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 850 hPa in gpdm (zwart) en Vorticiteitsadvectie op 850 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.
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).