volume 8. Birkhäuser. pp. 241–242. ISBN 978-0-306-43828-8.
  14. ^ Xue, Yongkang; Fennessey, Michael J. (1996-03-20). "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 2010-07-10. Retrieved 2011-01-06.
  15. ^ a b Hughes, Harry (1976). Model output statistics forecast guidance (PDF). United States Air Force Environmental Technical Applications Center. pp. 1–16. Archived (PDF) from the original on June 17, 2019.
  16. ^ Best, D. L.; Pryor, S. P. (1983). Air Weather Service Model Output Statistics Systems. Air Force Global Weather Central. pp. 1–90.
  17. ^ a b c 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.
  18. ^ a b c "The Ensemble Prediction System (EPS)". ECMWF. Archived from the original on 2010-10-30. Retrieved 2011-01-05.
  19. ^ a b c 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.
  20. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 56. ISBN 978-0-521-86540-1.
  21. ^ 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.
  22. ^ "SYNOP Data Format (FM-12): Surface Synoptic Observations". UNISYS. 2008-05-25. Archived from the original on 2007-12-30.
  23. ^ 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.
  24. ^ "The WRF Variational Data Assimilation System (WRF-Var)". University Corporation for Atmospheric Research. 2007-08-14. Archived from the original on 2007-08-14.
  25. ^ Gaffen, Dian J. (2007-06-07). "Radiosonde Observations and Their Use in SPARC-Related Investigations". Archived from the original on 2007-06-07.
  26. ^ 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.
  27. ^ National Data Buoy Center (2009-01-28). "The WMO Voluntary Observing Ships (VOS) Scheme". National Oceanic and Atmospheric Administration. Retrieved 2011-02-15.
  28. ^ 403rd Wing (2011). "The Hurricane Hunters". 53rd Weather Reconnaissance Squadron. Archived from the original on 2012-05-30. Retrieved 2006-03-30.
  29. ^ Lee, Christopher (2007-10-08). "Drone, Sensors May Open Path Into Eye of Storm". The Washington Post. Retrieved 2008-02-22.
  30. ^ National Oceanic and Atmospheric Administration (2010-11-12). "NOAA Dispatches High-Tech Research Plane to Improve Winter Storm Forecasts". Retrieved 2010-12-22.
  31. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 137. ISBN 978-0-521-86540-1.
  32. ^ Houghton, John Theodore (1985). The Global Climate. Cambridge University Press archive. pp. 49–50. ISBN 978-0-521-31256-1.
  33. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. pp. 48–49. ISBN 978-0-12-554766-6.
  34. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. pp. 18–19. ISBN 978-0-12-554766-6.
  35. ^ a b Strikwerda, John C. (2004). Finite difference schemes and partial differential equations. SIAM. pp. 165–170. ISBN 978-0-89871-567-5.
  36. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. p. 65. 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.; van Albada, G. Dick; 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; Kreitz, Norbert; 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.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  40. ^ Chan, Johnny C. L. & Jeffrey D. Kepert (2010). Global Perspectives on Tropical Cyclones: From Science to Mitigation. World Scientific. pp. 295–296. ISBN 978-981-4293-47-1. Retrieved 2011-02-24.
  41. ^ Holton, James R. (2004). An introduction to dynamic meteorology, Volume 1. Academic Press. p. 480. ISBN 978-0-12-354015-7. Retrieved 2011-02-24.
  42. ^ Brown, Molly E. (2008). Famine early warning systems and remote sensing data. Famine Early Warning Systems and Remote Sensing Data. Springer. p. 121. Bibcode:2008fews.book.....B. ISBN 978-3-540-75367-4. Retrieved 2011-02-24.
  43. ^ Ahrens, C. Donald (2008). Essentials of meteorology: an invitation to the atmosphere. Cengage Learning. p. 244. ISBN 978-0-495-11558-8.
  44. ^ 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. Retrieved 2011-02-15.
  45. ^ Frierson, Dargan (2000-09-14). "The Diagnostic Cloud Parameterization Scheme" (PDF). University of Washington. pp. 4–5. Archived from the original (PDF) on 2011-04-01. Retrieved 2011-02-15.
  46. ^ Stensrud, David J. (2007). Parameterization schemes: keys to understanding numerical weather prediction models. Cambridge University Press. p. 6. ISBN 978-0-521-86540-1.
  47. ^ McGuffie, K. & A. Henderson-Sellers (2005). A climate modelling primer. John Wiley and Sons. p. 188. ISBN 978-0-470-85751-9.
  48. ^ 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.
  49. ^ 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.
  50. ^ Baklanov, Alexander, Sue Grimmond, Alexander Mahura (2009). Meteorological and Air Quality Models for Urban Areas. Springer. pp. 11–12. ISBN 978-3-642-00297-7. Retrieved 2011-02-24.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  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. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modeling. Academic Press. pp. 131–132. ISBN 978-0-12-554766-6.
  56. ^ Baum, Marsha L. (2007). When nature strikes: weather disasters and the law. Greenwood Publishing Group. p. 189. ISBN 978-0-275-22129-4.
  57. ^ Glahn, Harry R.; Lowry, Dale A. (December 1972). "The Use of Model Output Statistics (MOS) in Objective Weather Forecasting". Journal of Applied Meteorology. 11 (8): 1203–1211. Bibcode:1972JApMe..11.1203G. doi:10.1175/1520-0450(1972)011<1203:TUOMOS>2.0.CO;2.
  58. ^ Gultepe, Ismail (2007). Fog and boundary layer clouds: fog visibility and forecasting. Springer. p. 1144. ISBN 978-3-7643-8418-0. Retrieved 2011-02-11.
  59. ^ Barry, Roger Graham; Chorley, Richard J. (2003). Atmosphere, weather, and climate. Psychology Press. p. 172. ISBN 978-0-415-27171-4. Retrieved 2011-02-11.
  60. ^ a b Cox, John D. (2002). Storm Watchers. John Wiley & Sons, Inc. pp. 222–224. ISBN 978-0-471-38108-2.
  61. ^ a b Manousos, Peter (2006-07-19). "Ensemble Prediction Systems". Hydrometeorological Prediction Center. Retrieved 2010-12-31.
  62. ^ Weickmann, Klaus; Jeff Whitaker; Andres Roubicek; Catherine Smith (2001-12-01). "The Use of Ensemble Forecasts to Produce Improved Medium Range (3–15 days) Weather Forecasts". Climate Diagnostics Center. Archived from the original on 2010-05-28. Retrieved 2007-02-16.
  63. ^ Chakraborty, Arindam (October 2010). "The Skill of ECMWF Medium-Range Forecasts during the Year of Tropical Convection 2008". Monthly Weather Review. 138 (10): 3787–3805. Bibcode:2010MWRv..138.3787C. doi:10.1175/2010MWR3217.1.
  64. ^ Epstein, E.S. (December 1969). "Stochastic dynamic prediction". Tellus A. 21 (6): 739–759. Bibcode:1969Tell...21..739E. doi:10.1111/j.2153-3490.1969.tb00483.x.
  65. ^ Leith, C.E. (June 1974). "Theoretical Skill of Monte Carlo Forecasts". Monthly Weather Review. 102 (6): 409–418. Bibcode:1974MWRv..102..409L. doi:10.1175/1520-0493(1974)102<0409:TSOMCF>2.0.CO;2.
  66. ^ "MOGREPS". Met Office. Archived from the original on 2012-10-22. Retrieved 2012-11-01.
  67. ^ a b Warner, Thomas Tomkins (2010). Numerical Weather and Climate Prediction. Cambridge University Press. pp. 266–275. ISBN 978-0-521-51389-0.
  68. ^ Palmer, T.N.; Shutts, G.J.; Hagedorn, R.; Doblas-Reyes, F.J.; Jung, T.; Leutbecher, M. (May 2005). "Representing Model Uncertainty in Weather and Climate Prediction". Annual Review of Earth and Planetary Sciences. 33: 163–193. Bibcode:2005AREPS..33..163P. doi:10.1146/annurev.earth.33.092203.122552.
  69. ^ Grimit, Eric P.; Mass, Clifford F. (October 2004). "Redefining the Ensemble Spread-Skill Relationship from a Probabilistic Perspective" (PDF). University of Washington. Archived from the original (PDF) on 2008-10-12. Retrieved 2010-01-02.
  70. ^ Zhou, Binbin; Du, Jun (February 2010). "Fog Prediction From a Multimodel Mesoscale Ensemble Prediction System" (PDF). Weather and Forecasting. 25 (1): 303. Bibcode:2010WtFor..25..303Z. doi:10.1175/2009WAF2222289.1. Retrieved 2011-01-02.
  71. ^ Cane, D.; Milelli, M. (2010-02-12). "Multimodel SuperEnsemble technique for quantitative precipitation forecasts in Piemonte region" (PDF). Natural Hazards and Earth System Sciences. 10 (2): 265. Bibcode:2010NHESS..10..265C. doi:10.5194/nhess-10-265-2010. Retrieved 2011-01-02.
  72. ^ Daly, Aaron & Paolo Zannetti (2007). Ambient Air Pollution (PDF). The Arab School for Science and Technology and The EnviroComp Institute. p. 16. Retrieved 2011-02-24.
  73. ^ a b Baklanov, Alexander; Rasmussen, Alix; Fay, Barbara; Berge, Erik; Finardi, Sandro (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.
  74. ^ Marshall, John; Plumb, R. Alan (2008). Atmosphere, ocean, and climate dynamics: an introductory text. Amsterdam: Elsevier Academic Press. pp. 44–46. ISBN 978-0-12-558691-7.
  75. ^ Australian Bureau of Statistics (2005). Year book, Australia, Issue 87. p. 40. Retrieved 2011-02-18.
  76. ^ National Oceanic and Atmospheric Administration 200th Celebration (2008-05-22). "The First Climate Model". National Oceanic and Atmospheric Administration. Retrieved 2010-04-20.
  77. ^ Bridgman, Howard A., John E. Oliver, Michael H. Glantz (2006). The global climate system: patterns, processes, and teleconnections. Cambridge University Press. pp. 284–289. ISBN 978-0-521-82642-6. Retrieved 2011-02-18.{{cite book}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  78. ^ Chalikov, D. V. (August 1978). "The numerical simulation of wind-wave interaction". Journal of Fluid Mechanics. 87 (3): 561–82. Bibcode:1978JFM....87..561C. doi:10.1017/S0022112078001767.
  79. ^ Lin, Pengzhi (2008). Numerical modeling of water waves. Psychology Press. p. 270. ISBN 978-0-415-41578-1.
  80. ^ Bender, Leslie C. (January 1996). "Modification of the Physics and Numerics in a Third-Generation Ocean Wave Model". Journal of Atmospheric and Oceanic Technology. 13 (3): 726–750. Bibcode:1996JAtOT..13..726B. doi:10.1175/1520-0426(1996)013<0726:MOTPAN>2.0.CO;2.
  81. ^ National Hurricane Center (July 2009). "Technical Summary of the National Hurricane Center Track and Intensity Models" (PDF). National Oceanic and Atmospheric Administration. Retrieved 2011-02-19.
  82. ^ Franklin, James (2010-04-20). "National Hurricane Center Forecast Verification". National Hurricane Center. Retrieved 2011-01-02.
  83. ^ Rappaport, Edward N.; Franklin, James L.; Avila, Lixion A.; Baig, Stephen R.; Beven II, John L.; Blake, Eric S.; Burr, Christopher A.; Jiing, Jiann-Gwo; Juckins, Christopher A.; Knabb, Richard D.; Landsea, Christopher W.; Mainelli, Michelle; Mayfield, Max; McAdie, Colin J.; Pasch, Richard J.; Sisko, Christopher; Stewart, Stacy R.; Tribble, Ahsha N. (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.
  84. ^ a b Sullivan, Andrew L. (June 2009). "Wildland surface fire spread modelling, 1990–2007. 1: Physical and quasi-physical models". International Journal of Wildland Fire. 18 (4): 349. arXiv:0706.3074. doi:10.1071/WF06143. S2CID 16173400.
  85. ^ Asensio, M. I. & L. Ferragut (2002). "On a wildland fire model with radiation". International Journal for Numerical Methods in Engineering. 54 (1): 137–157. Bibcode:2002IJNME..54..137A. doi:10.1002/nme.420.
  86. ^ Mandel, Jan, Lynn S. Bennethum, Jonathan D. Beezley, Janice L. Coen, Craig C. Douglas, Minjeong Kim, and Anthony Vodacek (2008). "A wildfire model with data assimilation". Mathematics and Computers in Simulation. 79 (3): 584–606. arXiv:0709.0086. Bibcode:2007arXiv0709.0086M. doi:10.1016/j.matcom.2008.03.015. S2CID 839881.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  87. ^ Clark, T. L., M. A. Jenkins, J. Coen, and David Packham (1996). "A coupled atmospheric-fire model: Convective Froude number and dynamic fingering". International Journal of Wildland Fire. 6 (4): 177–190. doi:10.1071/WF9960177.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  88. ^ Clark, Terry L., Marry Ann Jenkins, Janice Coen, and David Packham (1996). "A coupled atmospheric-fire model: Convective feedback on fire line dynamics". Journal of Applied Meteorology. 35 (6): 875–901. Bibcode:1996JApMe..35..875C. doi:10.1175/1520-0450(1996)035<0875:ACAMCF>2.0.CO;2.{{cite journal}}: CS1 maint: 여러 이름: 작성자 목록(링크)
  89. ^ Rothermel, Richard C. (January 1972). "A mathematical model for predicting fire spread in wildland fires" (PDF). United States Forest Service. Retrieved 2011-02-28.

추가 정보

외부 링크