数值天气预报

数值天气预报 (NWP) 使用大气和海洋的数学模型根据当前天气状况预测天气。 尽管在 20 年代首次尝试，但直到 1950 年代计算机模拟的出现，数值天气预报才产生了真实的结果。 许多全球和区域预报模型在世界不同国家运行，使用从无线电探空仪、气象卫星和其他观测系统中继的当前天气观测作为输入。

基于相同物理原理的数学模型可用于生成短期天气预报或长期气候预测； 后者被广泛应用于了解和预测气候变化。 对区域模型的改进使得热带气旋路径和空气质量预报有了显着改进； 然而，大气模型在处理发生在相对狭窄区域的过程时表现不佳，例如野火。

处理庞大的数据集并执行现代数值天气预报所需的复杂计算需要世界上一些xxx大的超级计算机。 即使超级计算机的能力越来越强，数值天气模型的预报能力也只有六天左右。 影响数值预测准确性的因素包括用作预测输入的观测值的密度和质量，以及数值模型本身的缺陷。 已经开发了模型输出统计 (MOS) 等后处理技术，以改进对数值预测中错误的处理。

一个更根本的问题在于控制大气的偏微分方程的混沌性质。 精确求解这些方程式是不可能的，而且小误差会随着时间的推移而增加（大约每五天翻一番）。 目前的理解是，即使使用准确的输入数据和完美的模型，这种混乱行为也会将准确预测限制在 14 天左右。 此外，模型中使用的偏微分方程需要补充太阳辐射、潮湿过程（云和降水）、热交换、土壤、植被、地表水和地形影响的参数化。 为了量化数值预测中存在的大量固有不确定性，自 1990 年代以来一直使用集合预测来帮助衡量预测的置信度，并在比其他方式更远的未来获得有用的结果。 此方法分析使用单个预测模型或多个模型创建的多个预测。

随着计算机变得越来越强大，初始数据集的大小也增加了，并且开发了更新的大气模型以利用增加的可用计算能力。 这些更新的模型在大气数值模拟中的运动方程的简化中包含了更多的物理过程。