Numerisk vejrudsigt er den måde, hvorpå vejrudsigter udarbejdes. Det sker ved hjælp af computermodeller af atmosfæren. Sådanne modeller beskriver de aktuelle vejrforhold, og hvordan de ændrer sig over tid ved hjælp af ligninger. Ved hjælp af de aktuelle vejrforhold kan ligningerne løses eller tilnærmes for at fortælle, hvordan vejret vil være i den nærmeste fremtid. De relevante fysiske parametre som f.eks. tryk, temperatur, vindretning og -hastighed antages at være funktioner af tiden. Disse modelleres med et system af partielle differentialligninger. Dette er et dynamisk system, som løses numerisk. De fleste af disse ligninger er implementeret ved hjælp af FORTRAN. Ligningerne er tilnærmet. Da antallet af beregninger er enormt, er det normalt supercomputere, der udfører dem, for at blive færdige, inden det er for sent.
Hvordan modellerne virker
En numerisk vejrmodel opdeler atmosfæren i et tredimensionelt gitter (horisontalt og i højden). I hver gittercelle beregner modellen, hvordan tilstandsstørrelser som tryk, temperatur, fugtighed og vind ændrer sig over tid ved hjælp af fysikkens love—typisk bevægelsesligninger, termodynamik og massebevarelse. For at løse de partielle differentialligninger anvendes numeriske metoder som finitedifferenser, finittelementer eller spektrale metoder, og beregningerne gentages i små tidssteg.
Dataindsamling og dataassimilation
For at starte en beregning (initialbetingelserne) bruger modellerne observationer fra mange kilder:
- Vejs- og stationsmålinger
- Vejradar og vejrballoner (radiosonder)
- Satellitter (temperatur, fugtighed, skydække)
- Flyobservationer og målinger fra skibe og bojer
Disse observationer kombineres med en tidligere modelanalyse i en proces kaldet dataassimilation, som korrigerer modellens startfelt og reducerer fejl i initialtilstanden. Kvaliteten af disse indledende data er afgørende for forecastets nøjagtighed.
Parameteriseringer og begrænsninger
Ikke alle fysiske processer kan beregnes direkte i alle skalaer—konvektion, skydannelse, turbulens og jordoverfladens udveksling af varme og fugt foregår ofte i skalaer mindre end gittercellen. Derfor bruges parameteriseringer—forenklede, statistiske beskrivelser af småskala-processer. Disse tilnærmelser er en væsentlig kilde til systematiske fejl i modellerne.
Numeriske stabilitetskriterier og beregningstid
Når modellerne løser partielle differentialligninger numerisk, skal de respektere begrænsninger som Courant–Friedrichs–Lewy (CFL)-kriteriet: tidssteget må ikke være for stort i forhold til gitterstørrelsen og hastighederne i modellen, ellers bliver løsningen ustabil. Samtidig betyder høj rum- og tidsopløsning mange flere beregninger, hvilket er grunden til, at supercomputere og højtydende beregning (HPC) er centrale for moderne prognoser. Mange modeller er historisk udviklet i FORTRAN pga. sprogets ydeevne for numeriske beregninger.
Ensembles og usikkerhed
På grund af følsomheden over for initialbetingelser (kaos) og modelfejl laver meteorologer ofte ensembleprognoser: flere beregninger køres med små variationer i startfeltet eller i modelparametrene. Ensembleoutput giver et probabilistisk billede af fremtidigt vejr og viser usikkerhed, fx sandsynligheden for nedbør eller storm. Dette er især vigtigt for længere varselshorisonter.
Tidsrammer og anvendelser
Numeriske vejrmodeller bruges på tværs af tidsskalaer:
- Nowcasting (0–6 timer): ofte kombineret med radar og hurtige opdateringer
- Korttidsprognoser (op til 48 timer): højopløselige regionale modeller
- Mediumtidsprognoser (op til 10–15 dage): globale modeller som køres på supercomputere
- Langtids- og klimaskala: sæsonale eller klimamodeller, som også vurderer statistiske ændringer over måneder til år
Anvendelser spænder fra daglige vejrudsigter og luftfartsplanlægning til nødberedskab ved ekstreme vejrhændelser, landbrugsplanlægning og energistyring.
Modelverifikation og forbedring
Modellers præstation vurderes løbende ved hjælp af statistiske scorer (fx RMSE, bias, hit-rate, og korrelation). Fejl identificeres og adresseres gennem forbedrede observationer, bedre parameteriseringer, højere opløsning og forbedrede dataassimilationsteknikker. Internationelt samarbejde (f.eks. mellem vejrcentre) er vigtigt for at udvikle og dele bedre modeller og metoder.
Konklusion
Numerisk vejrudsigt kombinerer fysisk forståelse, observationer og avancerede numeriske metoder for at forudsige vejret. Selvom teknologien og beregningskraften—særligt supercomputere—er væsentligt forbedret, er usikkerhed og begrænsninger fra modeltilnærmelser og observationsmangel stadig centrale udfordringer. Derfor bruges både deterministiske prognoser og ensemblebaserede, probabilistiske produkter i moderne vejrtjenester.
