Model:

GDAS: "Global Data Assimilation System"

Ververst:
4 times per day, from 00:00, 06:00, 12:00 and 18:00 UTC
Greenwich Mean Time:
12:00 UTC = 13:00 MET
Resolutie:
0.25° x 0.25°
Parameter:
Geopotentiaal op 500 hPa in gpdm (zwart) en Vorticiteitsadvectie op 500 hPa in 105/(s*6h) (gekleurd)
Beschrijving:
De twee soorten vorticiteitsadvectie - positieve (PVA) en negatieve (NVA) - zijn gemakkelijk met nevenstaand plaatje uit te leggen. Daarbij stellen de gesloten cirkels lijnen voor van gelijke absolute vorticiteit (met een maximum in het midden) en de andere lijnen stellen druklijnen (geopotentiaallijnen) voor. Een luchtdeeltje beweegt in principe langs de potentiaallijnen. Gaat een deeltje van hogere naar lagere absolute voriticiteit, dan neemt het deeltje als het ware hogere vorticiteitswaardes mee. M.a.w. is sprake van positieve vorticiteitsadvectie (PVA rood). Andersom is sprake van negatieve vorticiteitsadvectie (NVA blauw)
Er is een duidelijk verband tussen vorticiteitsadvectie en verticale luchtbeweging. Dit verband dat samengevat is in de zg. omega-vergelijking , laat zien zien dat bij PVA de lucht stijgt en bij NVA de lucht daalt. De vorticiteitsadvectie is niet alleen verantwoordelijk. Ook de temperatuuradvectie is van groot belang (zie ook "T.-Adv. 500" en "T.-Adv. 850"). Een mooie toepassing zijn bovenluchtstoringen, waarbij soms de grondkaarten weinig neerslagactiviteit laten zien, maar een grote PVA kan duiden op verhoogde buienactiviteit.
GDAS
The Global Data Assimilation System (GDAS) is the system used by the National Center for Environmental Prediction (NCEP) Global Forecast System (GFS) model to place observations into a gridded model space for the purpose of starting, or initializing, weather forecasts with observed data. GDAS adds the following types of observations to a gridded, 3-D, model space: surface observations, balloon data, wind profiler data, aircraft reports, buoy observations, radar observations, and satellite observations.
NWP:
Numerical weather prediction uses current weather conditions as input into mathematical models of the atmosphere to predict the weather. Although the first efforts to accomplish this were done in the 1920s, it wasn't until the advent of the computer and computer simulation that it was feasible to do in real-time. Manipulating the huge datasets and performing the complex calculations necessary to do this on a resolution fine enough to make the results useful requires the use of some of the most powerful supercomputers in the world. A number of forecast models, both global and regional in scale, are run to help create forecasts for nations worldwide. Use of model ensemble forecasts helps to define the forecast uncertainty and extend weather forecasting farther into the future than would otherwise be possible.

Wikipedia, Numerical weather prediction, http://en.wikipedia.org/wiki/Numerical_weather_prediction(as of Feb. 9, 2010, 20:50 UTC).