A weboldal használatával elfogadja a sütik használatát az elemzésekhez, személyre szabott tartalmakhoz és reklámokhoz. Tudjon meg többet a sütikről.
Hasonlítsa össze az időjárás-előrejelzésünket az előző napok megfigyelési adataival a mi rövid távú ellenőzőnkkel ezen a helyen: Estes Park.

Comparison of weather models for Estes Park

The blue lines correspond to the forecasts computed by different high-resolution weather models. Also shown are the members of a traditional ensemble prediction, where the same weather model (GFS) is run several times with slightly different initial conditions, to reflect uncertainties in the observations required to run a forecast model. The GFS members have been downscaled and bias corrected to match local weather conditions, data from the high-resolution models is untouched.

  • In the top graph, the temperature forecast for Estes Park is shown using light blue for different high-resolution models and red for the GFS ensemble members. The black line represents the mean of all forecasts and the dashed line the meteoblue consensus forecast as shown in our weather forecasts.
  • The 2nd graph shows the accumulated precipitation forecast, that is the total amount that falls from today up to the date shown on the time axis. Purple colour is used to indicate times where precipitation is falling.
  • The 3rd graph is forecast cloud cover in percent using light blue for the high-resolution weather models and green for the GFS ensemble members.
  • The 4th graph indicates the wind forecast as computed by high resolution models (light blue) and by the ensemble prediction (green). Also shown is the daily wind direction summary in form of a wind rose. Larger segments indicate that this wind direction is more likely and more frequent over the day than directions having smaller segments. If you have many segments of all about equal size than the forecast of wind direction is very uncertain. If there are predominantly two opposing directions this often indicates a thermal wind circulation where wind blows from a different direction during the day than at night.

Why do we show a traditional ensemble forecast and a multi model forecast at the same time?

A traditional ensemble (e.g. GFS) computed with the same forecast model often underestimates the uncertainties in the weather for the first 3 to 5 days thus overestimating the confidence in the forecast. Furthermore, the traditional ensemble is run at much lower resolution, thus neglecting some of the local weather phenomenon, which can be seen in high resolution models. It is very important to note, that all members of a traditional ensemble have the same likelihood of being true (there is no way to tell in advance which one will be better). This contrasts with the high-resolution models, where some deliver better forecasts than others depending on the location and weather conditions.


Időjárási modellek

Az időjárási modellek fizikai folyamatokat szimulálnak. Egy időjárási modellben a világot vagy az adott régiót kis „négyzetrácsokra” osztjuk fel, amelyek oldalhossza 4 és 40 km között, magassága pedig 100 m és 2 km között változhat. A mi modelljeink 60 légköri réteggel dolgoznak, mélyen behatolnak a sztratoszférába, 10–25 hPa (60 km) magasságig. Az időjárás szimulációja úgy történik, hogy a rendszer néhány másodpercenként az összes négyzetrácsra kiterjedő összetett matematikai egyenleteket old meg, a hőmérséklet, a szélsebesség vagy a felhők paramétereit pedig minden órára eltárolja.

A meteoblue nagyszámú időjárási modellel dolgozik, amelyekbe különféle forrásokból származó, nyílt hozzáférésű adatokat is integrál. Az összes meteoblue modellt naponta kétszer kalkulálja az erre a célra szolgáló nagyteljesítményű klaszter.

Modell Régió Felbontás Legutóbbi frissítés Forrás

NEMS modellcsalád: az NMM modellek továbbfejlesztett utódja; 2013 óta van használatban. A NEMS több skálájú (multiscale), globális és helyi szinten is használatos modell, segítségével jelentősen javult a felhőképződés és a csapadék előrejelzése.

NEMS4 Közép-Európa 4 km 72 h 12:40 MST meteoblue
NEMS12 Európa 12 km 180 h 13:18 MST meteoblue
NEMS-8 Közép-Amerika 12 km 180 h 15:17 MST meteoblue
NEMS12 India 12 km 180 h 13:39 MST meteoblue
NEMS10 Dél-Amerika 10 km 180 h 15:44 MST meteoblue
NEMS10 South Africa 10 km 180 h 14:08 MST meteoblue
NEMS8 Új-Zéland 8 km 180 h 12:35 MST meteoblue
NEMS8 Japan East Asia 8 km 180 h 12:22 MST meteoblue
NEMS30 Global 30 km 180 h 22:38 MST meteoblue
NEMS2-30 Global 30 km 168 h 16:57 MST meteoblue

NMM modellcsalád: a meteoblue első időjárási modellje, 2007 óta van használatban. Az NMM helyi szintű időjárási modell, elsősorban összetett terepviszonyokra optimalizálva.

NMM4 Közép-Európa 4 km 72 h 22:30 MST meteoblue
NMM12 Európa 12 km 180 h 12:12 MST meteoblue
NMM18 Dél-Amerika 18 km 180 h 14:29 MST meteoblue
NMM18 South Africa 18 km 180 h 12:38 MST meteoblue
NMM18 Délkelet-Ázsia 18 km 180 h 13:16 MST meteoblue

Harmadik fél tartományai: Ahogy más honlapokon látható

GFS22 Global 22 km 180 h (@ 3 h) 21:31 MST NOAA NCEP
GFS40 Global 40 km 180 h (@ 3 h) 21:42 MST NOAA NCEP
GFSENS05 Global 40 km 336 h (@ 6 h) 12:50 MST NOAA NCEP
NAM5 Észak-Amerika 5 km 48 h 22:21 MST NOAA NCEP
NAM12 Észak-Amerika 12 km 84 h (@ 3 h) 19:51 MST NOAA NCEP
ICON7 Európa 7 km 120 h (@ 3 h) 21:13 MST Deutscher Wetterdienst
ICON13 Global 13 km 180 h (@ 3 h) 22:44 MST Deutscher Wetterdienst
COSMO2 Németország 2.5 km 27 h 21:31 MST Deutscher Wetterdienst
GEM25 Global 25 km 168 h (@ 3 h) 23:03 MST Environment Canada
AROME2 Franciaország 2 km 36 h 21:49 MST METEO FRANCE
ARPEGE11 Európa 11 km 96 h 11:47 MST METEO FRANCE
ARPEGE40 Global 40 km 96 h (@ 3 h) 22:02 MST METEO FRANCE
HIRLAM11 Európa 11 km 48 h 22:30 MST KNMI

Egész világra kiterjedő lefedettség

meteoblue domain overview A meteoblue időjárási modelljei a legsűrűbben lakott területeken nagy felbontású (3–10 km), világszinten pedig közepes felbontású (30 km) lefedettséget biztosítanak. Az oldalt látható térképen piros alakzatokkal jelöltük az NMM modellek, és feketével a NEMS modellek által lefedett területeket. Egyetlen előrejelzéshez a rendszer több időjárás-előrejelző modellt, statisztikai elemzést, mérési eredményt, valamint radarral és műholddal végzett távmérési adatot vesz figyelembe, majd összesíti azokat, így generálja a legvalószínűbb időjárás-előrejelzést a Föld bármely helyére vonatkozóan.