ScholarGate
دستیار

پیش‌بینی آب و هوا

پیش‌بینی آب و هوا، قوانین فیزیک جو و انبوهی از مشاهدات را به پیش‌بینی‌هایی از آسمان فردا تبدیل می‌کند و مدل‌های عددی، جذب داده‌ها و ارزیابی صادقانه عدم قطعیت را با هم ترکیب می‌کند.

یافتن موضوع با PaperMindبه‌زودیFind papers & topics
Tools & resources
دریافت اسلایدها
Learn & explore
ویدیوبه‌زودی

Definition

پیش‌بینی آب و هوا، کاربرد دانش هواشناسی و روش‌های محاسباتی برای تخمین وضعیت آینده جو در افق‌های زمانی از چند دقیقه تا چند هفته است که به صورت قطعی یا احتمالی بیان می‌شود.

Scope

این حوزه شامل روش‌های مورد استفاده برای پیش‌بینی آب و هوای آینده، از جمله مدل‌های عددی که معادلات حاکم را در طول زمان به جلو یکپارچه می‌کنند، جذب داده‌ها که آن‌ها را به مشاهدات متصل می‌کند، تکنیک‌های گروهی که قابلیت پیش‌بینی و عدم قطعیت را کمی‌سازی می‌کنند، و رویکردهای آماری و پیش‌بینی کوتاه‌مدت (nowcasting) که در بازه‌های زمانی کوتاه استفاده می‌شوند، می‌شود.

Sub-topics

Core questions

  • چگونه معادلات حاکم بر جو برای پیش‌بینی وضعیت آینده آن حل می‌شوند؟
  • چگونه مشاهدات پراکنده با مدل‌ها ترکیب می‌شوند تا شرایط اولیه را تعریف کنند؟
  • چرا قابلیت پیش‌بینی آب و هوا محدود است و عدم قطعیت پیش‌بینی چگونه کمی‌سازی می‌شود؟
  • چگونه پیش‌بینی‌های کوتاه‌مدت و آماری تولید و تأیید می‌شوند؟

Key theories

پیش‌بینی عددی آب و هوا
آب و هوا را می‌توان با یکپارچه‌سازی معادلات اولیه گسسته‌شده از یک حالت اولیه مشاهده‌شده به جلو پیش‌بینی کرد، ایده‌ای که توسط بیرکنس و ریچاردسون پیشنهاد شد و پس از اینکه رایانه‌های الکترونیکی و شبکه‌های داده آن را عملی کردند، محقق شد.
قابلیت پیش‌بینی و وابستگی حساس
از آنجا که جو یک سیستم آشوبناک است، خطاهای کوچک در حالت اولیه با گذشت زمان رشد می‌کنند و محدودیتی ذاتی بر پیش‌بینی قطعی اعمال می‌کنند و پیش‌بینی احتمالی و مبتنی بر گروه را تحریک می‌کنند.

Mechanisms

یک پیش‌بینی با تخمین وضعیت فعلی جو از طریق جذب داده‌ها آغاز می‌شود، که یک پیش‌بینی کوتاه مدل را با مشاهدات جدید ترکیب می‌کند. سپس یک مدل عددی معادلات حاکم را در طول زمان بر روی یک شبکه یکپارچه می‌کند و فرآیندهای حل‌نشده مانند همرفت و تابش را از طریق پارامتری‌سازی‌ها نشان می‌دهد. از آنجا که خطاهای اولیه رشد می‌کنند، بسیاری از پیش‌بینی‌ها از نقاط شروع و پیکربندی‌های مدل کمی متفاوت اجرا می‌شوند و یک گروه را تشکیل می‌دهند که پراکندگی آن عدم قطعیت را کمی‌سازی می‌کند؛ پس‌پردازش آماری و پیش‌بینی‌های کوتاه‌مدت (nowcasts) که به سرعت به‌روز می‌شوند، پیش‌بینی‌ها را در بازه‌های زمانی کوتاه بهبود می‌بخشند.

Clinical relevance

پیش‌بینی‌های آب و هوا از جان و مال محافظت می‌کنند و زیربنای هوانوردی، کشاورزی، انرژی، مدیریت آب و آمادگی در برابر بلایا هستند؛ بهبود مداوم پیش‌بینی عددی، که اغلب یک انقلاب آرام نامیده می‌شود، پیش‌بینی‌های ماهرانه را تقریباً یک روز در هر دهه گسترش داده و راهنمایی احتمالی را به مرکز تصمیم‌گیری تبدیل کرده است.

History

ویلهلم بیرکنس در حدود سال 1904 پیش‌بینی آب و هوا را به عنوان یک مسئله مقدار اولیه قابل محاسبه مطرح کرد و لوئیس فرای ریچاردسون در دهه 1920 تلاش کرد تا یک محاسبه دستی انجام دهد؛ اولین پیش‌بینی‌های عددی موفق با محاسبات ENIAC چارنی و فون نویمان در حدود سال 1950 انجام شد. کشف آشوب توسط لورنز در دهه 1960 پیش‌بینی را به عنوان ذاتاً احتمالی بازتعریف کرد و افزایش قدرت رایانه، مشاهدات جهانی و جذب داده‌ها، سیستم‌های عملیاتی مبتنی بر گروه امروزی را تولید کرد.

Key figures

  • Vilhelm Bjerknes
  • Lewis Fry Richardson
  • Jule Charney
  • Edward Lorenz

Related topics

Seminal works

  • kalnay2003
  • lorenz1963

Frequently asked questions

چرا پیش‌بینی‌های آب و هوا پس از حدود یک هفته کمتر قابل اعتماد هستند؟
جو آشوبناک است، بنابراین عدم قطعیت‌های کوچک در شرایط اولیه به سرعت رشد می‌کنند؛ پس از تقریباً یک تا دو هفته، این خطاها پیش‌بینی را تحت تأثیر قرار می‌دهند و محدودیتی عملی بر قابلیت پیش‌بینی روزانه ایجاد می‌کنند که هیچ مقدار قدرت محاسباتی نمی‌تواند آن را از بین ببرد.
درصد احتمال باران واقعاً به چه معناست؟
این یک پیش‌بینی احتمالی است که اغلب از مجموعه‌ای از اجرای مدل‌ها یا روش‌های آماری به دست می‌آید و نشان می‌دهد که احتمال بارش قابل اندازه‌گیری در یک مکان چقدر است؛ احتمال 30 درصد به این معنی است که در شرایط مشابه، باران حدود سه بار از ده بار رخ می‌دهد.

Methods for this concept

Related concepts