Vergleich von Wettermodellen für Divčibare
Die blauen Linien entsprechen den Vorhersagen, die von verschiedenen hochauflösenden Wettermodellen berechnet wurden. Außerdem werden die Mitglieder einer klassischen Ensemble-Vorhersage gezeigt, bei der das gleiche Wettermodell (GFS) mehrmals mit leicht unterschiedlichen Anfangsbedingungen durchlaufen wird, um Unsicherheiten in den Beobachtungen abzubilden, die für die Ausführung eines Vorhersagemodells erforderlich sind. Die GFS-Mitglieder Bias korrigiert und downscaled, um den lokalen Wetterbedingungen zu entsprechen. Daten von den hochauflösenden Modellen sind unberührt.
- In der oberen Grafik ist die Temperaturvorhersage für Divčibare in Hellblau für verschiedene hochauflösende Modelle und in Lila für die GFS-Ensemblemitglieder dargestellt. Die schwarze Linie stellt die beste Temperaturvorhersage dar, wie sie auf unserer Startseite gezeigt wird. Die gestrichelten Linien zeigen die GFS- und ECMWF-Ensemble-Mitteltemperaturen.
- Das 2nd Diagramm zeigt die kumulierte Niederschlagsvorhersage, d. h. die Gesamtmenge, die von heute bis zum auf der Zeitachse angegebenen Datum fällt. Die blauen Balken zeigen die stündlichen Niederschlagssummen.
- Das dritte Diagramm zeigt die vorhergesagte Wolkendecke in Prozent, wobei hellblau für die hochauflösenden Wettermodelle und grün für die GFS-Ensemblemitglieder verwendet wird.
- Das vierte Diagramm zeigt die Windprognose an, wie sie von hochauflösenden Modellen (hellblau) und von der Ensemblevorhersage (grün) berechnet wird. Angezeigt wird auch die mittlere tägliche Windrichtung in Form einer Windrose. Größere Segmente weisen darauf hin, dass diese Windrichtung über den Tag verteilt häufiger vorkommt resp. wahrscheinlicher ist als Richtungen mit kleineren Segmenten. Wenn viele Segmente etwa gleichgroß sind, ist die Prognose der Windrichtung sehr unsicher. Wenn es überwiegend zwei entgegengesetzte Richtungen gibt, deutet dies oft auf eine thermische Windzirkulation hin, wobei der Wind tagsüber aus einer anderen Richtung weht als in der Nacht.
Warum zeigen wir gleichzeitig eine klassische Ensemble-Prognose und eine Multi-Modell-Prognose?
Ein konventionelles Ensemble (z. B. GFS), das mit dem gleichen Prognosemodell berechnet wird, unterschätzt oft die Unsicherheiten des Wetters für die ersten 3 bis 5 Tage und überschätzt damit die Sicherheit der Prognose. Außerdem wird das klassische Ensemble in einer viel niedrigeren Auflösung gerechnet, wodurch lokale Wetterphänomene vernachlässigt werden, welche in hochauflösenden Modellen abgebildet sind. Es ist sehr wichtig zu beachten, dass alle Mitglieder eines traditionellen Ensembles die gleiche Eintreffenswahrscheinlichkeit haben (es gibt keine Möglichkeit, im Voraus zu sagen, welches besser sein wird). Dies steht im Gegensatz zu den hochauflösenden Modellen, die je nach Standort und Wetterbedingungen bessere Vorhersagen als andere liefern.
Wettermodelle
Wettermodelle simulieren physikalische Prozesse. Ein Wettermodell unterteilt die Welt oder eine Region in kleine Gitterzellen. Jede Zelle ist etwa 4 km bis 40 km gross und zwischen 100 Meter und 2 km hoch. Unsere Modelle bestehen aus 60 atmosphärischen Schichten und reichen tief in die Stratosphäre bis auf 10-25hPa (60km) Höhe. Das Wetter wird durch das Lösen komplexer mathematischer Gleichungen zwischen allen Gitterzellen alle paar Sekunden simuliert, und alle errechneten Parameter (wie Temperatur, Windgeschwindigkeit, Bewölkung u.v.m.) werden zu jeder vollen Stunde gespeichert.
meteoblue betreibt eine große Anzahl von eigenen Wettermodellen und integriert Wetter-Daten aus verschiedenen Quellen. Alle meteoblue Modelle werden zweimal am Tag auf eigenen Hochleistungs-Computern berechnet.
Modell | Region | Auflösung | Letzte Aktualisierung | Quelle | |
---|---|---|---|---|---|
NEMS Modellfamilie:Verbesserter NMM-Nachfolger (im Betrieb seit 2013). NEMS ist ein Multi-Skalen-Modell (verwendbar für globale, regionale und lokalen Domänen) und verbessert die Wolken-Entwicklung und Niederschlagsvorhersage deutlich. |
|||||
NEMS-4 | Mitteleuropa | 4.0 km | 72 h | 06:55 UTC | meteoblue |
NEMS-12 | Europa | 12.0 km | 180 h | 07:48 UTC | meteoblue |
NEMS-30 | Global | 30.0 km | 180 h | 06:16 UTC | meteoblue |
NEMS-8 | Neuseeland | 8.0 km | 180 h | 07:59 UTC | meteoblue |
NEMS-10 | Indien | 10.0 km | 180 h | 20:27 UTC | meteoblue |
NEMS-8 | Japan & Ostasien | 8.0 km | 180 h | 07:39 UTC | meteoblue |
NEMS-12 | Zentralamerika | 12.0 km | 180 h | 21:53 UTC | meteoblue |
NEMS-10 | Südafrika | 10.0 km | 180 h | 20:37 UTC | meteoblue |
NEMS2-12 | Europa | 12.0 km | 168 h | 22:17 UTC | meteoblue |
NEMS2-30 | Global | 30.0 km | 168 h | 23:41 UTC | meteoblue |
NEMS-10 | Südamerika | 10.0 km | 180 h | 21:37 UTC | meteoblue |
NMM-Modellfamilie:Das erste Wettermodell von meteoblue (im Betrieb seit 2007). NMM ist ein regionales Wettermodell und für komplexes Gelände hoch-optimiert. |
|||||
NMM-4 | Mitteleuropa | 4.0 km | 72 h | 05:45 UTC | meteoblue |
NMM-12 | Europa | 12.0 km | 180 h | 07:03 UTC | meteoblue |
NMM-18 | Südafrika | 18.0 km | 180 h | 07:36 UTC | meteoblue |
NMM-18 | Südamerika | 18.0 km | 180 h | 21:11 UTC | meteoblue |
NMM-18 | Südostasien | 18.0 km | 180 h | 08:09 UTC | meteoblue |
Domains von Dritten: Wie auf den meisten anderen Websites zu sehen |
|||||
IFSENS-40 | Global | 30.0 km | 360 h (@ 3hourly h) | 21:34 UTC | ECMWF |
GFSENS-40 | Global | 40.0 km | 384 h (@ 3hourly h) | 21:42 UTC | NOAA NCEP |
GFS-25 | Global | 22.0 km | 180 h (@ 3hourly h) | 04:32 UTC | NOAA NCEP |
GFS-12 | Global | 12.0 km | 180 h (@ 3hourly h) | 04:56 UTC | NOAA NCEP |
IFS-20 | Global | 20.0 km | 144 h (@ 3hourly h) | 21:17 UTC | ECMWF |
ICON-12 | Global | 13.0 km | 180 h (@ 3hourly h) | 05:39 UTC | Deutscher Wetterdienst |
ICON-7 | Europa | 7.0 km | 120 h (@ 3hourly h) | 04:25 UTC | Deutscher Wetterdienst |
ICOND-2 | Germany and Alps | 2.0 km | 48 h | 05:19 UTC | Deutscher Wetterdienst |
HARMN-5 | Mitteleuropa | 5.0 km | 60 h | 05:24 UTC | KNMI |
GFS-40 | Global | 40.0 km | 180 h (@ 3hourly h) | 04:49 UTC | NOAA NCEP |
NAM-12 | Nordamerika | 12.0 km | 84 h (@ 3hourly h) | 03:09 UTC | NOAA NCEP |
NAM-5 | Nordamerika | 5.0 km | 48 h | 05:21 UTC | NOAA NCEP |
NAM-3 | Nordamerika | 3.0 km | 60 h | 03:52 UTC | NOAA NCEP |
HRRR-2 | Nordamerika | 3.0 km | 17 h | 08:28 UTC | NOAA NCEP |
FV3-5 | Alaska | 5.0 km | 48 h | 23:31 UTC | NOAA NCEP |
ARPEGE-40 | Global | 40.0 km | 96 h (@ 3hourly h) | 04:33 UTC | METEO FRANCE |
ARPEGE-11 | Europa | 11.0 km | 96 h | 04:05 UTC | METEO FRANCE |
AROME-2 | Frankreich | 2.0 km | 42 h | 04:15 UTC | METEO FRANCE |
UKMO-10 | Global | 10.0 km | 144 h (@ 3hourly h) | 06:41 UTC | UK MET OFFICE |
GEM-15 | Global | 15.0 km | 168 h (@ 3hourly h) | 20:56 UTC | Environment Canada |
RDPS-2 | Nordamerika | 2.5 km | 48 h | 06:55 UTC | Environment Canada |
MSM-5 | Japan | 5.0 km | 78 h | 23:26 UTC | Japan Meteorological Agency |
UKMO-2 | UK/France | 2.0 km | 120 h (@ 3hourly h) | 06:37 UTC | UK MET OFFICE |
COSMO-5 | Mitteleuropa | 5.0 km | 72 h | 08:21 UTC | AM/ARPAE/ARPAP |
COSMO-2 | Alps/Italy | 2.0 km | 48 h | 19:55 UTC | AM/ARPAE/ARPAP |
NBM-2 | Nordamerika | 2.5 km | 180 h (@ 3hourly h) | 07:30 UTC | NOAA NCEP |
WRFAMS-7 | Südamerika | 7.0 km | 168 h | 20:54 UTC | CPTEC/INPE |
AIFS-25 | Global | 25.0 km | 180 h (@ 3hourly h) | 08:14 UTC | ECMWF |
IFS-HRES | Global | 10.0 km | 144 h (@ 3hourly h) | 07:57 UTC | ECMWF |
CAMS-10 | Europa | 10.0 km | 96 h | 10:00 UTC | ECMWF Copernicus |
CAMS-40 | Global | 40.0 km | 120 h (@ 3hourly h) | 22:08 UTC | ECMWF Copernicus |
WW3-25 | Global | 25.0 km | 180 h (@ 3hourly h) | 07:15 UTC | NOAA NCEP |
WW3-4 | Baltic/Arctic | 4.0 km | 72 h | 03:43 UTC | MET Norway |
GWAM-25 | Global | 25.0 km | 174 h (@ 3hourly h) | > 24h | DWD |
EWAM-5 | Europa | 5.0 km | 78 h | 04:43 UTC | DWD |
MFWAM-8 | Global | 8.0 km | 228 h (@ 3hourly h) | 21:45 UTC | Copernicus / MeteoFrance |
MEDWAM-4 | Mediterranean | 4.0 km | 204 h | 06:33 UTC | Copernicus |
IBIWAM-5 | Iberian Biscay Irish | 5.0 km | 216 h | 03:12 UTC | Copernicus |
BALWAM-2 | Baltic | 2.0 km | 144 h | 22:28 UTC | Copernicus / FMI |
RTOFS-9 | Global | 9.0 km | 192 h (@ 3hourly h) | 01:17 UTC | NOAA NCEP |
Weltweite Abdeckung
meteoblue Wettermodelle decken die am meisten bevölkerten Gebiete mit hoher Auflösung (3-10km) und weltweit mit mittlerer Auflösung (30km) ab. Die Karte auf der Seite zeigt NMM-Modelle als rote und NEMS-Modelle als schwarze Kästen. Andere Farben zeigen Modelle von Drittanbietern. Globale Modelle sind nicht dargestellt. Für eine einzelne Vorhersage werden mehrere Wettermodelle, statistische Analysen, Messungen, Radar und Satellitentelemetrie berücksichtigt und kombiniert, um die wahrscheinlichste Wettervorhersage für einen bestimmten Ort auf der Erde zu erstellen.