در روش پیشبینی آب و هوای عددی (NWP) از مدل‌های ریاضیجو و اقیانوس‌ها استفاده می‌کنند تا شرایط آب و هوایی را براساس شرایط جوی کنونی پیشبینی کنند. اگرچه این روش برای اولین بار در دهه ۱۹۲۰ بکار گرفته شد، اما تا زمان ظهور شبیه‌سازی رایانه ایدر دهه ۵۰ روش پیشبینی عددی آب و هوا نتوانست نتایج واقع گرایانه و قابل قبولی را کسب کند. تعدادی از مدل‌های پیشبینی جهانی و منطقهای در کشورهای مختلف در سراسر جهان در حال اجرا هستند، با استفاده از مشاهدات آب و هوایی فعلی از رادیوسوندها، ماهواره‌های هواشناسی و سیستم‌های مشاهده دیگر به عنوان ورودی استفاده می‌کنند.
مدل‌های ریاضیبراساس همان اصول فیزیکی می‌توانند برای تولید پیش‌بینی‌های آب و هوایی کوتاه‌مدت یا پیش‌بینی‌های بلند مدت آب و هوایی استفاده شوند که از پیش‌بینی‌های بلند مدت آب و هوایی به‌طور گسترده برای درک و پیشبینی تغییرات اقلیم استفاده می‌شود. پیشرفت‌های صورت‌گرفته در مدل‌های منطقهای باعث بهبود قابل توجهی در پیشبینی گردباد استوایی و پیش‌بینی‌های مربوط به کیفیت هوا را شده‌است. با این حال، مدل‌های جوی عملکرد بسیار کمی‌در فرایندهای انتقالی که در یک منطقه نسبتاً محدود مانند آتش‌سوزیرخ می‌دهند، دارند.
استفاده از مجموعه داده‌های گسترده و انجام محاسبات پیچیده که برای پیشبینی آب و هوای عددی مدرن لازم است، نیازمند برخی از قدرتمندترین ابر رایانه‌های جهان است. حتی با افزایش قدرت ابر رایانه‌ها، مهارت پیشبینی مدل‌های هواشناسی عددی فقط در حدود شش روز گسترش می‌یابد.
عوامل مؤثر بر صحت پیش‌بینی‌های عددی شامل چگالی و کیفیت مشاهدات مورد استفاده به عنوان ورودی پیش‌بینی‌ها، همراه با نقص در مدل‌های عددی باعث بوجود آمدن تکنیک‌های پس از پردازش مانند آمار خروجی مدل (MOS) به منظور کاهش خطا در پیش‌بینی‌های عددی توسعه یافته‌اند.
یک مشکل اساسی تر در ماهیت بی نظمی‌در معادلات دیفرانسیل جزئیحاکم بر جو است. حل این معادلات به‌طور دقیق غیرممکن است و خطاهای کوچک با گذشت زمان (دوبرابر شدن در هر پنج روز) افزایش می‌یابد. درک فعلی این است که این رفتار نامنظم پیش‌بینی‌های دقیق را حتی با داده‌های ورودی دقیق و یک مدل بی عیب و نقص را به حدود ۱۴ روز محدود می‌کند. علاوه بر این، معادلات دیفرانسیلجزئی استفاده شده در مدل باید با پارامترهای تابش خورشیدی، فرایندهای مرطوب (ابرها و بارش)، تبادل گرما، خاک، پوشش گیاهی، آبهای سطحی و تأثیرات زمین تکمیل شود. در تلاش برای تعیین کمیت مقدار زیادی از عدم قطعیتذاتی در پیش‌بینی‌های عددی، از دهه ۱۹۹۰ پیش‌بینی‌های گروهی برای کمک به سنجش اعتماد در پیشبینی و به دست آوردن نتایج مفید بیشتر در آینده مورد استفاده قرار گرفته است. این رویکرد پیش‌بینی‌های متعدد ایجاد شده توسط یک مدل پیشبینی مجزا یا مدل‌های چندگانه را تجزیه و تحلیل می‌کند.
سلامت نیوز:امروزه بدون اطلاع از وضعیت هوا در چند ساعت و چند روز آینده هیچ هواپیمایی پرواز نمی‌کند، یا هیچ کشتی باری یا مسافربری راهی دریا نخواهد شد. کشاورزان حتی در دوردست ترین روستاها با کمترین امکانات خود که گاهی یک رادیوی کوچک است، اخبار مربوط به پیشبینی وضع هوا را دنبال می‌کنند تا حوادث غیرمترقبه، حاصل زحمات شبانه‌روزیشان را بر باد ندهد. در کنار این موارد نیاز به پیشبینی وضع هوا در مسائل محیط زیستی نیز بسیار اهمیت دارد. یک پیشبینی به موقع می‌تواند جنگلی را از آتش‌سوزی‌های تابستانه نجات دهد یا حداقل در کسب آمادگی برای مقابله با آن یاری رساند. وقوع سیل‌های مهیب، طوفان‌های شدید و گرد و غبار از جمله حوادثی هستند که اگر به درستی پیشبینی شده باشند، می‌توان خسارات ناشی از آن‌ها را به حداقل رساند.
به گزارش سلامت نیوز به نقل از دنیای سبزتر،به‌عنوان مثال طی بررسی‌هایی که در کشور انگلستان و ولز پیرامون استفاده از سیستم‌های پیشبینی، هشدار و واکنش نسبت به وقوع سیل FFWRS1 انجام شد به این نتیجه رسیدند که اگر در مدت 10 سال 247 میلیون پوند برای استفاده از این سیستم‌ها هزینه شود، در مقایسه با 1261 میلیون پوندی که باید صرف خسارت ناشی از وقوع سیل بدون آمادگی قبلی شود، نسبت منفعت به هزینه حدود 4 به 1 خواهد بود. در جای دیگر بیان شد که در اروپا بین سال‌های 1974 تا 2000 با استفاده از سیستم‌های پیشبینی به رغم افزایش سیلاب‌ها، از میزان مرگ و میر به وضوح کاسته شده است.
روش‌ها و مدیریت‌ها
از آنجا که پیشبینی هوا علم کاملاً دقیقی نیست ممکن است گاهی اوقات پیش‌بینی‌ها نادرست از آب در آیند. از این رو هرچه محدوده زمانی پیشبینی (یعنی تفاوت زمانی بین لحظه حاضر و زمانی که قرار است نتایج هواشناسی برای آن اعلام شود) افزایش یابد، دقت و صحت اطلاعات ارائه شده هواشناس نیز کاهش پیدا می‌کند.
پیشبینی وضع هوا مستلزم دانستن نحوه تغییر وضعیت فعلی جو است. درنتیجه اگر مایل به انجام پیشبینی باشیم باید شرایط جوی فعلی را در مساحت بزرگی از منطقه بررسی کنیم. برای دستیابی به این اطلاعات، شبکه‌ای جهانی با بیش از ده هزار ایستگاه در سطح زمین و صدها کشتی و شناور هواشناسی (بویه) داده‌های هواشناسی را چهار مرتبه در روز برداشت می‌کنند. اطلاعات بیشتری نیز به ویژه داده‌های مربوط به جو بالا با استفاده از رادیوسوندها و ماهواره‌های هواشناسی جمع‌آوری می‌شوند.
داده‌های رادیوسوند به طور معمول تنها در ساعت 00:00 و 12:00 به وقت گرینویچ در دسترس هستند در حالی که مشاهدات هواپیماها و ماهواره‌ها در تمام طول روز وجود دارد.
سازمان جهانی هواشناسی WMO2 در سال 1950 با هدف تسهیل همکاری جهانی برای ایجاد شبکه‌ای از ایستگاه‌ها به منظور مشاهدات هواشناسی و ایجاد سیستم‌های مبادله سریع اطلاعات هواشناسی و منظم کردن مشاهدات و انتشار یکسان آن‌ها و همچنین استفاده بیشتر از هواشناسی در امر هوانوردی، دریانوردی، کشاورزی و ... ایجاد شد، تا بتوان با دقت بیشتری به تجزیه و تحلیل داده‌های هواشناسی و انجام پیش‌بینی‌های هواشناسی دست یافت.
پس از انجام مشاهدات که اغلب شامل داده‌های دما، فشار، رطوبت، باد و میزان ابر است، داده‌های برداشت شده باید به سرعت و با استفاده از ابزار الکترونیکی به ایستگاه مخابره اطلاعات ارسال شوند. سپس این داده‌ها به مراکز جهانی هواشناسی و از آنجا به مرکز ملی پیشبینی محیط‌زیست NCEP3 فرستاده می‌شوند که در این مرکز مسئولیت سنگین تجزیه و تحلیل داده‌ها، آماده‌سازی نقشه‌ها و نمودارهای هواشناسی و پیشبینی هوا در سطح جهانی و منطقهای آغاز می‌شود.
تحول فناوری هواشناسی
تا اواسط سال 1950، تمامی‌نقشه‌ها و نمودارهای هواشناسی با دست ترسیم می‌شد و تمامی‌تحلیل‌ها توسط افراد انجام می‌گرفت. کارشناسان هواشناسی، وضع هوا را با استفاده از قوانین خاص و معین پیشبینی می‌کردند. در پیش‌بینی‌های کوتاه‌مدت تا 6 ساعته، سیستم‌های سطحی هواشناسی با نرخ ثابتی منتقل می‌شدند. نمودارهای جو بالا برای پیشبینی طوفان‌های سطح زمین و موقعیت تضعیف و تشدید سیستم‌های فشاری به‌کار برده می‌شدند. نقاط پیشبینی شده با استفاده از سیستم‌ها به کمک تکنیک‌های گرافیکی خطی برون‌یابی می‌شدند و نقطه‌های فعلی به آینده تعمیم داده می‌شد. در این‌گونه پیش‌بینی‌ها تجربه در برخی موارد دقت پیش‌بینی‌ها قابل قبول بود اما با ظهور کامپیوترهای پیشرفته همراه با تکنیک‌های مشاهداتی جدید، دقت پیش‌بینی‌ها روز به‌روز افزون‌تر شد.
همانطور که گفته شد امروزه به منظور پیشبینی وضع هوا و بررسی نمودارها و نقشه‌ها از کامپیوترهایی استفاده می‌شود که برای مدلسازی داده‌ها با سرعت بسیار بالا به کار گرفته شده‌اند. این کامپیوترها توانایی تجزیه و تحلیل مقدار زیادی داده در مدت زمان اندک را دارند. روزانه انبوهی از داده‌های مشاهداتی به NCEP ارسال و با استفاده از کامپیوترهای بسیار سریع، خطوط و نمودارهای مربوط به شرایط وضع هوا و جو بالا ترسیم می‌شدند تا هواشناسان الگوهای هواشناسی را تفسیر و خطاهای احتمالی را تصحیح و جدول نهایی را برای تجزیه و تحلیل آماده کنند.
این کامپیوترها علاوه بر تجزیه و تحلیل داده‌ها، به پیشبینی وضع هوا نیز می‌پردازند. این روش، با استفاده از یک رشته معادلات ریاضی انجام می‌شود که با عنوان پیشبینی عددی وضع هوا NWP4 شناخته شده‌اند. از آنجا که متغیرهای هواشناسی پیوسته در حال تغییرند، مدل‌های اتمسفری که به توصیف وضعیت فعلی جو می‌پردازند به کار گرفته می‌شود. این مدل‌ها به صورت فیزیکی عمل کنند، مثلاً نمی‌توانند پیشرفت یک طوفان را تصویرسازی کنند، بلکه مدل‌های ریاضی شامل تعداد زیادی معادله هستند که به توصیف چگونگی تغییر دما، فشار، باد و رطوبت جو در زمان مشخص می‌پردازند. به‌طور کلی می‌توان گفت که این مدل‌ها تقریب فرموله شده‌ای از رفتار جو به شمار می‌روند.
پس از آماده‌سازی مدل‌ها، داده‌های مشاهداتی دما، فشار، رطوبت، باد و چگالی هوا در سطح زمین و جو بالا به معادلات وارد می‌شوند. برای تعیین چگونگی تغییر هر یک از این متغیرها، هر معادله برای نقاط بسیاری که به نقاط شبکه معروفند در زمان کوتاهی در آینده (مثلاً 5 دقیقه) و همچنین برای تعداد زیادی تراز جوی حل می‌شود، سپس نتیجه این محاسبات به معادله اصلی وارد شده، دوباره معادلات با داده‌های جدید حل می‌شوند. بنابراین نتیجه پیشبینی هوا در 5 دقیقه آینده به دست می‌آید. این روش بارها و بارها تا جایی که زمان‌های موردنظر در آینده (6، 12، 24 و... ساعت) به دست آید تکرار می‌شوند. سپس نوبت به آنالیز داده‌ها می‌رسد و خطوط هم‌فشار و هم‌ارتفاع رسم می‌شوند. در نهایت به نموداری به نام نمودار پیش‌آگاهی خواهیم رسید که نماینده اتمسفر در زمان آینده خواهد بود. بعد از این مراحل، کارشناس پیشبینی از این نمودارها به‌عنوان یک راهنما برای پیشبینی استفاده می‌کند. امروزه مدل‌های مختلفی از نمودارهای پیش‌آگاهی وجود دارد که بر اساس مشخصات خاص انتخاب می‌شوند و در تفسیر وضع هوا مورد استفاده قرار می‌گیرند. برخی از این مدل‌ها حتی توانایی پیشبینی تا 16 روز آینده را نیز دارند.
هواشناس خوب با علم به مشخصات ویژه هر مدل، با دقت به بررسی آن می‌پردازد. سپس بر اساس راهنمایی مدل‌های کامپیوتری و تغییرات مشخص وضع هوا و ویژگی‌های جغرافیایی محل که ممکن است وضع هوا را تحت تأثیر قرار دهد پیشبینی خود را ارائه می‌دهد.
اعتبار پیش بینی و احتمال خطا
در حال حاضر، مدل‌های پیشبینی می‌توانند به‌خوبی وضع هوا را از 4 تا 6 روز آینده پیشبینی کنند، اما با تمام پیشرفت‌هایی که در این‌گونه پیش‌بینی‌ها انجام گرفته، باز هم نمی‌توان از صحت صددرصدی پیش‌بینی‌ها اطمینان حاصل کرد.
و اینک این سؤال پیش می‌آید که با تمام این محاسبات و تلاش برای رسیدن به یک پیشبینی دقیق چرا گاهی اوقات پیش‌بینی‌ها نادرست از آب درمی‌آیند؟!
در پاسخ باید گفت که بروز چنین اشتباهاتی دلایل متعددی دارد که می‌توان به‌عنوان اولین دلیل به این مهم اشاره کرد که مدل‌های کامپیوتری یک نقص ذاتی دارند و آن هم محدودیت در دقت پیش‌بینی‌هاست. با این توضیح که مدل‌های پیشبینی کامپیوتری، اتمسفر واقعی را به‌صورت ایده‌آل فرض می‌کنند. هر مدل، فرضیات خاصی را در نظر می‌گیرد که ممکن است این فرضیات برای یک هدف راهگشا و برای دیگری ناکارآمد باشد. درنتیجه ممکن است که نمودار تولید شده به طور کامل با وضعیت جو همخوانی داشته باشد، یا این‌که هیچ شباهتی به آن نداشته باشد.
مشکل دیگر این است که همه مدل‌ها در مقیاس جهانی نیستند و این تفاوت باعث می‌شود که خطاهای کوچک در مرزهای مدل بسیار چشمگیر شوند. بدیهی است که مدل‌های جهانی به انواع دیگر آن ترجیح داده می‌شوند اما باید در نظر داشت که داشتن مدلی در این مقیاس و با وضوح و دقت بالا نیازمند مقادیر بسیار زیادی داده و محاسبات خواهد بود که دسترسی به آن‌ها در هر شرایطی امکان‌پذیر نیست.
در پایان نتیجه می‌گیریم که که جو ماهیتی بی‌نظم و به‌اصطلاح آشوبناک (chaotic) دارد و همیشه نوساناتی بسیار کوچک و غیرقابل پیشبینی دارد که عموماً با گذشت زمان تقویت می‌شود. لازم به یادآوری است که نباید تمام این شرایط را به نبود دقت کافی در پیش‌بینی‌ها مربوط ساخت، آنچه در این شرایط اتفاق می‌افتد نوعی عدم قطعیت کوچک در شرایط اولیه جوی است که به شرایطی متفاوت در مدل پیشبینی منجر می‌شود. به همین منظور هواشناسان به دنبال روشی با عنوان پیشبینی گروهی هستند تا به‌وسیله آن پیش‌بینی‌های کوتاه‌مدت و میان‌مدت را بهبود بخشند. رویکرد این نوع پیشبینی به‌گونه‌ای است که چندین مدل هواشناسی یا نسخه‌های مختلف یک مدل به‌صورت جداگانه اطلاعات هواشناسی مختلف را بررسی کرده، خطاهای احتمالی را در اندازه‌گیری‌ها منعکس می‌کنند. امید که با پیشرفت روز به‌روز علم هواشناسی و دسترسی به ابزار و سیستم‌های موردنیاز شاهد پیش‌بینی‌هایی با دقت بالاتر باشیم تا بتوان خسارات ناشی از حوادث طبیعی قابل پیشبینی را به حداقل رساند.
منبع: ویکی پدیا
http://iranzamin85.blogfa.com/post/60