背景
准确预测热带气旋/飓风(TC)是一个高优先级的研究课题,由于其潜在的巨大的经济影响以及公共安全问题。飓风最具有破坏力的和昂贵的自然现象。例如,温暖的水域特别是在巴哈马群岛和大安的列斯群岛提供重要能源飞往佛罗里达的飓风。因此,佛罗里达收到比其他地方更多的飓风在美国(Elsner和卡拉,1999)。在1992年,安德鲁飓风造成超过300亿美元的直接经济损失在南佛罗里达州。最近2004年飓风(查理,弗朗西斯,伊万和珍妮),旋转和佛罗里达交叉,造成超过200亿美元的损失。更令人担忧,皮尔克和Landsea(1998)报道,总损失估计为4级飓风的迈阿密,佛罗里达将会超过600亿美元。最近的飓风2005(卡特里娜飓风)造成1000亿美元的经济损失。这一趋势的赔偿强调更好的TC追踪的重要性和必要性,特别是强度预测。
尽管大减少跟踪预测错误在过去的三十年里(cf无花果。1),飓风预测错误未达到预计可预测性限制(McAdie和劳伦斯,2000)。与改善跟踪预测,几乎没有改善预测风暴的强度和很少的精力来预测风暴结构和总体规模(刘et al ., 1997;营和蒙哥马利,2001年)。以来,大多数破坏性飓风登陆前进行快速加剧,如卡特里娜飓风,飓风(全球大约10 - 15%的经历一段快速强化),仍然需要相当大的改进的理解和预测TC强度变化和内在的核心结构。
TC预报的规模已经引起相当大的关注天气预报预测(~ 3 - 5天)和气候。raybet雷竞技最新对气候,TC的raybet雷竞技最新行为是受到气候因素的影响,如大规模的变化
Elsner J.B.和T.H.贾格尔(eds),飓风和气候变化raybet雷竞技最新,339年
doi: 10.1007 / 978-0-387-09410-6,©Springer科学+商业媒体,有限责任公司2009年
图1所示的分析和24日48和72小时国家飓风中心预测跟踪误差从1975年到1998年(McAdie和劳伦斯之后,2000)。线性回归趋势线显示,在这23年48和72小时预测跟踪误差提高了50%,而24小时预测跟踪误差提高了37%。尽管这些改进,72小时预测跟踪误差仍约400公里,48小时预测跟踪误差约为275公里,而24小时跟踪误差约为175公里
图1所示的分析和24日48和72小时国家飓风中心预测跟踪误差从1975年到1998年(McAdie和劳伦斯之后,2000)。线性回归趋势线显示,在这23年48和72小时预测跟踪误差提高了50%,而24小时预测跟踪误差提高了37%。尽管这些改进,72小时预测跟踪误差仍约400公里,48小时预测跟踪误差约为275公里,而24小时跟踪误差约175公里环流异常与厄尔Niniio-Southern振荡(ENSO)或北大西洋涛动(NAO)或热带风暴的起源的变化或区域土地利用的变化(例如,Elsner et al ., 1998)。在天气预报的规模,TC行为特点是强烈的多尺度相互作用:飓风漩涡在水平大小数百公里(天气),眼睛是数万公里(中尺度)和嵌入对流云团在公里(的顺序云级别的),一个垂直规模高达20公里(例如,Gopal et al ., 2002)。此外,其他大气现象,如尘埃气溶胶,可能影响发展的TC的(调查和Velden, 2004)。这些问题仍在调查中,有些争议。
当地环境流的飓风漩涡是嵌入式的主要因素决定了其短期追踪。较长时间尺度,准确的预测从气旋流的相当大的距离是必要的。TC的内部结构和结构之间的交互和飓风的环境是主要影响飓风强度。这些时空尺度和规模的交互应该尽可能准确地表示,当TC行为进行了研究。否则,重大问题的组件可能会被忽视。
这广泛的时间和空间尺度上描述大气过程演示了多尺度功能在飓风建模的必要性。然而,当前大气模拟系统具体规模和不能解决所需的全谱准确预测当地规模的现象(如对流)。即使最近的计算能力的进步,当前体系结构和物理今天的一代的大气模型无法模拟的规模全面互动氛围。然而,数值天气预报(NWP)模型应该能够预测三维,与时间有关的字段在复杂地形大气平均流量和动荡的不稳定天气环境。此外,这些模型都应该有一个足够的网格分辨率占当地规模现象和平均垂直行星边界层结构。数值算法的准确性,因此这些模型的最终预测模型的完整性密切相关物理、动态、准确初始和边界条件,计算域网格模型的计算。
完整性的物理和动力学模型,在过去的二十年里,与超级计算机的发展和改进的配方大气物理学和动力学、数值天气预报模型不断得到改善和发展。然而,(即分析错误。在初始条件、错误)仍被视为TC预报误差的主要来源之一的数值天气预报模式(洛伦兹,1990)。至于大气分析,其质量取决于两个主要因素。首先,分析的质量受到的技术分析。NWP模型用于生成第一个猜测分析领域,和统计评估方法,结合信息从第一个猜和观察使用近似的限制我们的知识和计算能力。第二个主导因素分析是数据覆盖的质量。观察更好的地理范围,更高的质量和/或更全面的数据应该改善大气初始条件,进而提高数值天气预报预测,提供可迅速吸收这些观察足以是有用的。
目前现场大气测量系统是不足以确定大气的当前状态,因此我们预测的能力是有限的约束。这些观察以固定时间间隔和固定的地理位置能够定义大规模大气系统的特点和气候学家的利益,天气预报员,早期预测数值天气预报系统。然而,总是需要额外的数据来解决大气中的关键特性(如飓风的对流结构的细节)。当前和下一代卫星大气观测可能覆盖显著增加在我们的观察。检索的空间和时间分辨率的大气特性将扩大和数据流上的最终结果预计将增加。这一转变可能需要转移数据的利用率。例如,而不是使用所有的数据在一个平等和蛮力方法,我们可能需要考虑添加某种形式的智能数据处理系统识别、提取和利用是必要的重要的信息对于一个给定的预测周期(Boybeyi et al ., 2007)。
毫无疑问,另一个明显的方法来提高数值天气预报模型的预测的准确性是提高空间网格的分辨率。然而,整个域引入精细的空间分辨率的大小并不总是实用的自建模领域,众多的各种大气过程之间的相互作用,数值算法的复杂性的地方网格分辨率的限制,可以通过使用当前电脑。这些限制禁止使用统一的高空间分辨率,适合解决最小的尺度感兴趣的(TC预报,兴趣是“对流”)的最小规模。然后开发一个替换方法能够提供某些关键地区的局部细化。
因此,TC强度跟踪和预测可以提高;
•详细测量尺度从风暴的大规模环境的小核心
•适当的数值网格分辨率解决感兴趣的最小尺度(如眼睛,眼墙,和螺旋带)和多尺度大气流动交互。
本章详细论述了上述要求更好的TC预报。第二节提供了讨论遥感观测,而第三节讨论高保真数值模拟耦合提供了高分辨率观测。最后,第四节提供了一些结论。
继续阅读:从直接间接损失的损失
这篇文章有用吗?