Pomiar instrumentalny

Co ważne, 4DVAR asymiluje każdą z tych obserwacji z uwzględnieniem jej dokładnego czasu, zamiast grupować je wszystkie w jednym kilkugodzinnym interwale. Rezultat tego scalania bezwzględnych pomiarów i spodziewanych wartości staje się z kolei zestawem danych początkowych dla następnej sześciogodzinnej prognozy. Teoretycznie asymilacja danych generuje optymalne przybliżenie stanu pogody, które jest idealnie wyważone zarówno względem danych obserwacyjnych, jak i wyników poprzedniej prognozy. Choć od strony statystycznej sens takiego postępowania jest jasny, założenia i dane niezbędne do prawidłowego przełożenia teorii na praktykę są jedynie przybliżone. Z tego względu asymilacja danych wciąż jest po części nauką, a po części sztuką. Mówiąc ściślej, 4DVAR znajduje taki stan atmosfery, który spełnia meteorologiczne równania stanu, a zarazem jest bliski zarówno obserwacjom, jak i „domysłom”.
Wykonuje to trudne zadanie przez wsteczne korygowanie stanu modelu na początku każdego sześciogodzinnego interwału o różnicę pomiędzy poprzednim wynikiem modelowania a świeżymi obserwacjami. 4DVAR używa tych różnic przede wszystkim do obliczenia czułości modelu w jakim stopniu małe zmiany każdego z parametrów wpływają na zgodność wyników modelowania z obserwacjami. Kalkulacja wykorzystuje tzw. model sprzężony, cofając się w czasie przez cały sześciogodzinny interwał. Następnie algorytm optymalizacji wybiera najlepsze poprawki stanu początkowego, które pozwalają uzyskać symulację maksymalnie zbliżoną do faktycznej ewolucji cyklonu w danym czasie. KOREKTA ta jest dokonywana z użyciem uproszczonych równań stanu, cały proces a więc modelowanie, porównanie, modelowanie wsteczne i optymalizacja trzeba zatem powtarzać wielokrotnie, by rezultat był zadowalający. W ten sposób wynik modelowania staje się „domysłem” dla nowego sześciogodzinnego interwału prognozy.
Tagi: pogoda, atmosfera, wynik
Katalog podstron