Модель прогноза тропических циклонов
Модель прогноза тропических циклонов — это компьютерная программа, которая использует метеорологические данные для прогнозирования аспектов будущего состояния тропических циклонов . Существует три типа моделей: статистические, динамические и комбинированные статистико-динамические. [1] Динамические модели используют мощные суперкомпьютеры со сложным программным обеспечением для математического моделирования и метеорологические данные для расчета будущих погодных условий . Статистические модели прогнозируют эволюцию тропического циклона более простым способом, путем экстраполяции наборов исторических данных, и, таким образом, их можно быстро запускать на таких платформах, как персональные компьютеры . Статистически-динамические модели используют аспекты обоих типов прогнозирования. Для тропических циклонов существуют четыре основных типа прогнозов: траектория , интенсивность, штормовой нагон и осадки . Динамические модели не разрабатывались до 1970-х и 1980-х годов, а более ранние усилия были сосредоточены на проблеме штормовых нагонов.
Трековые модели не демонстрировали способности прогнозировать по сравнению со статистическими моделями до 1980-х годов. Статистически-динамические модели использовались с 1970-х по 1990-е годы. Ранние модели используют данные предыдущих запусков моделей, а поздние модели выдают результаты после отправки официального прогноза ураганов. Использование консенсусных , ансамблевых и суперансамбльных прогнозов снижает ошибки больше, чем любая отдельная модель прогноза. Как консенсусные, так и суперансамблевые прогнозы могут использовать рекомендации глобальных и региональных моделей для повышения производительности больше, чем любой из их соответствующих компонентов. Методы, используемые Объединенным центром предупреждения о тайфунах, показывают, что прогнозы суперансамбля являются очень мощным инструментом для прогнозирования траекторий.
Статистическое руководство
[ редактировать ]
Первым статистическим руководством, использованным Национальным центром ураганов , была методика аналоговых ураганов (HURRAN), которая была доступна в 1969 году. Она использовала недавно разработанную базу данных тропических циклонов Северной Атлантики для поиска штормов с похожими траекториями. Затем он сместил их следы по текущему пути шторма и использовал местоположение, направление и скорость движения, а также дату, чтобы найти подходящие аналоги. Этот метод хорошо себя зарекомендовал применительно к штормам к югу от 25-й параллели , которые еще не повернули на север, но плохо с системами, близкими к рекривизне или после нее. [2] С 1972 года статистическая модель климатологии и устойчивости (CLIPER) используется для составления прогнозов траектории тропических циклонов. В эпоху умелых динамических прогнозов CLIPER теперь используется в качестве основы для демонстрации навыков моделей и прогнозистов. [3] Статистический прогноз интенсивности ураганов (SHIFOR) используется с 1979 года для прогнозирования интенсивности тропических циклонов. Он использует климатологию и постоянство для прогнозирования будущей интенсивности, включая текущий юлианский день , текущую интенсивность циклона, интенсивность циклона 12 часов назад, начальную широту и долготу шторма, а также его зональные (восток-запад) и меридиональные (север-юг) ) компоненты движения. [2]
В период с 1970-х по 1990-е годы была разработана серия статистико-динамических моделей, в которых использовались уравнения регрессии, основанные на результатах CLIPER и последних результатах моделей примитивных уравнений , запущенных в Национальном метеорологическом центре, а затем в Национальных центрах экологического прогнозирования , и получили название NHC73. NHC83, NHC90, NHC91 и NHC98. [1] [4] В области прогнозирования траектории тропических циклонов , несмотря на постоянное совершенствование управления динамическими моделями, которое происходило с увеличением вычислительной мощности, только в десятилетии 1980-х годов численное прогнозирование погоды продемонстрировало свои навыки , и до 1990-х годов, когда оно постоянно превосходило статистические или простые динамические модели. [5] В 1994 году была создана версия SHIFOR для северо-западной части Тихого океана для прогнозирования тайфунов , известная как Статистический прогноз интенсивности тайфунов (STIFOR), в которой использовались данные 1971–1990 годов для этого региона для разработки прогнозов интенсивности на 72 часа вперед. . [6]
Что касается прогнозирования интенсивности, Статистическая схема прогнозирования интенсивности ураганов (SHIPS) использует взаимосвязи между условиями окружающей среды из Глобальной системы прогнозирования (GFS), такими как вертикальный сдвиг ветра и температура поверхности моря , климатология и устойчивость (поведение шторма) с помощью множественных методов регрессии. разработать прогноз интенсивности для систем северной Атлантики и северо-восточной части Тихого океана. [1] Аналогичная модель была разработана для северо-западной части Тихого океана и южного полушария, известная как Система статистического прогнозирования интенсивности (STIPS), которая учитывает взаимодействие с сушей посредством входных условий окружающей среды из модели Оперативной глобальной системы прогнозирования ВМФ (NOGAPS). [7] Версия SHIPS с внутренним компонентом распада известна как Decay SHIPS (DSHIPS). Модель уравнения логистического роста (LGEM) использует те же входные данные, что и SHIPS, но в рамках упрощенной системы динамического прогнозирования. [1] В рамках прогнозирования осадков тропических циклонов была разработана модель климатологии и устойчивости осадков (r-CLIPER) с использованием микроволновых данных об осадках со спутников, находящихся на полярной орбите над океаном, и измерений осадков первого порядка с суши, чтобы получить реалистичное распределение осадков для тропических циклонов. циклоны на основе прогноза Национального центра ураганов. Работает с 2004 года. [8] Статистически-параметрическая модель радиусов ветра была разработана для использования в Национальном центре ураганов и Объединенном центре предупреждения о тайфунах, которая использует климатологию и устойчивость для прогнозирования структуры ветра на пять дней вперед. [2]
Динамическое руководство
[ редактировать ]
Первая динамическая модель прогнозирования траекторий ураганов, Модель прогнозирования траекторий баротропных тропических циклонов Сандерса (SANBAR), [9] был введен в 1970 году и использовался Национальным центром ураганов в рамках своего оперативного руководства до 1989 года. Он был основан на упрощенном наборе уравнений динамики атмосферы (эквивалентная баротропная формула) с использованием среднего значения ветра в глубоких слоях.
В 1972 году была разработана первая модель прогнозирования штормовых нагонов вдоль континентального шельфа США, известная как Специальная программа по составлению списка амплитуд нагонов от ураганов (SPLASH). [10] В 1978 году начала работать первая полнофизическая модель отслеживания ураганов, основанная на атмосферной динамике – модель подвижной мелкой сетки (MFM). [11] Модель квазилагранжевой ограниченной области (QLM) представляет собой многоуровневую модель примитивных уравнений, использующую декартову сетку и глобальную систему прогнозирования (GFS) для граничных условий. [2] В начале 1980-х годов было обнаружено, что ассимиляция ветров, полученных со спутников, на основе водяного пара, инфракрасных и видимых спутниковых изображений, улучшает прогнозирование траектории тропических циклонов. [12] Модель урагана Лаборатории геофизической гидродинамики (GFDL) использовалась в исследовательских целях в период с 1973 по середину 1980-х годов. Как только было установлено, что он может продемонстрировать свои навыки в прогнозировании ураганов, многолетний переходный период превратил исследовательскую модель в оперативную модель, которая могла использоваться Национальной метеорологической службой для прогнозирования как траектории, так и интенсивности в 1995 году. [13] К 1985 году модель «Морское озеро и наводнения от ураганов на суше» (SLOSH) была разработана для использования в районах Мексиканского залива и вблизи восточного побережья США, которая была более надежной, чем модель SPLASH. [14]
Модель бета-адвекции (BAM) используется в эксплуатации с 1987 года с использованием направляющих ветров, усредненных по слою от 850 до 200 гПа, и эффекта Бета, который заставляет шторм дрейфовать на северо-запад из-за различий в эффекте Кориолиса в тропическом циклоне. [15] Чем больше циклон, тем сильнее, вероятно, будет воздействие бета-эффекта. [16] Начиная с 1990 года, в эксплуатацию эксплуатировались три версии BAM: средний ветер BAM на мелководье (BAMS) в слое от 850 до 700 гПа, средний BAM (BAMM), в котором используются средние значения ветра в слое от 850 гПа до 400 гПа, и BAM Deep (BAMD), который аналогичен BAM до 1990 года. [4] Для слабого урагана без хорошо развитой центральной грозовой активности BAMS работает хорошо, поскольку слабые штормы, как правило, управляются слабыми ветрами. [1] По мере того, как шторм становится сильнее, а связанная с ним грозовая активность вблизи его центра становится глубже, BAMM и BAMD становятся более точными, поскольку эти типы штормов в большей степени управляются ветрами на верхних уровнях. Если прогноз по трем версиям аналогичен, то синоптик может сделать вывод, что существует минимальная неопределенность, но если версии сильно различаются, то у синоптика меньше уверенности в предсказанном пути из-за большей неопределенности. [17] Большие различия между прогнозами модели также могут указывать на сдвиг ветра в атмосфере, что также может повлиять на прогноз интенсивности. [1]
Протестированная в 1989 и 1990 годах баротропная модель Вика Ооямы (VICBAR) использовала сплайн-представление переменных кубической формы B для объективного анализа наблюдений и решений уравнений прогнозирования мелководья во вложенных областях, с граничными условиями, определяемыми как глобальные прогнозная модель. [18] В 1992 году она была реализована как баротропная модель синусоидального преобразования ограниченной площади (LBAR) с использованием GFS для граничных условий. [2] К 1990 году Австралия разработала собственную модель штормового нагона, которую можно было запустить за несколько минут на персональном компьютере. [19] Японское метеорологическое агентство (JMA) разработало собственную модель тайфуна (TYM) в 1994 году. [20] а в 1998 году агентство начало использовать собственную модель динамического штормового нагона . [21]
Модель исследования и прогнозирования погоды ураганов (HWRF) представляет собой специализированную версию модели исследования и прогнозирования погоды (WRF) и используется для прогнозирования направления и интенсивности циклонов тропических . Модель была разработана Национальным управлением океанических и атмосферных исследований (NOAA), Лабораторией военно-морских исследований США , Университетом Род-Айленда и Университетом штата Флорида . [22] Он вступил в строй в 2007 году. [23] Несмотря на улучшения в прогнозировании траектории, прогнозирование интенсивности тропического циклона на основе численного прогноза погоды по-прежнему остается сложной задачей, поскольку статистические методы продолжают демонстрировать более высокую эффективность по сравнению с динамическим управлением. [24] Помимо специализированных руководств, глобальные руководства, такие как GFS, унифицированная модель (UKMET), NOGAPS, японская глобальная спектральная модель (GSM), модель Европейского центра среднесрочных прогнозов погоды , французская Action de Recherche Petite Echelle Grande Echelle (ARPEGE) и модели Aire Limit´ee Adaptation Dynamique Initialisation (ALADIN), модель Индийского национального центра среднесрочного прогнозирования погоды (NCMRWF), модели Корейской глобальной системы ассимиляции и прогнозирования данных (GDAPS) и региональной системы ассимиляции и прогнозирования данных (RDAPS), Гонконг /Китайская оперативная региональная спектральная модель (ORSM) и канадская глобальная экологическая многомасштабная модель (GEM) используются для отслеживания и определения интенсивности. [2]
Своевременность
[ редактировать ]Некоторые модели не производят выходные данные достаточно быстро, чтобы их можно было использовать в цикле прогнозирования сразу после запуска модели (включая HWRF, GFDL и FSSE). Большинству вышеупомянутых моделей отслеживания (кроме CLIPER) требуются данные глобальных погодных моделей , таких как GFS, которые выдают выходные данные примерно на четыре часа после синоптических времен 00:00, 06:00, 12:00 и 18:00 по всемирному координированному времени (UTC). Для половины своих прогнозов NHC выпускает прогнозы только через три часа после этого времени, поэтому некоторые «ранние» модели — NHC90, BAM и LBAR — запускаются с использованием прогноза 12-часовой давности на текущее время. «Поздние» модели, такие как GFS и GFDL, заканчивают свое действие после того, как рекомендация уже выпущена. Эти модели интерполируются до текущей позиции шторма для использования в следующем цикле прогноза – например, GFDI, интерполированная версия модели GFDL. [1] [25]
Методы консенсуса
[ редактировать ]
Использование консенсуса прогнозных моделей уменьшает ошибку прогноза. [26] В отслеживающем отношении модель GUNA представляет собой консенсус интерполированных версий GFDL, UKMET с контролем качества, применяемого к моделям отслеживания циклонов, моделей NOGAPS ВМС США и GFS. Версия GUNA, исправленная с учетом систематических ошибок модели, известна как CGUN. Консенсус TCON — это консенсус GUNA плюс модель Hurricane WRF. Версия TCON, исправленная с учетом систематических ошибок модели, известна как TCCN. Лагированное среднее значение двух последних запусков членов в рамках модели TCON плюс ECMWF известно как консенсус TVCN. Версия TVCN с поправкой на предвзятость модели представляет собой консенсус TVCC. [1]
В начале 2013 года NAVGEM заменила NOGAPS в качестве основной оперативной модели глобального прогнозирования ВМФ. На сезон 2013 года и до тех пор, пока не будет проведена проверка модели, она не используется при разработке каких-либо консенсусных прогнозов.
Что касается интенсивности, то комбинация моделей LGEM, интерполированного GFDL, интерполированного HWRF и DSHIPS известна как консенсус ICON. Лагированное среднее значение двух последних запусков моделей в рамках консенсуса ICON называется консенсусом IVCN. [1] В северо-западной части Тихого океана и южном полушарии консенсус STIPS из десяти членов формируется на основе результатов NOGAPS. GFS, японская GSM, связанная система мезомасштабного прогнозирования океана и атмосферы (COAMPS), UKMET, японская TYM, GFDL с граничными условиями NOGAPS, модель метеорологического агентства ВВС (AFWA), австралийская система локального прогнозирования тропических циклонов и баротропная модель Вебера. [7]
Ансамблевые методы
[ редактировать ]Ни одна модель не может быть абсолютно точной, потому что невозможно узнать все об атмосфере достаточно своевременно, а проводимые атмосферные измерения не являются абсолютно точными. [27] Использование ансамблевого метода прогнозирования, будь то многомодельный ансамбль или многочисленные члены ансамбля на основе глобальной модели, помогает определить неопределенность и дополнительно ограничить ошибки. [28] [29]
С февраля 2008 года JMA разработало ансамблевую систему прогнозирования тайфунов, состоящую из 11 участников, известную как Система ансамблевого прогнозирования тайфунов (TEPS), срок действия которой составляет 132 часа. Он использует версию GSM с более низким разрешением (с большим шагом сетки) с десятью возмущенными элементами и одним невозмущенным элементом. Система уменьшает количество ошибок в среднем на 40 километров (25 миль) через пять дней по сравнению с GSM с более высоким разрешением. [30]
Суперансамбль штата Флорида (FSSE) создается на основе набора моделей, в которых затем используются уравнения статистической регрессии, разработанные на этапе обучения, чтобы уменьшить их систематические ошибки, что дает прогнозы лучше, чем модели-члены или их среднее решение. Он использует 11 глобальных моделей, в том числе пять, разработанные в Университете штата Флорида , унифицированную модель, GFS, NOGAPS, NOGAPS ВМС США, модель Австралийского бюро метеорологических исследовательских центров (BMRC) и канадскую модель Recherche en Prévision Numérique (RPN). ) модель. Он демонстрирует значительные навыки в прогнозировании траектории, интенсивности и количества осадков тропических циклонов. [31]
Система прогнозирования системного подхода (SAFA) была разработана Объединенным центром предупреждения о тайфунах для создания выборочного консенсусного прогноза, который исключил из рассмотрения более ошибочные прогнозы на 72-часовой период времени с использованием модели NOGAPS ВМС США, GFDL, Японского метеорологического агентства. Глобальные модели агентства и модели тайфунов, а также УКМЕТ. Все модели улучшились за пятилетнюю историю SAFA, и устранение ошибочных прогнозов оказалось затруднительным в операционной деятельности. [32]
Теория солнечных пятен
[ редактировать ]Отчет 2010 года связывает низкую активность солнечных пятен с высокой активностью ураганов . Анализ исторических данных показал, что вероятность того, что хотя бы один ураган обрушится на континентальную часть Соединенных Штатов в год пика солнечных пятен, составляла 25%; вероятность 64% в год с низким количеством солнечных пятен. В июне 2010 года предсказатели ураганов в США не использовали эту информацию. [33]
Точность модели прогноза ураганов
[ редактировать ]Точность моделей прогноза ураганов может значительно варьироваться от шторма к шторму. Для некоторых штормов факторы, влияющие на траекторию ураганов, относительно просты, и модели не только точны, но и дают схожие прогнозы, в то время как для других штормов факторы, влияющие на траекторию ураганов, более сложны, и разные модели дают очень разные прогнозы. [34]
См. также
[ редактировать ]
Ссылки
[ редактировать ]- ^ Jump up to: а б с д и ж г час я Национальный центр ураганов (июль 2009 г.). «Техническое резюме моделей отслеживания и интенсивности Национального центра ураганов» (PDF) . Национальное управление океанических и атмосферных исследований . стр. 1–7 . Проверено 26 февраля 2011 г.
- ^ Jump up to: а б с д и ж Чан, Джонни CL и Джеффри Д. Кеперт (2010). Глобальные перспективы тропических циклонов: от науки к смягчению последствий . Всемирная научная. стр. 288–292. ISBN 978-981-4293-47-1 . Проверено 24 февраля 2011 г.
- ^ Кнафф, Джон А.; Демария, Марк; Сэмпсон, Чарльз Р.; Гросс, Джеймс М. (февраль 2003 г.). «Статистические 5-дневные прогнозы интенсивности тропических циклонов, полученные на основе климатологии и устойчивости» (PDF) . Погода и прогнозирование . 18 : 80–81. Бибкод : 2003WtFor..18...80K . doi : 10.1175/1520-0434(2003)018<0080:SDTCIF>2.0.CO;2 . ISSN 1520-0434 . Проверено 25 февраля 2011 г.
- ^ Jump up to: а б Симпсон, Роберт Х. (2003). Ураган!: Борьба с катастрофой: прогресс и проблемы после Галвестона, 1900 год . Американский геофизический союз . п. 110. ИСБН 978-0-87590-297-5 . Проверено 25 февраля 2011 г.
- ^ Франклин, Джеймс (20 апреля 2010 г.). «Проверка прогнозов Национального центра ураганов» . Национальный центр ураганов . Проверено 2 января 2011 г.
- ^ Чу, Ян-Хва (ноябрь 1994 г.). «Регрессионная модель для прогноза интенсивности тропических циклонов в западной части северной части Тихого океана» . Лаборатория военно-морских исследований США . Архивировано из оригинала 8 апреля 2013 года . Проверено 15 марта 2011 г.
- ^ Jump up to: а б Сэмпсон, Чарльз Р., Джон А. Кнафф и Марк ДеМария (1 марта 2006 г.). «Консенсус модели статистической интенсивности для Объединенного центра предупреждения о тайфунах» (PDF) . Проверено 15 марта 2011 г.
{{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Национальный исследовательский совет (США). Комитет по будущему миссий по измерению осадков, Национальный исследовательский совет (США). Совет по атмосферным наукам и климату (2007 г.). Роль NOAA в оценке и применении глобальных осадков с помощью космических технологий . Издательство национальных академий. ISBN 978-0-309-10298-8 .
- ^ Р.В. Берпи (2008). «Модель прогнозирования траектории баротропных тропических циклонов Сандерса (SANBAR)» . Метеорологические монографии . 33 (55): 233–240. дои : 10.1175/0065-9401-33.55.233 .
- ^ Желеснянски, К.П., Дж. Чен и В.А. Шаффер (апрель 1992 г.). «SLOSH: Морские, озерные и сухопутные нагоны от ураганов. Технический отчет NOAA NWS 48» (PDF) . Национальное управление океанических и атмосферных исследований . п. 2 . Проверено 15 марта 2011 г.
{{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Шуман, Фредерик Г. (сентябрь 1989 г.). «История численного прогноза погоды в Национальном метеорологическом центре» . Погода и прогнозирование . 4 (3): 286–296. Бибкод : 1989WtFor...4..286S . doi : 10.1175/1520-0434(1989)004<0286:HONWPA>2.0.CO;2 . ISSN 1520-0434 .
- ^ Ле Маршалл; ДФ; Л. М. Лесли и А. Ф. Беннетт (1996). «Тропический циклон Бети – пример преимуществ ассимиляции почасовых спутниковых данных о ветре» (PDF) . Австралийский метеорологический журнал . 45 : 275.
- ^ Лаборатория геофизической гидродинамики (28 января 2011 г.). «Оперативный прогноз траектории и интенсивности ураганов» . Национальное управление океанических и атмосферных исследований . Проверено 25 февраля 2011 г.
- ^ Ярвинен Б.Дж. и К.Дж. Нойманн (1985). «Оценка модели штормового нагона SLOSH» . Бюллетень Американского метеорологического общества . 66 (11): 1408–1411. Бибкод : 1985BAMS...66.1408. . дои : 10.1175/1520-0477-66.11.1408 .
- ^ Глоссарий метеорологии (июнь 2000 г.). «Бета-эффект» . Американское метеорологическое общество . Архивировано из оригинала 6 июня 2011 года . Проверено 5 мая 2008 г.
- ^ «Раздел 1. Влияние на движение тропических циклонов» . ВМС США . 2011 . Проверено 25 февраля 2011 г.
- ^ Уорнер, Томас Томкинс (2010). Численный прогноз погоды и климата . Издательство Кембриджского университета . стр. 266–275. ISBN 978-0-521-51389-0 . Проверено 11 февраля 2011 г.
- ^ Демария, Марк; Аберсон, Сим Д.; Оояма, Кацуюки В.; Лорд, Стивен Дж. (1992). «Вложенная спектральная модель для прогнозирования траектории ураганов» . Ежемесячный обзор погоды . 120 (8): 1628–1643. Бибкод : 1992MWRv..120.1628D . doi : 10.1175/1520-0493(1992)120<1628:ANSMFH>2.0.CO;2 . ISSN 1520-0493 .
- ^ Хабберт, Грэм Д., Грег Дж. Холланд, Лэнс М. Лесли, Майкл Дж. Мэнтон (март 1991 г.). «Компьютерные методы: система реального времени для прогнозирования штормовых нагонов тропических циклонов» . Погода и прогнозирование . 6 (1): 86–87. Бибкод : 1991WtFor...6...86H . doi : 10.1175/1520-0434(1991)006<0086:ARTSFF>2.0.CO;2 . ISSN 1520-0434 .
{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Зшау, Йохен и Андреас Н. Купперс (2003). Системы раннего предупреждения для уменьшения опасности стихийных бедствий . Спрингер. п. 172. ИСБН 978-3-540-67962-2 . Проверено 16 марта 2011 г.
- ^ Хигаки, Масакадзу, Хиронори Хаясибара и Футоши Нодзаки (20 апреля 2009 г.). «Описание модели прогнозирования штормовых нагонов Японского метеорологического агентства» (PDF) . Японское метеорологическое агентство . п. 25 . Проверено 15 марта 2011 г.
{{cite web}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ «Точность прогнозов погоды повышается благодаря новой компьютерной модели» . UCAR Пресс-релиз . Архивировано из оригинала 19 мая 2007 года . Проверено 9 июля 2007 г.
- ^ «Новая усовершенствованная модель ураганов помогает прогнозистам NOAA» . Журнал НОАА . Проверено 9 июля 2007 г.
- ^ Раппапорт, Эдвард Н.; Франклин, Джеймс Л.; Авила, Ликсион А.; Бэйг, Стивен Р.; Бевен, Джон Л.; Блейк, Эрик С.; Берр, Кристофер А.; Цзиинг, Цзянн-Гво; Джакинс, Кристофер А.; Кнабб, Ричард Д.; Ландси, Кристофер В.; Майнелли, Мишель; Мэйфилд, Макс; МакЭди, Колин Дж.; Паш, Ричард Дж.; Сиско, Кристофер; Стюарт, Стейси Р.; Триббл, Аша Н. (апрель 2009 г.). «Достижения и проблемы Национального центра ураганов». Погода и прогнозирование . 24 (2): 395–419. Бибкод : 2009WtFor..24..395R . CiteSeerX 10.1.1.207.4667 . дои : 10.1175/2008WAF2222128.1 . S2CID 14845745 .
- ^ Франклин, Джеймс Л. (21 мая 2006 г.). «Отчет о проверке прогнозов Национального центра ураганов на 2005 год» (PDF) . Национальный центр ураганов . п. 6 . Проверено 26 февраля 2011 г.
- ^ Кимберлейн, Тодд (июнь 2007 г.). «Разговор о движении и интенсивности тропических циклонов» . Центр гидрометеорологических прогнозов . Проверено 21 июля 2007 г.
- ^ Эпштейн, ES (декабрь 1969 г.). «Стохастический динамический прогноз». Теллус . 21 (6): 739–759. Бибкод : 1969Tell...21..739E . дои : 10.1111/j.2153-3490.1969.tb00483.x .
- ^ Гримит, Эрик П.; Масс, Клиффорд Ф. (октябрь 2004 г.). «Переопределение взаимосвязи между распространением ансамбля и навыками с вероятностной точки зрения» (PDF) . Университет Вашингтона . Архивировано из оригинала (PDF) 12 октября 2008 года . Проверено 2 января 2010 г.
- ^ Чжоу, Бинбин; Ду, Джун (февраль 2010 г.). «Прогнозирование тумана на основе многомодельной мезомасштабной системы ансамблевого прогнозирования» (PDF) . Погода и прогнозирование . 25 (1): 303–322. Бибкод : 2010WtFor..25..303Z . дои : 10.1175/2009WAF2222289.1 . S2CID 4947206 . Проверено 2 января 2011 г.
- ^ Ямагути, Мунехико и Такуя Комори (20 апреля 2009 г.). «Описание системы ансамблевого прогнозирования тайфунов Японского метеорологического агентства» (PDF) . Японское метеорологическое агентство . стр. 14–15 . Проверено 15 марта 2011 г.
- ^ Палмер, Тим и Рената Хагедорн (2006). Предсказуемость погоды и климата . Издательство Кембриджского университета. стр. 532–545. ISBN 978-0-521-84882-4 . Проверено 26 февраля 2011 г.
- ^ Сэмпсон, Чарльз Р., Джон А. Кнафф и Эдвард М. Фукада (июнь 2007 г.). «Заметки и переписка: оперативная оценка выборочного консенсуса в западной части северной части Тихоокеанского бассейна» . Погода и прогнозирование . 22 (3): 671–675. Бибкод : 2007WtFor..22..671S . дои : 10.1175/WAF991.1 .
{{cite journal}}: CS1 maint: несколько имен: список авторов ( ссылка ) - ^ Уэймер, Джим (1 июня 2010 г.). «Исследователи: Меньше солнечных пятен, больше штормов». Мельбурн, Флорида: Флорида сегодня. стр. 1А.
- ^ [НУЛЕВОЙ]. «Ураганы: наука и общество: точность модели прогноза ураганов» .