大氣模式資料同化和可預(yù)報(bào)性

中文版序(一)
中文版序(二)
英文版序
英文版作者致謝
縮寫一覽表
變量一覽表
第一章 數(shù)值天氣預(yù)報(bào)的歷史回顧
1．1 引言
1．2 早期發(fā)展
1．3 原始方程組、全球模式、區(qū)域模式和非靜力模式
1．4 資料同化：確定計(jì)算機(jī)預(yù)報(bào)的初始條件
1．5 業(yè)務(wù)數(shù)值天氣預(yù)報(bào)和預(yù)報(bào)技巧的演變
1．6 流體非靜力中尺度模式
1．7 天氣的可預(yù)報(bào)性、集合預(yù)報(bào)和季節(jié)到年際預(yù)報(bào)
1．8 展望
第二章 方程的連續(xù)形式
2．1 控制方程組
2．2 球坐標(biāo)中的大氣運(yùn)動(dòng)方程組
2．3 大氣中的基本波動(dòng)
2．4 濾波近似
2．5 淺水方程、準(zhǔn)地轉(zhuǎn)濾波和慣性重力波的過濾
2．6 原始方程和垂直坐標(biāo)
第三章 運(yùn)動(dòng)方程的數(shù)值離散化
3．1 偏微分方程(PDEs)的分類
3．2 初值問題：數(shù)值解
3．3 空間離散法
3．4 邊值問題
3．5 區(qū)域模式的側(cè)邊界條件
第四章 次網(wǎng)格尺度物理過程參數(shù)化簡介
4．1 引言
4．2 次網(wǎng)格尺度過程和雷諾平均
4．3 模式參數(shù)化綜述
第五章 資料同化
5．1 引言
5．2 經(jīng)驗(yàn)分析方案
5．3 最小二乘法介紹
5．4 多元統(tǒng)計(jì)資料同化法
5．5 3D—var，物理空間分析方案(PSAS)及其與OI的關(guān)系
5．6 考慮預(yù)報(bào)誤差協(xié)方差演變的高級(jí)資料同化方法
5．7 初始條件中的動(dòng)力和物理平衡
5．8 觀測資料的質(zhì)量控制
第六章 大氣可預(yù)報(bào)性和集合預(yù)報(bào)
6．1 大氣可預(yù)報(bào)性簡介
6．2 混沌系統(tǒng)基本概念的簡要回顧
6．3 切線線性模式、伴隨模式、奇異向量和Lyapunov向量
6．4 集合預(yù)報(bào)：早期研究
6．5 業(yè)務(wù)集合預(yù)報(bào)方法
6．6 誤差增長率以及中緯度和熱帶地區(qū)可預(yù)報(bào)性的局限
6．7 海陸對(duì)月、季和年際可預(yù)報(bào)性所起的作用
6．8 年代際變化和氣候變化
附錄A 數(shù)值天氣預(yù)報(bào)的早期歷史
數(shù)值天氣預(yù)報(bào)的歷史
為什么是在瑞典?
更具挑戰(zhàn)性的思想
附錄B 切線線性和伴隨模式的編程和檢驗(yàn)
B．1 檢驗(yàn)
B．2 FORTRAN程序的例子
附錄C 為獲得測站天氣預(yù)報(bào)而進(jìn)行的數(shù)值模式輸出后處理
C．1 模式輸出統(tǒng)計(jì)(MOS)
C．2 完全預(yù)報(bào)(Perfect Prog)
C．3 基于簡單Kalman濾波方法的自適應(yīng)回歸方法
參考文獻(xiàn)
漢文索引
譯者后記