大气模式 - 版本历史

Ramapu：根据专家审校结果进行了相应修改。

2022-03-21T10:25:31Z

根据专家审校结果进行了相应修改。

显示更改

2022年3月6日 (日) 04:35 薄荷

2022-03-06T04:35:15Z

薄荷：/* 编者推荐 */

2022-03-06T04:34:23Z

编者推荐

2022年3月6日 (日) 04:34 薄荷

2022-03-06T04:34:05Z

2022年3月6日 (日) 04:33 薄荷

2022-03-06T04:33:20Z

显示更改

2022年3月6日 (日) 04:31 薄荷

2022-03-06T04:31:04Z

2022年3月6日 (日) 04:30 薄荷

2022-03-06T04:30:43Z

薄荷：/* 计算 */

2022-03-06T04:29:13Z

计算

薄荷：/* 类型 */

2022-03-06T04:28:15Z

类型

薄荷：/* 类型 */

2022-03-06T04:27:18Z

类型

←上一版本		2022年3月6日 (日) 04:35的版本
第157行：		第157行：

	----		----
−	~~本中文词条由Jie翻译，CecileLi审校，~~[[用户:薄荷\|薄荷]]编辑，如有问题，欢迎在讨论页面留言。	+	本中文词条由Ramapu审校，[[用户:薄荷\|薄荷]]编辑，如有问题，欢迎在讨论页面留言。

@@ 第145行： / 第145行： @@
 == 编者推荐 ==
 ===书籍===
-[[File:《数值天气与气候预测》.jpg|300px|《数值天气和气候预测》封面]]
+[[File:《数值天气与气候预测》.jpg|300px|thumb|right|《数值天气和气候预测》封面]]
 ====《数值天气和气候预测》（托马斯·汤姆金斯·沃纳著）====
 本教科书为研究生、研究人员和专业人士提供了关于天气和气候预测综合而易懂的论述。针对大气模式的使用，讲授其优点、缺陷和佳实践，对在各个方面应用模式的学者们来说是本理想的书籍。书中描述了不同的数值方法、资料同化、集合方法、可预报性、陆面模拟、气候模拟和降尺度、计算流体动力模式、基于模式研究的试验设计、检验方法、业务预报，以及空气质量模式和洪水预报等专业应用。本书基于作者在宾夕法尼亚州立大学和科罗拉多大学30多年所教授的课程，也得益于作者在美国国家大气研究中心（NCAR）的模式实践经历。 本书将满足在研究和业务应用中需要了解大气模式的人士，适合作为天气和气候预测分支学科的教科书，也可作为具有大气科学、气象学、气候学、环境科学、地理学及地球物理流体力学／动力学等研究背景的专业人士作为参考用书。

@@ 第25行： / 第25行： @@
 [[File:Two women operating ENIAC.gif|thumb|280px|The ENIAC main control panel at the Moore School of Electrical Engineering]]
-数值天气预报的历史起于20世纪20年代，这得益于 Lewis Fry Richardson 使用了 Vihelm Bjerknes 开发的方法的成果。<ref name="Lynch JCP">{{cite journal|last=Lynch|author-link=Peter Lynch (meteorologist)|first=Peter|title=The origins of computer weather prediction and climate modeling|journal=Journal of Computational Physics|date=2008-03-20|volume=227|issue=7|pages=3431–44|doi= 10.1016/j.jcp.2007.02.034 |url=http://www.rsmas.miami.edu/personal/miskandarani/Courses/MPO662/Lynch,Peter/OriginsCompWF.JCP227.pdf|access-date= 2010-12-23 |bibcode=2008JCoPh.227.3431L|archive-url=https://web.archive.org/web/20100708191309/http://www.rsmas.miami.edu/personal/miskandarani/Courses/MPO662/Lynch,Peter/OriginsCompWF.JCP227.pdf|archive-date=2010-07-08|url-status=dead}}</ref><ref name="Lynch Ch1">{{cite book|last=Lynch |first= Peter |title=The Emergence of Numerical Weather Prediction|year=2006|publisher=Cambridge University Press|isbn=978-0-521-85729-1|pages=1–27 |chapter= Weather Prediction by Numerical Process}}</ref>直到计算机和计算机模拟时代的到来，计算时间才降低到少于被预测时段。ENIAC 在1950年发明了第一台计算机预测系统，<ref name="Charney 1950">{{cite journal|last1= Charney|first1=Jule|last2=Fjörtoft|first2=Ragnar|last3=von Neumann|first3=John|title=Numerical Integration of the Barotropic Vorticity Equation|journal= Tellus|date=November 1950|volume=2|issue=4|doi=10.3402/tellusa.v2i4.8607|author-link1=Jule Charney|author-link3=John von Neumann|bibcode= 1950TellA...2..237C |pages=237–254|doi-access=free}}</ref><ref>{{cite book|title=Storm Watchers|page=[https://archive.org/details/stormwatcherstur00cox_df1/page/208 208]|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/208}}</ref>之后功能更强大的计算机增加了初始数据集的规模，并包含了更复杂的运动方程的版本。<ref name="Harper BAMS">{{cite journal|last=Harper|first=Kristine|author2=Uccellini, Louis W.|author3= Kalnay, Eugenia|author4= Carey, Kenneth|author5= Morone, Lauren|title=2007: 50th Anniversary of Operational Numerical Weather Prediction|journal=Bulletin of the American Meteorological Society|date=May 2007|volume=88|issue=5|pages=639–650|doi=10.1175/BAMS-88-5-639 |bibcode=2007BAMS...88..639H |doi-access=free}}</ref>1966年，西德和美国开始根据原始方程模式制作业务预测系统，1972年英国和1977年澳大利亚紧随其后。<ref name="Lynch JCP"/><ref name="Leslie BOM">{{cite journal|last=Leslie|first=L.M.|author2=Dietachmeyer, G.S.|title=Real-time limited area numerical weather prediction in Australia: a historical perspective|journal=Australian Meteorological Magazine|date=December 1992|volume=41|issue=SP|pages=61–77|url=http://www.bom.gov.au/amoj/docs/1992/leslie2.pdf|access-date=2011-01-03|publisher=Bureau of Meteorology}}</ref> 全球预报模式的发展导致了第一个气候模式的诞生。<ref name="Phillips"/><ref name="Cox210"/>在20世纪70年代和20世纪80年代，有限区域（区域性）模式的发展推动了热带气旋轨道和空气质量预报的进步。<ref name="Shuman W&F">{{cite journal|last=Shuman|first=Frederick G.|author-link=Frederick Gale Shuman|title=History of Numerical Weather Prediction at the National Meteorological Center|journal=Weather and Forecasting|date=September 1989|volume=4|issue=3|pages=286–296|doi= 10.1175/1520-0434(1989)004<0286:HONWPA>2.0.CO;2 |issn=1520-0434|bibcode=1989WtFor...4..286S|doi-access=free}}</ref><ref name="Steyn, D. G. 1991 241–242">{{cite book|title=Air pollution modeling and its application VIII, Volume 8|author=Steyn, D. G.|publisher=Birkhäuser|year=1991|pages=241–242|isbn= 978-0-306-43828-8}}</ref>
+数值天气预报的历史起于20世纪20年代，这得益于 Lewis Fry Richardson 使用了 Vihelm Bjerknes 开发的方法的成果。<ref name="Lynch JCP">{{cite journal|last=Lynch|first=Peter|title=The origins of computer weather prediction and climate modeling|journal=Journal of Computational Physics|date=2008-03-20|volume=227|issue=7|pages=3431–44|doi= 10.1016/j.jcp.2007.02.034 |url=http://www.rsmas.miami.edu/personal/miskandarani/Courses/MPO662/Lynch,Peter/OriginsCompWF.JCP227.pdf|access-date= 2010-12-23 |bibcode=2008JCoPh.227.3431L|archive-url=https://web.archive.org/web/20100708191309/http://www.rsmas.miami.edu/personal/miskandarani/Courses/MPO662/Lynch,Peter/OriginsCompWF.JCP227.pdf|archive-date=2010-07-08|url-status=dead}}</ref><ref name="Lynch Ch1">{{cite book|last=Lynch |first= Peter |title=The Emergence of Numerical Weather Prediction|year=2006|publisher=Cambridge University Press|isbn=978-0-521-85729-1|pages=1–27 |chapter= Weather Prediction by Numerical Process}}</ref>直到计算机和计算机模拟时代的到来，计算时间才降低到少于被预测时段。ENIAC 在1950年发明了第一台计算机预测系统，<ref name="Charney 1950">{{cite journal|last1= Charney|first1=Jule|last2=Fjörtoft|first2=Ragnar|last3=von Neumann|first3=John|title=Numerical Integration of the Barotropic Vorticity Equation|journal= Tellus|date=November 1950|volume=2|issue=4|doi=10.3402/tellusa.v2i4.8607|bibcode= 1950TellA...2..237C |pages=237–254|doi-access=free}}</ref><ref>{{cite book|title=Storm Watchers|page=[https://archive.org/details/stormwatcherstur00cox_df1/page/208 208]|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/208}}</ref>之后功能更强大的计算机增加了初始数据集的规模，并包含了更复杂的运动方程的版本。<ref name="Harper BAMS">{{cite journal|last=Harper|first=Kristine|author2=Uccellini, Louis W.|author3= Kalnay, Eugenia|author4= Carey, Kenneth|author5= Morone, Lauren|title=2007: 50th Anniversary of Operational Numerical Weather Prediction|journal=Bulletin of the American Meteorological Society|date=May 2007|volume=88|issue=5|pages=639–650|doi=10.1175/BAMS-88-5-639 |bibcode=2007BAMS...88..639H |doi-access=free}}</ref>1966年，西德和美国开始根据原始方程模式制作业务预测系统，1972年英国和1977年澳大利亚紧随其后。<ref name="Lynch JCP"/><ref name="Leslie BOM">{{cite journal|last=Leslie|first=L.M.|author2=Dietachmeyer, G.S.|title=Real-time limited area numerical weather prediction in Australia: a historical perspective|journal=Australian Meteorological Magazine|date=December 1992|volume=41|issue=SP|pages=61–77|url=http://www.bom.gov.au/amoj/docs/1992/leslie2.pdf|access-date=2011-01-03|publisher=Bureau of Meteorology}}</ref> 全球预报模式的发展导致了第一个气候模式的诞生。<ref name="Phillips"/><ref name="Cox210"/>在20世纪70年代和20世纪80年代，有限区域（区域性）模式的发展推动了热带气旋轨道和空气质量预报的进步。<ref name="Shuman W&F">{{cite journal|last=Shuman|first=Frederick G.|title=History of Numerical Weather Prediction at the National Meteorological Center|journal=Weather and Forecasting|date=September 1989|volume=4|issue=3|pages=286–296|doi= 10.1175/1520-0434(1989)004<0286:HONWPA>2.0.CO;2 |issn=1520-0434|bibcode=1989WtFor...4..286S|doi-access=free}}</ref><ref name="Steyn, D. G. 1991 241–242">{{cite book|title=Air pollution modeling and its application VIII, Volume 8|author=Steyn, D. G.|publisher=Birkhäuser|year=1991|pages=241–242|isbn= 978-0-306-43828-8}}</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>
+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|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>
@@ 第106行： / 第106行： @@
 ==应用 ==
 ===气候模拟===
-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>
+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 |  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>
@@ 第115行： / 第115行： @@
-'''可移动细网格模式 the Movable Fine-Mesh model'''在1978年开始运行，是第一个基于大气动力学的热带气旋预报模式。<ref name="Shuman W&F"/>尽管由于不断增强的计算机算力，持续改进的动力学模式指导成为可能，但是直到20世纪80年代，数值天气预报才显示出预报热带气旋路径的能力；直到20世纪90年代才持续地好于统计模型或简单的动力学模型。<ref>{{cite web | url=http://www.nhc.noaa.gov/verification/verify6.shtml | publisher=[[National Hurricane Center]] | date=20 April 2010 | access-date=2 January 2011 | author=James Franklin | title=National Hurricane Center Forecast Verification | author-link=James Franklin (meteorologist) | archive-url=https://web.archive.org/web/20110102062753/http://www.nhc.noaa.gov/verification/verify6.shtml | archive-date=2 January 2011 | url-status=live}}</ref>使用数值预报方法预测热带气旋强调也始终难度较高。直到2009年，动力学控制的方法仍不如统计方法效果好。<ref>{{cite journal | author1=Edward N. Rappaport | author2=James L. Franklin | author3=Lixion A. Avila | author4=Stephen R. Baig | author5=John L. Beven II | author6=Eric S. Blake | author7=Christopher A. Burr | author8=Jiann-Gwo Jiing | author9=Christopher A. Juckins | author10=Richard D. Knabb | author11=Christopher W. Landsea | author12=Michelle Mainelli | author13=Max Mayfield | author14=Colin J. McAdie | author15=Richard J. Pasch | author16=Christopher Sisko | author17=Stacy R. Stewart | author18=Ahsha N. Tribble | title=Advances and Challenges at the National Hurricane Center | journal=[[Weather and Forecasting]] | date=April 2009 | volume=24 | issue=2 | pages=395–419 | doi=10.1175/2008WAF2222128.1 | bibcode=2009WtFor..24..395R| citeseerx=10.1.1.207.4667 }}</ref>
+'''可移动细网格模式 the Movable Fine-Mesh model'''在1978年开始运行，是第一个基于大气动力学的热带气旋预报模式。<ref name="Shuman W&F"/>尽管由于不断增强的计算机算力，持续改进的动力学模式指导成为可能，但是直到20世纪80年代，数值天气预报才显示出预报热带气旋路径的能力；直到20世纪90年代才持续地好于统计模型或简单的动力学模型。<ref>{{cite web | url=http://www.nhc.noaa.gov/verification/verify6.shtml | publisher=[[National Hurricane Center]] | date=20 April 2010 | access-date=2 January 2011 | author=James Franklin | title=National Hurricane Center Forecast Verification | archive-url=https://web.archive.org/web/20110102062753/http://www.nhc.noaa.gov/verification/verify6.shtml | archive-date=2 January 2011 | url-status=live}}</ref>使用数值预报方法预测热带气旋强调也始终难度较高。直到2009年，动力学控制的方法仍不如统计方法效果好。<ref>{{cite journal | author1=Edward N. Rappaport | author2=James L. Franklin | author3=Lixion A. Avila | author4=Stephen R. Baig | author5=John L. Beven II | author6=Eric S. Blake | author7=Christopher A. Burr | author8=Jiann-Gwo Jiing | author9=Christopher A. Juckins | author10=Richard D. Knabb | author11=Christopher W. Landsea | author12=Michelle Mainelli | author13=Max Mayfield | author14=Colin J. McAdie | author15=Richard J. Pasch | author16=Christopher Sisko | author17=Stacy R. Stewart | author18=Ahsha N. Tribble | title=Advances and Challenges at the National Hurricane Center | journal=[[Weather and Forecasting]] | date=April 2009 | volume=24 | issue=2 | pages=395–419 | doi=10.1175/2008WAF2222128.1 | bibcode=2009WtFor..24..395R| citeseerx=10.1.1.207.4667 }}</ref>

←上一版本		2022年3月6日 (日) 04:31的版本
第112行：		第112行：
	[[File:Ernesto2006modelspread.png\|thumb\|right\|Model spread with [[Hurricane Ernesto (2006)]] within the National Hurricane Center limited area models]]		[[File:Ernesto2006modelspread.png\|thumb\|right\|Model spread with [[Hurricane Ernesto (2006)]] within the National Hurricane Center limited area models]]

−	'''空气污染预报 Air pollution forecasting'''依靠大气模式来提供流体流动信息，从而跟踪污染物运动。<ref>{{cite journal \| author1=Alexander Baklanov \| author2=Alix Rasmussen \| author3=Barbara Fay \| author4=Erik Berge \| author5=Sandro Finardi \| title=Potential and Shortcomings of Numerical Weather Prediction Models in Providing Meteorological Data for Urban Air Pollution Forecasting \| journal=Water, Air, & Soil Pollution: Focus \| date=September 2002 \| volume=2 \| issue=5 \| pages=43–60 \| doi=10.1023/A:1021394126149~~\| s2cid=94747027~~ }}</ref>1970年，美国的一家私营公司开发了区域城市气流模式（the regional Urban Airshed Model，UAM），用于预报空气污染及酸雨的影响。在20世纪70年代年代中后期，美国环境保护局接管了UAM的开发工作，并利用区域空气污染研究的结果对其改进。尽管UAM是为加利福利亚州开发的，但到了20世纪80年代，它在北美、欧洲和亚洲的部分地区投入应用。<ref name="Steyn, D. G. 1991 241–242"/>	+	'''空气污染预报 Air pollution forecasting'''依靠大气模式来提供流体流动信息，从而跟踪污染物运动。<ref>{{cite journal \| author1=Alexander Baklanov \| author2=Alix Rasmussen \| author3=Barbara Fay \| author4=Erik Berge \| author5=Sandro Finardi \| title=Potential and Shortcomings of Numerical Weather Prediction Models in Providing Meteorological Data for Urban Air Pollution Forecasting \| journal=Water, Air, & Soil Pollution: Focus \| date=September 2002 \| volume=2 \| issue=5 \| pages=43–60 \| doi=10.1023/A:1021394126149 }}</ref>1970年，美国的一家私营公司开发了区域城市气流模式（the regional Urban Airshed Model，UAM），用于预报空气污染及酸雨的影响。在20世纪70年代年代中后期，美国环境保护局接管了UAM的开发工作，并利用区域空气污染研究的结果对其改进。尽管UAM是为加利福利亚州开发的，但到了20世纪80年代，它在北美、欧洲和亚洲的部分地区投入应用。<ref name="Steyn, D. G. 1991 241–242"/>

@@ 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>
@@ 第51行： / 第51行： @@
 == 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>
@@ 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>
@@ 第106行： / 第106行： @@
 ==应用 ==
 ===气候模拟===
-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>
+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>

←上一版本		2022年3月6日 (日) 04:29的版本
第43行：		第43行：
	[[File:Supercomputing the Climate.ogv\|thumb\|超级计算机能够运行高度复杂的模型，从而帮助科学家更好地理解地球的气候。]]		[[File:Supercomputing the Climate.ogv\|thumb\|超级计算机能够运行高度复杂的模型，从而帮助科学家更好地理解地球的气候。]]

−	模式指的是一种可以在给定的位置和海拔高度生成未来气象信息的一种计算机程序。任何模型中都有一套称为“原始方程组”的方程组，用于预测未来的大气状态。这些方程组依据分析数据初始化，并确定变化速率。这些变化速率可以预测未来一小段时间的大气状态，每一个时间增量被称为一个时间步长。然后这些方程组被用于新的大气状态，得到新的变化速率，新的变化速率接着被用于预测再往后的大气状态。<ref>{{cite book\|last=Pielke\|first=Roger A.\|title=Mesoscale Meteorological Modeling\|year=2002\|publisher=[[Academic Press]]\|isbn=978-0-12-554766-6\|pages=48–49}}</ref>不断推进时间步，直到方程组的解到达了想要的预测时间。模式内时间步长的选择与计算网格间距有关，需要确保数值稳定性。<ref>{{cite book\|last=Pielke\|first=Roger A.\|title=Mesoscale Meteorological Modeling\|year=2002\|publisher=[[Academic Press]]\|isbn=978-0-12-554766-6\|pages=285–287}}</ref>全球模式的时间步长约为数十分钟，<ref>{{cite book\|url=https://books.google.com/books?id=JZikIbXzipwC&pg=PA131\|page=132\|title=Computational Science – ICCS 2005: 5th International Conference, Atlanta, GA, USA, May 22–25, 2005, Proceedings, Part 1\|author=Sunderam, V. S. \|author2=G. Dick van Albada \|author3=Peter M. A. Sloot \|author4=J. J. Dongarra\|year=2005\|publisher=Springer\|isbn=978-3-540-26032-5}}</ref>而区域模式则为1到4分钟。<ref>{{cite book\|url=https://books.google.com/books?id=UV6PnF2z5_wC&pg=PA276\|page=276\|title=Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology\|author=Zwieflhofer, Walter \|author2=Norbert Kreitz \|author3=European Centre for Medium Range Weather Forecasts\|year=2001\|publisher=World Scientific\|isbn=978-981-02-4761-4}}</ref>~~全球模式预测时段各有不同。UKMET联合模式可预测未来6天，<ref name="models" />欧洲中心的中程天气预测模式~~ European Centre for Medium-Range Weather Forecasts model可预测未来10天，<ref>{{cite book\|url=https://books.google.com/books?id=fhW5oDv3EPsC&pg=PA474\|page=480\|author=Holton, James R.\|title=An introduction to dynamic meteorology, Volume 1\|year=2004\|publisher=Academic Press\|isbn=978-0-12-354015-7}}</ref>而环境建模中心 Environmental Modeling Center的全球预测系统模式 Global Forest System model可以预测未来16天。<ref>{{cite book\|url=https://books.google.com/books?id=mTZvR3R6YdkC&pg=PA121\|page=121\|title=Famine early warning systems and remote sensing data\|author=Brown, Molly E.\|publisher=Springer\|year=2008\|isbn=978-3-540-75367-4}}</ref>	+	模式指的是一种可以在给定的位置和海拔高度生成未来气象信息的一种计算机程序。任何模型中都有一套称为“原始方程组”的方程组，用于预测未来的大气状态。这些方程组依据分析数据初始化，并确定变化速率。这些变化速率可以预测未来一小段时间的大气状态，每一个时间增量被称为一个时间步长。然后这些方程组被用于新的大气状态，得到新的变化速率，新的变化速率接着被用于预测再往后的大气状态。<ref>{{cite book\|last=Pielke\|first=Roger A.\|title=Mesoscale Meteorological Modeling\|year=2002\|publisher=[[Academic Press]]\|isbn=978-0-12-554766-6\|pages=48–49}}</ref>不断推进时间步，直到方程组的解到达了想要的预测时间。模式内时间步长的选择与计算网格间距有关，需要确保数值稳定性。<ref>{{cite book\|last=Pielke\|first=Roger A.\|title=Mesoscale Meteorological Modeling\|year=2002\|publisher=[[Academic Press]]\|isbn=978-0-12-554766-6\|pages=285–287}}</ref>全球模式的时间步长约为数十分钟，<ref>{{cite book\|url=https://books.google.com/books?id=JZikIbXzipwC&pg=PA131\|page=132\|title=Computational Science – ICCS 2005: 5th International Conference, Atlanta, GA, USA, May 22–25, 2005, Proceedings, Part 1\|author=Sunderam, V. S. \|author2=G. Dick van Albada \|author3=Peter M. A. Sloot \|author4=J. J. Dongarra\|year=2005\|publisher=Springer\|isbn=978-3-540-26032-5}}</ref>而区域模式则为1到4分钟。<ref>{{cite book\|url=https://books.google.com/books?id=UV6PnF2z5_wC&pg=PA276\|page=276\|title=Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology\|author=Zwieflhofer, Walter \|author2=Norbert Kreitz \|author3=European Centre for Medium Range Weather Forecasts\|year=2001\|publisher=World Scientific\|isbn=978-981-02-4761-4}}</ref>全球模式预测时段各有不同。UKMET联合模式可预测未来6天，欧洲中心的中程天气预测模式 European Centre for Medium-Range Weather Forecasts model可预测未来10天，<ref>{{cite book\|url=https://books.google.com/books?id=fhW5oDv3EPsC&pg=PA474\|page=480\|author=Holton, James R.\|title=An introduction to dynamic meteorology, Volume 1\|year=2004\|publisher=Academic Press\|isbn=978-0-12-354015-7}}</ref>而环境建模中心 Environmental Modeling Center的全球预测系统模式 Global Forest System model可以预测未来16天。<ref>{{cite book\|url=https://books.google.com/books?id=mTZvR3R6YdkC&pg=PA121\|page=121\|title=Famine early warning systems and remote sensing data\|author=Brown, Molly E.\|publisher=Springer\|year=2008\|isbn=978-3-540-75367-4}}</ref>

←上一版本		2022年3月6日 (日) 04:28的版本
第19行：		第19行：

	'''流体静力学 Hydrostatic'''模式从垂直动量方恒中过滤出垂直运动的声波，这显著地增加了模型运行中使用的时间步长，这就是流体静力学近似。流体静力学模式使用压力或sigma压力作为垂直坐标。压力坐标与地形相交，而sigma坐标随地形等高线变化。只要水平网格分辨率不小，该模式的流体静力学假设便是合理的。使用整个垂直动量方程的模式称为 '''非流体静力学模式 nonhydrostatic model'''，它既可以滞弹性求解，这意味着它求解了不可压缩空气的完整的连续性方程；也可以弹性求解，这意味着它求解了完全可压缩空气的完整的连续性方程。非静力学假设使用海拔高度或sigma高度作为其垂直坐标。海拔高度可以和地形相交，而sigma 高度坐标随地面等高线改变。<ref>{{cite book\|url=https://books.google.com/books?id=41qztAEACAAJ\|pages=138–143\|title=Fundamentals of atmospheric modeling\|author=Jacobson, Mark Zachary\|year=2005\|publisher=Cambridge University Press\|isbn=978-0-521-83970-9}}</ref>		'''流体静力学 Hydrostatic'''模式从垂直动量方恒中过滤出垂直运动的声波，这显著地增加了模型运行中使用的时间步长，这就是流体静力学近似。流体静力学模式使用压力或sigma压力作为垂直坐标。压力坐标与地形相交，而sigma坐标随地形等高线变化。只要水平网格分辨率不小，该模式的流体静力学假设便是合理的。使用整个垂直动量方程的模式称为 '''非流体静力学模式 nonhydrostatic model'''，它既可以滞弹性求解，这意味着它求解了不可压缩空气的完整的连续性方程；也可以弹性求解，这意味着它求解了完全可压缩空气的完整的连续性方程。非静力学假设使用海拔高度或sigma高度作为其垂直坐标。海拔高度可以和地形相交，而sigma 高度坐标随地面等高线改变。<ref>{{cite book\|url=https://books.google.com/books?id=41qztAEACAAJ\|pages=138–143\|title=Fundamentals of atmospheric modeling\|author=Jacobson, Mark Zachary\|year=2005\|publisher=Cambridge University Press\|isbn=978-0-521-83970-9}}</ref>
		+
		+	<br>

	==历史 ==		==历史 ==

@@ 第12行： / 第12行： @@
 == 类型 ==
-The main assumption made by the '''thermotropic''' model is that while the magnitude of the [[thermal wind]] may change, its direction does not change with respect to height, and thus the [[Baroclinity|baroclinicity]] in the atmosphere can be simulated using the {{convert|500|mb|inHg|adj=on |abbr=on |lk=on}} and {{convert|1000|mb|inHg|adj=on|abbr=on}} [[geopotential height]] surfaces and the average thermal wind between them.
+由热致模式作出的主要假设是，[[热风]]的大小可以改变，但方向不随高度变化，因此大气的斜压性可以用500mb和1000mb的位势高度面和它们之间的平均热风来模拟。<ref>{{cite book|last= Gates|first=W. Lawrence|title=Results Of Numerical Forecasting With The Barotropic And Thermotropic Atmospheric Models|date=August 1955|publisher=Air Force Cambridge Research Laboratories|location=[[Hanscom Air Force Base]]|url=http://handle.dtic.mil/100.2/AD101943}}</ref><ref>{{cite journal |last=Thompson|first=P. D.|author2=W. Lawrence Gates|title=A Test of Numerical Prediction Methods Based on the Barotropic and Two-Parameter Baroclinic Models|journal=[[Journal of the Atmospheric Sciences|Journal of Meteorology]]| date=April 1956 |volume=13|issue=2|pages=127–141 |doi= 10.1175/1520-0469(1956)013<0127:ATONPM>2.0.CO;2 |issn=1520-0469|bibcode = 1956JAtS...13..127T |doi-access=free}}</ref>
@@ 第21行： / 第19行： @@
 '''流体静力学 Hydrostatic'''模式从垂直动量方恒中过滤出垂直运动的声波，这显著地增加了模型运行中使用的时间步长，这就是流体静力学近似。流体静力学模式使用压力或sigma压力作为垂直坐标。压力坐标与地形相交，而sigma坐标随地形等高线变化。只要水平网格分辨率不小，该模式的流体静力学假设便是合理的。使用整个垂直动量方程的模式称为 '''非流体静力学模式 nonhydrostatic model'''，它既可以滞弹性求解，这意味着它求解了不可压缩空气的完整的连续性方程；也可以弹性求解，这意味着它求解了完全可压缩空气的完整的连续性方程。非静力学假设使用海拔高度或sigma高度作为其垂直坐标。海拔高度可以和地形相交，而sigma 高度坐标随地面等高线改变。<ref>{{cite book|url=https://books.google.com/books?id=41qztAEACAAJ|pages=138–143|title=Fundamentals of atmospheric modeling|author=Jacobson, Mark Zachary|year=2005|publisher=Cambridge University Press|isbn=978-0-521-83970-9}}</ref>
 ==历史 ==