Analiza in prognoza vremena

Zaključena 1. stopnja študija smeri
Meteorologija na programu Fizika ali študija s
podobnimi vsebinami in vpis v 2. stopnjo. Za vpis predmeta kot izbirnega, potrebno je
imeti opravljen izpit iz predmetov »Osnove
meteorologije« in »Dinamična meteorologija
I« ali predmetov s podobnimi vsebinami
Opravljen izpit iz vaj in seminar kot pogoj za
pristop k ustnemu izpitu iz teorije.

Problem napovedovanja vremena kot
problem začetnih pogojev za sistem močno
nelinearnih PDE.
Globalni opazovalni sistem in napake pri
opazovanjih.
Relativni pomen različnih opazovanj.
Uporaba meritev za pripravo začetnih
pogojev za numerične prognostične
modele: verjetnostni račun, prireditev
funkcije opazovanjem, metoda zaporednih
popravkov, statistična interpolacija,
variacijska metoda asimilacije (3D-Var in
4D-Var), priprava matrike kovarianc v polju
prvega približka, Kalmanov filter in metode
asimilacije bazirane na uporabi ansamblov.
Inicializacija prognostičnih modelov:
prilagajanje geostrofskemu ravnovesju,
inicializacija z nelinearnimi normalnimi načini,
uporaba digitalnega filtra.
Numerični aspekti formulacije modelov
za napovedovanje vremena: globalni in
regionalni modeli, začetni in robni pogoji za
modele za omejeno območje, gnezdenje.
Spodnji in zgornji robni pogoji. Mezoskalni
modeli in metode obravnavanja stranskih
robnih pogojev, enosmerno in dvosmerno
gnezdenje. Primer modela ALADIN.
Atmosferska napovedljivost: osnove teorije
kaotičnih sistemov, Lorenzov model.
Rast napake in meje napovedljivosti.
Skupinske napovedi: metode formulacije
začetnih pogojev za skupinske napovedi,
interpretacija in uporaba skupinskih napovedi.
Mesečne, sezonske in dolgoročne napovedi
Predstavitev fizikalnih procesov v modelih.
Podmrežni fizikalni procesi, definicija in primeri
parametrizacije procesov v mejni plasti.
Parametrizacija nekonvektivne kondenzacije in
padavinskih procesov. Osnove parametrizacije
konvekcije.

1. E. Kalnay: Atmospheric modelling, data assimilation and predictability. Cambridge
   university press 2003.
2. Lecture notes for ECMWF training courses, različni avtorji/different authors.
   http://www.ecmwf.int/newsevents/training/ (določeni deli/selected parts)
3. R. Daley: Atmospheric data analysis. Cambridge university press, 1991.

Pridobitev znanj o opazovanjih atmosfere in
njihovih napakah, o postopkih asimilacije
podatkov, predvsem statistični interpolaciji in
variacijski analizi, o začetnih in robnih pogojih
za modele za omejeno območje, o modelskih
parametrizacij, skupinskih napovedi in mejah
napovedovanja, o interpretaciji rezultatov
numeričnih modelov. Študent razvije
sposobnost razumevanja in interpretaciji
rezultatov numeričnih modelov ozračja na
osnovi poznavanja njihove strukture in
pomanjkljivosti.

Znanje in razumevanje: Atmosferske meritve,
postopek asimilacije podatkov, zgradba in
delovanje numeričnih modelov ozračja,
napovedovanje vremena in meje
napovedljivosti za različne razmere.
Uporaba: Načrtovanje opazovalnih sistemov in
modelov za napovedovanje, uporaba meritev v
postopku napovedovanja, razumevanje modelskih rezultatov.
Refleksija: Povezava teoretičnega opisa,
modelskih rezultatov in vremenskih dogajanj.
Prenosljive spretnosti - niso vezane le na en
predmet: Sposobnost kritičnega preverjanja
podatkov in njihovega vklapljanja v modele,
kritična interpretacija modelskih rezultatov.

Predavanja, seminarji in diskusije. Vaje,
domače naloge in projektne naloge.

Ustni izpit iz teorije
Projektna poročila
Dva kolokvija/izpit iz vaj
(ocene: 5 (negativno), 6-10 (pozitivno), ob upoštevanju Statuta UL)

1. Žagar, N. et al., 2008: Impact assessment of simulated Doppler wind lidars with
   multivariante variational assimilation of the tropics. Mon. Wea. Rev., 136, 2443-2459.
2. Žagar, N. et al., 2006: Validation of mesoscale low-level winds obtained by dynamical
   downscaling of ERA40 over complex terrain. Tellus, 58A, str. 445-455.
3. Žagar, N. et al., 2013: Balance properties of the short-range forecast errors in the ECMWF
   4D-Var ensemble. Q. J. R. Meteorol. Soc., 139, 1229-1238.