Descargitas

来自中国的最新突发新闻。

日食云量预测的早期观察

首先,您不会在这里获得任何类似于 12 天后几分钟的可靠云预测的信息。 但如果您计划在 4 月 8 日观看日全食,尤其是旅行计划,我们认为您一定会非常渴望继续阅读。

严肃地说,关于当天的早期天气预报,我们可以说一些事情,并且在您开始每天多次查看天气预报之前,有些事情值得学习(如果您还没有这样做的话)。

为什么云如此难以预测?

云是最难预测的天气因素之一,即使只提前几天,更不用说提前 10 天了。

产生大面积云层的不仅仅是大型风暴系统。 这些云相对容易预测,尤其是在几天之内。 大气中较小、较弱的扰动也会产生云,即使它们不含有足够的水分来降水。 与此同时,距离锋面仅 50 英里左右的地方,天空可能会从完全多云变为完全晴朗,而模型对锋面位置的预测可能会提前一两天出现两倍的误差。

挑战在于,云层覆盖通常取决于大气中非常小尺度上发生的过程,小到模型没有足够详细的数据来准确解析它们。

为什么我需要知道什么是“乐队”?

我们通常尽量减少技术术语。 然而,对于那些致力于这些预测的人来说,了解什么是“群体”以及它为何如此重要是有帮助的。

预测模型主要有两种类型:确定性模型和集成模型。

确定性模型是您习惯看到的预测。 它们是使用单一解决方案的预报:温度为 X,降水机会为 Y,云量为 Z。这些预报通常提前两到三天会更准确。

对于提前几天到大约两周的预报,大多数气象学家更喜欢查看集群。 这些本质上是多次运行的确定性预测。 在每次运行或模拟中,输入模型的原始天气观测都会稍微修改,以表示观测和模型本身的缺陷。 通过分析多次模拟之间的异同,预报员可以更好地了解可能的天气结果的范围和概率,以及对预报的总体信心。

4 月 8 日有哪些不可避免的预测?

上图是 4 月 8 日中午的模型确定性预测。 它显示了全食路径的大部分区域都有大量云层,即从德克萨斯州到缅因州横跨美国的大约 115 英里宽的地带。 它可以是完全正确的,也可以是完全错误的。 时间太多了,无法将任何事情建立在确定性预期的基础上。

它显示的情况与气候学(或一年中这个时候的平均云状况)类似,德克萨斯州的天空更加晴朗,东北部的云层增加。 然而,东北部地区也有一些晴朗的天空,这与东海岸附近预测的高压区域有关。

出现什么群体?

上图显示了对大气压力的集体预测,使用了美国建模系统 30 次模拟预测的平均压力。 一般来说,低压区域(以蓝色阴影显示)往往更浑浊,而高压区域(以黄色和橙色显示)往往更明亮。

相当数量的单独模拟表明气压较低,因此整个路径的大部分地区天空更加多云。 有些表明全食路径东部或东北部的气压较高且天空较亮,但进入全食路径的西部地区(尤其是德克萨斯州北部地区)时,它们仍然显示出较低的气压。

本文顶部显示的云量预测表明,低压区距离德克萨斯州以北足够远,如果低压位置的模拟正确,云量可能会受到限制。

当然,不仅对天气系统的存在和位置的信心较低,而且就系统在全国范围内的进展而言,模型可能慢或快至一两天。

埃克斯卡塔一家人工智能天气预报初创公司启动了一个项目 日食追踪器 提供日食路径沿线的云预测。

该公司是开发人工智能天气模型的几家公司之一,这些模型通过学习识别历史天气数据中的模式来进行预测,而传统模型则处理代表大气物理学的复杂数学方程。

Excarta 首席执行官兼创始人 Vivek Ramavajala 在一封电子邮件中表示:“这使我们能够在几分钟而不是几小时内生成高度准确的每小时全球预测。” “我们还可以利用改进的速度和成本来生成天气预报集合,这对于衡量未来几天的预报不确定性至关重要。”

A 新发布 该公司表示,其预测比传统模型准确 20%。

以下是当前人工智能模型对日食高峰时日全食路径上几个城市的预测:

  • 达拉斯:53% 的云层覆盖率(+/- 20% 的不确定性)。
  • 小石城:58% 云量(+/- 15% 不确定性)。
  • 印第安纳波利斯:54% 的云量(+/- 19% 的不确定性)。
  • 克利夫兰:55% 的云量(+/- 19% 的不确定性)。
  • 布法罗:53% 的云量(+/- 19% 的不确定性)。
  • 佛蒙特州伯灵顿:云量为 47%(+/- 22% 不确定性)。

(例如,不确定性数字意味着达拉斯预计有 33% 至 73% 的云层覆盖率。)

对于那些希望天空晴朗的人来说,这个预报是一个好的开始吗? 不完全是。 但我们至少还需要几天时间才能认真对待任何云预测,而且要到 4 月 8 日之前的一两天,人们对预测的信心可能不会太高。

《华盛顿邮报》将于周五推出自己的日食云预报跟踪软件,敬请期待。

READ  书评:亚当·威尔斯的《伊甸园的终结》