雷丁科学家带领的天气和气候大师班
2022年2月18日
雷丁大学的科学家们将在3月份免费学习如何理解和预测天气和气候。
作为与英国皇家气象学会（RMetS）合作举办的“天气和气候预报进展”系列大师班的一部分，牛津大学的气象学家将讲授三个课程。
阅读专家将讨论预测背后的最新科学，包括数据同化和机器学习等技术，大气遥相关以及建模方面的进展。
感谢赞助商FleetWeather，这些课程可以免费注册。大师班系列旨在支持从事气象和气候科学及其业务应用的专业人员保持最新的思想和发展。
大师班将于3月16日、23日和30日（周三）下午3点至4点30分（格林尼治标准时间）举行。每个活动都包括一个演示，然后是提问和与演讲者讨论的机会。
虽然网络研讨会是系列会议的一部分，但与会者可以选择参加哪些会议。
会议将被录制并提供给已注册的RMetS会员，并可选择在录音开始后一周内通过电子邮件发送问题。
访问rmets.org/events注册参加大师班，并使用#MetMasterclass标签关注讨论
活动日期及主题
2022年3月16日星期三
下午3点至下午4点30分（格林尼治标准时间）
主讲人：Marlene Kretschmer博士，雷丁大学
在预测极端地区天气和气候事件时，存在很大的不确定性。在解释气候模式预测时，对极端天气的物理驱动因素（如与北大西洋涛动或马登-朱利安涛动的联系）的有限因果认识使问题更加复杂。然而，为了证明在不确定的情况下采取关键行动是合理的，解释是至关重要的，因为它们为决策者提供了一定程度的合理性。
因此，天气和气候预报的进展在很大程度上取决于通过分析来自观测和气候模式的大数据集来提高对气候系统因果关系的认识。对潜在机制和不同统计技术的物理知识是必要的。
在这次演讲中，Kretschmer博士将展示最近因果关系NBA投注[手机]俱乐部研究的进展如何有助于调和这两者。因果关系方法要求在统计分析中明确包括专家知识，从而得出定量结论。本节课将用众所周知的大气遥相关的具体例子来说明这一理论的一些关键概念，并将讨论这些对气候科学意味着的特殊挑战和优势。
2022年3月23日星期三
下午3点至下午4点30分（格林尼治标准时间）
在“数值天气预报”中如何使用“天气”？
主讲人：Peter Clark教授，雷丁大学
50多年来，我们一直在使用计算机模型进行预测。然而，虽然我们很快就习惯了所谓的“数值天气预报”模式预测天气尺度的气象，如低压或高压区域的位置和强度，但它们仍然缺乏分辨率或足够复杂的物理过程表示来预测“天气”，如雨、云、雾，而没有气象学家的一些后处理或解释的额外帮助。
计算机能力的巨大提高，至少在一定程度上导致了模型分辨率和复杂性的提高，在区域模型方面处于领先地位，现在它们可以直接代表大部分的“天气”。现在标准的模型水平网格长度为1-2公里，一些中心正在NBA投注[手机]俱乐部研究高10倍的分辨率，这样一些我们称之为“湍流”的运动就被明确地模拟出来了。这在预测方面取得了相当大的进步，但是，矛盾的是，较小的尺度比较大的尺度更难以预测，因此我们面临着一个真正的困境，即我们可以相信模型中的什么，以及我们如何提取最佳信息。
这次演讲和讨论将突出这些问题，并讨论一些正在进行的工作，以帮助我们最好地利用这些进步。
2022年3月30日星期三
下午3时至4时30分（英国夏令时）
主讲人：Sarah Dance教授，雷丁大学
天气预报是利用资料同化过程将天气观测与计算预报相结合而得到的。预报的准确性依赖于对这些天气观测中不确定性的准确估计。Dance教授将介绍资料同化、数值天气预报所使用的观测资料，以及在资料同化过程中如何处理观测资料的不确定性。
新的、廉价的众包观测正在被用于数值天气预报，以填补现有科学观测网络的空白。然而，众包观测和数值模式预测之间的不确定性比较还没有得到很好的理解。例如，测量结果会受到当地环境的影响（例如，在有遮蔽的街道上测量温度会得到与在摩天大楼顶部测量温度不同的读数）。因此，数据同化算法必须考虑到模型所代表的空间和时间尺度与实际过程中观测到的差异。
我们将以最近的NBA投注[手机]俱乐部研究为例，包括从空中交通管制报告中观测到的温度和风，以及从私家车上观测到的温度。本次讲座还将讨论现代深度学习技术如何与这些数据集一起使用，以改善未来的数值天气预报。