Re: [討論] 至今天氣無法準確長期預測的瓶頸為何?

看板TY_Research作者 (蔡比巴)時間8年前 (2017/12/10 00:14), 編輯推噓16(16014)
留言30則, 17人參與, 8年前最新討論串2/3 (看更多)
: 但是個人仍然是偏向是大氣擴散不佳 : 所以導致空氣污染問題 : 如果今天國內空氣污染問題真的這麼嚴重的話 : 那在大氣擴散良好的時候 : 應該也會有空氣污染的問題 : 但事實並不是如此 : 因為春夏秋可能因為空氣對流旺盛 : 使得整體大氣擴散條件較佳 上面說的沒錯,就南部而言空氣品質轉換的關鍵是大氣擴散條件 即垂直大氣的穩定度─逆溫層 就南部而言,對照斜溫圖的狀況就可以發現, 進入冬半季,地面到1000hPa時常出現輻射逆溫 就像個鍋蓋罩住南部的天空,無法對流向上 加上東面為中央山脈,地形阻礙東北風的流動,水平的風又微弱 污染物就在地面-1000hPa,一直上上下下,舊的出不去,新的一直生成 自然就會越來越嚴重,至於北部,其實多數時候,斜溫圖的狀況地面到850hPa 是適合自由對流的,就沒有污染物積累的問題 北部空氣不好,會伴隨金馬澎也都差,就是俗稱的祖國的善液.... 至於中部,中部放球的地方是澎湖,夏天拿來預判雷雨的參考價值還蠻高的 冬天就...,中部的問題應該跟中火脫離不了關係~~~不過也許要有一些觀測數據 才能說服的了決策者 : 換句話說 : 今天的空氣污染排放標準只能做參考而已 : 不能像廢水排放標準是一個定值 : 因為即便你今天的空氣污染排放符合相關的管制標準 : 依樣會被環保署和環保團體釘得滿頭包 (台電幾個重要燃煤電廠就是一個例子) : 可能會因為最近這幾天大氣擴散條件不佳 : 導致空污嚴重程度上升 (污染物累積) : 扯遠了 : 因此假設今天我們可以準確預測國內大氣擴散程度 : 理論上就可以提早向國人說明隔天空氣污染程度是否嚴重 : 哪些工廠該降載 : 學校單位是否該取消室外活動的課程...等 : 透過準確地提出大氣擴散條件 : 作為相關指標 : 國內應該做的到才對 : (颱風路徑都可以預測了,每天預測隔天大氣擴散條件應該不是太困難才對) 環保署的網站已經有針對空氣品質的預報了,應該是足夠了 真的要預測擴散條件,理論上應該可以有70-90%的準確度 能見度的預報,跟大氣穩定度有極大的關連性 而這些東西各機場在編TAF時都有相關的預測, 只是民眾願意付出多大的機會成本? 颱風會造成生命財產損失,可是當颱風不如預期程度或超過民眾預期的時候 氣象局是如何被責難的?當這些預測有誤差時, 被降載的工廠、憤怒的民代及一般大眾會用什麼心態看預報這件事? 多做會多錯,那乾脆不做就不錯 : 不過小弟內心一直有一個疑問 : 為什至今全球無法準確預測1年後或者更久10年以後 : 這中間的技術門檻還差了什麼? : 看板上的文章一直有模式模擬結果的文來讓大家討論 : 但是似乎沒辦法拉得很長 : 就算拉的長 : 可能也是之後幾個月的模擬值 : 但是因為差太遠了 : 所以大家通常不會公布 : 只會在推文中說根據模式模擬 : 往後一個月可能都會是雨天...之類的 : 難道無法把農民曆那種節氣更加準確化嗎? : 如果可以達到那種程度的話 : 今天我們在空污問題上就可以明確訂出許多標準了 : EX:因幾月幾號擴散條件良好,風速為X m/s,降雨機率為80%, : 故該日各固定污染源可依照核可空污排放進行排放 : 反之,如果空氣擴散條件很差,則可加嚴空氣污染排放標準 : 想問問至今還缺乏什麼東西 : 導致現今天氣預報準確度無法百分之百 : 且時間不夠長? 1.觀測點分佈的問題 模式的網格點目前最細我的印象是5KM*5KM,如果在這個網格點上, 有測站的實際資料,就可以直接代入到控制方程式中計算,但是海洋、高山 沒有測站該怎麼辦?就以蛙跳法的方式去計算數值,再去計算 預報就是用現有資料去推估未來發展,部分資料還是用估算的再去作計算 誤差就產生了 2.尺度變化問題 模式通常運算的是中尺度以上的天氣變化,常被人們運用的模式 都是在計算縱觀尺度的系統變化,讓預測員參考,可是很多天氣 變化是因為中小尺度的調整而產生的,比方說海陸風效應 比方說午後熱對流,這些都不是單靠電腦能夠運算出來的 3.積雲參數化的影響 正如同第一點所提到的,模式是用觀測資料代入方程式中去運算 可是積雲的消長,根本無法量化,因此學者將積雲的變化 以參數的方式給帶過了 4.誤差值的積累 前三項主要是說明為什麼數值預報會有誤差的情況, 至於原PO問,為什麼頂多參考3天,無法做到長時間的預報呢?? 舉例可能會比較好懂,假如有個預報模式,準確度有90% 那麼代入12/9的觀測資料: 12/10的預報準確度會是90% 12/11的預報準確度就是81% 12/12的預報準確度只剩72.9% 12/13的預報準確度僅存65.61% 再算下去,就剩5X%了,這也就是為什麼不做太長天期的預報原因 產出的成品準確度一直發散,只能當作變化方向的參考, 數值預報對於氣象預報最大的價值,在於經過電腦運算,產品是客觀的 不需要預報員用自己的經驗去修正 如果一個資料,需要預報員用自己的經驗做大幅修正,反而喪失數值預報的客觀性 -- 如果你覺得資訊有幫助, 請把讚美歸於空軍,沒有空軍不會有我 如果你覺得資訊無用, 責難歸咎於我,學藝不精,抱歉 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.159.232.206 ※ 文章網址: https://www.ptt.cc/bbs/TY_Research/M.1512836051.A.FAB.html

12/10 00:27, 8年前 , 1F
12/10 00:27, 1F

12/10 01:16, 8年前 , 2F
推雨神
12/10 01:16, 2F

12/10 01:19, 8年前 , 3F
寫得很清楚
12/10 01:19, 3F

12/10 09:13, 8年前 , 4F
氣象局內部作業模式已經到3公里了,1公里還在開發
12/10 09:13, 4F

12/10 09:13, 8年前 , 5F
中。另外氣象模式跟空污擴散模式是互相獨立,且空
12/10 09:13, 5F

12/10 09:14, 8年前 , 6F
污模式的初始場比氣象模式要簡化很多,印象中都是
12/10 09:14, 6F

12/10 09:14, 8年前 , 7F
用固定排放源作為初始場
12/10 09:14, 7F

12/10 09:25, 8年前 , 8F
很多區域模式都已經是高解析度了,但高解析度也有
12/10 09:25, 8F

12/10 09:26, 8年前 , 9F
其問題就是了
12/10 09:26, 9F

12/10 10:32, 8年前 , 10F
講個笑話:等 Alpha Zero Weather 問世就不用預報員
12/10 10:32, 10F

12/10 11:05, 8年前 , 11F
AI及超級電腦革命快來了,精準預測三天內鄉鎮降雨是
12/10 11:05, 11F

12/10 11:05, 8年前 , 12F
有可能,而不只是小說家的戲言
12/10 11:05, 12F

12/10 11:48, 8年前 , 13F
推,長知識了
12/10 11:48, 13F

12/10 14:06, 8年前 , 14F
推雨神
12/10 14:06, 14F

12/10 14:48, 8年前 , 15F
沒有任何一門學問可以像氣象一樣去嘗試預測未來的吧
12/10 14:48, 15F

12/10 14:51, 8年前 , 16F
經濟也會預測未來啊
12/10 14:51, 16F

12/10 16:35, 8年前 , 17F
經濟預測誤差也很大
12/10 16:35, 17F

12/10 20:21, 8年前 , 18F
經濟人為的變因太多了
12/10 20:21, 18F

12/10 23:46, 8年前 , 19F
12/10 23:46, 19F

12/11 01:56, 8年前 , 20F
天文的未來就比較好預測 整個世紀份的月食都算出來
12/11 01:56, 20F

12/11 10:27, 8年前 , 21F
天文 是屬於長時間變動的 只是在我們有生之年 無法
12/11 10:27, 21F

12/11 10:27, 8年前 , 22F
察覺到
12/11 10:27, 22F

12/11 10:47, 8年前 , 23F
生物學也可以預測未來(演化)但也是有生之年無法察覺
12/11 10:47, 23F

12/11 10:47, 8年前 , 24F
天文比較單純的是宇宙大多是空的,天體可以視為質點
12/11 10:47, 24F

12/11 10:49, 8年前 , 25F
用力學模型就能很準確預測出天體相對位置,日月食,
12/11 10:49, 25F

12/11 10:49, 8年前 , 26F
雖然準確度會隨時間發散但時間尺度對人類歷史而言是
12/11 10:49, 26F

12/11 10:49, 8年前 , 27F
相對很長的。
12/11 10:49, 27F

12/11 10:50, 8年前 , 28F
氣象學就不一樣,交互作用太多,模式預報很難準確
12/11 10:50, 28F

12/11 15:01, 8年前 , 29F
三體表示:來預測我啊
12/11 15:01, 29F

12/11 19:39, 8年前 , 30F
絕對不只是個推!         加推樓上三體 XD
12/11 19:39, 30F
文章代碼(AID): #1QB0lJ-h (TY_Research)
討論串 (同標題文章)
文章代碼(AID): #1QB0lJ-h (TY_Research)