Post processing

 

      

Khái quát Các mô hình dự đoán thông tin không chính xác lắm, như là độ cao mực dóng băng, loại mưa, các lớp biên gió. Thông tin được đưa ra từ mô hình có giá trị đối dự báo thời tiết viên. Nếu mô hình dự báo ko chính xác các lĩnh vực này, thì nó được tạo như thế nào và khi nào. Các thông tin được thưc hiện bởi postprocessing-đó là 1 quá trình chuyển đổi dữ liệu của mô hình thành 1 định dạng rất có ích cho dự báo viên. Theo dõi hết mục này, các bạn sẽ hiểu rõ hơn: Tại sao mô hình P lại cẩn thiết Những đặc trưng nào được thực hiện thông qua P Người xử lý tương tác với mô hình dự báo thời tiết như thế nào Nó tốt hơn thậm chí còn thích hợp hơn để quan sát thông tin dựa vào sự trình bày của mô hình Tại sao cần các tham số đã được chuẩn hóa Các khu vực chuẩn hóa được tạo ra như thế nào

  

Những điều cần thiết cho P Tại sao chúng ta cần P? Mô hình số thường cho ra những tt không mấy thuận lợi cho dự báo viên. Mô hình xuất ra sig, Bt, lớp Et thì gần như vô nghĩa đối với DBV.P dịch thông tin từ lưới dự báo địa phương, tọa độ thẳng đứng, các biến số thành các thông tin chuẩn và có ý nghĩa. Nó còn đưa ra các thông số dự báo tại mực chuẩn thẳng đứng rất tốt ngay cả các sản phẩm hay khư vực phụ cận.

  

        

PP Những gì được thực hiện trong P? Các khu vực dự báo cần được biến đổi từ sự trình bày của cấu trúc mô hình tính toán mẫu sang hệ thống tọa độ khí tượng có nghĩa. Điều này bao gồm 2 phần: Phép biến đổi từ hệ số phổ sang điểm lưới (hoặc vị trí đặc biệt) Phép nội suy năm ngang và thẳng đứng tới lưới biể diển chuẩn của WMOvà mực thẳng đứng chuẩn. Các biến chuẩn được tính từ dữ liệu mô hình dự báo. Chúng gồm: ấp suất tại mực biển trung bình, độ ẩm, điểm sương, thế năng trái đất tham số tich hợp thăng đứng như là:CAPE, CIN,PW, và chỉ số ổn định. Dữ liệu về tầng đối lưu Khư vực … Thông tin về mực đóng băng Lớp biên của khu vực

  

Sự tương tác với mô hình dự báo thời tiết Người xử lí tương tác với mô hình dự báo thời tiết như thế nào? Việc xư lí xảy ra 1 cách tách biệt với mô hình dự báo thời tiết tích hợp. Tuy nhiên nó độc lập dựa trên dữ liệu mà mô hình đưa ra. Điều này thật là khó bởi vì 1 số trở ngại trong việc nhận dữ liệu có thể ảnh hưởng đến việc xuất thông tin của mô hình. Mặc dù vậy, việc sử dụng thông có hiệu quả của người xử lí mới là cốt yếu. việc này được thực hiện bởi Lưu giữ dữ liệu xuất ra từ mô hình tại các thời gian đặc biệt trong quá trình tích hợp và xử lí dữ liệu khi mô hình đã hoàn thành. Song song với viêc lấy tất cả dữ liệu từ mô hình thì ta thưc hiện công việc khác (hoặc trên máy khác), nơi mà dữ liệu được xử lí trong khi mô hình vẫn chạy Kết hợp cả 2 phương pháp trên

Quan sát dữ liệu trên khung lưới riêng Có thật là tốt hơn hay thích hợp hơn để quan sát dữ liệu trên sự trình bày riêng của mô hình? Tất cả việc tính toán dự báo cần 1 mô hình biểu diển riêng, gồm 1 trong 2 cái sau Mô hình điểm lưới Mô hình phổ Tuy nhiên tùy theo muc đich mà ta sử dụng mô hình điểm lưới hay mô hình phồ

        

Các tham số nhận được và chuẩn đoán Tại sao ta lại cần các thông số này? Các dữ liệu căn bản do mô hình xuất ra bao gồm các tham số như: Áp suất Nhiệt độ độ ẩm thành phần gió kết quả phạm vi dự báo cơ bản ngoài các chuẩn mực trên, nhiều tham số khác cũng là cộng cụ dự báo hữu ích nhưng lại không có giá trị bằng các tham số cơ bản. quá trính xử lý cung cấp các chức năng hữu ích bằng việc nhận kết quả từ mô hình chủ. Ghi chú, các phạm vi nhận đươc và bô sung them dược tính toán trên tọa độ thẳng đứng và có thể trên sự biểu diễn nằm ngang.

 

       

Kỹ thuật lấy đạo hàm và dạo hàm tuần phần Có nhiều cách để phân loại tham số từ áp suất tại mực nước biển trung bình tới dối lưu thế năng. Nhiều tham số được phân ra để tính toán được dung trong các công thức phổ biến và không thích hơp với các mô hình đặc biệt. các ô này được tính toán tai mỗi lưới điểm từ những ô gốc nội suy thẳng đứng và sau đó được đặt vào các lưới trung gian. Điều này áp dung cho các biến được bảo toàn. Các thành phần được chia ra thông thường gồm: Nhiệt độ- từ nhiệt độ ảo Áp suất mực biển Độ cao năng lượng thế trái đất Nhiệt đô điểm sương D Xoáy ốc tuyệt đối Dòng chảy địa hoành

        

Các ô phụ khác có thể bao gồm: Các ô ngầm( chủ yếu cho các thuật toán rút gọn mưc biển) Dữ liệu tầng đối lưu( áp suất, nhiệt độ, gió nằm ngang, gió thẳng đứng) Mây Khu vực bay ( nhiệt độ và gió) Dữ liệu mực đóng băng Các chướng ngại vật ( tầm nhìn bề mặt, mưa đá, xoáy, gió lạnh và chỉ số nhiệt) Các vùng khí hậu Lớp biên của ô

   

     

Tóm Tắt Là người sử dụng dữ liệu xuất ra từ mô hình số, ở đây có 1 số điểm chính cần nắm: P chuyển đổi dữ liệu thô thành 1 định dạng có ích cho dự báo viên. Nó đưa ra các tham số dự báo tai mực thẳng đứng chuẩn cũng như là các phần phụ và các trường. Nó không thiết thực hoặc hữu ích cho việc quan sát dữ liệu riêng trên 1 cơ sở điều hành bởi vì nó không thể được trình bày trong 1 định dạng khí tượng hữu ích và có thể cũng không có các trường và tham số hữu ích. Có phương tiện tới cách giải quyết các lưới phổ biến cao nhất luôn luôn có lợi Dữ liệu được xuất ra không bằng với mô hình giải quyết đầy đủ thì không nhất thiết ngụ ý là mất thông tin Dữ liệu được xuất ra không bằng với mô hình giải quyết đầy đủ thì thực tế phổ biến hơn. Giới thiệu SG dựa trên dữ liệu của NWP là sự áp dụng dạng phân tích thống kê đơn giản tới dữ liệu thô và các biến số thời tiết được quan sát, với mục đích cải tạo mô hình dự báo số. Các phương pháp thống kế thường là các công cụ hữu ích và quan trọng trong việc dự báo. Ngày nay, việc áp dụng các phương pháp này cho mô hình SG và các điều kiện thời tiết là 1 trong những công cụ quan trọng đối với dư báo viên. Tuy nhiên, với 1 số công cụ khác, chúng ta sẽ hiểu thêm về SG khi biết thêm cả về cấu trúc, điểm mạnh, sự hạn chế của nó, hiệu quả hơn là việc ta có thể sử dụng nó và nó cho ta kết quả.

 1.Nguyễn

Trương Thanh Hội  2. Đặng Lại Thủ Khoa  3. Nguyễn Bá Tuyên  4. Phạm Quốc Tâm  5. Phạm văn Phước  6. Mai Đức Trần  7.Vũ Đình San  8. Tô Duy Thái

Sign up to vote on this title
UsefulNot useful