{"id":22581,"date":"2023-02-20T15:04:02","date_gmt":"2023-02-20T14:04:02","guid":{"rendered":"https:\/\/cmm.imgw.pl\/?page_id=22581"},"modified":"2025-06-06T13:14:54","modified_gmt":"2025-06-06T11:14:54","slug":"slownik-dla-mediow-najwazniejsze-pojecia-i-zwroty-w-modelowaniu-meteorologicznym","status":"publish","type":"page","link":"https:\/\/cmm.imgw.pl\/?page_id=22581","title":{"rendered":"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-page\" data-elementor-id=\"22581\" class=\"elementor elementor-22581\">\n\t\t\t\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-eec627e elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"eec627e\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-069e6a9\" data-id=\"069e6a9\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c3cb73a e-transform elementor-widget elementor-widget-image\" data-id=\"c3cb73a\" data-element_type=\"widget\" data-settings=\"{&quot;_animation&quot;:&quot;none&quot;,&quot;_transform_scaleX_effect&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;_transform_scaleX_effect_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;_transform_scaleX_effect_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;_transform_scaleY_effect&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;_transform_scaleY_effect_tablet&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]},&quot;_transform_scaleY_effect_mobile&quot;:{&quot;unit&quot;:&quot;px&quot;,&quot;size&quot;:&quot;&quot;,&quot;sizes&quot;:[]}}\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.12.1 - 02-04-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img src=\"http:\/\/\/cmm\/wp-content\/gallery\/SlownikPoziom.png\" title=\"\" alt=\"\" loading=\"lazy\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-ff87414 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"ff87414\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-9386aff\" data-id=\"9386aff\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap\">\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-c9e6745\" data-id=\"c9e6745\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-c43b655 elementor-widget elementor-widget-wp-widget-search\" data-id=\"c43b655\" data-element_type=\"widget\" data-widget_type=\"wp-widget-search.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\n<form role=\"search\" method=\"get\" class=\"searchform\" action=\"https:\/\/cmm.imgw.pl\/\">\n\t<label for=\"ocean-search-form-1\">\n\t\t<span class=\"screen-reader-text\">Search this website<\/span>\n\t\t<input type=\"search\" id=\"ocean-search-form-1\" class=\"field\" autocomplete=\"off\" placeholder=\"Wyszukiwanie\" name=\"s\">\n\t\t\t<\/label>\n\t<\/form>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-33 elementor-top-column elementor-element elementor-element-383b67b\" data-id=\"383b67b\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap\">\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-c6bbcea elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"c6bbcea\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-top-column elementor-element elementor-element-742be1f elementor-hidden-tablet elementor-hidden-mobile\" data-id=\"742be1f\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap\">\n\t\t\t\t\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t<div class=\"elementor-column elementor-col-50 elementor-top-column elementor-element elementor-element-c8e7a5d\" data-id=\"c8e7a5d\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1b61044 elementor-widget elementor-widget-text-editor\" data-id=\"1b61044\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.12.1 - 02-04-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<div class=\"content\"><p style=\"text-align: justify;\"><span style=\"font-family: Arial, Helvetica, sans-serif; font-size: 18pt;\"><span style=\"color: #008578;\"><strong>S\u0141OWNIK DLA MEDI\u00d3W<\/strong><\/span><strong><br \/>NAJWA\u017bNIEJSZE POJ\u0118CIA I ZWROTY<br \/>W MODELOWANIU METEOROLOGICZNYM<\/strong><\/span><\/p><p><span class=\"ui-provider zc b c d e f g h i j k l m n o p q r s t u v w x y z ab ac ae af ag ah ai aj ak\" dir=\"ltr\" style=\"font-family: Arial, Helvetica, sans-serif;\">Opracowali: Bogdan Bochenek, Mariusz Figurski, Marta Gruszczy\u0144ska, Alan Mandal, Jan Szturc, Andrzej Wyszogrodzki i Micha\u0142 Ziemia\u0144ski, LMM IMGW-PIB<br \/><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong><a href=\"#WPROWADZENIE\">WPROWADZENIE<\/a><\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#DEFINICJEKLUCZOWE\"><strong>DEFINICJE KLUCZOWE<\/strong><\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaOgolnegoCharakteruPogody\">Prognoza og\u00f3lnego charakteru pogody<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaDlugoterminowa\">Prognoza d\u0142ugoterminowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaDlugoterminowaSzczegolowa\">Prognoza d\u0142ugoterminowa \u2013 szczeg\u00f3\u0142owa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaD\u0142ugoterminowaTygodniowa\">Prognoza d\u0142ugoterminowa \u2013 tygodniowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaDlugoterminowaDekadowa\">Prognoza d\u0142ugoterminowa \u2013 dekadowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaDlugoterminowaMiesieczna\">Prognoza d\u0142ugoterminowa \u2013 miesi\u0119czna<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaDlugoterminowaSezonowa\">Prognoza d\u0142ugoterminowa \u2013 sezonowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#NormaPrognozyDlugoterminowe\">Norma (prognozy d\u0142ugoterminowe)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaNowcastingowa\">Prognoza nowcastingowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaUltraKrotkoterminowa\">Prognoza ultra-kr\u00f3tkoterminowa<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#PrognozaNumeryczna\">Prognoza numeryczna<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#NumeryczneModelePogody\">Numeryczne modele pogody<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#RozdzielczoscNumerycznychModeliPogody\">Rozdzielczo\u015b\u0107 numerycznych modeli pogody<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#GeneralnaCharakterystykaNumerycznychModeliPogody\">Generalna charakterystyka numerycznych modeli pogody<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong><a href=\"#DEFINICJESZCZEGO\u0141OWE\">DEFINICJE SZCZEG\u00d3\u0141OWE<\/a><\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong><a href=\"#WYBRANEPOZYCJELITERATURY\">WYBRANE POZYCJE LITERATURY<\/a><\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#INDEKSHASE\u0141WJ\u0118ZYKUPOLSKIM\"><strong>INDEKS HASE\u0141 W J\u0118ZYKU POLSKIM<\/strong><\/a><\/span><\/p><div id=\"WPROWADZENIE\"><p style=\"text-align: justify;\"><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong>WPROWADZENIE<\/strong><\/span><\/p><p style=\"text-align: left;\"><span style=\"font-family: Arial, Helvetica, sans-serif;\">Niniejszy s\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego. Poj\u0119cia te definiuj\u0105 g\u0142\u00f3wne cechy charakterystyczne stosowanych operacyjnie modeli pogody. Przedstawione definicje maj\u0105 pom\u00f3c u\u017cytkownikowi prognoz modelowych w zrozumieniu ich natury oraz u\u0142atwi\u0107 por\u00f3wnanie charakterystyk poszczeg\u00f3lnych modeli stosowanych operacyjnie w IMGW-PIB. Poj\u0119cia z dziedziny prognozowania d\u0142ugoterminowego informuj\u0105 ich u\u017cytkownik\u00f3w o poszczeg\u00f3lnych klasach takich prognoz i ich podstawowych charakterystykach.<\/span><\/p><p style=\"text-align: left;\"><span style=\"font-family: Arial, Helvetica, sans-serif;\">S\u0142ownik podzielony jest na dwie cz\u0119\u015bci. Cz\u0119\u015b\u0107 pierwsza zawiera kluczowe definicje dotycz\u0105ce prognoz d\u0142ugoterminowych oraz og\u00f3lne definicje najbardziej podstawowych poj\u0119\u0107 zwi\u0105zanych z modelowaniem pogody. Cz\u0119\u015b\u0107 druga zawiera definicje szczeg\u00f3\u0142owe, kt\u00f3re rozwijaj\u0105 definicje kluczowe oraz przedstawiaj\u0105 charakterystyki poszczeg\u00f3lnych modeli stosowanych operacyjnie w IMGW-PIB. Na ko\u0144cu opracowania umieszczono alfabetyczny indeks hase\u0142, aby u\u0142atwi\u0107 korzystanie ze S\u0142ownika. U\u017cywane definicje pochodz\u0105 g\u0142\u00f3wnie z literatury naukowej dotycz\u0105cej modelowania numerycznego oraz statystycznego. Jest ona bardzo obszerna i na ko\u0144cu S\u0142ownika przedstawiono kilka wybranych pozycji.<\/span><\/p><div id=\"DEFINICJEKLUCZOWE\"><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong>DEFINICJE KLUCZOWE<\/strong><\/span><\/p><div id=\"PrognozaOgolnegoCharakteruPogody\"><div id=\"prognoza OgolnegoCharakteru\">\u00a0<\/div><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(I)\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 PROGNOZA OG\u00d3LNEGO CHARAKTERU POGODY<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Stosowana g\u0142\u00f3wnie na potrzeby prognoz d\u0142ugoterminowych. W przeciwie\u0144stwie do prognozy pogody, nie zawiera szczeg\u00f3\u0142owych informacji o pogodzie na dany dzie\u0144, a jedynie og\u00f3lne informacje o trendach, jakie mog\u0105 wyst\u0105pi\u0107 w d\u0142u\u017cszym okresie czasu, najcz\u0119\u015bciej tygodnia, miesi\u0105ca lub sezonu. Za pomoc\u0105 takich parametr\u00f3w, jak np. \u015brednia temperatura powietrza lub suma opad\u00f3w atmosferycznych, przewiduje si\u0119 czy prognozowany okres (tydzie\u0144, miesi\u0105c, sezon) b\u0119dzie cieplejszy, ch\u0142odniejszy, bardziej suchy, lub bardziej wilgotny ni\u017c normalnie. Patrz: norma (prognozy d\u0142ugoterminowe).<\/span><\/p><div id=\"PrognozaDlugoterminowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(II)\u00a0\u00a0\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza pogody lub prognoza og\u00f3lnego charakteru pogody na co najmniej 14 dni do przodu. Prognozy d\u0142ugoterminowe dzielimy na prognozy: szczeg\u00f3\u0142owe, tygodniowe, dekadowe, miesi\u0119czne, sezonowe.<\/span><\/p><div id=\"PrognozaDlugoterminowaSzczegolowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(III)\u00a0\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA \u2013 SZCZEG\u00d3\u0141OWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza pogody na ka\u017cdy dzie\u0144 tygodnia na co najmniej 14 dni do przodu; najcz\u0119\u015bciej na 14-15 dni do przodu, np. prognoza numeryczna modelu WRF-GFS Medium.<\/span><\/p><div id=\"PrognozaDlugoterminowaTygodniowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(IV)\u00a0\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA \u2013 TYGODNIOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza og\u00f3lnego charakteru pogody na ka\u017cdy tydzie\u0144 kalendarzowy na co najmniej 2 tygodnie do przodu; najcz\u0119\u015bciej na 4-6 tygodni do przodu, np. prognoza numeryczna modelu ECMWF EPS 46.<\/span><\/p><div id=\"PrognozaDlugoterminowaDekadowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(V)\u00a0\u00a0\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA \u2013 DEKADOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza og\u00f3lnego charakteru pogody na ka\u017cd\u0105 dekad\u0119 miesi\u0105ca (okres 10 dni) na co najmniej 2 dekady do przodu; najcz\u0119\u015bciej na 3 dekady do przodu, np. prognoza numeryczno-statystyczna modelu IMGW-TWS.<\/span><\/p><div id=\"PrognozaDlugoterminowaMiesieczna\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(VI)\u00a0\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA \u2013 MIESI\u0118CZNA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza og\u00f3lnego charakteru pogody na dany miesi\u0105c kalendarzowy na co najmniej 1 miesi\u0105c do przodu; najcz\u0119\u015bciej na 3-6 miesi\u0119cy do przodu, np. eksperymentalna prognoza d\u0142ugoterminowa temperatury i opadu na 4 miesi\u0105ce IMGW-PIB lub prognoza numeryczna modelu CFS.<\/span><\/p><div id=\"PrognozaDlugoterminowaSezonowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(VII)\u00a0\u00a0\u00a0 PROGNOZA D\u0141UGOTERMINOWA \u2013 SEZONOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza og\u00f3lnego charakteru pogody na dany sezon kalendarzowy (okres 3 miesi\u0119cy) na co najmniej 3 miesi\u0105ce do przodu.<\/span><\/p><div id=\"NormaPrognozyDlugoterminowe\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(VIII)\u00a0\u00a0\u00a0 NORMA (PROGNOZY D\u0141UGOTERMINOWE)<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Stosowana najcz\u0119\u015bciej na potrzeby prognoz og\u00f3lnego charakteru pogody w prognozach d\u0142ugoterminowych \u2013 miesi\u0119cznych. Prognozowan\u0105 \u015bredni\u0105 miesi\u0119czn\u0105 temperatur\u0119 powietrza\/miesi\u0119czn\u0105 sum\u0119 opad\u00f3w atmosferycznych dla danego miesi\u0105ca przewiduje si\u0119 w odniesieniu do normy wieloletniej przyjmowanej za okres 1991-2020. Warto\u015bci \u015bredniej miesi\u0119cznej temperatury\/miesi\u0119cznej sumy opad\u00f3w z tego 30-letniego okresu sortuje si\u0119 od najni\u017cszej do najwy\u017cszej: 10 najni\u017cszych warto\u015bci wyznacza \u015bredni\u0105 temperatur\u0119\/sum\u0119 opad\u00f3w w klasie \u201eponi\u017cej normy\u201d, 10 \u015brodkowych \u201ew normie\u201d, a 10 najwy\u017cszych \u201epowy\u017cej normy\u201d. Gdy przewidywana jest \u015brednia temperatura\/suma opad\u00f3w:<\/span><\/p><ul><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">powy\u017cej normy, przewiduje si\u0119, \u017ce prognozowany miesi\u0105c b\u0119dzie cieplejszy\/bardziej mokry od co najmniej 20 obserwowanych, tych samych miesi\u0119cy w latach 1991-2020;<\/span><\/li><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">poni\u017cej normy, przewiduje si\u0119, \u017ce prognozowany miesi\u0105c b\u0119dzie ch\u0142odniejszy\/bardziej suchy od co najmniej 20 obserwowanych, tych samych miesi\u0119cy w latach 1991-2020;<\/span><\/li><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">w normie, przewiduje si\u0119, \u017ce prognozowany miesi\u0105c b\u0119dzie podobny do typowych 10 obserwowanych, czyli cieplejszy\/bardziej mokry od co najmniej 10 obserwowanych i ch\u0142odniejszy\/bardziej suchy od co najmniej 10 obserwowanych, tych samych miesi\u0119cy w latach 1991-2020.<\/span><\/li><\/ul><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Uwaga: <em>Norm\u0119 stosowan\u0105 w prognozach d\u0142ugoterminowych IMGW-PIB nie nale\u017cy myli\u0107 z norm\u0105 stosowan\u0105 w analizach klimatologicznych IMGW-PIB. Patrz: norma (analizy klimatologiczne).<\/em><\/span><\/p><div id=\"PrognozaNowcastingowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(IX)\u00a0\u00a0\u00a0\u00a0 PROGNOZA NOWCASTINGOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza tworzona przez modele nowcastingowe, kt\u00f3rych cech\u0105 jest wysoka rozdzielczo\u015b\u0107 czasowa i przestrzenna (odpowiednio rz\u0119du 5-10 min i 1 km) oraz du\u017ca sprawdzalno\u015b\u0107 dla kr\u00f3tkich czas\u00f3w wyprzedzenia \u2013 do ok. 2 godz. dla pola opadu i do ok. 6 godz. w przypadku pozosta\u0142ych p\u00f3l meteorologicznych. Najcz\u0119\u015bciej stosuje si\u0119 podej\u015bcie ekstrapolacyjne, polegaj\u0105ce na precyzyjnej estymacji warunk\u00f3w pocz\u0105tkowych, ich ekstrapolacji w oparciu o obliczone wektory przemieszczania si\u0119, oraz ewolucji w czasie. Inne podej\u015bcie polega na korekcie prognoz z modeli mezoskalowych danymi pomiarowymi, stosowane najcz\u0119\u015bciej do p\u00f3l meteorologicznych innych ni\u017c opad.<\/span><\/p><div id=\"PrognozaUltraKrotkoterminowa\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(X)\u00a0\u00a0\u00a0\u00a0\u00a0 PROGNOZA ULTRA-KR\u00d3TKOTERMINOWA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza na okres do 12 (maksymalnie 18) godzin. Zwykle s\u0105 to prognozy realizowane przez modele numerycznych prognoz pogody asymiluj\u0105ce bie\u017c\u0105ce dane pomiarowe i obserwacyjne.<\/span><\/p><div id=\"PrognozaNumeryczna\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(XI)\u00a0\u00a0\u00a0\u00a0 PROGNOZA NUMERYCZNA<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prognoza numeryczna przedstawia przysz\u0142y stan atmosfery obliczony za pomoc\u0105 numerycznych modeli pogody. Jej tre\u015b\u0107 publikowana jest bez ingerencji lub weryfikacji przez cz\u0142owieka (np. synoptyka meteorologa). Prognozy te maj\u0105 zwykle form\u0119 graficzn\u0105. Najcz\u0119\u015bciej stosowane s\u0105 mapy rozk\u0142adu poszczeg\u00f3lnych parametr\u00f3w meteorologicznych przy powierzchni ziemi lub w g\u00f3rnej atmosferze (na powierzchniach sta\u0142ego ci\u015bnienia, czyli izobarycznych), dla wybranych chwil. Mog\u0105 to by\u0107 tak\u017ce przekroje pionowe ukazuj\u0105ce przestrzenny rozk\u0142ad wybranych parametr\u00f3w meteorologicznych. Szczeg\u00f3ln\u0105 form\u0105 s\u0105 tzw. meteogramy przedstawiaj\u0105ce prognozowan\u0105 ewolucj\u0119 wybranych parametr\u00f3w meteorologicznych dla okre\u015blonego miejsca (wybranej miejscowo\u015bci). Prognozy numeryczne s\u0105 jedn\u0105 z podstaw do opracowania prognozy synoptycznej.<\/span><\/p><div id=\"NumeryczneModelePogody\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(XII)\u00a0\u00a0\u00a0 NUMERYCZNE MODELE POGODY<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Numeryczne modele pogody s\u0105 zaawansowanymi programami komputerowymi, kt\u00f3re rozwi\u0105zuj\u0105 r\u00f3wnania fizyki, opisuj\u0105ce w spos\u00f3b matematyczny, jak stan pogody i atmosfery zmienia si\u0119 w czasie i przestrzeni. Rozwi\u0105zania te s\u0105 przybli\u017cone i obliczane tylko dla poszczeg\u00f3lnych, oddalonych od siebie, \u201ew\u0119z\u0142\u00f3w\u201d w 3-wymiarowej przestrzennej sieci obliczeniowej. Przybli\u017cenia s\u0105 tak konstruowane, aby ich nieuniknione b\u0142\u0119dy by\u0142y jak najmniejsze, a tw\u00f3rcy poszczeg\u00f3lnych modeli stosuj\u0105 r\u00f3\u017cne matematyczne formy tych przybli\u017ce\u0144.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><img loading=\"lazy\" class=\"size-full wp-image-22586 aligncenter\" src=\"http:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/Rycina1.png\" alt=\"\" width=\"633\" height=\"342\" srcset=\"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/Rycina1.png 633w, https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/Rycina1-300x162.png 300w\" sizes=\"(max-width: 633px) 100vw, 633px\" \/><\/span><\/p><p style=\"text-align: center;\"><span style=\"font-family: Arial, Helvetica, sans-serif;\">Rysunek ilustruje poziom\u0105 konfiguracj\u0119 numerycznej siatki obliczeniowej modelu COSMO-EULAG na\u00a0przyk\u0142adzie prognozy temperatury na wysoko\u015bci 2 m nad ziemi\u0105 (stopnie C, lewy panel) oraz\u00a0skumulowanego opadu (mm, prawy panel) dla fragmentu p\u00f3\u0142nocnej Polski na 11 lipca 2022, godz.\u00a01200 UTC. Rozmiar pikseli rastra odpowiada rozmiarowi oczka siatki obliczeniowej, <\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\">a jej w\u0119z\u0142y znajduj\u0105 si\u0119 w \u015brodku poszczeg\u00f3lnych pikseli rastra. Pozioma odleg\u0142o\u015b\u0107 <\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\">mi\u0119dzy s\u0105siednimi w\u0119z\u0142ami siatki numerycznej wynosi 2,2 km.<\/span><\/p><div id=\"RozdzielczoscNumerycznychModeliPogody\"><div id=\"rozdzielczoscModeli\">\u00a0<\/div><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(XIII)\u00a0\u00a0\u00a0 ROZDZIELCZO\u015a\u0106 NUMERYCZNYCH MODELI POGODY<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Dok\u0142adno\u015b\u0107 prognoz numerycznych zale\u017cy m.in. od g\u0119sto\u015bci sieci obliczeniowej modelu pogody, czyli od odleg\u0142o\u015bci pomi\u0119dzy jej s\u0105siednimi w\u0119z\u0142ami: im mniejsza odleg\u0142o\u015b\u0107, tym g\u0119stsza sie\u0107 i lepsze przybli\u017cenie. G\u0119sto\u015b\u0107 sieci numerycznej zale\u017cy od mocy obliczeniowej stosowanych superkomputer\u00f3w. Im wi\u0119ksza moc, tym wi\u0119cej operacji mo\u017cna wykona\u0107 w ograniczonym czasie przeznaczonym na obliczenie prognozy, a wi\u0119c tym wi\u0119cej w\u0119z\u0142\u00f3w mo\u017ce zawiera\u0107 sie\u0107 obliczeniowa modelu i tym mniejsza mo\u017ce by\u0107 odleg\u0142o\u015b\u0107 pomi\u0119dzy nimi. Obecnie poziome odleg\u0142o\u015bci pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami osi\u0105gn\u0119\u0142y oko\u0142o 10 km (lub nieco wi\u0119cej) w\u00a0modelach globalnych i kilka kilometr\u00f3w w modelach regionalnych. Pionowe odleg\u0142o\u015bci pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami zmieniaj\u0105 si\u0119 z wysoko\u015bci\u0105 \u2013 od kilkudziesi\u0119ciu metr\u00f3w przy powierzchni pod\u0142o\u017ca do kilkuset metr\u00f3w w g\u0142\u0119bi atmosfery.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">W terminologii naukowej przez rozdzielczo\u015b\u0107 modelu rozumie si\u0119 przestrzenny rozmiar najmniejszego obiektu meteorologicznego, kt\u00f3rego ewolucja mo\u017ce by\u0107 poprawnie przedstawiona przez ten model. Rozmiar ten jest oko\u0142o 6 do 8 razy wi\u0119kszy ni\u017c pozioma odleg\u0142o\u015b\u0107 pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami sieci obliczeniowej.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">W stosowanej najcz\u0119\u015bciej terminologii potocznej przez rozdzielczo\u015b\u0107 modelu rozumie si\u0119 po prostu poziom\u0105 odleg\u0142o\u015b\u0107 pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami jego sieci obliczeniowej. W praktyce warto doprecyzowa\u0107, kt\u00f3re z\u00a0tych dwu znacze\u0144 stosowane jest w danym stwierdzeniu.<\/span><\/p><div id=\"GeneralnaCharakterystykaNumerycznychModeliPogody\"><p><strong><span style=\"font-family: Arial, Helvetica, sans-serif;\">(XIV)\u00a0\u00a0 GENERALNA CHARAKTERYSTYKA NUMERYCZNYCH MODELI POGODY<\/span><\/strong><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">W dzia\u0142aniu numerycznych modeli pogody mo\u017cemy wyr\u00f3\u017cni\u0107 szereg funkcjonalno\u015bci, kt\u00f3re s\u0105 niezb\u0119dne dla obliczenia wiarygodnej prognozy pogody. I tak, podstawow\u0105 cz\u0119\u015bci\u0105 modelu jest tzw. rdze\u0144 dynamiczny. Jest to ta cz\u0119\u015b\u0107 kodu modelu, kt\u00f3ra praktycznie rozwi\u0105zuje prognostyczne r\u00f3wnania fizyki, opisuj\u0105ce ewolucj\u0119 stanu atmosfery, na obliczeniowej sieci modelu. Numeryczne modele pogody musz\u0105 jednak uwzgl\u0119dni\u0107 fakt, \u017ce poszczeg\u00f3lne procesy atmosferyczne odbywaj\u0105 si\u0119 w obszarach o r\u00f3\u017cnych wielko\u015bciach. Niekt\u00f3re procesy maj\u0105 miejsce w tak ma\u0142ych obj\u0119to\u015bciach atmosfery, \u017ce nie mog\u0105 by\u0107 bezpo\u015brednio odwzorowane na sieci obliczeniowej modelu. Procesy takie nazywamy podskalowymi. Przyk\u0142adem s\u0105 oddzia\u0142ywania mikrofizyczne zwi\u0105zane z kondensacj\u0105 pary wodnej oraz tworzeniem chmur i opad\u00f3w, kt\u00f3re odbywaj\u0105 si\u0119 w skalach centymetrowych, a nawet mniejszych. Modele pogody obliczaj\u0105 przybli\u017cone efekty takich proces\u00f3w za pomoc\u0105 specjalnych procedur zwanych parametryzacjami. Przybli\u017caj\u0105 one sumaryczny efekt procesu, zagregowany dla ca\u0142ego oczka sieci obliczeniowej modelu. Poszczeg\u00f3lne modele pogody stosuj\u0105 r\u00f3\u017cne metody parametryzacji poszczeg\u00f3lnych proces\u00f3w podskalowych. Dalej, obliczenia prognostyczne musz\u0105 uwzgl\u0119dni\u0107 istotn\u0105 rol\u0119 proces\u00f3w wymiany ciep\u0142a i wody pomi\u0119dzy atmosfer\u0105 a\u00a0pod\u0142o\u017cem. Do tego celu wykorzystuje si\u0119 dodatkowe specjalne modele, kt\u00f3re obliczaj\u0105 ewolucj\u0119 stanu pod\u0142o\u017ca oraz wielko\u015b\u0107 tej wymiany, w zale\u017cno\u015bci od prognozowanej sytuacji meteorologicznej.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Procedury modelu mog\u0105 rozpocz\u0105\u0107 obliczanie prognozy pod warunkiem dostarczenia im informacji o stanie atmosfery w momencie, kt\u00f3ry jest pocz\u0105tkiem okresu prognostycznego. Informacja ta (tzw. warunki pocz\u0105tkowe) musi by\u0107 zadana we wszystkich w\u0119z\u0142ach 3-wymiarowej sieci obliczeniowej, a dla wiarygodnej prognozy powinna by\u0107 jak najbli\u017csza rzeczywistemu stanowi atmosfery w tym momencie. Wymagane warto\u015bci poszczeg\u00f3lnych parametr\u00f3w meteorologicznych obliczane s\u0105 przez specjalne procedury na podstawie wynik\u00f3w bie\u017c\u0105cych obserwacji i pomiar\u00f3w meteorologicznych (przyziemnych, balonowych, satelitarnych, etc.) oraz wynik\u00f3w prognoz (zwykle kilkugodzinnych) samego modelu. Procedury te nazywamy procedurami asymilacji danych obserwacyjnych.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Numeryczne modele pogody s\u0105 zatem niezwykle z\u0142o\u017conymi systemami. S\u0105 one ci\u0105gle rozwijane tak, aby wykorzystywa\u0107 w nich bie\u017c\u0105ce post\u0119py w wielu r\u00f3\u017cnych dziedzinach nauki. Dotyczy to zar\u00f3wno nauk podstawowych, od matematyki z metodami numerycznymi oraz statystycznymi po fizyk\u0119 proces\u00f3w atmosferycznych i proces\u00f3w w \u015brodowisku naturalnym, jak i informatyki oraz in\u017cynierii \u2013 od komputerowej po pomiarow\u0105.<\/span><\/p><div id=\"DEFINICJESZCZEGO\u0141OWE\"><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong>DEFINICJE SZCZEG\u00d3\u0141OWE<\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(1)\u00a0\u00a0\u00a0\u00a0\u00a0 <strong>Konsorcja numerycznego modelowania pogody<\/strong> \u2013 konsorcja, kt\u00f3rych cz\u0142onkami s\u0105 narodowe s\u0142u\u017cby meteorologiczne lub hydrologiczno-meteorologiczne, i kt\u00f3rych celem jest rozwijanie i doskonalenie narz\u0119dzi do prowadzenia numerycznych prognoz pogody, w tym modeli numerycznych, system\u00f3w asymilacji danych i\u00a0weryfikacji prognoz. W Europie dzia\u0142a kilka takich konsorcj\u00f3w i s\u0105 to: ACCORD (A Consortium for Convection-scale modelling Research and Development, powsta\u0142y z po\u0142\u0105czenia konsorcj\u00f3w ALADIN i HIRLAM), COSMO (Consortium for Small-Scale Modeling) i RC LACE (Regional Cooperation for Limited Area modeling in Central Europe). IMGW-PIB jest cz\u0142onkiem wszystkich tych konsorcj\u00f3w.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(2) \u00a0\u00a0\u00a0\u00a0 <\/span><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong>Model ALARO (ALADIN and AROME)<\/strong> \u2013 jeden z numerycznych modeli pogody systemu ALADIN, rozwijany g\u0142\u00f3wnie przez kraje grupy RC LACE. Fizyka modelu ALARO zdefiniowana jest w ten spos\u00f3b, aby mog\u0142a z powodzeniem przewidywa\u0107 pogod\u0119 w skalach tzw. \u201eszarej strefy\u201d, czyli pomi\u0119dzy prognozami mezoskalowymi a skalami pozwalaj\u0105cymi na rozwi\u0105zywanie problem\u00f3w konwekcyjnych. Model ALARO wykorzystywany jest operacyjnie przez wiele kraj\u00f3w konsorcj\u00f3w ALADIN i HIRLAM w prognozach deterministycznych, probabilistycznych i badaniach klimatu. W IMGW-PIB dzia\u0142a operacyjnie od 2014 roku na siatce o rozdzielczo\u015bci przestrzennej 4 km i 70 poziomach wertykalnych. Prognozy liczone s\u0105 4 razy dziennie do 72 godzin.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(3) \u00a0\u00a0\u00a0\u00a0\u00a0<\/span><span style=\"font-family: Arial, Helvetica, sans-serif;\"><strong>Model AROME <\/strong><strong>(Application de la Recherche a l\u2019Operationnel a Meso-Echelle)<\/strong> \u2013 jeden z numerycznych modeli pogody systemu ALADIN, rozwijany g\u0142\u00f3wnie przez Meteo France. Ma na celu prognozowanie pogody na siatkach o rozdzielczo\u015bciach poni\u017cej 2,5 km. Wykorzystywany jest z powodzeniem na ca\u0142ym \u015bwieci i s\u0142u\u017cy prognozom gro\u017anych zjawisk pogodowych, badaniom klimatu i coraz cz\u0119\u015bciej jako model nowcastinowych, uruchamiany w systemach typu RUC (Rapid Update Cycle) w domenach o rozdzielczo\u015bciach przestrzennych rz\u0119du 1 km. W IMGW-PIB dzia\u0142a operacyjnie od 2015 roku na siatce o rozdzielczo\u015bci przestrzennej 2 km i 70 poziomach wertykalnych. Prognozy liczone s\u0105 4 razy dziennie na 30 godzin.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(4) \u00a0\u00a0\u00a0\u00a0 <strong>Model burzowy TSP <\/strong><strong>(Thunderstorm Prediction)<\/strong> \u2013 nowcastingowy model TSP s\u0142u\u017cy do detekcji burz i okre\u015blania ich intensywno\u015bci oraz prawdopodobie\u0144stwa wyst\u0105pienia, a tak\u017ce do prognozowania tych wielko\u015bci co 10 min, z czasem wyprzedzenia do 1 godz., z 1-km rozdzielczo\u015bci\u0105 przestrzenn\u0105. Dane wej\u015bciowe do modelu pochodz\u0105 z nast\u0119puj\u0105cych system\u00f3w pomiarowych: PERUN (przetworzone modelem LIGHTNING, w tym pole\u00a0lightning jump), sie\u0107 radarowa POLRAD (w postaci r\u00f3\u017cnych tzw. produkt\u00f3w) oraz sie\u0107 satelit\u00f3w Meteosat (przetworzone oprogramowaniem EUMETSAT NWC-SAF). W modelu TSP wykorzystano algorytm SVM (ang. support vector machines) do detekcji burz i klasyfikowania ich intensywno\u015bci oraz do prognozowania ich dalszego rozwoju. Do prognozowania przemieszczania si\u0119 poszczeg\u00f3lnych kom\u00f3rek burzowych wykorzystuje si\u0119 pola wektor\u00f3w z modelu nowcastingowego SCENE.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(5) \u00a0\u00a0\u00a0\u00a0 <strong>Model COSMO <\/strong><strong>(Consortium for Small-Scale Modeling)<\/strong> \u2013 mezoskalowy model meteorologiczny rozwijany w\u00a0ramach mi\u0119dzynarodowej wsp\u00f3\u0142pracy konsorcjum COSMO, do kt\u00f3rego IMGW-PIB nale\u017cy od roku 2003. Model ten wykorzystuje system analizy i asymilacji danych pomiarowych, pozwalaj\u0105cy na popraw\u0119 warunk\u00f3w pocz\u0105tkowych prognozy, dostarczanych z modelu globalnego ICON (liczonego w DWD). Wyniki modelu wykorzystywane s\u0105 jako dane wej\u015bciowe do modeli hydrologicznych opad\u2013odp\u0142yw, modeli nowcastingu i\u00a0falowania oraz s\u0142u\u017c\u0105 zespo\u0142om synoptyk\u00f3w do przygotowania codziennych prognoz, ostrze\u017ce\u0144 i komunikat\u00f3w pogodowych. Model COSMO uruchamiany jest w IMGW-PIB cztery razy na dob\u0119 w terminach 00, 06, 12, 18 UTC, na siatkach o dw\u00f3ch rozdzielczo\u015bciach horyzontalnych. Prognozy na siatce 7 km, pokrywaj\u0105ce centraln\u0105 cz\u0119\u015b\u0107 Europy i ca\u0142y obszar Morza Ba\u0142tyckiego, wykonywane s\u0105 z wyprzedzeniem do 78 godzin. Prognozy na g\u0119stszej siatce o rozdzielczo\u015bci 2,8 km, pokrywaj\u0105ce obszar Polski i cz\u0119\u015b\u0107 powierzchni kraj\u00f3w o\u015bciennych, maj\u0105 wyprzedzenie do 48 godzin.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(6) \u00a0\u00a0\u00a0\u00a0 <strong>Model estymacji pola opadu <\/strong><strong>(RainGRS)<\/strong> \u2013 system RainGRS generuje estymowane pola opadu z wysok\u0105 rozdzielczo\u015bci\u0105 czasow\u0105 i przestrzenn\u0105 (10 min, 1 km). Wej\u015bciem s\u0105 dane dostarczane przez r\u00f3\u017cne techniki pomiarowe: sie\u0107 deszczomierzow\u0105 IMGW-PIB, sie\u0107 radarow\u0105 POLRAD uzupe\u0142nion\u0105 o dane z radar\u00f3w zagranicznych, oraz pomiary satelitarne Meteosat. Wszystkie dane s\u0105 weryfikowane i korygowane dedykowanymi algorytmami. \u0141\u0105czenie poszczeg\u00f3lnych danych wej\u015bciowych odbywa si\u0119 za pomoc\u0105 algorytmu kombinacji warunkowej, uwzgl\u0119dniaj\u0105cego tak\u017ce ilo\u015bciow\u0105 informacj\u0119 o rozk\u0142adzie przestrzennym ich jako\u015bci.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(7) \u00a0\u00a0\u00a0\u00a0 <strong>Model ECMWF EPS 46<\/strong> \u2013 model oparty na operacyjnych danych prognostycznych Europejskiego Centrum Prognoz \u015arednioterminowych (European Centre for Medium-Range Weather Forecast, ECMWF), kt\u00f3re IMGW-PIB otrzymuje na bie\u017c\u0105co dzi\u0119ki umowie zawartej w 2020 roku. Model ECMWF EPS 46 dostarcza 2\u00a0razy w tygodniu prognoz\u0119 temperatury powietrza i opadu na nast\u0119pne 46 dni, w postaci tygodniowych rozwi\u0105za\u0144. Prognozowane parametry pozyskuje si\u0119 z 50 realizacji tego samego wyprzedzenia, r\u00f3\u017cni\u0105cych si\u0119 mi\u0119dzy sob\u0105 parametryzacj\u0105 (tzw. prognoza wi\u0105zkowa).<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(8) \u00a0\u00a0\u00a0\u00a0 <strong>Model INCA-PL2<\/strong> \u2013 system INCA-PL2 przeznaczony do prognoz nowcastingowych podstawowych p\u00f3l meteorologicznych poza opadem; jest zmodyfikowan\u0105 wersj\u0105 modelu INCA opracowanego przez austriack\u0105 s\u0142u\u017cb\u0119 meteorologiczn\u0105 (ZAMG). Prognozy te s\u0105 generowane na podstawie p\u00f3l prognostycznych z modelu mezoskalowego AROME oraz aktualnych pomiar\u00f3w telemetrycznych, przy uwzgl\u0119dnieniu wp\u0142ywu orografii terenu. Dla danych bie\u017c\u0105cych stosowany jest 10-min krok czasowy. Dla prognoz stosowany jest 1-godz. krok czasowy, z takim krokiem s\u0105 one r\u00f3wnie\u017c uaktualniane, przy czym ich czas wyprzedzenia wynosi do 8 godz. Rozdzielczo\u015b\u0107 przestrzenna wszystkich produkt\u00f3w INCA-PL2 wynosi 1 km.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(9) \u00a0\u00a0\u00a0\u00a0 <strong>Model opadu MERGE<\/strong> \u2013 system MERGE produkuje prognozy hybrydowe opadu ca\u0142kowitego i opadu \u015bniegu. \u0141\u0105czone s\u0105 prognozy nowcastingowe, generowane przez model SCENE, z prognozami mezoskalowymi z\u00a0modelu AROME. Prognoza powstaje przez zastosowanie funkcji wagowej nadaj\u0105cej r\u00f3\u017cne wagi tym dw\u00f3m prognozom; przy kr\u00f3tszych czasach wyprzedzenia wi\u0119ksz\u0105 wag\u0119 maj\u0105 prognozy SCENE. Krok czasowy prognoz wynosi 10 min, a czas wyprzedzenia do 8 godz., przy zachowaniu wysokiej, 1-km rozdzielczo\u015bci przestrzennej. Prognozy s\u0105 uaktualniane co 10 minut.<\/span><\/p><div id=\"WRFMETEOPG\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(10) \u00a0\u00a0\u00a0\u00a0 <strong>Model WRF METEOPG<\/strong> \u2013 prognostyczny system pogodowy, operacyjnie pracuj\u0105cy i rozwijany od 2018 roku w Centrum Informatycznym TASK na Politechnice Gda\u0144skiej przez zesp\u00f3\u0142 prof. Mariusza Figurskiego z Katedry Geodezji Wydzia\u0142u In\u017cynierii L\u0105dowej i \u015arodowiska PG, kt\u00f3ry wykorzystuje niehydrostatyczny model WRF (Weather Research and Forecasting). Prognozy z WRF METEOPG udost\u0119pniane s\u0105 do IMGW-PIB na mocy podpisanego porozumienia o wsp\u00f3\u0142pracy mi\u0119dzy Politechnik\u0105 Gda\u0144sk\u0105 i Instytutem Meteorologii i\u00a0Gospodarki Wodnej z 2019 roku. W systemie zastosowano wysokorozdzielcze dane geograficzne (m.in. obejmuj\u0105ce topografi\u0119, szorstko\u015b\u0107 pod\u0142o\u017ca, u\u017cytkownie grunt\u00f3w) i zoptymalizowan\u0105 parametryzacj\u0105 fizyki dla Europy \u015arodkowej. Operacyjny model wykorzystuje trzy siatki zanurzone o rozdzielczo\u015bciach odpowiednio 12,5, 2,5 i 0,5 km na 50 wertykalnych hybrydowych poziomach obliczeniowych. Siatka pierwsza obejmuje kontynent europejski, druga obszar Polski, a trzecia wojew\u00f3dztwo pomorskie. W systemie mo\u017cna r\u00f3wnie\u017c aktywowa\u0107 kolejne siatki o rozdzielczo\u015bci 0,5 km dla wskazanych obszar\u00f3w Polski, np. Tatr i Podhala. Do prognozowania pogody asymilowane s\u0105 dane z globalnego modelu GFS (Global Forecast System) o rozdzielczo\u015bci 0,25\u00b0, kt\u00f3ry zawiera w sobie sprz\u0119\u017cone modele atmosfery, gleby i oceanu. Alternatywnie system mo\u017ce asymilowa\u0107 dane z modelu europejskiego ICON-EU (Icosahedral Nonhydrostatic for Europe) o rozdzielczo\u015bci 6,6 km lub pobiera\u0107 dane wej\u015bciowe z modeli IMGW COSMO (Consortium for Small-Scale Modeling) i ICON-LM oraz ERA5 z ECMWF (European Center for Medium-range Weather Forecast). System WRF METEOPG w ci\u0105gu doby uruchamiany jest dla czterech g\u0142\u00f3wnych termin\u00f3w synoptycznych \u2013 00, 06, 12 i 18 \u2013 z czasem prognozy wynosz\u0105cym 60 godzin dla wszystkich siatek obliczeniowych. System obliczeniowy prognozowania pogody pracuje na superkomputerze \u201cTRYTON\u201d wykorzystuj\u0105c 24 w\u0119z\u0142y obliczeniowe.<\/span><\/p><div id=\"WRFGFS\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(11) \u00a0\u00a0\u00a0\u00a0 <strong>Model WRF ICON<\/strong> \u2013 eksperymentalny model opracowany w ramach projektu obliczeniowego w Centrum Informatycznym TASK \u201eParametryzacja i opracowanie mezoskalowego numerycznego modelu pogody WRF wysokiej rozdzielczo\u015bci z asymilacj\u0105 danych meteorologicznych i GNSS\u201d. Model jest implementacj\u0105 modelu WRF (Weather Research and Forecasting) opracowanego w NCAR. W celu unikni\u0119cia du\u017cego skoku z rozdzielczo\u015bci danych wej\u015bciowych do rozdzielczo\u015bci modelu, wynosz\u0105cej 2,5 km, w implementacji WRF ICON do inicjalizacji i warunk\u00f3w pocz\u0105tkowych i bocznych w ca\u0142o\u015bci wykorzystywany jest model ICON-EU z siatk\u0105 6,5 km; model jest inicjowany przez pobranie 61 poziom\u00f3w modelu ICON-EU atmosfery i 6 poziom\u00f3w gleby w trzy godzinnych interwa\u0142ach. Zapewnia to niezwykle szczeg\u00f3\u0142ow\u0105 inicjalizacj\u0119, a marginalne b\u0142\u0119dy domeny s\u0105 zredukowane do minimum. Implementacja danych pocz\u0105tkowych z modelu ICON-EU jest autorskim rozszerzeniem prof. Mariusz Figurskiego, kt\u00f3ry dokona\u0142 przebudowy modelu WRF v4.3 w celu wykorzystania danych pocz\u0105tkowych zar\u00f3wno z modelu ICON-EU, jak r\u00f3wnie\u017c modelu globalnego ICON o rozdzielczo\u015bci 13 km. Ze wzgl\u0119du na nowe rozwi\u0105zania w schemacie NOAH-MP WRF v4.3, zwi\u0105zane z obliczaniem proces\u00f3w hydrotermalnych symuluj\u0105cych zachowanie pokrywy \u015bnie\u017cnej na gruncie, oczekiwane jest r\u00f3wnie\u017c lepsze zachowania modelu w warunkach zimowych, gdy grunt jest pokryty \u015bniegiem. Du\u017c\u0105 nowo\u015bci\u0105 w wersji WRF 4.3 jest inicjalizacja chmur pocz\u0105tkowych z wilgotno\u015bci wzgl\u0119dnej warunk\u00f3w pocz\u0105tkowych, dzi\u0119ki czemu wyeliminowany zosta\u0142 stosunkowo d\u0142ugi okres powstawania chmur i opad\u00f3w w modelu w okresie rozp\u0119dzania modelu. W fazie test\u00f3w model wykaza\u0142 znacznie lepsze charakterystyki w\u00a0symulacji konwekcji, a dzi\u0119ki zastosowaniu schematu IEVA do sterowania kryterium stabilno\u015bci pionowej poprawiona zosta\u0142a niezawodno\u015b\u0107 numeryczna modelu, a tak\u017ce szybko\u015b\u0107 symulacji, poniewa\u017c schemat IEVA pozwala na zastosowanie wi\u0119kszego maksymalnego kroku czasowego w zastosowaniu adaptacyjnego kroku ca\u0142kowania, utrzymuj\u0105c stabilno\u015b\u0107 modelu nawet przy wy\u017cszych pionowych warto\u015bciach CFL. W wersji eksperymentalnej model WRF ICON v4.3 jest uruchamiany raz na dob\u0119 dla terminu 00:00, a d\u0142ugo\u015b\u0107 prognozy wynosi 120 godzin.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(12) \u00a0\u00a0\u00a0\u00a0 <strong>Model WRF GFS MEDIUM<\/strong> \u2013 eksperymentalny model \u015brednioterminowy opracowany w ramach projektu obliczeniowego w Centrum Informatycznym TASK \u201eParametryzacja i opracowanie mezoskalowego numerycznego modelu pogody WRF wysokiej rozdzielczo\u015bci z asymilacj\u0105 danych meteorologicznych i GNSS\u201d. Model jest implementacj\u0105 modelu WRF (Weather Research and Forecasting) opracowanego w NCAR. Model WRF GFS MEDIUM do zdefiniowania warunk\u00f3w pocz\u0105tkowych i bocznych wykorzystuje model GFS v16. Prognoza jest realizowana na dw\u00f3ch zagnie\u017cd\u017conych domenach ze sprz\u0119\u017ceniem zwrotnym, o rozdzielczo\u015bciach horyzontalnych odpowiednio 12 km (Europa) i 4 km Polska oraz 50 poziomach wertykalnych. Do\u00a0zwi\u0119kszenia pr\u0119dko\u015bci symulacji w modelu WRF GFS MEDIUM zastosowano ca\u0142kowanie z adaptacyjnym krokiem ca\u0142kowania. Wprowadzono rozszerzenie dotycz\u0105ce asymilacji p\u00f3l hydrometeor\u00f3w dost\u0119pnych w\u00a0modelu GFS v16, polepszaj\u0105ce prognozowanie p\u00f3l opadowych. Model jest inicjalizowany przez pobranie 34 p\u00f3l ci\u015bnieniowych oraz 4 poziom\u00f3w gleby z modelu globalnego GFS v16. Parametryzacja modelu jest identyczna z parametryzacj\u0105 modelu WRF ICON. W wersji eksperymentalnej model jest uruchamiany raz na dob\u0119 dla terminu 12:00, a d\u0142ugo\u015b\u0107 prognozy wynosi 384 godziny.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(13) \u00a0\u00a0\u00a0\u00a0 <strong>Numeryczne modele prognoz pogody <\/strong><strong>(ang. Numerical Weather Prediction\/NWP)<\/strong> \u2013 zaawansowane programy komputerowe, rozwi\u0105zuj\u0105ce r\u00f3wnania fizyki, kt\u00f3re w spos\u00f3b matematyczny opisuj\u0105 zmiany stanu pogody i atmosfery zachodz\u0105ce w czasie i przestrzeni. W zale\u017cno\u015bci od zastosowania, modele NWP wykorzystuj\u0105 r\u00f3\u017cne zestawy r\u00f3wna\u0144 r\u00f3\u017cniczkowych, w kt\u00f3rych procesy fizyczne opisane s\u0105 w spos\u00f3b mo\u017cliwie najdok\u0142adniejszy. Podstawowy uk\u0142ad r\u00f3wna\u0144 stosowany w modelach NWP to r\u00f3wnania Naviera-Stokesa opisuj\u0105ce zasad\u0119 zachowania p\u0119du dla poruszaj\u0105cego si\u0119 <a href=\"https:\/\/pl.wikipedia.org\/wiki\/P%C5%82yn\">p\u0142ynu<\/a>, uwzgl\u0119dniaj\u0105ce si\u0142y masowe, ci\u015bnienie oraz si\u0142y lepko\u015bci. R\u00f3wnania prognostyczne opisuj\u0105ce zmiany dynamiczne, czyli ewolucj\u0119 stanu atmosfery, nazywamy r\u00f3wnaniami ruchu, a kod numeryczny, kt\u00f3ry rozwi\u0105zuje te r\u00f3wnania \u2013 rdzeniem dynamicznym modelu.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(14) \u00a0\u00a0\u00a0\u00a0 <strong>Metody numeryczne<\/strong> \u2013 ze wzgl\u0119du na z\u0142o\u017cono\u015b\u0107 proces\u00f3w zachodz\u0105cych w atmosferze, nie jest mo\u017cliwe znalezienie analitycznej formy rozwi\u0105za\u0144 r\u00f3wna\u0144 opisuj\u0105cych stan pogody. Z tego powodu operatory r\u00f3\u017cniczkowe i ca\u0142kowe r\u00f3wna\u0144 s\u0105 wyra\u017cone w postaci numerycznej na dyskretnej siatce obliczeniowej, a rozwi\u0105zanie jest poszukiwane przy pomocy superkomputer\u00f3w. Rozw\u00f3j odpowiednich metod i algorytm\u00f3w numerycznych jest prowadzony w ramach dziedziny nauki zwanej <a href=\"https:\/\/pl.wikipedia.org\/wiki\/Obliczeniowa_mechanika_p%C5%82yn%C3%B3w\">obliczeniow\u0105 mechanik\u0105 p\u0142yn\u00f3w<\/a> (ang, Computational Fluid Dynamics, CFD).<\/span><\/p><div id=\"domena\"><span style=\"font-family: Arial, Helvetica, sans-serif;\">(15)<strong> \u00a0\u00a0\u00a0\u00a0 Domena obliczeniowa<\/strong> \u2013 tr\u00f3jwymiarowy obszar przestrzeni wype\u0142niony dyskretn\u0105 siatk\u0105 punkt\u00f3w (inaczej w\u0119z\u0142\u00f3w), na kt\u00f3rych obliczana jest prognoza numeryczna. R\u00f3wnania modelu zapisane na w\u0119z\u0142ach siatki obliczeniowej prowadz\u0105 do rozwi\u0105za\u0144 przybli\u017conych, gdy\u017c rozwi\u0105zania te reprezentuj\u0105 warto\u015bci parametr\u00f3w u\u015brednione dla tr\u00f3jwymiarowych kostek przestrzennych, kt\u00f3re otaczaj\u0105 poszczeg\u00f3lne w\u0119z\u0142y i razem wype\u0142niaj\u0105 domen\u0119 obliczeniow\u0105. Przybli\u017cenia s\u0105 jednak tak konstruowane, aby ich nieuniknione b\u0142\u0119dy by\u0142y jak najmniejsze, a tw\u00f3rcy poszczeg\u00f3lnych modeli stosuj\u0105 r\u00f3\u017cne algorytmy numeryczne czyli matematyczne formy tych przybli\u017ce\u0144.<\/span><\/div><div id=\"strukturaSiatki\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(16)<strong> \u00a0\u00a0\u00a0\u00a0 Struktura siatki obliczeniowej<\/strong> \u2013 ze wzgl\u0119du na charakter ziemskiej atmosfery (stratyfikacja termiczna, transfer promieniowania, topografia) siatka obliczeniowa konstruowana jest inaczej w kierunku poziomym i inaczej w pionowym. W kierunku poziomym siatki mog\u0105 by\u0107 strukturalne (o ustalonych) lub niestrukturalne\u00a0 (o dowolnych powi\u0105zaniach mi\u0119dzy w\u0119z\u0142ami). W szczeg\u00f3lnym przypadku, w kt\u00f3rym elementy siatki s\u0105 przylegaj\u0105cymi do siebie sze\u015bcianami, mamy do czynienia z tzw. siatk\u0105 kartezja\u0144sk\u0105. W prognozach globalnych, w kt\u00f3rych wa\u017cne jest r\u00f3wnomierne pokrycie ca\u0142ej kuli ziemskiej, wykorzystuje si\u0119 najcz\u0119\u015bciej siatki tr\u00f3jk\u0105tne lub sze\u015bciok\u0105tne (hexagonalne). Przy czym poszczeg\u00f3lne parametry prognostyczne modelu mog\u0105 by\u0107 zapisane na r\u00f3\u017cni\u0105cych si\u0119 siatkach. Mamy tu do czynienia z r\u00f3\u017cnymi typami siatki w klasyfikacji Arakawy, na kt\u00f3rych wszystkie zmienne r\u00f3wna\u0144 mog\u0105 le\u017ce\u0107 w tej samej lokalizacji (siatka A) lub parametry dynamiczne (sk\u0142adowe pr\u0119dko\u015bci lub wirowo\u015bci) i skalarne (temperatura, wilgotno\u015b\u0107, ci\u015bnienie) mog\u0105 le\u017ce\u0107 na siatkach przesuni\u0119tych wzgl\u0119dem siebie o po\u0142ow\u0119 oczka siatki (siatki B, C, D ,E).<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(17) \u00a0\u00a0\u00a0\u00a0 <strong>Pionowa struktura siatki<\/strong> \u2013 w modelach NWP stosuje si\u0119 zwykle siatki, w kt\u00f3rych wysoko\u015bci poszczeg\u00f3lnych poziom\u00f3w obliczeniowych zmieniaj\u0105 si\u0119\u00a0 zgodnie ze zmian\u0105 wysoko\u015bci powierzchni ziemi poni\u017cej (ang. terrain-following coordinates). Mo\u017ce to dotyczy\u0107 ca\u0142ej domeny obliczeniowej lub tylko jej dolnej cz\u0119\u015bci (ang. hybrid coordinates). W tym ostatnim przypadku w g\u00f3rnej cz\u0119\u015bci domeny poziomy modelu mog\u0105 znajdowa\u0107 si\u0119 na sta\u0142ej wysoko\u015bci nad poziomem morza (ang. height levels) lub na sta\u0142ych poziomach ci\u015bnieniowych (ang. pressure lub sigma levels).<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(18) \u00a0\u00a0\u00a0\u00a0 <strong>Rozdzielczo\u015b\u0107 przestrzenna<\/strong> \u2013 oznacza zwykle poziom\u0105 odleg\u0142o\u015b\u0107 pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami sieci obliczeniowej. W\u0119z\u0142y sieci s\u0105 najcz\u0119\u015bciej od siebie r\u00f3wnooddalone w kierunkach horyzontalnych, cho\u0107 niekt\u00f3re modele dopuszczaj\u0105 zmienne odleg\u0142o\u015bci, aby umo\u017cliwi\u0107 g\u0119stsze pokrycie interesuj\u0105cego obszaru. Zmiany odleg\u0142o\u015bci pomi\u0119dzy w\u0119z\u0142ami mog\u0105 by\u0107 wprowadzane lokalnie w ramach jednej siatki obliczeniowej (ang. stretching) lub poprzez stosowanie dodatkowej lokalnej siatki o wi\u0119kszej ilo\u015bci punk\u00f3w (ang. nesting). W\u00a0tym ostatnim przypadku wymiana informacji pomi\u0119dzy siatkami zachodzi\u0107 mo\u017ce w jednym kierunku od siatki rzadszej do g\u0119stszej (ang. one-way nesting) lub nast\u0119puje dwukierunkowa komunikacja (ang. two-way nesting). Obecnie typowe poziome odleg\u0142o\u015bci pomi\u0119dzy w\u0119z\u0142ami w operacyjnych modelach globalnych wynosz\u0105 od 6 do kilkunastu km, a dla regionalnych modeli NWP od 1 do kilku kilometr\u00f3w. Pionowe odleg\u0142o\u015bci pomi\u0119dzy s\u0105siednimi poziomami w\u0119z\u0142\u00f3w zmieniaj\u0105 si\u0119 z wysoko\u015bci\u0105, od kilkudziesi\u0119ciu metr\u00f3w przy powierzchni pod\u0142o\u017ca do kilkuset metr\u00f3w w g\u0142\u0119bi atmosfery. G\u0119sto\u015b\u0107 siatki numerycznej zale\u017cy od mocy obliczeniowej stosowanych superkomputer\u00f3w. Im wi\u0119ksza moc, tym wi\u0119cej operacji mo\u017cna wykona\u0107 w\u00a0ograniczonym czasie przeznaczonym na obliczenie prognozy, a wi\u0119c tym wi\u0119cej w\u0119z\u0142\u00f3w mo\u017ce zawiera\u0107 sie\u0107 obliczeniowa modelu i tym mniejsza mo\u017ce by\u0107 odleg\u0142o\u015b\u0107 pomi\u0119dzy nimi.<\/span><\/p><div id=\"rozdzielczoscModelu\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(19)<strong> \u00a0\u00a0\u00a0\u00a0 Rozdzielczo\u015b\u0107 modelu<\/strong> \u2013 w terminologii naukowej przez rozdzielczo\u015b\u0107 modelu rozumie\u0107 mo\u017cna tak\u017ce przestrzenny rozmiar najmniejszego obiektu meteorologicznego, kt\u00f3rego ewolucja mo\u017ce by\u0107 poprawnie przedstawiona przez ten model. Rozmiar ten jest oko\u0142o 5 do 8 razy wi\u0119kszy ni\u017c pozioma odleg\u0142o\u015b\u0107 pomi\u0119dzy s\u0105siednimi w\u0119z\u0142ami sieci obliczeniowej. Wi\u0105\u017ce si\u0119 to z mo\u017cliwo\u015bci\u0105 poprawnego opisu struktury i ewolucji cyrkulacji (np. pola wirowego) odpowiedzialnych za rozw\u00f3j obiektu. Dotyczy to na przyk\u0142ad rozwoju kom\u00f3rek konwekcyjnych powstaj\u0105cych w warstwie granicznej atmosfery. W praktyce warto doprecyzowa\u0107, kt\u00f3re z dwu znacze\u0144 rozdzielczo\u015bci modelu stosowane jest w danym stwierdzeniu.<\/span><\/p><div id=\"zakres\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(20) \u00a0\u00a0\u00a0\u00a0 <strong>Zakres i rozdzielczo\u015b\u0107 czasowa prognoz<\/strong> \u2013 poj\u0119cia okre\u015blaj\u0105ce zwykle d\u0142ugo\u015b\u0107 prognozy (lub wyprzedzenie) od momentu jej startu oraz krok prognozy (czyli cz\u0119sto\u015b\u0107 zapisu jej wynik\u00f3w). S\u0105 to parametry dobierane w miar\u0119 dowolnie, ale tak\u017ce ograniczone moc\u0105 obliczeniow\u0105 komputer\u00f3w oraz wielko\u015bci\u0105 dost\u0119pnych zasob\u00f3w bazodanowych, na kt\u00f3rych przechowywane s\u0105 i dalej przetwarzane wyniki prognoz. Nale\u017cy tak\u017ce uwzgl\u0119dni\u0107 zakres stosowalno\u015bci prognoz, poniewa\u017c numeryczne b\u0142\u0119dy prognozy rosn\u0105 z jej wyprzedzeniem i po okresie kilku dni zaczynaj\u0105 dominowa\u0107 w jej wynikach.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(21) \u00a0\u00a0\u00a0\u00a0 <strong>Krok ca\u0142kowania<\/strong> \u2013 parametr cz\u0119sto mylony z krokiem prognozy. Okre\u015bla on wewn\u0119trzny krok czasowy wykorzystywany do wyliczenia kolejnych stan\u00f3w atmosfery w procesie obliczania prognozy czyli ca\u0142kowania r\u00f3wna\u0144 numerycznych na siatce obliczeniowej. Wielko\u015b\u0107 kroku ca\u0142kowania zale\u017cy od rozmiaru oczek siatki obliczeniowej. Jego warto\u015b\u0107 jest ograniczona warunkami stabilno\u015bci zaimplementowanych algorytm\u00f3w numerycznych. Stosowanie d\u0142u\u017cszego kroku ca\u0142kowania przyspiesza obliczenia, poniewa\u017c wykonuje si\u0119 ich mniej dla danego zakresu prognozy. W przypadku modeli globalnych krok ca\u0142kowania wynosi kilka minut, dla modeli regionalnych o du\u017cej rozdzielczo\u015bci jego warto\u015b\u0107 si\u0119 zmniejsza do kilkudziesi\u0119ciu lub nawet kilkunastu sekund.<\/span><\/p><div id=\"warunkiStabilnosc\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(22) \u00a0\u00a0\u00a0\u00a0 <strong>Warunki stabilno\u015b\u0107 modelu<\/strong> \u2013 zale\u017c\u0105 zwykle od wielko\u015bci kroku czasowego, rozdzielczo\u015bci przestrzennej i\u00a0lokalnej prognozowanej szybko\u015bci przep\u0142ywu (pr\u0119dko\u015bci wiatru). S\u0105 to warunki, kt\u00f3re okre\u015blaj\u0105 kiedy numeryczne przybli\u017cenia r\u00f3wna\u0144 ruchu pozostaj\u0105 stabilne i nie zachodzi w nich gwa\u0142towny, niekontrolowany wzrost wielko\u015bci b\u0142\u0119d\u00f3w, oznaczaj\u0105cy, \u017ce wyniki prognozy przestaj\u0105 mie\u0107 sens fizyczny. Generalnie, warunki te oznaczaj\u0105, \u017ce nie mo\u017cna dowolnie wyd\u0142u\u017ca\u0107 kroku ca\u0142kowania modelu. W przypadku modeli Eulerowskich (r\u00f3wnania modelu uwzgl\u0119dniaj\u0105 tylko to, co dzieje si\u0119 na poszczeg\u00f3lnych w\u0119z\u0142ach siatki) musi on by\u0107 na tyle ma\u0142y, \u017ceby w kolejnych krokach czasowych model dobrze kontrolowa\u0142 (\u201ewidzia\u0142\u201d) przenoszenie informacji pomi\u0119dzy w\u0119z\u0142ami siatki poprzez sam prognozowany przep\u0142yw, a wi\u0119c, \u017ceby ta informacja nie by\u0142a przenoszona na zbyt dalekie odleg\u0142o\u015bci. Wtedy krok ca\u0142kowania \u0394t jest ograniczony przez tzw. warunek Couranta lub CFL (Courant-Friedrichs-Lewy): \u0394t &lt; \u0394x\/U (gdzie \u0394x to rozmiar oczka siatki obliczeniowej a U to pr\u0119dko\u015b\u0107 przep\u0142ywu). W przypadku modeli semi-Lagran\u017cowskich (r\u00f3wnania ruchu uwzgl\u0119dniaj\u0105 trajektorie cz\u0105stek, kt\u00f3re w ka\u017cdym kroku czasowym doprowadzaj\u0105 je do poszczeg\u00f3lnych w\u0119z\u0142\u00f3w siatki obliczeniowej), stabilno\u015b\u0107 schematu obliczeniowego zapewniona jest przez stabilno\u015b\u0107 obliczania tych trajektorii w\u00a0zmiennym przestrzennie polu pr\u0119dko\u015bci i stosowne kryterium Lipschitza jest \u0394t*|dU\/dx| &lt; 1. Poniewa\u017c kryterium to dopuszcza kilkukrotnie wi\u0119kszy krok ca\u0142kowania ni\u017c w przypadku warunku stabilno\u015bci CFL, wi\u0119kszo\u015b\u0107 operacyjnych modeli NWP to modele semi-Lagran\u017cowskie.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(23)<strong> \u00a0\u00a0\u00a0\u00a0 Dok\u0142adno\u015b\u0107 prognoz numerycznych<\/strong> \u2013 w praktyce amplituda i lokalizacja kluczowych parametr\u00f3w zale\u017cy m.in. od g\u0119sto\u015bci siatki obliczeniowej, czyli od odleg\u0142o\u015bci pomi\u0119dzy jej s\u0105siednimi w\u0119z\u0142ami. Im mniejsza odleg\u0142o\u015b\u0107, tym g\u0119stsza sie\u0107 i lepsze przybli\u017cenie. Przy czym zwykle poprawa jako\u015bci prognozy zale\u017cy tak\u017ce silnie od wielu dodatkowych czynnik\u00f3w, takich jak dok\u0142adno\u015b\u0107 wyznaczenia warunk\u00f3w brzegowych i pocz\u0105tkowych, jako\u015b\u0107 p\u00f3l sta\u0142ych opisuj\u0105cych parametry pod\u0142o\u017ca, dok\u0142adno\u015b\u0107 opisu zachodz\u0105cych proces\u00f3w fizycznych w postaci parametryzacji i algorytm\u00f3w numerycznych.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(24) \u00a0\u00a0\u00a0\u00a0 <strong>Parametryzacje<\/strong> \u2013 niekt\u00f3re procesy fizyczne opisuj\u0105ce zmiany zachodz\u0105ce w atmosferze s\u0105 zbyt z\u0142o\u017cone, aby mo\u017cna je by\u0142o poprawnie opisa\u0107 w skalach rozpoznawanych przez model. Modele NWP uwzgl\u0119dniaj\u0105 zwi\u0105zki oraz obliczaj\u0105 przybli\u017cone efekty takich proces\u00f3w za pomoc\u0105 specjalnych procedur zwanych parametryzacjami. Typowe parametryzacje wykorzystywane przez modele NWP dotycz\u0105 proces\u00f3w zachodz\u0105cych w glebie, wymiany p\u0119du oraz strumieni ciep\u0142a i wilgotno\u015bci pomi\u0119dzy atmosfer\u0105 i pod\u0142o\u017cem, p\u0142ytkiej i g\u0142\u0119bokiej konwekcja termiczna, proces\u00f3w mikrofizycznych i radiacyjnych oraz turbulencji.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(25) \u00a0\u00a0\u00a0\u00a0 <strong>Procesy podskalowe<\/strong> \u2013 modele NWP musz\u0105 uwzgl\u0119dni\u0107 tak\u017ce fakt, \u017ce poszczeg\u00f3lne procesy atmosferyczne odbywaj\u0105 si\u0119 w obszarach o r\u00f3\u017cnych wielko\u015bciach. Niekt\u00f3re procesy maj\u0105 miejsce w tak ma\u0142ych obj\u0119to\u015bciach atmosfery, \u017ce nie mog\u0105 by\u0107 bezpo\u015brednio odwzorowane na siatce obliczeniowej modelu. Dotyczy to w szczeg\u00f3lno\u015bci proces\u00f3w radiacyjnych, turbulencyjnych lub proces\u00f3w mikrofizyki chmurowej zwi\u0105zanych z kondensacj\u0105 pary wodnej oraz tworzeniem chmur i opad\u00f3w, kt\u00f3re odbywaj\u0105 si\u0119 w skalach centymetrowych, a nawet mniejszych.<\/span><\/p><div id=\"warunkiPocz\u0105tkowe\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(26) \u00a0\u00a0\u00a0\u00a0 <strong>Warunki pocz\u0105tkowe (IC) i brzegowe (BC)<\/strong> \u2013 procedury modelu mog\u0105 rozpocz\u0105\u0107 obliczanie prognozy pod warunkiem dostarczenia im informacji o stanie atmosfery w momencie, kt\u00f3ry jest pocz\u0105tkiem okresu prognostycznego. Informacja ta (tzw. warunki pocz\u0105tkowe) musi by\u0107 zadana we wszystkich w\u0119z\u0142ach 3-wymiarowej sieci obliczeniowej, a dla wiarygodnej prognozy powinna by\u0107 jak najbli\u017csza rzeczywistemu stanowi atmosfery w tym momencie. W przypadku modeli globalnych warunki pocz\u0105tkowe s\u0105 konstruowane w procesie asymilacji danych dost\u0119pnych z globalnych sieci pomiarowych (stacje telemetryczne, statki, boje, samoloty, balony, satelity). Wyniki modeli globalnych wykorzystywane s\u0105 natomiast jako warunki pocz\u0105tkowe i brzegowe w modelach prognoz regionalnych. Dodatkowo, modele regionalne mog\u0105 tak\u017ce stosowa\u0107 procedury asymilacji dodatkowych dost\u0119pnych danych obserwacyjnych, tak aby zwi\u0119kszy\u0107 reprezentatywno\u015b\u0107 i dok\u0142adno\u015b\u0107 swoich danych pocz\u0105tkowych.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(27) \u00a0\u00a0\u00a0\u00a0 <strong>Proces asymilacji danych<\/strong> \u2013 wymagane warto\u015bci pocz\u0105tkowe (IC) poszczeg\u00f3lnych parametr\u00f3w meteorologicznych obliczane s\u0105 przez specjalne procedury na podstawie wynik\u00f3w bie\u017c\u0105cych obserwacji i pomiar\u00f3w meteorologicznych (przyziemnych, balonowych, satelitarnych, etc.) oraz wynik\u00f3w prognoz (zwykle kilkugodzinnych) samego modelu. W procesie asymilacji danych nast\u0119puje redukcja b\u0142\u0119d\u00f3w modelu poprzez dopasowanie stanu atmosfery na siatce numerycznej do znanych warto\u015bci pomiarowych w rzeczywistych lokalizacjach. Do najcz\u0119\u015bciej stosowanych metod asymilacji nale\u017c\u0105 nudging (lokalne dopasowywanie rozwi\u0105za\u0144 modelu w bliskiej, z g\u00f3ry przyj\u0119tej odleg\u0142o\u015bci przestrzennej i czasowej do znanego pomiaru) oraz statystyczne metody wariacyjne (stosowane dla 3-wymiarowej przestrzeni fizycznej 3DVAR oraz stosowane dla tej przestrzeni i pewnego interwa\u0142u czasowego 4DVAR), a tak\u017ce wykorzystuj\u0105ce filtry Kalmana lub kombinacj\u0119 tych ostatnich z metodami wariacyjnymi. Metody statystyczne polegaj\u0105 na globalnej iteracyjnej minimalizacji b\u0142\u0119du przez dopasowywanie zbalansowanego stanu ca\u0142ej atmosfery do istniej\u0105cych obserwacji. W\u00a0praktyce metody nudgingu powoduj\u0105 lepsz\u0105 popraw\u0119 rozwi\u0105za\u0144 w obszarach bli\u017cszych stacjom pomiarowym, w kr\u00f3tszym okresie czasu. Metody wariacyjne zdobywaj\u0105 przewag\u0119 przy d\u0142u\u017cszych prognozach i\u00a0w\u00a0obszarach gdzie jest mniejsza ilo\u015b\u0107 informacji pomiarowej.<\/span><\/p><div id=\"standardoweWyniki\">\u00a0<\/div><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(28)<strong> \u00a0\u00a0\u00a0\u00a0 Standardowe wyniki prognoz<\/strong> \u2013 zwykle r\u00f3\u017cne formy graficzne ukazuj\u0105ce przestrzenny rozk\u0142ad wybranych parametr\u00f3w meteorologicznych w okre\u015blonych chwilach prognozy:<\/span><\/p><ul><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">mapy rozk\u0142adu parametr\u00f3w meteorologicznych przy powierzchni ziemi lub w g\u00f3rnej atmosferze, np. na powierzchniach sta\u0142ego ci\u015bnienia (izobarycznych) lub na sta\u0142ych wysoko\u015bciach nad powierzchni\u0105 gruntu lub poziomem morza;<\/span><\/li><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">przekroje pionowe;<\/span><\/li><li><span style=\"font-family: Arial, Helvetica, sans-serif;\">sonda\u017ce aerologiczne nad wybran\u0105 lokalizacj\u0105.<\/span><\/li><\/ul><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Ponadto wytwarzane s\u0105 meteogramy przedstawiaj\u0105ce prognozowan\u0105 ewolucj\u0119 wybranych parametr\u00f3w meteorologicznych dla okre\u015blonej lokalizacji (np. wybranej miejscowo\u015bci).<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">(29) \u00a0\u00a0\u00a0\u00a0 <strong>Specjalista modelowania pogody<\/strong> \u2013 rozw\u00f3j i utrzymanie system\u00f3w operacyjnego modelowania pogody wymaga wiedzy i umiej\u0119tno\u015bci w wielu dziedzinach, a zatem sformu\u0142owanie to obejmuje zar\u00f3wno badaczy zajmuj\u0105cych si\u0119 rozwojem teoretycznych podstaw modelowania, jak i ekspert\u00f3w odpowiedzialnych za wdra\u017canie nowych rozwi\u0105za\u0144, utrzymywanie i monitoring poprawno\u015bci dzia\u0142ania systemu prognostycznego oraz przygotowywanie produkt\u00f3w dla ko\u0144cowych u\u017cytkownik\u00f3w. Odpowiednie dziedziny wiedzy obejmuj\u0105 metody numeryczne, metody statystyczne, programowanie i informatyk\u0119, asymilacj\u0119 danych obserwacyjnych, dynamik\u0119 i fizyk\u0119 proces\u00f3w w atmosferze i pod\u0142o\u017cu, weryfikacj\u0119 i interpretacj\u0119 wynik\u00f3w.<\/span><\/p><div id=\"WYBRANEPOZYCJELITERATURY\"><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a name=\"_Toc122344915\"><\/a><strong>WYBRANE POZYCJE LITERATURY<\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Bauer P., Thorpe A., Brunet G., 2015, The quiet revolution of numerical weather prediction, Nature, 525 (7567), 47-55, DOI: 10.1038\/nature14956.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Fletcher C.A.J., Computational Techniques for Fluid Dynamics, Vol. 1, Springer, 401 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Fletcher C.A.J., Computational Techniques for Fluid Dynamics, Vol. 2, Springer, 494 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Haltiner G.J., Williams R.T., 1983, Numerical Prediction and Dynamic Meteorology, Wiley and Sons Ltd., 477 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Kalnay E., 2002, Atmospheric Modeling, Data Assimilation and Predictability, Cambridge University Press, 368 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Krishnamurti T.N., Bounoua L., 1995, An Introduction to Numerical Weather Prediction Techniques, CRC Press, 293 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">\u0141obocki L., 2018, Podstawy dynamiki atmosfery, Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa, 550 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Michaelides S. (red.), 2021, Precipitation Science. Measurement, Remote Sensing, Microphysics and Modeling, Elsevier, 870 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Navon I.M., 2009, Data assimilation for numerical weather prediction: A review, [w:] Data Assimilation for Atmospheric, Oceanic and Hydrologic Applications, S.K. Park, L. Xu (red.), Springer, 21-65, DOI: 10.1007\/978-3-540-71056-1_2.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">\u00d3lafsson H., Bao J.-W. (red.), 2021, Uncertainties in Numerical Weather Prediction, Elsevier, DOI: 10.1016\/C2017-0-03301-3.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Pielke R.A., 2002, Mesoscale Meteorological Modeling, Academic Press, 696 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Prosnak W.J., 1993, Wprowadzenie do numerycznej mechaniki p\u0142yn\u00f3w. Cz\u0119\u015b\u0107 A. Podstawowe metody numeryczne, Maszyny Przep\u0142ywowe, tom 12, Wydawnictwo Ossolineum, 490 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Warner T.T., 2010, Numerical Weather and Climate Prediction, Cambridge University Press, DOI: 10.1017\/CBO9780511763243.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Wilks D.S., 2006, Statistical Methods in the Atmospheric Sciences, Academic Press, 649 s.<\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\">Yano J.-I., Ziemia\u0144ski M.Z., Cullen M., Termonia P., Onvlee J., Bengtsson L., Carrassi A., Davy R., Deluca A., Gray S.L., Homar V., K\u00f6hler M., Krichak S., Michaelides S., Phillips V.T.J., Soares P.M.M., Wyszogrodzki A.A., 2018, Scientific challenges of convective-scale numerical weather prediction, Bulletin of the American Meteorological Society, 99 (4), 699-710, DOI: 10.1175\/BAMS-D-17-0125.1.<\/span><\/p><div id=\"INDEKSHASE\u0141WJ\u0118ZYKUPOLSKIM\"><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a name=\"_Toc122344916\"><\/a><strong>Indeks hase\u0142 w j\u0119zyku polskim<\/strong><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#RozdzielczoscNumerycznychModeliPogody\">dok\u0142adno\u015b\u0107 prognoz numerycznych (23)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#domena\">domena obliczeniowa (15)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#generalnaCharakterystyka\">generalna charakterystyka numerycznych modeli pogody (XIV)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#konsorcja\">konsorcja numerycznego modelowania pogody (1)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#krok\">krok ca\u0142kowania (21)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#metody\">metody numeryczne (14)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#ALARO\">model ALARO (ALADIN and AROME) (2)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#AROME\">model AROME (3)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#TSP \">model burzowy TSP (4)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#COSMO\">model COSMO (5)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#ECMWF\">model ECMWF EPS 46 (7)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#RainGRS\">model estymacji pola opadu (RainGRS) (6)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#INCA\">model INCA-PL2 (8)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#MERGE\">model opadu MERGE (9)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#WRFGFS\">model WRF GFS MEDIUM (12)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#WRF ICON\">model WRFICON (11)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#WRFMETEOPG\">model WRF METEOPG (10)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#norma\">norma (prognozy d\u0142ugoterminowe)\u00a0 (VIII)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#numeryczneModelePogody\">numeryczne modele pogody (XII)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#numeryczneModelePrognozPogody\">numeryczne modele prognoz pogody (NWP) (13)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#parametryzacje\">parametryzacje (24)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#pionowaStrukturaSiatki\">pionowa struktura siatki (17)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#asymilacja\">proces asymilacji danych (27)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#podskalowe\">procesy podskalowe (25)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#dlugoterminowa\">prognoza d\u0142ugoterminowa (II)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#szczegolowa\">prognoza d\u0142ugoterminowa \u2013 szczeg\u00f3\u0142owa (III)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#tygodniowa\">prognoza d\u0142ugoterminowa \u2013 tygodniowa (IV)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#dekadowa\">prognoza d\u0142ugoterminowa \u2013 dekadowa (V)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#miesieczna\">prognoza d\u0142ugoterminowa \u2013 miesi\u0119czna (VI)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#sezonowa\">prognoza d\u0142ugoterminowa \u2013 sezonowa (VII)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#nowcastingowa\">prognoza nowcastingowa (IX)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#numerycznaPrognoza\">prognoza numeryczna (XI)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#prognoza OgolnegoCharakteru\">prognoza og\u00f3lnego charakteru modelu (I)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#prognozaUltra\">prognoza ultra-kr\u00f3tkoterminowa (X)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#rozdzielczoscModelu\">rozdzielczo\u015b\u0107 modelu (19)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#rozdzielczoscModeli\">rozdzielczo\u015b\u0107 numerycznych modeli pogody (XIII)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#rozdzielczoscPrzestrzenna\">rozdzielczo\u015b\u0107 przestrzenna (18)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#specjalista\">specjalista modelowania pogody (29)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#standardoweWyniki\">standardowe wyniki prognoz (28)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#strukturaSiatki\">struktura siatki obliczeniowej (16)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#warunkiPocz\u0105tkowe\">warunki pocz\u0105tkowe (IC) i brzegowe (BC) (26)<\/a><\/span><br \/><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#warunkiStabilnosc\">warunki stabilno\u015b\u0107 modelu (22)<\/a><\/span><\/p><p><span style=\"font-family: Arial, Helvetica, sans-serif;\"><a href=\"#zakres\">zakres i rozdzielczo\u015b\u0107 czasowa prognoz (20)<\/a><\/span><\/p><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div><\/div>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>S\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego. <\/p>\n","protected":false},"author":3,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"templates\/landing.php","meta":{"ocean_post_layout":"","ocean_both_sidebars_style":"","ocean_both_sidebars_content_width":0,"ocean_both_sidebars_sidebars_width":0,"ocean_sidebar":"0","ocean_second_sidebar":"0","ocean_disable_margins":"enable","ocean_add_body_class":"","ocean_shortcode_before_top_bar":"","ocean_shortcode_after_top_bar":"","ocean_shortcode_before_header":"","ocean_shortcode_after_header":"","ocean_has_shortcode":"","ocean_shortcode_after_title":"","ocean_shortcode_before_footer_widgets":"","ocean_shortcode_after_footer_widgets":"","ocean_shortcode_before_footer_bottom":"","ocean_shortcode_after_footer_bottom":"","ocean_display_top_bar":"default","ocean_display_header":"default","ocean_header_style":"","ocean_center_header_left_menu":"0","ocean_custom_header_template":"0","ocean_custom_logo":0,"ocean_custom_retina_logo":0,"ocean_custom_logo_max_width":0,"ocean_custom_logo_tablet_max_width":0,"ocean_custom_logo_mobile_max_width":0,"ocean_custom_logo_max_height":0,"ocean_custom_logo_tablet_max_height":0,"ocean_custom_logo_mobile_max_height":0,"ocean_header_custom_menu":"0","ocean_menu_typo_font_family":"0","ocean_menu_typo_font_subset":"","ocean_menu_typo_font_size":0,"ocean_menu_typo_font_size_tablet":0,"ocean_menu_typo_font_size_mobile":0,"ocean_menu_typo_font_size_unit":"px","ocean_menu_typo_font_weight":"","ocean_menu_typo_font_weight_tablet":"","ocean_menu_typo_font_weight_mobile":"","ocean_menu_typo_transform":"","ocean_menu_typo_transform_tablet":"","ocean_menu_typo_transform_mobile":"","ocean_menu_typo_line_height":0,"ocean_menu_typo_line_height_tablet":0,"ocean_menu_typo_line_height_mobile":0,"ocean_menu_typo_line_height_unit":"","ocean_menu_typo_spacing":0,"ocean_menu_typo_spacing_tablet":0,"ocean_menu_typo_spacing_mobile":0,"ocean_menu_typo_spacing_unit":"","ocean_menu_link_color":"","ocean_menu_link_color_hover":"","ocean_menu_link_color_active":"","ocean_menu_link_background":"","ocean_menu_link_hover_background":"","ocean_menu_link_active_background":"","ocean_menu_social_links_bg":"","ocean_menu_social_hover_links_bg":"","ocean_menu_social_links_color":"","ocean_menu_social_hover_links_color":"","ocean_disable_title":"default","ocean_disable_heading":"default","ocean_post_title":"","ocean_post_subheading":"","ocean_post_title_style":"","ocean_post_title_background_color":"","ocean_post_title_background":0,"ocean_post_title_bg_image_position":"","ocean_post_title_bg_image_attachment":"","ocean_post_title_bg_image_repeat":"","ocean_post_title_bg_image_size":"","ocean_post_title_height":0,"ocean_post_title_bg_overlay":0.5,"ocean_post_title_bg_overlay_color":"","ocean_disable_breadcrumbs":"default","ocean_breadcrumbs_color":"","ocean_breadcrumbs_separator_color":"","ocean_breadcrumbs_links_color":"","ocean_breadcrumbs_links_hover_color":"","ocean_display_footer_widgets":"default","ocean_display_footer_bottom":"default","ocean_custom_footer_template":"0"},"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v19.5.1 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym - Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/cmm.imgw.pl\/?page_id=22581\" \/>\n<meta property=\"og:locale\" content=\"pl_PL\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"CMM-IMGW-PIB: S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym\" \/>\n<meta property=\"og:description\" content=\"S\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/cmm.imgw.pl\/?page_id=22581\" \/>\n<meta property=\"og:site_name\" content=\"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/Meteoimgw\/\" \/>\n<meta property=\"article:modified_time\" content=\"2025-06-06T11:14:54+00:00\" \/>\n<meta property=\"og:image\" content=\"http:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/SlownikKwadrat.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1028\" \/>\n\t<meta property=\"og:image:height\" content=\"1028\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:title\" content=\"CMM-IMGW-PIB: S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym\" \/>\n<meta name=\"twitter:description\" content=\"S\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego.\" \/>\n<meta name=\"twitter:image\" content=\"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/SlownikKwadrat.png\" \/>\n<meta name=\"twitter:site\" content=\"@IMGW_CMM\" \/>\n<meta name=\"twitter:label1\" content=\"Szacowany czas czytania\" \/>\n\t<meta name=\"twitter:data1\" content=\"33 minuty\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/cmm.imgw.pl\/?page_id=22581\",\"url\":\"https:\/\/cmm.imgw.pl\/?page_id=22581\",\"name\":\"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym - Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB\",\"isPartOf\":{\"@id\":\"https:\/\/cmm.imgw.pl\/#website\"},\"datePublished\":\"2023-02-20T14:04:02+00:00\",\"dateModified\":\"2025-06-06T11:14:54+00:00\",\"breadcrumb\":{\"@id\":\"https:\/\/cmm.imgw.pl\/?page_id=22581#breadcrumb\"},\"inLanguage\":\"pl-PL\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/cmm.imgw.pl\/?page_id=22581\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/cmm.imgw.pl\/?page_id=22581#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/cmm.imgw.pl\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/cmm.imgw.pl\/#website\",\"url\":\"https:\/\/cmm.imgw.pl\/\",\"name\":\"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB\",\"description\":\"CMOK-LMM Laboratorium pe\u0142ni pa\u0144stwow\u0105 s\u0142u\u017cb\u0119 hydrologiczno-meteorologiczn\u0105 w zakresie numerycznych prognoz pogody, kt\u00f3rego zadaniem jest konsolidacja kompetencji w obszarze modelowania zjawisk pogodowych oraz dalszego rozwoju numerycznych modeli pogody (NMP).\",\"publisher\":{\"@id\":\"https:\/\/cmm.imgw.pl\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/cmm.imgw.pl\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"pl-PL\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/cmm.imgw.pl\/#organization\",\"name\":\"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB\",\"url\":\"https:\/\/cmm.imgw.pl\/\",\"sameAs\":[\"https:\/\/www.facebook.com\/Meteoimgw\/\",\"https:\/\/twitter.com\/IMGW_CMM\"],\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"pl-PL\",\"@id\":\"https:\/\/cmm.imgw.pl\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2025\/10\/MODELE_LOGO_UNIFIKACJA_v2.png\",\"contentUrl\":\"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2025\/10\/MODELE_LOGO_UNIFIKACJA_v2.png\",\"width\":1356,\"height\":365,\"caption\":\"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB\"},\"image\":{\"@id\":\"https:\/\/cmm.imgw.pl\/#\/schema\/logo\/image\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym - Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/cmm.imgw.pl\/?page_id=22581","og_locale":"pl_PL","og_type":"article","og_title":"CMM-IMGW-PIB: S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym","og_description":"S\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego.","og_url":"https:\/\/cmm.imgw.pl\/?page_id=22581","og_site_name":"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB","article_publisher":"https:\/\/www.facebook.com\/Meteoimgw\/","article_modified_time":"2025-06-06T11:14:54+00:00","og_image":[{"width":1028,"height":1028,"url":"http:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/SlownikKwadrat.png","type":"image\/png"}],"twitter_card":"summary_large_image","twitter_title":"CMM-IMGW-PIB: S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym","twitter_description":"S\u0142ownik zawiera definicje najwa\u017cniejszych poj\u0119\u0107 stosowanych w dziedzinie modelowania meteorologicznego oraz prognozowania d\u0142ugoterminowego. Wybrane poj\u0119cia z dziedziny modelowania przedstawiaj\u0105 podstawow\u0105 charakterystyk\u0119 warsztatu modelowania pogody, w tym numerycznego.","twitter_image":"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2023\/02\/SlownikKwadrat.png","twitter_site":"@IMGW_CMM","twitter_misc":{"Szacowany czas czytania":"33 minuty"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/cmm.imgw.pl\/?page_id=22581","url":"https:\/\/cmm.imgw.pl\/?page_id=22581","name":"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym - Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB","isPartOf":{"@id":"https:\/\/cmm.imgw.pl\/#website"},"datePublished":"2023-02-20T14:04:02+00:00","dateModified":"2025-06-06T11:14:54+00:00","breadcrumb":{"@id":"https:\/\/cmm.imgw.pl\/?page_id=22581#breadcrumb"},"inLanguage":"pl-PL","potentialAction":[{"@type":"ReadAction","target":["https:\/\/cmm.imgw.pl\/?page_id=22581"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/cmm.imgw.pl\/?page_id=22581#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/cmm.imgw.pl\/"},{"@type":"ListItem","position":2,"name":"S\u0142ownik dla medi\u00f3w, najwa\u017cniejsze poj\u0119cia i zwroty w modelowaniu meteorologicznym"}]},{"@type":"WebSite","@id":"https:\/\/cmm.imgw.pl\/#website","url":"https:\/\/cmm.imgw.pl\/","name":"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB","description":"CMOK-LMM Laboratorium pe\u0142ni pa\u0144stwow\u0105 s\u0142u\u017cb\u0119 hydrologiczno-meteorologiczn\u0105 w zakresie numerycznych prognoz pogody, kt\u00f3rego zadaniem jest konsolidacja kompetencji w obszarze modelowania zjawisk pogodowych oraz dalszego rozwoju numerycznych modeli pogody (NMP).","publisher":{"@id":"https:\/\/cmm.imgw.pl\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/cmm.imgw.pl\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"pl-PL"},{"@type":"Organization","@id":"https:\/\/cmm.imgw.pl\/#organization","name":"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB","url":"https:\/\/cmm.imgw.pl\/","sameAs":["https:\/\/www.facebook.com\/Meteoimgw\/","https:\/\/twitter.com\/IMGW_CMM"],"logo":{"@type":"ImageObject","inLanguage":"pl-PL","@id":"https:\/\/cmm.imgw.pl\/#\/schema\/logo\/image\/","url":"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2025\/10\/MODELE_LOGO_UNIFIKACJA_v2.png","contentUrl":"https:\/\/cmm.imgw.pl\/wp-content\/uploads\/2025\/10\/MODELE_LOGO_UNIFIKACJA_v2.png","width":1356,"height":365,"caption":"Laboratorium Modelowania Meteorologicznego CMOK IMGW-PIB"},"image":{"@id":"https:\/\/cmm.imgw.pl\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/pages\/22581"}],"collection":[{"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/users\/3"}],"replies":[{"embeddable":true,"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=22581"}],"version-history":[{"count":79,"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/pages\/22581\/revisions"}],"predecessor-version":[{"id":45237,"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=\/wp\/v2\/pages\/22581\/revisions\/45237"}],"wp:attachment":[{"href":"https:\/\/cmm.imgw.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=22581"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}