Page 15 - พยากรณ์อากาศเชิงตัวเลข New

10

่
้
ี่
แลกเปลยนระหว่างประเทศซึ่งใชเป็นเครื่องชวยในการปรับข้อมูล (Assimilation) หรือเรียกว่า Objective
ี่
ั
ี่
ี่
่
Analysis สถานีตรวจอากาศทกระจดกระจายอยู่ในพื้นทซึ่งมีระยะห่างกันไม่เทากัน จะถูกปรับเปลยนเป็น
ื่
ตาราง กริดในแบบจาลองการพยากรณอากาศดวยวิธี Interpolation ซึ่งวิธีนี้ก่อให้เกิดความคลาดเคลอนขึ้น
้
์
ู่
ี่
ในเงื่อนไขระยะเริ่มแรกของแบบจาลอง เพราะฐานของข้อมูลมิไดเป็นข้อมูลแทจริงก่อนทจะนาเข้าสแบบจา
้
้
ี่
ั
่
ลอง ตวอย่างเชน ข้อมูลอุณหภูมิท Scott AFB และสนามบิน St.Louis Lambert ซึ่งอยู่ห่างกันถึง 40 ไมล ์
ทะเล แบบจาลองต้องการทราบอุณหภูมิของจุดพิกัดกริดทอยู่ระหว่างสถานีทั้งสองเทคนิค Interpolation จะ
ี่
่
่
่
ี่
้
้
ประมาณคาอุณหภูมิ ณ จดพิกัดกริดนั้น ซึ่งคาประมาณทไดนั้นมิใชคาทแทจริง แตเป็นเพียงอุณหภูมิท ี่
ุ
่
่
ี่
ใกล้เคียงเท่านั้น ด้วยเหตุนี้หากมีจุดพิกัดกริดเพิ่มมากขึ้นความถูกต้องของแบบจาลองก็มีมากขึ้นเช่นเดียวกัน
6.2 กระบวนการ Optimal Interpolation (OI)
ี่
ั้
ี่
คือขั้นตอนถ่วงน้าหนักของข้อมูลที่ใช้ในการวิเคราะห์ เช่น ในบางพื้นททมีการตรวจอากาศชนบน ซึ่ง
ี่
ถือว่าเป็นข้อมูลทน่าเชอถือมากกว่าข้อมูลดาวเทยม ข้อมูลในพิกัดกริดจะถูกถ่วงน้าหนักข้อมูลโดยการอ้าง
ี
ื่
ข้อมูลผลการตรวจอากาศชนบน Optimal Interpolation ทาให้ผลการวิเคราะห์ข้อมูลดขึ้นและทาให้ผลการ
ั้
ี
่
้
ี
์
พยากรณจากแบบจาลองมีผลใกลเคยงกับสภาพอากาศทเกิดขึ้นจริง อย่างไรก็ตามก็ยังมีข้อจากัดอยู่เชนกัน
ี่
ู
ิ
ี่
ั่
โดยทวไปความต้องการทจะทาให้ผลผลตจาก Global Model มีรายละเอียดสง (จุดพิกัดกริดหนาแน่น) แต่ข้อ
้
จากัดเกี่ยวกับความสามารถของคอมพิวเตอร์ไม่สามารถที่จะกระทาได การที่จะทาให้แบบจาลองมีรายละเอียด
เพิ่มขึ้นจาเปนตองเพิ่มภาระในการประมวลผลให้กับคอมพิวเตอร์ นอกจากนี้เรายังตองการคอมพิวเตอร์ทมี
็
ี่
้
้
้
้
่
ั้
้
ความจาเพิ่มขึ้น ตลอดจนการแก้สมการก็เพิ่มขึ้นดวย แตแบบจาลองในปัจจบันตองการใชเวลาเพียงสนๆ ใน
ุ
่
้
การประมวลผลของคอมพิวเตอร์และให้ผลการพยากรณครอบคลมหลายวัน อาจกลาวไดว่าการเพิ่ม
ุ
์
ุ
้
รายละเอียดของจดพิกัดกริดจะตองเพิ่มเวลาในการประมวลผลของคอมพิวเตอร์มากขึ้น แบบจาลองการ
ั่
์
์
พยากรณอากาศทใชเวลาในการ ประมวลผล 24 ชวโมงเพื่อพยากรณอากาศภายใน 24 ชวโมงจงไม่เป็นท ี่
ั่
ึ
ี่
้
ี่
้
้
ตองการ ดวยเหตนี้รายละเอียดของจดพิกัดกริดทใชจงตองสอดคลองกับทรัพยากรคอมพิวเตอร์ทใชในการ
ุ
้
้
ี่
้
ุ
้
ึ
ประมวลผล
อย่างไรก็ตามปัจจบันแนวทางในการแก้ไขในการประมวลผลแบบจาลองเพื่อให้ได้รายละเอียดที่สูงกว่า
ุ
้
ั
ิ
้
และ ใช้เวลาในการประมวลผลน้อยลง ซึ่งใชแบบจาลองในลกษณะเชงซ้อน (Model Nesting) โดยใชแบบจา
ี่
ี่
ู
ุ
็
ี่
ลองทมีรายละเอียดสงกว่าและครอบคลมพื้นททมีขนาดเลกกว่าซ้อนลงไปใน Global Model ซึ่งมีพื้นทใหญ่
ี่
็
่
กว่า แบบจาลอง ทซ้อนอยู่ภายในจะรับคาตัวแปรตางๆ ของบรรยากาศอันเปนเงื่อนไขทอยู่ภายในบริเวณนั้น
ี่
ี่
่
ี่
ุ
ั
่
ี่
โดยอ้างอิงจากแบบจาลองทครอบคลมพื้นทใหญ่กว่า ตวอย่างเชน เมื่อเราประมวลผลแบบจาลองทมี
ี่
รายละเอียดสูงกว่าในพื้นที่ที่ครอบคลุม ประเทศสหรัฐอเมริกาเราจาเป็นต้องประมวลผลโดยใช้ผลการพยากรณ ์
ี่
่
ของตวแปรตางๆ ทสร้างขึ้นโดย Global หรือ Hemispheric Model นอกจากนี้ยังสามารถเพิ่มรายละเอียด
ั
ของแบบจาลองให้สูงขึ้นโดยซ้อนอยู่ภายในได้อีก
เหตุผลหนึ่งในการประมวลผลแบบจาลองที่มีรายละเอียดสูง (Fine Scale Model) คือ เราสามารถท ี่
่
จะจาลองกระบวนการที่สาคัญทั้งหมดในบรรยากาศซึ่งไม่สามารถประมวลผลได้ใน Global Scale แม้แตแบบ
ี่
จาลองทมีรายละเอียดสูงกว่าก็ยังไม่สามารถที่จะแก้ปัญหาของปรากฏการณ เชน กระแสอากาศปั่นป่วน หรือ
์
่
การก่อตัวและการเจริญเติบโตของเมฆและอนุภาคของน้าฟ้าทเกิดขึ้นในโครงสร้างของจุดพิกัดกริดได ในการท ี่
้
ี่
จะแก้ปัญหาเหล่านี้จาเป็นต้องมีกระบวนการหนึ่งที่เรียกว่า Parameterization
ี่
ี่
ื
Parameterization คอ ขั้นตอนในการคานวณทรวมเอาผลกระทบทเกิดขึ้นในกริดย่อย (Sub Grid
Scale) โดยนาค่าตัวแปรภายในกริดนั้นมาประมวลผล Parameterization ใช้อธิบายกระบวนการซึ่งเกิดขึ้นใน
ี่
ี่
็
้
Scale ทมีขนาดเลกกว่าซึ่งไม่สามารถคานวณไดทงในเชงพื้นทและเวลา (Spatial and Tempoaral) ผลจาก
ิ
ั้