Model:

NCMRWF(National Centre for Medium Range Weather Forecasting from India)

Ververst:
1 times per day, from 00:00 UTC
Greenwich Mean Time:
12:00 UTC = 13:00 MET
Resolutie:
0.125° x 0.125° (India, South Asia)
Parameter:
Geopotentiaal op 500 hPa in gpdm (zwart) en Temperatuuradvectie op 500 hPa in K/6h (gekleurd)
Beschrijving:
De kaart "T-Adv 500" laat de advectie van koude of warme lucht zien op 500 hPa (ongeveer 5,5 km hoogte). Negatieve waardes geven koude-advectie aan, positieve waardes warmte-advectie. Een gevolg van koude- of warmte-advectie is het dalen of stijgen van de geopotentiaal. Dit dalen of stijgen van de geopotentiaal leidt weer tot een stijgen respectievelijk dalen van de verticale luchtbeweging. Beschouwing van de zg. omega-vergelijking levert ons dat een maximum van kou-advectie leidt tot een dalende luchtbeweging en een maximum van de warmte-advectie leidt tot een stijgende luchtbeweging. Omdat er ook nog andere mechanismen actief zijn (zie bijv. V-adv. 500) hoeft de uiteindelijke luchtbeweging niet overeen te komen met het voorafgaande.
In de huidige weerkamerpraktijk worden de kaarten van de vorticiteitsadvectie er ook voor gebruikt koude- en warmtefronten te lokaliseren. Achter (meestal ten westen van) koufronten vindt meestal kou-advectie plaats en achter een warmtefront meestal warmte-advectie.
NCMRWF:
NCMRWF
This modeling system is an up-graded version of NCEP GFS (as per 28 July 2010). A general description of the modeling system can be found in the following link:
http://www.ncmrwf.gov.in/t254-model/t254_des.pdf
An brief overview of GFS is given below.
------------------------------------------------------
Dynamics: Spectral, Hybrid sigma-p, Reduced Gaussian grids
Time integration: Leapfrog/Semi-implicit
Time filter: Asselin
Horizontal diffusion: 8th
order wavenumber dependent
Orography: Mean orography
Surface fluxes: Monin-obhukov Similarity
Turbulent fluxes: Non-local closure
SW Radiation; RRTM
LW Radiation: RRTM
Deep Convection: SAS
Shallow convection: Mass-flux based
Grid-scale condensation: Zhao Microphysics
Land Surface Processes: NOAH LSM
Cloud generation: Xu and Randal
Rainfall evaporation: Kessler
Air-sea interaction: Roughness length by Charnock
Gravity Wave Drag and mountain blocking: Based on Alpert
Sea-Ice model: Based on Winton
-----------------------------------------------
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).