av Xanthopteryx - tor 31 okt 2019, 10:01
- tor 31 okt 2019, 10:01
#1345183
En liten kort meteorologilektion =)
Modellen består av ett rutnät, så kallat grid. Exempelvis kan det vara 5 km, eller 2 km eller 11 km, eller något annat. Allt beroende på modell.
SMHI använder flera modeller däribland ECMWF, AROME och MESAN för att nämna tre. Alla har sina fördelar och nackdelar.
Vad som ligger till grund för det data som du kan läsa ut från SMHI beror på: Är det en prognos för nu, i morgon, nästa vecka, ...?
Dessutom spelar väderläget roll - vid vissa väderlägen är vissa modeller mer träffsäkra. Man kan dessutom kombinera och plocka nederbörd från en modell och temperatur från en annan.
Varje ruta innehåller en beskrivning av markytans beskaffenhet. Exempelvis 25% vatten, 12% skog, 17% gräs, höjden, ... Detta blir sedan en så kallad gridpunkt.
Tänk er nu att modellen har en upplösning på 2 km - rutan är alltså förenklat sett 2 x 2 km stor och rutan skall alltså beskriva läget för allt i den rutan.
Är du nu i en kuperad terräng så kommer det alltså kunna bli stora skillnader på toppen mot dalen i verkligheten men modellen ser bara en slags, typ genomsnitt.
När du väljer en plats för att få en väderprognos så gör man på olika sätt, till exempel:
* Du får den närmaste gridpunktens väder (som kan ligga en eller flera kilometer bort, kanske till och med ute över hav fastän du är på land)
* Du får ett linjärt snitt mellan de två närmaste gridpunkterna
* Du får en seriös beräkning mellan kringliggande gridpunkter
Vad varje tillverkare/leverantör av appen/programmet använder sig är oftast höljt i dunkel. Likaså vad de olika vädertjänsterna levererar för typ av data (r det modelldata eller postprocessad modelldata - ren modelldata kan ni ladda hem själva från exempelvis SMHI och sedan behöver ni bara programvara för att visualisera datat så kan ni göra prognoser hemma själva - datat är gratis och Arome ligger på dryga 40 GB har jag för mig, fyra gånger per dygn, enbart för ungefär sverige/norge/lite in i finland i täckningsområde).
Dessutom är modellen uppbygd av tidssteg, till exempel varje timme de första timmarna sedan en modellkörning, sedan var tredje timme och några dagar fram var sjätte timme och sedan var tolfte timme.
Det betyder att om modellen har tretimmarssteg, klockan 00z (UTC), 03z, 06z, ... och du vill ha en prognos där emellan så, finns inte någon data! Då måste man alltså interpolera fram det från kringliggande tidssteg. Hur gör man då? Ja, ta närmaste, medelvärde, ... Även det är höljt i dunkel allt som oftast.
En bra app anger var din prognos är hämtad ifrån för koordinater/gridpunkt samt om den är beräknad på något särskilt sätt.
Exempelvis: "Du angav punkt A. Datat är från punkt B, 7500 meter bort).
Därför blir det ibland fruktansvärt fel om man råkar bo på fel ställe i förhållande till gridpunkterna, emedan det kan bli löjligt rätt om man bor på ett bra ställe. Dessutom kan det varierar då beroende på väderläge då modellen har svårare att fånga vissa fenomen och dessutom kan det påverka hur din omgivning ser ut - kom ihåg, modellen ser bara ett genomsnitt av allt på marken som påverkar vädret, i varje ruta.
Och ja, man har även rutor vidare upp i höjden och där kan det också skilja om det är tätt eller glest mellan höjdnivåerna och dessutom kan man ha beräknade höjdnivåer som skiljer sig från modellens höjdnivåer och då försöker man räkna om den data som finns till att passa in lämpliga höjdnivåer. Dessutom är inte höjdnivåerna konstanta på lägre höjd i vissa modeller utan kommer att ligga tätare över berg än över slättlandskap eftersom att man har lika många nivåer över mark och därmed måste man klämma ihop de på hög höjd så det jämnar ut sig längre upp.
https://content.meteoblue.com/var/ezweb ... f_four.jpg
Modellen består av ett rutnät, så kallat grid. Exempelvis kan det vara 5 km, eller 2 km eller 11 km, eller något annat. Allt beroende på modell.
SMHI använder flera modeller däribland ECMWF, AROME och MESAN för att nämna tre. Alla har sina fördelar och nackdelar.
Vad som ligger till grund för det data som du kan läsa ut från SMHI beror på: Är det en prognos för nu, i morgon, nästa vecka, ...?
Dessutom spelar väderläget roll - vid vissa väderlägen är vissa modeller mer träffsäkra. Man kan dessutom kombinera och plocka nederbörd från en modell och temperatur från en annan.
Varje ruta innehåller en beskrivning av markytans beskaffenhet. Exempelvis 25% vatten, 12% skog, 17% gräs, höjden, ... Detta blir sedan en så kallad gridpunkt.
Tänk er nu att modellen har en upplösning på 2 km - rutan är alltså förenklat sett 2 x 2 km stor och rutan skall alltså beskriva läget för allt i den rutan.
Är du nu i en kuperad terräng så kommer det alltså kunna bli stora skillnader på toppen mot dalen i verkligheten men modellen ser bara en slags, typ genomsnitt.
När du väljer en plats för att få en väderprognos så gör man på olika sätt, till exempel:
* Du får den närmaste gridpunktens väder (som kan ligga en eller flera kilometer bort, kanske till och med ute över hav fastän du är på land)
* Du får ett linjärt snitt mellan de två närmaste gridpunkterna
* Du får en seriös beräkning mellan kringliggande gridpunkter
Vad varje tillverkare/leverantör av appen/programmet använder sig är oftast höljt i dunkel. Likaså vad de olika vädertjänsterna levererar för typ av data (r det modelldata eller postprocessad modelldata - ren modelldata kan ni ladda hem själva från exempelvis SMHI och sedan behöver ni bara programvara för att visualisera datat så kan ni göra prognoser hemma själva - datat är gratis och Arome ligger på dryga 40 GB har jag för mig, fyra gånger per dygn, enbart för ungefär sverige/norge/lite in i finland i täckningsområde).
Dessutom är modellen uppbygd av tidssteg, till exempel varje timme de första timmarna sedan en modellkörning, sedan var tredje timme och några dagar fram var sjätte timme och sedan var tolfte timme.
Det betyder att om modellen har tretimmarssteg, klockan 00z (UTC), 03z, 06z, ... och du vill ha en prognos där emellan så, finns inte någon data! Då måste man alltså interpolera fram det från kringliggande tidssteg. Hur gör man då? Ja, ta närmaste, medelvärde, ... Även det är höljt i dunkel allt som oftast.
En bra app anger var din prognos är hämtad ifrån för koordinater/gridpunkt samt om den är beräknad på något särskilt sätt.
Exempelvis: "Du angav punkt A. Datat är från punkt B, 7500 meter bort).
Därför blir det ibland fruktansvärt fel om man råkar bo på fel ställe i förhållande till gridpunkterna, emedan det kan bli löjligt rätt om man bor på ett bra ställe. Dessutom kan det varierar då beroende på väderläge då modellen har svårare att fånga vissa fenomen och dessutom kan det påverka hur din omgivning ser ut - kom ihåg, modellen ser bara ett genomsnitt av allt på marken som påverkar vädret, i varje ruta.
Och ja, man har även rutor vidare upp i höjden och där kan det också skilja om det är tätt eller glest mellan höjdnivåerna och dessutom kan man ha beräknade höjdnivåer som skiljer sig från modellens höjdnivåer och då försöker man räkna om den data som finns till att passa in lämpliga höjdnivåer. Dessutom är inte höjdnivåerna konstanta på lägre höjd i vissa modeller utan kommer att ligga tätare över berg än över slättlandskap eftersom att man har lika många nivåer över mark och därmed måste man klämma ihop de på hög höjd så det jämnar ut sig längre upp.
https://content.meteoblue.com/var/ezweb ... f_four.jpg
- By batmac
- By ShogunX
- By Gorander