加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

天气预报的重要组成部分———数值天气预报与观测数据同化的简单介绍

(2015-10-27 15:45:03)
标签:

杂谈

鉴于网友@自己的复制者 问到关于“现在天气预报,降雨,降雪地理位置上精准度大概是多少。还有天气变化会影响地表空气各项指标有变化,能不能通过六米以下各种气象指标变化,通过计算来提高天气预报的精准率”,这样的问题,小编想在这里稍微说道说道。
现在的天气预报依托于数值天气预报模式生成的前端产品,数值天气预报按照预报范围来区分,可以分为全球模式和区域模式,以中央气象台为例,业务模式主要采用ECMWF全球谱模式,T639模式,GRAPES模式等,最高水平分辨率在0.25-0.125°左右(约10-25km量级),而区域模式,以比较常用的中尺度模式WRF来说,其水平分辨率往往可以达到3km到几百米甚至更细。
在数值天气预报当中,地面观测是重要的数据来源,同其他观测手段(如:气球探空、气象雷达、气象卫星等)一样,通过使用数据同化技术,使观测到的大气状态与模式大气状态相融合,起到对模式初始场和边界条件的优化和调整作用,从而使得模式预报更加接近于真实大气。在大气运动原始方程组已基本定型的今天,如何通过观测和数据同化,以获得更完善的初始场和边界条件,已经成为当代气象学最前沿最重要的研究课题之一。
(视频为小编自制,描绘10km分辨率 WRF模式模拟2015年8月2-4日京津冀暴雨过程,3D云降水动画,仅供示意,不作为预报结论。)

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有