Orų prognozės sudaromos skaitmeniniu būdu. Tai atliekama naudojant kompiuterinius atmosferos modelius. Tokie modeliai lygtimis apibūdina esamas oro sąlygas ir jų pokyčius laikui bėgant. Remiantis dabartinėmis oro sąlygomis, lygtis galima išspręsti arba apytiksliai apskaičiuoti, kokie orai bus netolimoje ateityje. Atitinkami fizikiniai parametrai, tokie kaip slėgis, temperatūra, vėjo kryptis ir greitis, laikomi laiko funkcijomis. Jie modeliuojami naudojant dalinių diferencialinių lygčių sistemą. Tai yra dinaminė sistema, kuri sprendžiama skaitmeniniu būdu. Dauguma šių lygčių įgyvendinamos naudojant FORTRAN. Lygtys yra aproksimuojamos. Kadangi skaičiavimų skaičius yra didžiulis, juos paprastai atlieka superkompiuteriai, kad baigtų, kol dar nevėlu.

Kaip veikia skaitmeniniai orų modeliai

Modeliai skiria atmosferą į tris matmenis erdvėje (tinklą arba elementus) ir laiką. Kiekviename tinklelio taške apskaičiuojamos pagrindinės kintamosios: slėgis, temperatūra, drėgmė, vėjo komponentai ir kt. Vietoje begalybės tikslių lygties sprendinių naudojamos skaitmeninės schemos — pvz., baigtinių skirtumų, baigtinių tūrų arba spektro metodai — kad diferencialinės lygties būtų aproksimuotos. Laiko žingsnis pasirenkamas taip, kad skaičiavimai būtų stabili ir pakankamai tikslūs (tam taikomas CFL stabilumo kriterijus).

Parametrizacijos ir apribojimai

Ne visos atmosferos fizikos detalės gali būti tiesiogiai išspręstos dėl riboto tinklelio dydžio. Todėl mažesnio mastelio procesai — konvekcija, debesių formavimasis ir mikrofizika, turbulencija, radiacija, žemės paviršiaus ir augalijos sąveikos — aprašomi parametrizacijų pagalba. Šios apytikslės formulės reikalingos, bet jos įveda netikslumus ir priklauso nuo modelio rezoliucijos bei taikomų prielaidų.

Pradinių sąlygų reikšmė ir duomenų asimilacija

Tikslūs pradinių sąlygų duomenys yra gyvybiškai svarbūs: mažos paklaidos pradžioje laikui bėgant gali išaugti ir lemti dideles prognozės klaidas (Lorenco chaoso principas). Todėl orų modeliai naudoja duomenų asimiliacijos metodus, kad įtvarkytų stebėjimus (palydovinius duomenis, radarus, radiosondas, paviršines stotis ir kt.) į pradines sąlygas. Paskutinės kartos metodai apima 3D/4D-Var ir EnKF (ensemble Kalman filter), kurie padeda suderinti modelio lauką su stebėjimais laike ir erdvėje.

Ensemble prognozės ir neapibrėžtumas

Vėlavimas ir netikslumai prognozėse yra neišvengiami. Kad suteiktų informacijos apie neapibrėžtumą, meteorologai dažnai vykdo ensemble (sąsinių) prognozes: paleidžia keliolika ar keliasdešimt modelio realizacijų su šiek tiek skirtingomis pradinių sąlygų ar parametrizacijomis. Iš šių realizacijų gaunamos tikimybinės prognozės (pvz., kritulių tikimybė) ir vertinami scenarijai, o ne vien tik vienas deterministinis sprendinys.

Modelių tipai ir skiriamoji geba

Yra globalūs modeliai, apimantys visą Žemę, ir regioniniai arba lokaliniai modeliai, kurie orientuoti į mažesnę teritoriją su labai didele rezoliucija. Didesnė erdvinė skiriamoji geba leidžia modeliuoti lokalius reiškinius (pvz., konvekcinius debesis, kalnų poveikį), tačiau reikalauja kur kas daugiau skaičiavimo resursų. Be to, modeliai vis dažniau yra sujungti su jūriniais, ledynų ir žemės paviršiaus modeliais, taigi gaunami visos sistemos prognozės (coupled models).

Superkompiuteriai ir programinė įranga

Didžiausius kiekius skaičiavimų atlieka specializuoti kompiuteriai ir skaičiavimo centrai. Orų prognozavimo sistemos yra optimizuotos lygiagretiniam darbui — naudojami MPI, OpenMP ir kiti lygiagretinimo būdai, kartais pasitelkiami GPU pagreitintuvai. Nors FORTRAN tradiciškai plačiai naudojamas dėl savo skaičiavimo našumo ir istorinio paveldo, daug komponentų rašoma ir C/C++ arba Python (analizei, valdymui ir vizualizacijai). Operaciniai centrai vykdo prognozes periodiškai (pvz., kas 6 arba 12 val.), kad pateiktų naujausius ir laiku paruoštus rezultatus vartotojams.

Praktinė reikšmė ir prognozavimo riba

Trumpalaikės ir vidutinės trukmės prognozės (kelios valandos–kelios dienos) paprastai yra gana patikimos, ypač vykdant aukštos rezoliucijos modelius ir naudojant daug stebėjimų. Tačiau dėl atmosferos chaotiškumo sinoptinio masto prognozės tikslumas apskritai mažėja po maždaug 7–14 dienų; ilgalaikė prognozė dažniau pateikiama kaip klimate pagrįsta tendencija arba sezoninės prognozės.

Išvados

Skaitmeninė orų prognozė yra sudėtingas procesas, sujungiantis fizikos teoriją, matematiką, stebėjimus ir didžiulius kompiuterinius išteklius. Nuolatinis metodų tobulinimas — tikslesnės parametrizacijos, geresnė duomenų asimilacija, didesnė rezoliucija ir pažangi kompiuterinė įranga — leidžia vis geriau prognozuoti orus, tačiau tam tikra prognozavimo ribą lemia pati atmosferos prigimtis.