更改

跳到导航 跳到搜索

大气模式 (查看源代码)

2022年3月6日 (日) 12:30的版本

删除127字节 、 2022年3月6日 (日) 12:30
无编辑摘要
第15行： 第15行：       −
'''正压 Barotropic'''模式假定大气接近正压，这意味着地转风的方向和速度与高度无关，即地转风无垂直切变。这也意味着温度的厚度等值线平行于上层高度等值线。在这种类型的大气中，高压区和低压区是冷暖温度异常的中心。暖心高压（如亚热带脊线和百慕大-亚速尔高压）和冷心低压具有随高度增强的风力，而冷心高压（北极浅层高压）和暖心低压（如热带气旋）则相反。<ref>{{cite book|title=Atmospheric Science: An Introductory Survey|author1=Wallace, John M.  |author2=Peter V. Hobbs |name-list-style=amp |year=1977|isbn=978-0-12-732950-5|publisher=Academic Press, Inc.|pages=384–385}}</ref>正压模式试图基于大气处于地转平衡的假设（即空气中的罗斯比数小）来解决简化形式的大气动力学问题。<ref>{{cite book|last=Marshall|first=John|title=Atmosphere, ocean, and climate dynamics : an introductory text|year=2008|publisher=Elsevier Academic Press|location=Amsterdam|isbn=978-0-12-558691-7|author2=Plumb, R. Alan|pages=109–12|chapter=Balanced flow}}</ref>如果假设大气无散度，则欧拉方程的旋度简化为正压涡度方程，后者可以在一层大气上求解。由于大气在大约5.5 千米（3.4 英里）处几乎无旋度，正压模式最接近大气在对应海拔处的位势高度时的状态，该海拔与大气压力面有关。<ref name="Charney 1950" />
+
'''正压 Barotropic'''模式假定大气接近正压，这意味着地转风的方向和速度与高度无关，即地转风无垂直切变。这也意味着温度的厚度等值线平行于上层高度等值线。在这种类型的大气中，高压区和低压区是冷暖温度异常的中心。暖心高压（如亚热带脊线和百慕大-亚速尔高压）和冷心低压具有随高度增强的风力，而冷心高压（北极浅层高压）和暖心低压（如热带气旋）则相反。<ref>{{cite book|title=Atmospheric Science: An Introductory Survey|author1=Wallace, John M.  |author2=Peter V. Hobbs |year=1977|isbn=978-0-12-732950-5|publisher=Academic Press, Inc.|pages=384–385}}</ref>正压模式试图基于大气处于地转平衡的假设（即空气中的罗斯比数小）来解决简化形式的大气动力学问题。<ref>{{cite book|last=Marshall|first=John|title=Atmosphere, ocean, and climate dynamics : an introductory text|year=2008|publisher=Elsevier Academic Press|location=Amsterdam|isbn=978-0-12-558691-7|author2=Plumb, R. Alan|pages=109–12|chapter=Balanced flow}}</ref>如果假设大气无散度，则欧拉方程的旋度简化为正压涡度方程，后者可以在一层大气上求解。由于大气在大约5.5 千米（3.4 英里）处几乎无旋度，正压模式最接近大气在对应海拔处的位势高度时的状态，该海拔与大气压力面有关。<ref name="Charney 1950" />
      第28行： 第28行：       −
由于基于大气动力学的预报模式的输出结果需要近地面处的修正，因此20世纪70年代和20世纪80年代开发了单个预报位点的模式输出统计（MOS）。<ref name="MOS" /><ref name="L. Best, D. L. and S. P. Pryor 1983 1–90">{{cite book|title=Air Weather Service Model Output Statistics Systems|author1=L. Best, D. L.  |author2=S. P. Pryor |name-list-style=amp |year=1983|pages=1–90|publisher=Air Force Global Weather Central}}</ref>尽管超级计算机的能力不断提升，数值天气模式的预报仅能延伸到未来两周左右，这是因为观测点的密度和质量以及被用来预测的偏微分方程的混沌本质都会引入每五天加倍的误差。<ref name="Cox">{{cite book|title=Storm Watchers|pages=[https://archive.org/details/stormwatcherstur00cox_df1/page/222 222–224]|year=2002|author=Cox, John D.|publisher=John Wiley & Sons, Inc.|isbn=978-0-471-38108-2|url=https://archive.org/details/stormwatcherstur00cox_df1/page/222}}</ref><ref name="Klaus">Weickmann, Klaus, Jeff Whitaker, Andres Roubicek and Catherine Smith (2001-12-01). [http://www.cdc.noaa.gov/spotlight/12012001/ The Use of Ensemble Forecasts to Produce Improved Medium Range (3–15&nbsp;days) Weather Forecasts.] [[Climate Diagnostics Center]]. Retrieved 2007-02-16.</ref>自20世纪90年代以来，模式集合预报的使用帮助确定了不确定性，并且预测时段比其他可能的方式都要长。<ref name="Toth">{{cite journal|last=Toth|first=Zoltan|author2=Kalnay, Eugenia|title=Ensemble Forecasting at NCEP and the Breeding Method |journal=[[Monthly Weather Review]]|date=December 1997|volume=125|issue=12|pages=3297–3319|doi=10.1175/1520-0493(1997)125<3297:EFANAT>2.0.CO;2|issn=1520-0493|bibcode=1997MWRv..125.3297T|author-link2=Eugenia Kalnay|citeseerx=10.1.1.324.3941}}</ref><ref name="ECens">{{cite web|url=http://ecmwf.int/products/forecasts/guide/The_Ensemble_Prediction_System_EPS_1.html |title=The Ensemble Prediction System (EPS) |publisher=[[ECMWF]] |access-date=2011-01-05 |archive-url=https://web.archive.org/web/20110125125209/http://ecmwf.int/products/forecasts/guide/The_Ensemble_Prediction_System_EPS_1.html |archive-date=25 January 2011 |url-status=dead }}</ref><ref name="RMS">{{cite journal|title=The ECMWF Ensemble Prediction System: Methodology and validation|journal=Quarterly Journal of the Royal Meteorological Society|date=January 1996|volume=122|issue=529|pages=73–119|author1=Molteni, F. |author2=Buizza, R. |author3=Palmer, T.N. |author4=Petroliagis, T. |doi=10.1002/qj.49712252905|bibcode=1996QJRMS.122...73M}}</ref>
+
由于基于大气动力学的预报模式的输出结果需要近地面处的修正，因此20世纪70年代和20世纪80年代开发了单个预报位点的模式输出统计（MOS）。<ref name="MOS" /><ref name="L. Best, D. L. and S. P. Pryor 1983 1–90">{{cite book|title=Air Weather Service Model Output Statistics Systems|author1=L. Best, D. L.  |author2=S. P. Pryor |year=1983|pages=1–90|publisher=Air Force Global Weather Central}}</ref>尽管超级计算机的能力不断提升，数值天气模式的预报仅能延伸到未来两周左右，这是因为观测点的密度和质量以及被用来预测的偏微分方程的混沌本质都会引入每五天加倍的误差。<ref name="Cox">{{cite book|title=Storm Watchers|pages=[https://archive.org/details/stormwatcherstur00cox_df1/page/222 222–224]|year=2002|author=Cox, John D.|publisher=John Wiley & Sons, Inc.|isbn=978-0-471-38108-2|url=https://archive.org/details/stormwatcherstur00cox_df1/page/222}}</ref><ref name="Klaus">Weickmann, Klaus, Jeff Whitaker, Andres Roubicek and Catherine Smith (2001-12-01). [http://www.cdc.noaa.gov/spotlight/12012001/ The Use of Ensemble Forecasts to Produce Improved Medium Range (3–15&nbsp;days) Weather Forecasts.] [[Climate Diagnostics Center]]. Retrieved 2007-02-16.</ref>自20世纪90年代以来，模式集合预报的使用帮助确定了不确定性，并且预测时段比其他可能的方式都要长。<ref name="Toth">{{cite journal|last=Toth|first=Zoltan|author2=Kalnay, Eugenia|title=Ensemble Forecasting at NCEP and the Breeding Method |journal=[[Monthly Weather Review]]|date=December 1997|volume=125|issue=12|pages=3297–3319|doi=10.1175/1520-0493(1997)125<3297:EFANAT>2.0.CO;2|issn=1520-0493|bibcode=1997MWRv..125.3297T|author-link2=Eugenia Kalnay|citeseerx=10.1.1.324.3941}}</ref><ref name="ECens">{{cite web|url=http://ecmwf.int/products/forecasts/guide/The_Ensemble_Prediction_System_EPS_1.html |title=The Ensemble Prediction System (EPS) |publisher=[[ECMWF]] |access-date=2011-01-05 |archive-url=https://web.archive.org/web/20110125125209/http://ecmwf.int/products/forecasts/guide/The_Ensemble_Prediction_System_EPS_1.html |archive-date=25 January 2011 |url-status=dead }}</ref><ref name="RMS">{{cite journal|title=The ECMWF Ensemble Prediction System: Methodology and validation|journal=Quarterly Journal of the Royal Meteorological Society|date=January 1996|volume=122|issue=529|pages=73–119|author1=Molteni, F. |author2=Buizza, R. |author3=Palmer, T.N. |author4=Petroliagis, T. |doi=10.1002/qj.49712252905|bibcode=1996QJRMS.122...73M}}</ref>
    
<br>
 
<br>
第51行： 第51行：     
== 参数化 ==
 
== 参数化 ==
−
天气和气象模式网格具有5千米（3.1英里）到300千米（190英里）之间的边界。典型的积云尺度小于1千米（0.62英里），因此需要比这更精细的网格才能被流体运动方程表示。故而，这些云所代表的过程是通过各种复杂的处理来表示的。最早的模式中，如果模式中的空气柱是不稳定的（即底部比顶部热），那么它将被破坏，该垂直柱中的空气将被混合。更加复杂的模式中有增强功能，它们知道整个网格中只有一部分会发生对流、夹带或者一些其它过程。边界在5千米（3.1英里）到25千米（16英里）的气象模式可以明确地表示对流云，尽管它们仍然需要参数化云的微物理过程。<ref>{{cite journal|url=http://ams.confex.com/ams/pdfpapers/126017.pdf|title=3.7 Improving Precipitation Forecasts by the Operational Nonhydrostatic Mesoscale Model with the Kain-Fritsch Convective Parameterization and Cloud Microphysics|author1=Narita, Masami|author2=Shiro Ohmori |name-list-style=amp |date=2007-08-06|access-date=2011-02-15|publisher=[[American Meteorological Society]]|journal=12th Conference on Mesoscale Processes}}</ref>大尺度（层云型）云的形成更加基于物理规律，它们在相对湿度达到某个规定值时形成。此时仍然有亚网格尺寸的过程也需要被考虑进来。层云形成的临界湿度被设定为70%而不是100%，相对湿度超过80%时认为形成的是积云，<ref>{{cite web|url=http://www.atmos.washington.edu/~dargan/591/diag_cloud.tech.pdf |pages=4–5 |title=The Diagnostic Cloud Parameterization Scheme |author=Frierson, Dargan |publisher=[[University of Washington]] |date=2000-09-14 |access-date=2011-02-15 |archive-url=https://web.archive.org/web/20110401013742/http://www.atmos.washington.edu/~dargan/591/diag_cloud.tech.pdf |archive-date=1 April 2011 |url-status=dead }}</ref>这反应了现实世界中可能发生的亚网格尺寸的变化。
+
天气和气象模式网格具有5千米（3.1英里）到300千米（190英里）之间的边界。典型的积云尺度小于1千米（0.62英里），因此需要比这更精细的网格才能被流体运动方程表示。故而，这些云所代表的过程是通过各种复杂的处理来表示的。最早的模式中，如果模式中的空气柱是不稳定的（即底部比顶部热），那么它将被破坏，该垂直柱中的空气将被混合。更加复杂的模式中有增强功能，它们知道整个网格中只有一部分会发生对流、夹带或者一些其它过程。边界在5千米（3.1英里）到25千米（16英里）的气象模式可以明确地表示对流云，尽管它们仍然需要参数化云的微物理过程。<ref>{{cite journal|url=http://ams.confex.com/ams/pdfpapers/126017.pdf|title=3.7 Improving Precipitation Forecasts by the Operational Nonhydrostatic Mesoscale Model with the Kain-Fritsch Convective Parameterization and Cloud Microphysics|author1=Narita, Masami|author2=Shiro Ohmori |date=2007-08-06|access-date=2011-02-15|publisher=[[American Meteorological Society]]|journal=12th Conference on Mesoscale Processes}}</ref>大尺度（层云型）云的形成更加基于物理规律，它们在相对湿度达到某个规定值时形成。此时仍然有亚网格尺寸的过程也需要被考虑进来。层云形成的临界湿度被设定为70%而不是100%，相对湿度超过80%时认为形成的是积云，<ref>{{cite web|url=http://www.atmos.washington.edu/~dargan/591/diag_cloud.tech.pdf |pages=4–5 |title=The Diagnostic Cloud Parameterization Scheme |author=Frierson, Dargan |publisher=[[University of Washington]] |date=2000-09-14 |access-date=2011-02-15 |archive-url=https://web.archive.org/web/20110401013742/http://www.atmos.washington.edu/~dargan/591/diag_cloud.tech.pdf |archive-date=1 April 2011 |url-status=dead }}</ref>这反应了现实世界中可能发生的亚网格尺寸的变化。
      −
在崎岖的地形中或云量多变地区达到地面的太阳辐射量也被参数化了，因为该过程发生在分子尺寸。<ref>{{cite book|url=https://books.google.com/books?id=lMXSpRwKNO8C&pg=PA56|title=Parameterization schemes: keys to understanding numerical weather prediction models|author=Stensrud, David J.|page=6|year=2007|publisher=Cambridge University Press|isbn=978-0-521-86540-1}}</ref> 并且，模型的网格尺寸相对于实际的云和地形的尺寸及粗糙度都要大得多。太阳角度以及其对多个云层的影响均被考虑在内。<ref>{{cite book|url=https://books.google.com/books?id=vdg5BgBmMkQC&pg=PA226|author1=Melʹnikova, Irina N.|author2=Alexander V. Vasilyev |name-list-style=amp |pages=226–228|title=Short-wave solar radiation in the earth's atmosphere: calculation, oberservation, interpretation|year=2005|publisher=Springer|isbn=978-3-540-21452-6}}</ref>土壤类型、植被类型以及土壤湿度均决定了多少辐射参与邻近大气的加热以及湿度的增加。因此，它们也是重要的需要参数化的量。<ref>{{cite book|url=https://books.google.com/books?id=lMXSpRwKNO8C&pg=PA56|title=Parameterization schemes: keys to understanding numerical weather prediction models|author=Stensrud, David J.|pages=12–14|year=2007|publisher=Cambridge University Press|isbn=978-0-521-86540-1}}</ref>
+
在崎岖的地形中或云量多变地区达到地面的太阳辐射量也被参数化了，因为该过程发生在分子尺寸。<ref>{{cite book|url=https://books.google.com/books?id=lMXSpRwKNO8C&pg=PA56|title=Parameterization schemes: keys to understanding numerical weather prediction models|author=Stensrud, David J.|page=6|year=2007|publisher=Cambridge University Press|isbn=978-0-521-86540-1}}</ref> 并且，模型的网格尺寸相对于实际的云和地形的尺寸及粗糙度都要大得多。太阳角度以及其对多个云层的影响均被考虑在内。<ref>{{cite book|url=https://books.google.com/books?id=vdg5BgBmMkQC&pg=PA226|author1=Melʹnikova, Irina N.|author2=Alexander V. Vasilyev |pages=226–228|title=Short-wave solar radiation in the earth's atmosphere: calculation, oberservation, interpretation|year=2005|publisher=Springer|isbn=978-3-540-21452-6}}</ref>土壤类型、植被类型以及土壤湿度均决定了多少辐射参与邻近大气的加热以及湿度的增加。因此，它们也是重要的需要参数化的量。<ref>{{cite book|url=https://books.google.com/books?id=lMXSpRwKNO8C&pg=PA56|title=Parameterization schemes: keys to understanding numerical weather prediction models|author=Stensrud, David J.|pages=12–14|year=2007|publisher=Cambridge University Press|isbn=978-0-521-86540-1}}</ref>
    
<br>
 
<br>
第100行： 第100行：       −
模型输出统计不同于完美的预测图（prog），后者假定数值天气预报指导的输出是完美的。<ref>{{cite book|url=https://books.google.com/books?id=QwzHZ-wV-BAC&pg=PA1144|page=1144|title=Fog and boundary layer clouds: fog visibility and forecasting|author=Gultepe, Ismail|publisher=Springer|year=2007|isbn=978-3-7643-8418-0}}</ref>而MOS可以修正因网格分辨率不足以及模型偏差等模式无法解决的局地效应。MOS中的预报参数包括最高和最低温度、未来数小时降雨可能性、预期降水量、降水在自然界中结冰的可能性、雷暴可能性、云量和地面风。<ref>{{cite book|url=https://books.google.com/books?id=Xs9LiGpNX-AC&pg=PA171|page=172|author1=Barry, Roger Graham  |author2=Richard J. Chorley |name-list-style=amp |title=Atmosphere, weather, and climate|publisher=Psychology Press|year=2003|isbn=978-0-415-27171-4}}</ref>
+
模型输出统计不同于完美的预测图（prog），后者假定数值天气预报指导的输出是完美的。<ref>{{cite book|url=https://books.google.com/books?id=QwzHZ-wV-BAC&pg=PA1144|page=1144|title=Fog and boundary layer clouds: fog visibility and forecasting|author=Gultepe, Ismail|publisher=Springer|year=2007|isbn=978-3-7643-8418-0}}</ref>而MOS可以修正因网格分辨率不足以及模型偏差等模式无法解决的局地效应。MOS中的预报参数包括最高和最低温度、未来数小时降雨可能性、预期降水量、降水在自然界中结冰的可能性、雷暴可能性、云量和地面风。<ref>{{cite book|url=https://books.google.com/books?id=Xs9LiGpNX-AC&pg=PA171|page=172|author1=Barry, Roger Graham  |author2=Richard J. Chorley |title=Atmosphere, weather, and climate|publisher=Psychology Press|year=2003|isbn=978-0-415-27171-4}}</ref>
    
<br>
 
<br>
第106行： 第106行：  
==应用 ==
 
==应用 ==
 
===气候模拟===
 
===气候模拟===
−
1956年，诺曼·菲利普斯 Norman Phillips开发了一个真实描述对流层逐月和逐季节模式的数学模型。这是第一个成功的气候模式。<ref name="Phillips">{{cite journal | url=http://www.phy.pku.edu.cn/climate/class/cm2010/Phillips_QJRMS_1956.pdf | title=The general circulation of the atmosphere: a numerical experiment | journal=[[Quarterly Journal of the Royal Meteorological Society]] | author=Norman A. Phillips | date=April 1956 | volume=82 | issue=352 | pages=123–154 | doi=10.1002/qj.49708235202 | bibcode=1956QJRMS..82..123P}}</ref><ref name="Cox210">{{cite book | title=Storm Watchers | author=John D. Cox | publisher=John Wiley & Sons, Inc. | page=[https://archive.org/details/stormwatcherstur00cox_df1/page/210 210] | year=2002 | isbn=978-0-471-38108-2 | url=https://archive.org/details/stormwatcherstur00cox_df1/page/210 }}</ref>几个小组随后开始开创大气循环模式。<ref name="Lynch Ch10"/>20世纪60年代，第一个耦合海洋和大气过程的循环气候模式在美国地球物理流体动力学实验室气候研究中心被开发出来，该中心是美国美国国家海洋和大气管理局气候研究中心的一个分部门。<ref>{{cite web | url=http://celebrating200years.noaa.gov/breakthroughs/climate_model/welcome.html | title=The First Climate Model | author=National Oceanic and Atmospheric Administration | author-link=National Oceanic and Atmospheric Administration | date=22 May 2008 | access-date=8 January 2011}}</ref>到20世纪80年代早期，美国国家大气研究中心开发了社区大气模式(CAM) ，既可以单独运行，也可以作为社区气候系统模型的大气模块部分运行。最新的独立CAM(3.1版本)已于2006年2月1日发布。<ref>{{Cite web|url=http://www.cesm.ucar.edu/models/atm-cam/download/|title=CAM 3.1 Download|website=www.cesm.ucar.edu|access-date=2019-06-25}}</ref><ref>{{cite web | url=http://www.cesm.ucar.edu/models/atm-cam/docs/description/description.pdf | title=Description of the NCAR Community Atmosphere Model (CAM 3.0) | author=William D. Collins | publisher=[[University Corporation for Atmospheric Research]] | date=June 2004 | access-date=3 January 2011 | display-authors=et al.}}</ref><ref>{{cite web | url=http://www.cesm.ucar.edu/models/atm-cam/ | title=CAM3.0 COMMUNITY ATMOSPHERE MODEL | publisher=[[University Corporation for Atmospheric Research]] | access-date=6 February 2018}}</ref>在1986年，人们开始投入初始化和模拟的土壤、植被类型，以实现更真实的预测。<ref>{{cite journal | url=http://www.geog.ucla.edu/~yxue/pdf/1996jgr.pdf | title=Impact of vegetation properties on U. S. summer weather prediction | journal=[[Journal of Geophysical Research]] | author1=Yongkang Xue | author2=Michael J. Fennessey | name-list-style=amp | date=20 March 1996 | volume=101 | issue=D3 | page=7419 | access-date=6 January 2011 | bibcode=1996JGR...101.7419X | doi=10.1029/95JD02169 | url-status=dead | archive-url=https://web.archive.org/web/20100710080304/http://www.geog.ucla.edu/~yxue/pdf/1996jgr.pdf | archive-date=10 July 2010| citeseerx=10.1.1.453.551 }}</ref>耦合的海洋-大气气候模式，如哈德利气候预测与研究中心的 HadCM3模式，正被用作气候变化研究的输入。<ref name="Lynch Ch10">{{cite book | chapter-url=https://books.google.com/books?id=EV5bZqOO7kkC&pg=PA208 | title=The Emergence of Numerical Weather Prediction: Richardson's Dream | chapter=The ENIAC Integrations | author=Peter Lynch | publisher=[[Cambridge University Press]] | year=2006 | isbn=978-0-521-85729-1 | page=208 | access-date=6 February 2018}}</ref>
+
1956年，诺曼·菲利普斯 Norman Phillips开发了一个真实描述对流层逐月和逐季节模式的数学模型。这是第一个成功的气候模式。<ref name="Phillips">{{cite journal | url=http://www.phy.pku.edu.cn/climate/class/cm2010/Phillips_QJRMS_1956.pdf | title=The general circulation of the atmosphere: a numerical experiment | journal=[[Quarterly Journal of the Royal Meteorological Society]] | author=Norman A. Phillips | date=April 1956 | volume=82 | issue=352 | pages=123–154 | doi=10.1002/qj.49708235202 | bibcode=1956QJRMS..82..123P}}</ref><ref name="Cox210">{{cite book | title=Storm Watchers | author=John D. Cox | publisher=John Wiley & Sons, Inc. | page=[https://archive.org/details/stormwatcherstur00cox_df1/page/210 210] | year=2002 | isbn=978-0-471-38108-2 | url=https://archive.org/details/stormwatcherstur00cox_df1/page/210 }}</ref>几个小组随后开始开创大气循环模式。<ref name="Lynch Ch10"/>20世纪60年代，第一个耦合海洋和大气过程的循环气候模式在美国地球物理流体动力学实验室气候研究中心被开发出来，该中心是美国美国国家海洋和大气管理局气候研究中心的一个分部门。<ref>{{cite web | url=http://celebrating200years.noaa.gov/breakthroughs/climate_model/welcome.html | title=The First Climate Model | author=National Oceanic and Atmospheric Administration | author-link=National Oceanic and Atmospheric Administration | date=22 May 2008 | access-date=8 January 2011}}</ref>到20世纪80年代早期，美国国家大气研究中心开发了社区大气模式(CAM) ，既可以单独运行，也可以作为社区气候系统模型的大气模块部分运行。最新的独立CAM(3.1版本)已于2006年2月1日发布。<ref>{{Cite web|url=http://www.cesm.ucar.edu/models/atm-cam/download/|title=CAM 3.1 Download|website=www.cesm.ucar.edu|access-date=2019-06-25}}</ref><ref>{{cite web | url=http://www.cesm.ucar.edu/models/atm-cam/docs/description/description.pdf | title=Description of the NCAR Community Atmosphere Model (CAM 3.0) | author=William D. Collins | publisher=[[University Corporation for Atmospheric Research]] | date=June 2004 | access-date=3 January 2011 | display-authors=et al.}}</ref><ref>{{cite web | url=http://www.cesm.ucar.edu/models/atm-cam/ | title=CAM3.0 COMMUNITY ATMOSPHERE MODEL | publisher=[[University Corporation for Atmospheric Research]] | access-date=6 February 2018}}</ref>在1986年，人们开始投入初始化和模拟的土壤、植被类型，以实现更真实的预测。<ref>{{cite journal | url=http://www.geog.ucla.edu/~yxue/pdf/1996jgr.pdf | title=Impact of vegetation properties on U. S. summer weather prediction | journal=[[Journal of Geophysical Research]] | author1=Yongkang Xue | author2=Michael J. Fennessey | date=20 March 1996 | volume=101 | issue=D3 | page=7419 | access-date=6 January 2011 | bibcode=1996JGR...101.7419X | doi=10.1029/95JD02169 | url-status=dead | archive-url=https://web.archive.org/web/20100710080304/http://www.geog.ucla.edu/~yxue/pdf/1996jgr.pdf | archive-date=10 July 2010| citeseerx=10.1.1.453.551 }}</ref>耦合的海洋-大气气候模式，如哈德利气候预测与研究中心的 HadCM3模式，正被用作气候变化研究的输入。<ref name="Lynch Ch10">{{cite book | chapter-url=https://books.google.com/books?id=EV5bZqOO7kkC&pg=PA208 | title=The Emergence of Numerical Weather Prediction: Richardson's Dream | chapter=The ENIAC Integrations | author=Peter Lynch | publisher=[[Cambridge University Press]] | year=2006 | isbn=978-0-521-85729-1 | page=208 | access-date=6 February 2018}}</ref>
     
薄荷
7,129

个编辑

取自“https://wiki.swarma.org/index.php/特殊:移动版差异/28964”

导航菜单