Hvordan brukes datamaskiner i værvarsling?

Gjennom historien har meteorologer utført en rekke teknikker og eksperimenter for å forutsi været med større effektivitet over tid. På grunn av betydelige fremskritt innen teknologi, er det nå mulig å forutsi værdagene og til og med måneder i forveien - noe som ikke var virkelig mulig før midten av det 20. århundre. Bruken av datamodeller ble utbredt hovedsakelig utover 1960-tallet, da de første værsatellittene ble skutt opp. Hvilke typer datamodeller som brukes i prognoser avhenger mest av type klima og værforhold.

Klimamodeller brukes først og fremst til å forutsi betydelige endringer i jordens klima. Klima er de gjennomsnittlige værforholdene i et område over en lengre periode. Derfor bruker klimamodeller en kombinasjon av statistiske og aktuelle data for å gi en rimelig prognose. CFS er en av de primære klimamodellene som brukes for å forutsi værforhold på planetarisk skala som: El Nino, Madden Julian Oscillations (MJO) og monsuner.

Mesoskalamodeller brukes hovedsakelig til å varsle været lokalt. Mesoskala i meteorologiske termer betyr at de atmosfæriske forholdene vanligvis varierer fra to til 20 km. Synoptiske modeller og klimamodeller har vanligvis ikke nok oppløsning til å forutsi lokale værforhold som: enkeltcellede tordenvær og tornadoer. Den nordamerikanske modellen (NAM) brukes ofte til å varsle lokale værforhold.

Dynamiske modeller er de mest sofistikerte og kostbare verktøyene som brukes til å varsle været. Dynamiske modeller bruker avanserte fundamentale ligninger av atmosfæren for å forutsi endringer i været basert på nåværende forhold. Til tross for effektiviteten kan dynamiske modeller gjøre feil under de første kjøringene. I følge National Hurricane Center (NHC) er GFS, ECMWF, NOGAPS, UKMET og CMC noen av de dynamiske modellene som brukes til prognoser.

Statistiske modeller brukes først og fremst for å hjelpe meteorologer med å gi nøyaktige analoge prognoser. Statistiske modeller bruker data fra tidligere stormer og værforhold for å hjelpe meteorologer med å få en bedre ide om hvordan de kan spore gjeldende værsystemer. Statistiske modeller brukes ofte til å spore sykloner i tropiske og midtre breddegrader. Hvis den dynamiske modellens konsensus ikke er rimelig, bruker meteorologer ofte statistiske modeller for å gi bedre prognoser.

Selv om atmosfæriske datamodeller er effektive verktøy for værvarsling, er de ikke upåklagelig nøyaktige. Datamodeller er vanligvis mindre effektive under de foreløpige kjøringene. For eksempel under de første stadiene av tropisk syklodenese (tropisk syklondannelse), blir datamodeller vanligvis ikke initialisert nok til å gi en rimelig prognose. Langdistanseprognoser (utover en uke) er vanligvis mindre nøyaktige, fordi det er mange atmosfæriske faktorer som kan spille inn utover den tiden. Dynamiske modeller er mest nøyaktige for tre- til fem-dagers prognoser.