မာတိကာသို့ ခုန်သွားရန်

မိုးလေဝသ ခန့်မှန်းချက်

ဝီကီပီးဒီးယား မှ

မိုးလေဝသ ခန့်မှန်းချက် သို့မဟုတ် မိုးလေဝသ ဟောကိန်းထုတ်ခြင်း သည် သိပ္ပံနှင့် နည်းပညာကို အသုံးပြု၍ သတ်မှတ်ထားသော နေရာတစ်ခုနှင့် အချိန်တစ်ခုအတွက် ကမ္ဘာ့လေထု (Earth's atmosphere) ၏ အခြေအနေများကို ခန့်မှန်းရန် (to predict) ဖြစ်သည်။ လူသားများသည် မိုးလေဝသကို ထောင်နှစ်ပေါင်းများစွာကတည်းက အလွတ်သဘော ခန့်မှန်းရန် ကြိုးစားခဲ့ကြပြီး၊ ၁၉ ရာစုမှစ၍ တရားဝင်စတင် ခန့်မှန်းခဲ့ကြသည်။

မိုးလေဝသ ခန့်မှန်းချက်များကို လေထု၊ မြေပြင်နှင့် သမုဒ္ဒရာ၏ လက်ရှိအခြေအနေများအကြောင်း ပမာဏအချက်အလက်များ (quantitative data) ကို စုဆောင်းပြီး၊ မိုးလေဝသ ပညာရပ် (meteorology) ကို အသုံးပြု၍ သတ်မှတ်ထားသော နေရာတစ်ခုတွင် လေထုအပြောင်းအလဲများကို ခန့်မှန်းသည်။ ယခင်က လေဖိအား (barometric pressure) အပြောင်းအလဲ၊ လက်ရှိ မိုးလေဝသ အခြေအနေများနှင့် မိုးတိမ် သို့မဟုတ် တိမ်ဖုံးမှုတို့ကို အဓိကထား၍ လက်ဖြင့် တွက်ချက်ခဲ့သော်လည်း၊ ယခုအခါ မိုးလေဝသ ခန့်မှန်းချက်သည် လေထုဆိုင်ရာ အကြောင်းအရာများစွာကို ထည့်သွင်းစဉ်းစားသည့် ကွန်ပျူတာအခြေပြု မော်ဒယ်များ (computer-based models) ဖြစ်သည့် ဂဏန်းအခြေပြု မိုးလေဝသ ခန့်မှန်းမှု (numerical weather prediction) ကို အားကိုးလျက်ရှိသည်။ [၁] ခန့်မှန်းချက်အတွက် အကောင်းဆုံး မော်ဒယ်ကို ရွေးချယ်ရာတွင် လူသားများ၏ ပါဝင်မှုမှာ မရှိမဖြစ်လိုအပ်နေဆဲဖြစ်ပြီး၊ ၎င်းတွင် ပုံစံဖော်ပြမှု ကျွမ်းကျင်မှု (pattern recognition skills)၊ ဆက်နွယ်မှုများ (teleconnections)၊ မော်ဒယ် စွမ်းဆောင်ရည်ဆိုင်ရာ အသိပညာ၊ နှင့် မော်ဒယ် ဘက်လိုက်မှုများအကြောင်း အသိပညာတို့ ပါဝင်သည်။

ခန့်မှန်းမှု၏ မမှန်ကန်မှုမှာ လေထု၏ ပရမ်းပတာသဘော (chaotic nature)၊ လေထု၊ မြေပြင်နှင့် သမုဒ္ဒရာကို ဖော်ပြသည့် ညီမျှခြင်းများကို ဖြေရှင်းရန် လိုအပ်သော ကြီးမားသည့် တွက်ချက်မှုစွမ်းအား၊ ကနဦး အခြေအနေများကို တိုင်းတာရာတွင် ပါဝင်သော အမှားများ၊ နှင့် လေထုနှင့် ဆက်စပ်လုပ်ငန်းစဉ်များကို မပြည့်စုံသော နားလည်မှုတို့ကြောင့် ဖြစ်သည်။ ထို့ကြောင့်၊ လက်ရှိအချိန်နှင့် ခန့်မှန်းချက်ပြုလုပ်သည့် အချိန်ကြားက ကွာခြားမှု (range of the forecast) တိုးလာသည်နှင့်အမျှ ခန့်မှန်းချက်များ၏ တိကျမှု လျော့နည်းလာသည်။ အုပ်စုလိုက်အသုံးပြုမှု (ensembles) နှင့် မော်ဒယ်သဘောတူညီမှု (model consensus) ကို အသုံးပြုခြင်းသည် အမှားများကို လျှော့ချရန်နှင့် ခန့်မှန်းချက်တွင် ယုံကြည်မှုရရှိရန် ကူညီပေးသည်။

မိုးလေဝသ ခန့်မှန်းချက်များအတွက် အသုံးပြုမှုမျိုးစုံ ရှိသည်။ မိုးလေဝသ သတိပေးချက်များ (Weather warnings) သည် အသက်နှင့် ပစ္စည်းဥစ္စာများကို ကာကွယ်ရန် အရေးကြီးသည်။ အပူချိန်နှင့် မိုးရွာသွန်းမှု (precipitation) အပေါ် အခြေခံသော ခန့်မှန်းချက်များသည် စိုက်ပျိုးရေးအတွက် အရေးကြီးပြီး၊ ထို့ကြောင့် ကုန်စည်ဈေးကွက်များရှိ ကုန်သည်များအတွက်လည်း အရေးပါသည်။ အပူချိန် ခန့်မှန်းချက်များကို အသုံးဝင်မှုကုမ္ပဏီများက လာမည့်ရက်များအတွက် လိုအပ်ချက်ကို ခန့်မှန်းရန် အသုံးပြုသည်။ နေ့စဉ်ဘဝတွင် လူများစွာသည် မိုးလေဝသ ခန့်မှန်းချက်များကို သတ်မှတ်ထားသော နေ့တစ်နေ့တွင် ဘာဝတ်ရမည်ကို ဆုံးဖြတ်ရန် အသုံးပြုကြသည်။ ပြင်ပလှုပ်ရှားမှုများသည် မိုးသည်းထန်စွာရွာခြင်း၊ နှင်းကျခြင်းနှင့် လေအေးမှု (wind chill) တို့ကြောင့် ပြင်းထန်စွာ ထိခိုက်ခံရသောကြောင့်၊ ဤဖြစ်ရပ်များကို ရှောင်ရှားရန် အစီအစဉ်ဆွဲရန်နှင့် ၎င်းတို့ကို ကြိုတင်ပြင်ဆင်ပြီး ရှင်သန်ရန် ခန့်မှန်းချက်များကို အသုံးပြုနိုင်သည်။

မိုးလေဝသ ခန့်မှန်းချက်သည် စီးပွားရေး၏ တစ်စိတ်တစ်ပိုင်းဖြစ်သည်။ ဥပမာအားဖြင့်၊ ၂၀၀၉ ခုနှစ်တွင် အမေရိကန်ပြည်ထောင်စုသည် ၎င်းအတွက် ဒေါ်လာ ၅.၈ ဘီလီယံခန့် သုံးစွဲခဲ့ပြီး၊ ထိုပမာဏ၏ ခြောက်ဆခန့်ရှိသော အကျိုးအမြတ်များကို ထုတ်ပေးခဲ့သည်။ [၂]

သမိုင်း

[ပြင်ဆင်ရန်]
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - Timeline of meteorology

ရှေးခေတ် ခန့်မှန်းမှု

[ပြင်ဆင်ရန်]

ဘီစီ ၆၅၀ တွင်၊ ဘေဘီလိုနီးယန်း (Babylonians) တို့သည် တိမ်ပုံစံများနှင့် နက္ခတ္တဗေဒ (astrology) မှ မိုးလေဝသကို ခန့်မှန်းခဲ့ကြသည်။ ဘီစီ ၃၅၀ ခန့်တွင်၊ အရစ္စတိုတယ် (Aristotle) သည် မိုးလေဝသ ပုံစံများကို သူ၏ စာအုပ် ‘Meteorologica’ (Meteorology (Aristotle)) တွင် ဖော်ပြခဲ့သည်။ [၃] နောက်ပိုင်းတွင်၊ သီအိုဖရက်စတပ် (Theophrastus) သည် မိုးလေဝသ ခန့်မှန်းမှုဆိုင်ရာ စာအုပ်တစ်အုပ်ဖြစ်သည့် ‘Book of Signs’ ကို ရေးသားခဲ့သည်။ [၄] တရုတ်မိုးလေဝသ ခန့်မှန်းမှုဆိုင်ရာ အသိပညာသည် အနည်းဆုံး ဘီစီ ၃၀၀ ခန့်အထိ ရှိခဲ့ပြီး၊ ၎င်းသည် ရှေးခေတ် အိန္ဒိယ နက္ခတ္တဗေဒပညာရှင်များ (Indian astronomers) မိုးလေဝသ ခန့်မှန်းနည်းများ ဖွံ့ဖြိုးလာချိန်နှင့် အနီးစပ်ဆုံးဖြစ်သည်။ [၅] ဓမ္မသစ်ကျမ်းတွင် (New Testament)၊ ယေရှု (Jesus) သည် ဒေသမိုးလေဝသ ပုံစံများကို ဖတ်ရှုပြီး နားလည်ခြင်းအကြောင်း ပြောဆိုခဲ့သည်ဟု မှတ်တမ်းတင်ထားပြီး၊ “ညနေခင်းရောက်သောအခါ၊ သင်တို့က ‘မိုးကောင်းကင်သည် အနီရောင်ဖြစ်နေသောကြောင့် ရာသီဥတုကောင်းမည်’ ဟု ဆိုကြသည်။ နံနက်တွင်မူ ‘မိုးကောင်းကင်သည် အနီရောင်ဖြစ်ပြီး တိမ်ထူနေသောကြောင့် ယနေ့ မုန်တိုင်းဖြစ်မည်’ ဟု ဆိုကြသည်။ သင်တို့သည် မိုးကောင်းကင်၏ အသွင်အပြင်ကို အဓိပ္ပာယ်ဖော်တတ်သော်လည်း၊ ခေတ်၏ နိမိတ်လက္ခဏာများကို မဖော်ပြတတ်ကြပါ” ဟု ဆိုခဲ့သည်။ [၆]

အေဒီ ၉၀၄ တွင်၊ အစ္စဗန် ဝါရှီယာ (Ibn Wahshiyya) ၏ ‘Nabatean Agriculture’ သည် ယခင် အာရမိတ် (Aramaic) လက်ရာတစ်ခုမှ အာရဗီဘာသာသို့ ဘာသာပြန်ခဲ့ပြီး၊ [၇] လေထုအပြောင်းအလဲများနှင့် ဂြိုဟ်နက္ခတ္တဆိုင်ရာ ပြောင်းလဲမှုများမှ မိုးလေဝသ ခန့်မှန်းခြင်း၊ လ၏ အဆင့်များ (lunar phases) ကို စောင့်ကြည့်ခြင်းအပေါ် အခြေခံသော မိုးရွာခြင်း၏ လက္ခဏာများ၊ နှင့် လေတိုက်နှုန်းများ၏ ရွေ့လျားမှုအပေါ် အခြေခံသော မိုးလေဝသ ခန့်မှန်းချက်များကို ဆွေးနွေးခဲ့သည်။ [၈]

ရှေးခေတ် မိုးလေဝသ ခန့်မှန်းနည်းများသည် အများအားဖြင့် ဖြစ်ရပ်များ၏ ပုံစံများကို စောင့်ကြည့်ခြင်းအပေါ် မှီခိုခဲ့ပြီး၊ ၎င်းကို ပုံစံဖော်ပြမှု (pattern recognition) ဟုလည်း ခေါ်သည်။ ဥပမာအားဖြင့်၊ နေဝင်ချိန်တွင် အနီရောင်သန်းနေပါက၊ နောက်တစ်နေ့တွင် ရာသီဥတု ကောင်းမွန်လေ့ရှိသည်ဟု သတိပြုမိခဲ့သည်။ ဤအတွေ့အကြုံများသည် မျိုးဆက်များတစ်လျှောက် စုဆောင်းခဲ့ပြီး မိုးလေဝသ ဒဏ္ဍာရီများ (weather lore) ကို ဖြစ်ပေါ်စေခဲ့သည်။ သို့သော် ဤခန့်မှန်းချက်များအားလုံး ယုံကြည်စိတ်ချရခြင်း မရှိခဲ့ဘဲ၊ ၎င်းတို့ထဲမှ များစွာသည် တင်းကျပ်သော စာရင်းအင်းဆိုင်ရာ စမ်းသပ်မှုများကို မခံနိုင်ကြောင်း နောက်ပိုင်းတွင် တွေ့ရှိခဲ့သည်။ [၉]

ခေတ်သစ်နည်းလမ်းများ

[ပြင်ဆင်ရန်]
The ‘Royal Charter’ sank in an October 1859 storm, stimulating the establishment of modern weather forecasting.

၁၈၃၅ ခုနှစ်တွင် လျှပ်စစ်ကြေးနန်းစက် (electric telegraph) ကို တီထွင်ခဲ့ပြီးမှသာ မိုးလေဝသ ခန့်မှန်းခြင်း၏ ခေတ်သစ်ခေတ်ကို စတင်ခဲ့သည်။ [၁၀] ၎င်းမတိုင်မီက၊ ဝေးလံသော မိုးလေဝသ အစီရင်ခံစာများ ခရီးနှင်နိုင်သည့် အမြန်ဆုံးအမြန်နှုန်းမှာ တစ်နေ့လျှင် ကီလိုမီတာ ၁၆၀ (မိုင် ၁၀၀ ခန့်) ဖြစ်သော်လည်း၊ ပုံမှန်အားဖြင့် တစ်နေ့လျှင် ကီလိုမီတာ ၆၀ မှ ၁၂၀ (မိုင် ၄၀-၇၅) သာ ဖြစ်သည် (ကုန်းပေါ် သို့မဟုတ် ပင်လယ်ပြင်ဖြစ်စေ)။ [၁၁][၁၂] ၁၈၄၀ ပြည့်လွန်နှစ်များ နှောင်းပိုင်းတွင်၊ ကြေးနန်းစက်သည် ကျယ်ပြန့်သော ဧရိယာမှ မိုးလေဝသ အခြေအနေများဆိုင်ရာ အစီရင်ခံစာများကို ချက်ချင်းနီးပါး လက်ခံရရှိနိုင်ခဲ့ပြီး၊ [၁၃] လေတိုက်နှုန်း၏ အထက်ပိုင်း (upwind) မိုးလေဝသ အခြေအနေများကို သိရှိခြင်းဖြင့် ခန့်မှန်းချက်များ ပြုလုပ်နိုင်ခဲ့သည်။

သိပ္ပံပညာတစ်ခုအဖြစ် ခန့်မှန်းမှု၏ မွေးဖွားမှုကို ချီးမြှင့်ခံရသူ နှစ်ဦးမှာ တော်ဝင်ရေတပ် (Royal Navy) ၏ အရာရှိ ဖရန်စစ် ဘိုဖို့ (Francis Beaufort) နှင့် သူ၏ တပည့် ရောဘတ် ဖစ်ဇ်ရွိုင် (Robert FitzRoy) တို့ ဖြစ်သည်။ သူတို့နှစ်ဦးစလုံးသည် ဗြိတိသျှ (British) ရေတပ်နှင့် အစိုးရအသိုင်းအဝိုင်းများတွင် ဩဇာကြီးမားသူများဖြစ်ပြီး၊ ထိုအချိန်က သတင်းစာများတွင် ပြောင်လှောင်ခံခဲ့ရသော်လည်း၊ သူတို့၏ အလုပ်သည် သိပ္ပံနည်းကျ ယုံကြည်စိတ်ချမှုရရှိခဲ့ပြီး၊ တော်ဝင်ရေတပ်က လက်ခံခဲ့ကာ၊ ယနေ့ခေတ် မိုးလေဝသ ခန့်မှန်းမှု အသိပညာအားလုံး၏ အခြေခံကို ဖြစ်ပေါ်စေခဲ့သည်။ [၁၄]

ဘိုဖို့ (Beaufort) သည် လေအား အတိုင်းအတာ (Wind Force Scale) နှင့် မိုးလေဝသ မှတ်တမ်းသင်္ကေတ (Weather Notation coding) ကို တီထွင်ခဲ့ပြီး၊ ၎င်းကို သူ၏ ဘဝတစ်လျှောက် သူ၏ ဂျာနယ်များတွင် အသုံးပြုခဲ့သည်။ သူသည် သူ၏ သူငယ်ချင်း ဝီလျံ ဝှီဝဲလ် (William Whewell) နှင့်အတူ၊ ဗြိတိသျှ ကမ်းခြေစောင့်တပ်ဖွဲ့ (coast guard) စခန်း ၂၀၀ တွင် မိုးလေဝသ မှတ်တမ်းထိန်းသိမ်းမှုကို ချဲ့ထွင်ခဲ့သည်။

ရောဘတ် ဖစ်ဇ်ရွိုင် (Robert FitzRoy) သည် ၁၈၅၄ ခုနှစ်တွင် ကုန်သွယ်ရေးဘုတ်အဖွဲ့ (Board of Trade) အတွင်း သင်္ဘောသားများ (mariners) အတွက် ဝန်ဆောင်မှုတစ်ခုအနေဖြင့် ပင်လယ်ပြင်တွင် မိုးလေဝသ အချက်အလက်များ စုဆောင်းရန် ဌာနသစ်တစ်ခု၏ အကြီးအကဲအဖြစ် ခန့်အပ်ခံခဲ့ရသည်။ ၎င်းသည် ခေတ်သစ် မိုးလေဝသ ရုံး (Meteorological Office) ၏ ရှေ့ပြေးဖြစ်ခဲ့သည်။ သင်္ဘောကပ္ပတိန်များအားလုံးကို မိုးလေဝသ ဒေတာများကို စုဆောင်းပြီး တွက်ချက်ရန် တာဝန်ပေးခဲ့ပြီး၊ ဤရည်ရွယ်ချက်အတွက် စမ်းသပ်ပြီးသော ကိရိယာများကို ငှားရမ်းပေးခဲ့သည်။

Weather map of Europe, December 10, 1887

၁၈၅၉ ခုနှစ် အောက်တိုဘာလတွင် ဖြစ်ပွားခဲ့သော မုန်တိုင်းတစ်ခုကြောင့် ‘Royal Charter’ (Royal Charter (ship)) သင်္ဘော နစ်မြှုပ်သွားခဲ့ပြီး၊ ဖစ်ဇ်ရွိုင်အား ခန့်မှန်းချက်များ ပြုလုပ်နိုင်ရန် ဇယားများ ဖန်တီးရန် လှုံ့ဆော်ခဲ့သည်။ ၎င်းကို သူက ‘မိုးလေဝသကို ခန့်မှန်းခြင်း’ (forecasting the weather) ဟု ခေါ်ဆိုခဲ့ပြီး၊ ထို့ကြောင့် “မိုးလေဝသ ခန့်မှန်းချက်” (weather forecast) ဟူသော အသုံးအနှုန်းကို စတင်ဖန်တီးခဲ့သည်။ မုန်တိုင်းသတိပေးဝန်ဆောင်မှု စတင်ရန်အတွက် မြေပြင်စခန်း ၁၅ ခုကို တည်ထောင်ခဲ့ပြီး၊ နေ့စဉ် သတ်မှတ်အချိန်များတွင် မိုးလေဝသ အစီရင်ခံစာများကို ကြေးနန်းဖြင့် သူ့ထံ ပေးပို့ခဲ့သည်။ သူ၏ သင်္ဘောများအတွက် သတိပေးဝန်ဆောင်မှုကို ၁၈၆၁ ခုနှစ် ဖေဖော်ဝါရီလတွင် စတင်ခဲ့ပြီး၊ လျှပ်စစ်ကြေးနန်း (telegraph communications) ကို အသုံးပြုခဲ့သည်။ ပထမဆုံး နေ့စဉ် မိုးလေဝသ ခန့်မှန်းချက်များကို ၁၈၆၁ ခုနှစ်တွင် ‘The Times’ တွင် ထုတ်ဝေခဲ့သည်။ နောက်နှစ်တွင်၊ မုန်တိုင်းတစ်ခု မျှော်လင့်ရသည့်အခါ အဓိက ဆိပ်ကမ်းများတွင် မုန်တိုင်းသတိပေး ကတော့များ (storm warning cones) လွှင့်တင်သည့် စနစ်ကို စတင်မိတ်ဆက်ခဲ့သည်။ ဖစ်ဇ်ရွိုင်က ၁၈၆၃ ခုနှစ်တွင် ထုတ်ဝေခဲ့သော ‘Weather Book’ သည် ထိုအချိန်က သိပ္ပံနည်းကျ ထင်မြင်ချက်များထက် များစွာ သာလွန်ခဲ့သည်။

လျှပ်စစ်ကြေးနန်းကွန်ရက် တိုးချဲ့လာသည်နှင့်အမျှ၊ သတိပေးချက်များကို ပိုမိုလျင်မြန်စွာ ဖြန့်ဝေနိုင်ခဲ့ပြီး၊ ပေါင်းစပ်ခွဲခြမ်းစိတ်ဖြာမှုများ (synoptic analyses) ပေးနိုင်ရန် အမျိုးသား စောင့်ကြည့်ရေးကွန်ရက်တစ်ခု ဖွံ့ဖြိုးလာခဲ့သည်။ အသေးစိတ် မိုးလေဝသ အစီရင်ခံစာများကို ပိုမိုတတ်နိုင်သော ကြေးနန်းစာများအဖြစ် တိုချဲ့ရန်၊ ပေးပို့သူများက မိုးလေဝသ အချက်အလက်များကို ကြေးနန်းကုဒ် (telegraphic code) ဖြင့် ကုဒ်ပြောင်းခဲ့သည်။ ဥပမာ၊ အမေရိကန် စစ်တပ် အချက်ပြတပ် (U.S. Army Signal Corps) မှ ဖန်တီးထားသော ကုဒ်တစ်ခုကဲ့သို့ဖြစ်သည်။ [၁၅] မိုးလေဝသ ဘောင်များကို ဓာတ်ပုံပညာ (photography) ဖြင့် စဉ်ဆက်မပြတ် မှတ်တမ်းတင်ရန် ကိရိယာများကို ကျူး စောင့်ကြည့်ရေးဌာန (Kew Observatory) မှ စောင့်ကြည့်ရေးစခန်းများသို့ ထောက်ပံ့ပေးခဲ့သည်။ ဤကင်မရာများကို ဖရန်စစ် ရော်နယ် (Francis Ronalds) က ၁၈၄၅ ခုနှစ်တွင် တီထွင်ခဲ့ပြီး၊ သူ၏ လေဖိအားမှတ်တမ်းကိရိယာ (barograph) ကို ဖစ်ဇ်ရွိုင်က ယခင်က အသုံးပြုခဲ့သည်။ [၁၆][၁၇]

တိကျသော အချက်အလက်များ ဖော်ပြရန်၊ တိမ်များကို ဖော်ပြရာတွင် စံသတ်မှတ်ထားသော ဝေါဟာရတစ်ခု လိုအပ်လာခဲ့ပြီး၊ ၎င်းကို လုခ် ဟော့ဝပ် (Luke Howard) က ၁၈၀၂ ခုနှစ်တွင် စတင်ခဲ့သော အမျိုးအစားခွဲခြားမှုများဖြင့် အောင်မြင်ခဲ့ပြီး၊ ၁၈၉၆ ခုနှစ်တွင် ‘International Cloud Atlas’ ဖြင့် စံသတ်မှတ်ခဲ့သည်။

ဂဏန်းအခြေပြု ခန့်မှန်းမှု

[ပြင်ဆင်ရန်]
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - History of numerical weather prediction
The difference between the forecast and the actual weather outcome for forecasts 3, 5, 7, and 10 days in advance.

၂၀ ရာစုအထိ၊ လေထုရူပဗေဒ (atmospheric physics) နားလည်မှု၏ တိုးတက်မှုများသည် ခေတ်သစ် ဂဏန်းအခြေပြု မိုးလေဝသ ခန့်မှန်းမှု (numerical weather prediction) ၏ အခြေခံကို ဖြစ်ပေါ်စေခဲ့သည်။ ၁၉၂၂ ခုနှစ်တွင်၊ အင်္ဂလိပ် သိပ္ပံပညာရှင် လူးဝစ် ဖရိုင်း ရစ်ချက်ဆန် (Lewis Fry Richardson) သည် ပထမကမ္ဘာစစ်တွင် အမြန်တင်ဆောင်ရေး ယာဉ်မောင်းအဖြစ် လုပ်ကိုင်ခဲ့စဉ် သူတွေ့ရှိခဲ့သော မှတ်စုများနှင့် ဆင်းသက်မှုများကို အခြေခံ၍ "Weather Prediction By Numerical Process" ကို ထုတ်ဝေခဲ့သည်။ [၁၈] ၎င်းတွင် လေထု စီးဆင်းမှုကို ထိန်းချုပ်သည့် ခန့်မှန်းဆန်းစစ်မှု အရည်ပျော်ရွေ့လျားမှု ညီမျှခြင်းများ (prognostic fluid dynamics equations) ရှိ သေးငယ်သော အချက်များကို လျစ်လျူရှုနိုင်ပြီး၊ အချိန်နှင့် နေရာအကွာအဝေးတွင် ကန့်သတ်ကွဲပြားမှု အစီအစဉ် (finite differencing scheme) ကို ဖန်တီးနိုင်ကာ၊ ဂဏန်းအခြေပြု ခန့်မှန်းမှု ဖြေရှင်းချက်များကို ရှာဖွေနိုင်ကြောင်း ဖော်ပြခဲ့သည်။

ရစ်ချက်ဆန်သည် လူထောင်ပေါင်းများစွာပါဝင်သော ကြီးမားသော ခန်းမကြီးတစ်ခုတွင် တွက်ချက်မှုများ လုပ်ဆောင်ပြီး အချင်းချင်း ပေးပို့သည်ကို စိတ်ကူးခဲ့သည်။ သို့သော်၊ လိုအပ်သော တွက်ချက်မှု အရေအတွက်သည် ကွန်ပျူတာများ အသုံးမပြုဘဲ ပြီးမြောက်ရန် အလွန်များပြားလွန်းခဲ့ပြီး၊ ဂရစ်၏ အရွယ်အစားနှင့် အချိန်အဆင့်များက နက်ရှိုင်းသော စနစ်များတွင် မမှန်ကန်သော ရလဒ်များကို ဖြစ်ပေါ်စေခဲ့သည်။ နောက်ပိုင်းတွင် ဂဏန်းဆန်းစစ်မှု (numerical analysis) ဖြင့် ၎င်းသည် ဂဏန်းမတည်ငြိမ်မှု (numerical instability) ကြောင့် ဖြစ်ကြောင်း တွေ့ရှိခဲ့သည်။ [၁၉] ပထမဆုံး ကွန်ပျူတာဖြင့် မိုးလေဝသ ခန့်မှန်းချက်ကို အမေရိကန် မိုးလေဝသပညာရှင်များဖြစ်သည့် ဂျူး ချာနီ (Jule Charney)၊ ဖိလစ် ဒန်ကန် သော့မဆန် (Philip Duncan Thompson)၊ လာရီ ဂိတ် (Larry Gates)၊ နော်ဝေ မိုးလေဝသပညာရှင် ရဂနာ ဖျော်တော့ဖ် (Ragnar Fjørtoft)၊ အသုံးချ သင်္ချာပညာရှင် ဂျွန် ဗွန် နူးမန်း (John von Neumann)၊ နှင့် ENIAC ပရိုဂရမ်မာ ကလာရာ ဒန် ဗွန် နူးမန်း (Klara Dan von Neumann) တို့ပါဝင်သော အဖွဲ့တစ်ဖွဲ့က လုပ်ဆောင်ခဲ့သည်။ [၂၀][၂၁][၂၂] ဂဏန်းအခြေပြု မိုးလေဝသ ခန့်မှန်းမှု၏ လက်တွေ့အသုံးပြုမှုသည် ၁၉၅၅ ခုနှစ်တွင် စတင်ခဲ့ပြီး၊ ပရိုဂရမ်ရေးဆွဲနိုင်သော အီလက်ထရွန်းနစ် ကွန်ပျူတာများ၏ ဖွံ့ဖြိုးတိုးတက်မှုက တွန်းအားပေးခဲ့သည်။ [၂၃]

ထုတ်လွှင့်မှုများ

[ပြင်ဆင်ရန်]
အခြားကြည့်ရန်။ Weather presenter

ပထမဆုံး နေ့စဉ် မိုးလေဝသ ခန့်မှန်းချက်များကို ၁၈၆၁ ခုနှစ် ဩဂုတ်လ ၁ ရက်နေ့တွင် ‘The Times’ တွင် ထုတ်ဝေခဲ့ပြီး၊ ပထမဆုံး မိုးလေဝသ မြေပုံများ (weather maps) ကို ထိုနှစ်နှောင်းပိုင်းတွင် ထုတ်လုပ်ခဲ့သည်။ [၂၄] ၁၉၁၁ ခုနှစ်တွင်၊ မိုးလေဝသ ရုံး (Met Office) သည် ရေဒီယိုထုတ်လွှင့်မှုမှတစ်ဆင့် ပထမဆုံး ပင်လယ်မိုးလေဝသ ခန့်မှန်းချက်များကို စတင်ထုတ်ပေးခဲ့သည်။ ၎င်းတို့တွင် ဗြိတိန်ကြီး (Great Britain) အနီးတစ်ဝိုက်ရှိ ဧရိယာများအတွက် မုန်တိုင်းနှင့် လေပြင်းသတိပေးချက်များ ပါဝင်သည်။ [၂၅] အမေရိကန်ပြည်ထောင်စုတွင်၊ ပထမဆုံး အများသုံး ရေဒီယို ခန့်မှန်းချက်များကို ၁၉၂၅ ခုနှစ်တွင် အက်ဒွပ် ဘီ ရိုက်ဒ်အောက် (Edward B. "E.B." Rideout) မှ ဘော်စတွန်ရှိ အီဒီဆန် လျှပ်စစ် အလင်းရောင်ဌာန (Edison Electric Illuminating station) ဖြစ်သော WEEI တွင် ပြုလုပ်ခဲ့သည်။ [၂၆] ရိုက်ဒ်အောက်သည် အမေရိကန် မိုးလေဝသ ဝန်ဆောင်မှု (U.S. Weather Bureau) မှ လာသူဖြစ်ပြီး၊ ၁၉၃၁ ခုနှစ်တွင် WBZ မိုးလေဝသ ခန့်မှန်းသူ ဂျီ ဟဲရိုလ် နွိုင်းစ် (G. Harold Noyes) လည်း ထိုနည်းတူ ဖြစ်သည်။

BBC television weather chart for November 13, 1936

ကမ္ဘာ့ပထမဆုံး ရုပ်မြင်သံကြား (televised) မိုးလေဝသ ခန့်မှန်းချက်များကို၊ မိုးလေဝသ မြေပုံများ အသုံးပြုမှု အပါအဝင်၊ BBC မှ ၁၉၃၆ ခုနှစ် နိုဝင်ဘာလတွင် စမ်းသပ်ထုတ်လွှင့်ခဲ့သည်။ [၂၇] ၎င်းကို ၁၉၄၉ ခုနှစ်၊ ဒုတိယကမ္ဘာစစ် (World War II) အပြီးတွင် လက်တွေ့အကောင်အထည်ဖော်ခဲ့သည်။ [၂၇] ဂျော့ချ် ကောင်းလင်း (George Cowling) သည် ၁၉၅၄ ခုနှစ်တွင် မြေပုံရှေ့တွင် ရုပ်မြင်သံကြားဖြင့် ပထမဆုံး မိုးလေဝသ ခန့်မှန်းချက်ကို ပေးခဲ့သည်။ [၂၈][၂၉] အမေရိကတွင်၊ စမ်းသပ်ရုပ်မြင်သံကြား ခန့်မှန်းချက်များကို ဂျိမ်းစ် စီ ဖစ်ဒလာ (James C. Fidler) မှ စင်စင်နာတီ (Cincinnati) တွင် ၁၉၄၀ သို့မဟုတ် ၁၉၄၇ ခုနှစ်၌ [ရှင်းလင်းချက်လိုအပ်သည်။] DuMont ရုပ်မြင်သံကြား ကွန်ရက် (DuMont Television Network) တွင် ပြုလုပ်ခဲ့သည်။ [၂၆][၃၀] ၁၉၇၀ ပြည့်လွန်နှစ်များ နှောင်းပိုင်းနှင့် ၁၉၈၀ ပြည့်လွန်နှစ်များ အစောပိုင်းတွင်၊ အမေရိကန် ရုပ်သံလွှင့်ကုမ္ပဏီ (American Broadcasting Company - ABC) ၏ ‘Good Morning America’ အတွက် ပထမဆုံး မိုးလေဝသသမား ဂျွန် ကိုးလ်မန်း (John Coleman) သည် ရုပ်မြင်သံကြား ခန့်မှန်းချက်များအတွက် မျက်နှာပြင်ပေါ်ရှိ မိုးလေဝသ ဂြိုဟ်တု ဒေတာ (weather satellite data) နှင့် ကွန်ပျူတာ ဂရပ်ဖစ် (computer graphics) များကို ရှေ့ဆောင်အသုံးပြုခဲ့သည်။ [၃၁] ၁၉၈၂ ခုနှစ်တွင်၊ ကိုးလ်မန်းသည် Landmark Communications ၏ အမှုဆောင်အရာရှိချုပ် ဖရန့် ဘက်တန် (Frank Batten) နှင့် ပူးပေါင်း၍ အမျိုးသားနှင့် ဒေသဆိုင်ရာ မိုးလေဝသ အစီရင်ခံစာများအတွက် ရည်စူးထားသော ၂၄ နာရီ ကေဘယ်ကွန်ရက်ဖြစ်သည့် ‘The Weather Channel’ (TWC) ကို စတင်ခဲ့သည်။ အချို့ မိုးလေဝသ ချန်နယ်များသည် ပိုမိုကျယ်ပြန့်သော ပရိသတ်ထံ ရောက်ရှိရန် YouTube နှင့် Periscope ကဲ့သို့သော တိုက်ရိုက်ထုတ်လွှင့်မှု ပလက်ဖောင်းများ (live streaming platforms) တွင် ထုတ်လွှင့်မှု စတင်ခဲ့သည်။

ဂဏန်းအခြေပြု မိုးလေဝသ ခန့်မှန်းချက် (Numerical Weather Prediction)

[ပြင်ဆင်ရန်]
500 မီလီဘား (millibar) ဂျီအိုပိုတန်ရှယ် အမြင့် (geopotential height) နှင့် အကြွင်းမဲ့ ဗော်တစ်စီတီ (absolute vorticity) ကို မိုးလေဝသ ခန့်မှန်းချက် မော်ဒယ်မှ ဥပမာတစ်ခု
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - Numerical weather prediction

ဂဏန်းအခြေပြု မိုးလေဝသ ခန့်မှန်းချက် (Numerical Weather Prediction) ၏ အခြေခံအကြံအစည်မှာ အချိန်တစ်ခုတွင် အရည်၏ အခြေအနေကို နမူနာယူပြီး၊ အရည်ဒိုင်းနမစ် (fluid dynamics) နှင့် သာမိုဒိုင်းနမစ် (thermodynamics) ညီမျှခြင်းများကို အသုံးပြု၍ အနာဂတ်တွင် အရည်၏ အခြေအနေကို ခန့်မှန်းရန် ဖြစ်သည်။ နိုင်ငံအလိုက် မိုးလေဝသ ဝန်ဆောင်မှုများမှ အဓိက ထည့်သွင်းမှုများမှာ မြေပြင်အဆင့်တွင် အလိုအလျောက် မိုးလေဝသ စခန်း (weather stations) များမှ မြေပြင် လေ့လာမှု (surface observations) နှင့် ပင်လယ်ပြင်ရှိ မိုးလေဝသ ဘွိုင်များ (weather buoys) မှ ရရှိသော အချက်အလက်များ ဖြစ်သည်။ ကမ္ဘာ့ မိုးလေဝသ အဖွဲ့အစည်း (World Meteorological Organization) သည် ကမ္ဘာတစ်ဝန်းရှိ ဤလေ့လာမှုများ၏ ကိရိယာများ၊ လေ့လာမှု အလေ့အကျင့်များနှင့် အချိန်ကို စံချိန်စံညွှန်းပြုရန် ဆောင်ရွက်သည်။ စခန်းများသည် နာရီတိုင်း METAR အစီရင်ခံစာများ (METAR reports) တွင် အစီရင်ခံသည် [၃၂] သို့မဟုတ် ခြောက်နာရီတိုင်း SYNOP အစီရင်ခံစာများ (SYNOP reports) တွင် အစီရင်ခံသည် [၃၃]။ နေရာများမှ ရေဒီယိုဆွန်း (radiosondes) များကို လွှတ်တင်ပြီး၊ ၎င်းတို့သည် ထရိုပိုစဖီးယား (troposphere) ၏ အနက်အထိ တက်သွားကာ စထရာတိုစဖီးယား (stratosphere) ထဲသို့ ကောင်းစွာ ဝင်ရောက်သွားသည် [၃၄]။ မိုးလေဝသ ဂြိုဟ်တု (weather satellites) မှ ဒေတာများကို ရိုးရာ ဒေတာရင်းမြစ်များ မရရှိနိုင်သော နေရာများတွင် အသုံးပြုသည် [၃၅][၃၆][၃၇]။ ရေဒီယိုဆွန်းများမှ အလားတူ ဒေတာများနှင့် နှိုင်းယှဉ်ပါက၊ ဂြိုဟ်တု ဒေတာသည် ကမ္ဘာလုံးဆိုင်ရာ လွှမ်းခြုံမှု၏ အားသာချက် ရှိသော်လည်း၊ တိကျမှုနှင့် ရုပ်ထွက် (resolution) သည် နိမ့်ပါသည် [၃၈]။ မိုးလေဝသ ရေဒါ (Meteorological radar) များသည် မိုးရွာသွန်းမှု တည်နေရာနှင့် အားပြင်းမှု အချက်အလက်များကို ပေးစွမ်းပြီး၊ ၎င်းကို အချိန်ကြာရှည် မိုးရွာသွန်းမှု စုဆောင်းမှုကို ခန့်မှန်းရန် အသုံးပြုနိုင်သည် [၃၉]။ ထို့ပြင်၊ ပါးလ်စ်-ဒေါ့ပလာ ရေဒါ (Pulse-Doppler radar) မိုးလေဝသ ရေဒါ (weather radar) ကို အသုံးပြုပါက လေတိုက်နှုန်းနှင့် လေတိုက်ရာဘက်ကို ဆုံးဖြတ်နိုင်သည် [၄၀]။ သို့သော် ဤနည်းလမ်းများသည် လေထု၏ အောက်ပိုင်း (မြေပြင်အထက် ၁၀၀ မီတာမှ ၆ ကီလိုမီတာအထိ) တွင် လေ့လာမှု ကွာဟချက် (in-situ observational gap) ကို ချန်ထားခဲ့သည်။ ဤကွာဟချက်ကို လျှော့ချရန်၊ ၁၉၉၀ ပြည့်လွန်နှစ်များ နှောင်းပိုင်းတွင် မိုးလေဝသ ဒရုန်း (weather drones) များကို ဤအမြင့်များမှ ဒေတာရယူရန် စတင်စဉ်းစားခဲ့သည်။ ၂၀၁၀ ပြည့်နှစ်များမှ စတင်၍ သုတေသနများ သိသာစွာ တိုးတက်လာခဲ့ပြီး၊ အနာဂတ်တွင် မိုးလေဝသ ဒရုန်း ဒေတာများကို မိုးလေဝသ ခန့်မှန်းချက် မော်ဒယ်များတွင် ထည့်သွင်းအသုံးပြုနိုင်ဖွယ် ရှိသည် [၄၁][၄၂]။

ခေတ်မီမိုးလေဝသ ခန့်မှန်းချက်များသည် အချိန်မီရွှေ့ပြောင်းမှုများကို အထောက်အကူပြုပြီး အသက်များကို ကယ်တင်ကာ ပစ္စည်းပျက်စီးမှုများကို ကာကွယ်နိုင်သည်

ကူးသန်းရောင်းဝယ်ရေးသည် လေယာဉ်လမ်းကြောင်းများတစ်လျှောက် လေယာဉ်မှူး အစီရင်ခံစာများ (pilot reports) ကို ပေးစွမ်းသည် [၄၃] နှင့် သင်္ဘောလမ်းကြောင်းများတစ်လျှောက် သင်္ဘော အစီရင်ခံစာများ (ship reports) ကို ပေးသည်။ သုတေသန ပျံသန်းမှုများသည် မိုးလေဝသ ထောက်လှမ်းရေး (weather reconnaissance) လေယာဉ်များကို အသုံးပြု၍ အပူပိုင်းဆိုင်ကလုန်း (tropical cyclones) ကဲ့သို့သော စိတ်ဝင်စားဖွယ် မိုးလေဝသ စနစ်များထဲသို့ နှင့် အနီးတဝိုက်သို့ ပျံသန်းသည် [၄၄][၄၅]။ ထောက်လှမ်းရေး လေယာဉ်များကို အေးမြသော ရာသီအတွင်း ပင်လယ်ပြင်အထက်တွင်လည်း ပျံသန်းစေပြီး၊ ခန့်မှန်းချက် လမ်းညွှန်မှုတွင် သိသာထင်ရှားသော မသေချာမှုများကို ဖြစ်စေသော စနစ်များ သို့မဟုတ် အနာဂတ် ၃ ရက်မှ ၇ ရက်အထိ အောက်ပိုင်း တိုက်ကြီးအပေါ် သက်ရောက်မှု မြင့်မားမည်ဟု မျှော်လင့်ရသော စနစ်များသို့ ပျံသန်းစေသည် [၄၆]။

မော်ဒယ်များကို ဤလေ့လာမှု ဒေတာများကို အသုံးပြု၍ စတင်သည် (initialized)။ မညီညာသော အကွာအဝေး လေ့လာမှုများကို ဒေတာ စုပေါင်းမှု (data assimilation) နှင့် ရည်မှန်းချက် ခွဲခြမ်းစိတ်ဖြာမှု (objective analysis) နည်းလမ်းများဖြင့် လုပ်ဆောင်ပြီး၊ ၎င်းတို့သည် အရည်အသွေး ထိန်းချုပ်မှု (quality control) ကို လုပ်ဆောင်ကာ မော်ဒယ်၏ သင်္ချာဆိုင်ရာ အယ်လဂိုရီသမ် (mathematical algorithms) များအတွက် အသုံးပြုနိုင်သော တည်နေရာများတွင် တန်ဖိုးများကို ရယူသည် (များသောအားဖြင့် ညီညာသော ဂရစ်)။ ထို့နောက် ဒေတာများကို ခန့်မှန်းချက်အတွက် အစပျိုးနေရာ (starting point) အဖြစ် မော်ဒယ်တွင် အသုံးပြုသည် [၄၇]။ လေထု၏ ရူပဗေဒနှင့် ဒိုင်းနမစ်ကို ခန့်မှန်းရန် အသုံးပြုသော ညီမျှခြင်းများကို များသောအားဖြင့် ပရိုင်းမေတီ ညီမျှခြင်းများ (primitive equations) ဟု ခေါ်သည်။ ၎င်းတို့ကို ခွဲခြမ်းစိတ်ဖြာမှု ဒေတာမှ စတင်ပြီး ပြောင်းလဲမှု နှုန်းများကို ဆုံးဖြတ်သည်။ ပြောင်းလဲမှု နှုန်းများသည် လေထု၏ အခြေအနေကို အနာဂတ် အချိန်တိုအတွင်း ခန့်မှန်းပေးသည်။ ထို့နောက် ညီမျှခြင်းများကို ဤလေထု အခြေအနေသစ်သို့ အသုံးချပြီး ပြောင်းလဲမှု နှုန်းအသစ်များကို ရှာဖွေကာ၊ ၎င်းတို့သည် လေထုကို အနာဂတ်သို့ ထပ်မံခန့်မှန်းပေးသည်။ ဤ အချိန်အဆင့်လုပ်ငန်းစဉ် (time stepping procedure) ကို လိုချင်သော ခန့်မှန်းချက် အချိန်သို့ အဖြေရောက်သည်အထိ ဆက်လက် ထပ်ခါတလဲလုပ်သည်။

မော်ဒယ်အတွင်း ရွေးချယ်ထားသော အချိန်အဆင့်၏ အရှည်သည် တွက်ချက်မှု ဂရစ် (computational grid) ပေါ်ရှိ အမှတ်များအကြား အကွာအဝေးနှင့် ဆက်စပ်နေပြီး၊ ဂဏန်းဆိုင်ရာ တည်ငြိမ်မှု (numerical stability) ကို ထိန်းသိမ်းရန် ရွေးချယ်သည် [၄၈]။ ကမ္ဘာလုံးဆိုင်ရာ မော်ဒယ်များအတွက် အချိန်အဆင့်များသည် မိနစ် ဆယ်ဂဏန်းအဆင့်ဖြစ်သည် [၄၉]၊ ဒေသဆိုင်ရာ မော်ဒယ်များအတွက် အချိန်အဆင့်များသည် တစ်မိနစ်မှ လေးမိနစ်ကြားဖြစ်သည် [၅၀]။ ကမ္ဘာလုံးဆိုင်ရာ မော်ဒယ်များကို အနာဂတ်သို့ ကွဲပြားသော အချိန်များတွင် လည်ပတ်သည်။ မက် အောဖစ် (Met Office) ၏ ယူနီဖိုင်း မော်ဒယ် (Unified Model) ကို အနာဂတ် ၆ ရက်အထိ လည်ပတ်သည် [၅၁]၊ ဥရောပ အလယ်အလတ်အကွာအဝေး မိုးလေဝသ ခန့်မှန်းရေး စင်တာ (European Centre for Medium-Range Weather Forecasts) ၏ မော်ဒယ်ကို ၁၀ ရက်အထိ လည်ပတ်သည် [၅၂]၊ ပတ်ဝန်းကျင် မော်ဒယ်လင်း စင်တာ (Environmental Modeling Center) မှ လည်ပတ်သော ကမ္ဘာလုံးဆိုင်ရာ ခန့်မှန်းချက် စနစ် (Global Forecast System) မော်ဒယ်ကို ၁၆ ရက်အထိ လည်ပတ်သည် [၅၃]။ မော်ဒယ် ဖြေရှင်းချက်မှ ထုတ်လုပ်သော အမြင်အာရုံ ရလဒ်ကို ပရောဂနော့စတစ် ဇယား (prognostic chart) သို့မဟုတ် ပရော့ဂ် (prog) ဟု လူသိများသည် [၅၄]။ အစိမ်းလိုက် ရလဒ်ကို ခန့်မှန်းချက်အဖြစ် တင်ပြမီ မကြာခဏ ပြင်ဆင်သည်။ ၎င်းသည် မော်ဒယ်တွင် လူသိများသော ဘိုင်းယက်စ် (biases) များကို ဖယ်ရှားရန် စာရင်းအင်းဆိုင်ရာ နည်းပညာများ သို့မဟုတ် အခြား မိုးလေဝသ ခန့်မှန်းချက်များအကြား သဘောတူညီမှုကို ထည့်သွင်းစဉ်းစားရန် ချိန်ညှိမှု ပုံစံဖြစ်နိုင်သည် [၅၅]။ MOS သို့မဟုတ် မော်ဒယ် အထွက် စာရင်းအင်း (model output statistics) သည် မော်ဒယ် အထွက်ကို အဓိပ္ပာယ်ဖွင့်ဆိုပြီး နေရာအလိုက် လမ်းညွှန်ချက်များ ထုတ်လုပ်ရန် အသုံးပြုသော နည်းပညာဖြစ်သည်။ ဤလမ်းညွှန်ချက်ကို ကုဒ်ပြုထားသော ဂဏန်းပုံစံဖြင့် တင်ပြပြီး၊ အမေရိကန်ပြည်ထောင်စု၏ အမျိုးသား မိုးလေဝသ ဝန်ဆောင်မှု (National Weather Service) အစီရင်ခံစခန်းများအားလုံးနီးပါးအတွက် ရယူနိုင်သည်။ အက်ဒွပ် လောရန့်စ် (Edward Lorenz) က ၁၉၆၃ တွင် အဆိုပြုခဲ့သည့်အတိုင်း၊ နှစ်ပတ် သို့မဟုတ် ထို့ထက်ကျော်လွန်သော ရှည်လျားသော ခန့်မှန်းချက်များသည် အရည် ဒိုင်းနမစ် (fluid dynamics) ညီမျှခြင်းများ၏ ကေအော့စ် သီအိုရီ (chaos theory) သဘောသဘာဝကြောင့် လေထု၏ အခြေအနေကို တိကျစွာ ခန့်မှန်းနိုင်မည် မဟုတ်ပေ။ မိုးလေဝသ ခန့်မှန်းချက် မော်ဒယ်များတွင်၊ အပူချိန်နှင့် လေတိုက်နှုန်းကဲ့သို့သော အချက်များအတွက် အစောပိုင်း တန်ဖိုးများတွင် အလွန်သေးငယ်သော အမှားများသည် ငါးရက်ခန့်တိုင်း နှစ်ဆဖြစ်သည် [၅၆]။

အခြေခံအားဖြင့်၊ မော်ဒယ်တစ်ခုသည် အနာဂတ်အချိန်များတွင် သတ်မှတ်ထားသော တည်နေရာများနှင့် အမြင့်များအတွက် မိုးလေဝသ (meteorological) အချက်အလက်များကို ထုတ်လုပ်သော ကွန်ပျူတာ ပရိုဂရမ်တစ်ခု ဖြစ်သည်။ ခေတ်မီ မော်ဒယ်တစ်ခုအတွင်း၌ လေထု၏ အနာဂတ် အခြေအနေကို ခန့်မှန်းရန် အသုံးပြုသော ညီမျှခြင်းများကို ပရိုင်းမေတီ ညီမျှခြင်းများ (primitive equations) ဟု ခေါ်သည် [၅၇]။ ဤညီမျှခြင်းများ—အိုင်ဒီယယ် ဂတ်စ် ဥပဒေ (ideal gas law) နှင့်အတူ—လေထု၏ သိပ်သည်းမှု (density)၊ ဖိအား (pressure)၊ နှင့် အလားအလာ အပူချိန် (potential temperature) စကေလာ ဖီးလ် (scalar fields) နှင့် အလျင် (velocity) ဗက်တာ ဖီးလ် (vector field) ကို အချိန်ကြာလာသည်နှင့်အမျှ တိုးတက်စေရန် အသုံးပြုသည်။ အချို့သော ပရိုင်းမေတီ-ညီမျှခြင်း မီဆိုစကေး မော်ဒယ်များတွင် ညစ်ညမ်းမှု (pollutants) နှင့် အခြား အေရိုဆော (aerosols) များအတွက် ထပ်တိုး သယ်ယူပို့ဆောင်ရေး ညီမျှခြင်းများ ပါဝင်သည် [၅၈]။ အသုံးပြုသော ညီမျှခြင်းများသည် နွန်လိုင်းနီးယား (nonlinear system) ပါရှယ် ဒစ်ဖရန်ရှယ် ညီမျှခြင်းများ (partial differential equations) ဖြစ်ပြီး၊ ၎င်းတို့ကို ခွဲခြမ်းစိတ်ဖြာမှု နည်းလမ်းများ (analytical methods) ဖြင့် အတိအကျ ဖြေရှင်းရန် မဖြစ်နိုင်ပေ။[၅၉]

နည်းစနစ်များ

[ပြင်ဆင်ရန်]

တည်မြဲခြင်း (Persistence)

[ပြင်ဆင်ရန်]

မိုးလေဝသခန့်မှန်းချက်၏ အရိုးရှင်းဆုံးနည်းလမ်းဖြစ်သည့် တည်မြဲခြင်းသည် ယနေ့၏အခြေအနေများကို မနက်ဖြန်၏အခြေအနေများကို ခန့်မှန်းရန် အားထားသည်။ ဤနည်းလမ်းသည် မိုးလေဝသအခြေအနေ တည်ငြိမ်နေချိန်၌ တရားဝင်နိုင်သည်၊ ဥပမာ အပူပိုင်းဒေသများတွင် နွေရာသီအတွင်း။ ဤနည်းလမ်းသည် မိုးလေဝသပုံစံ မပြောင်းလဲဘဲ တည်ရှိနေခြင်းအပေါ် များစွာမူတည်သည်။ ထို့ကြောင့် ပုံစံအတက်အကျရှိနေချိန်တွင် ၎င်းသည် မမှန်ကန်တော့ပါ။ ၎င်းသည် ရေတိုနှင့် ရေရှည်ခန့်မှန်းချက် (long range forecasts) နှစ်မျိုးလုံးတွင် အသုံးဝင်နိုင်သည်။[၆၀]

လေဖိအားတိုင်းကိရိယာ (Barometer)

[ပြင်ဆင်ရန်]

လေဖိအားနှင့် ဖိအားလားတဝိုက် (အချိန်ကြာလာသည်နှင့် ဖိအား၏ပြောင်းလဲမှု) တို့ကို ၁၉ ရာစုနှောင်းပိုင်းမှစ၍ ခန့်မှန်းရာတွင် အသုံးပြုခဲ့သည်။[၆၁] ဖိအား၏ပြောင်းလဲမှု ပိုကြီးလေလေ၊ အထူးသဖြင့် ၃.၅ hPa (၂.၆ mmHg) ထက်ပိုလျှင် မိုးလေဝသပြောင်းလဲမှု ပိုကြီးလာမည်ဟု မျှော်လင့်နိုင်သည်။ ဖိအားကျဆင်းမှု လျင်မြန်ပါက၊ ဖိအားနည်းစနစ် (low pressure system) တစ်ခု ချဉ်းကပ်လာနေပြီး မိုးရွာနိုင်ခြေ ပိုများသည်။ ဖိအားမြင့်တက်မှု (Rapid pressure rises) သည် မိုးလင်းကြည်လာခြင်းကဲ့သို့ မိုးလေဝသအခြေအနေ တိုးတက်လာမှုနှင့် ဆက်စပ်နေသည်။[၆၂]

စောင့်ကြည့်လေ့လာခြင်း (Observation)

[ပြင်ဆင်ရန်]
မြင့်မားသောအမြင့်တွင် စိုထိုင်းဆကိုပြသည့် မာရက်စတေးလ် (Marestail) သည် မိုးစစ်ရာသီဥတု၏ နောက်ပိုင်းရောက်ရှိလာမှုကို အချက်ပြသည်။

ဖိအားလားတဝိုက်နှင့်အတူ ကောင်းကင်၏အခြေအနေသည် တောင်တန်းဒေသများတွင် မိုးလေဝသခန့်မှန်းရာတွင် အရေးကြီးသော ကန့်သတ်ချက်များထဲမှ တစ်ခုဖြစ်သည်။ တိမ်ဖုံးလွှမ်းမှု ထူထပ်လာခြင်း သို့မဟုတ် ပိုမြင့်သော တိမ်အလွှာတစ်ခု၏ ဝင်ရောက်လာမှုသည် မဝေးတော့သော အနာဂတ်တွင် မိုးရွာမည့် အရိပ်အယောင်ဖြစ်သည်။ မြင့်မားပြီး ပါးလွှာသော ဆာရိုစထရက်စ် တိမ်များ (cirrostratus clouds) သည် နေ (sun) သို့မဟုတ် လ (moon) ပတ်လည်တွင် အလင်းကွင်း (halo) များ ဖန်တီးနိုင်ပြီး၊ ၎င်းသည် မိုးနှင့်ဆက်စပ်နေသော နွေးထွေးသော အရှေ့ဘက် (warm front) တစ်ခု၏ ချဉ်းကပ်လာမှုကို ညွှန်ပြသည်။[၆၃] မနက်ခင်းမြူခိုး (fog) သည် မိုးလေဝသအခြေအနေ ကောင်းမွန်မည်ကို ကြိုပြပြီး၊ မိုးရွာသောအခြေအနေများသည် မြူခိုးဖြစ်ပေါ်မှုကို တားဆီးသည့် လေတိုက်ခတ်မှု သို့မဟုတ် တိမ်များဖြင့် ရှေ့ပြေးဖြစ်သည်။ မိုးကြိုးမုန်တိုင်း (thunderstorm) များ၏ လိုင်းတစ်ခု၏ ချဉ်းကပ်လာမှုသည် အေးသောအရှေ့ဘက် (cold front) တစ်ခု၏ ချဉ်းကပ်လာမှုကို ညွှန်ပြနိုင်သည်။ တိမ်ကင်းစင်သော ကောင်းကင်သည် မဝေးတော့သော အနာဂတ်အတွက် မိုးလေဝသသာယာမှုကို ညွှန်ပြသည်။[၆၄] ဘား (bar) တစ်ခုသည် လာမည့် အပူပိုင်းဆိုင်ကလုန်း (tropical cyclone) ကို ညွှန်ပြနိုင်သည်။ ကောင်းကင်ဖုံးလွှမ်းမှုကို မိုးလေဝသခန့်မှန်းရာတွင် အသုံးပြုခြင်းသည် ရာစုနှစ်များစွာအတွင်း မိုးလေဝသဆိုင်ရာ ဗဟုသုတ (weather lore) အမျိုးမျိုးကို ဖြစ်ပေါ်စေခဲ့သည်။[၉]

ယခုချိန်ခန့်မှန်းခြင်း (Nowcasting)

[ပြင်ဆင်ရန်]
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - Nowcasting (meteorology)

နောက်ခြောက်နာရီအတွက် မိုးလေဝသခန့်မှန်းခြင်းကို မကြာခဏ ယခုချိန်ခန့်မှန်းခြင်း (nowcasting) သို့မဟုတ် အနီးကပ်ခန့်မှန်းချက် သို့မဟုတ် နောက်ခြောက်နာရီအတွက်ခန့်မှန်းချက် ဟု ရည်ညွှန်းသည်။[၆၅] ဤအချိန်အကွာအဝေးတွင် မိုးဖွဲများနှင့် မိုးကြိုးမုန်တိုင်းများကဲ့သို့ အသေးစားအင်္ဂါရပ်များကို ကျိုးကြောင်းဆီလျော်သော တိကျမှုဖြင့် ခန့်မှန်းနိုင်သည်၊ ထို့ပြင် ကွန်ပျူတာမော်ဒယ်ဖြင့် ဖြေရှင်းရန် သေးငယ်လွန်းသော အခြားအင်္ဂါရပ်များကိုလည်း ခန့်မှန်းနိုင်သည်။ နောက်ဆုံးရ ရေဒါ၊ ဂြိုဟ်တုနှင့် စောင့်ကြည့်လေ့လာမှုဒေတာများကို ပေးထားသည့် လူတစ်ဦးသည် ရှိနေသော အသေးစားအင်္ဂါရပ်များကို ပိုမိုကောင်းမွန်စွာ ခွဲခြမ်းစိတ်ဖြာနိုင်ပြီး ထို့ကြောင့် နောက်နာရီအနည်းငယ်အတွက် ပိုမိုတိကျသော ခန့်မှန်းချက်ကို ပြုလုပ်နိုင်သည်။[၆၆] သို့သော်၊ ယခုအခါ ထိုဒေတာများနှင့် အလယ်အလတ်စကေး ဂဏန်းမော်ဒယ် (mesoscale numerical model) ကို အသုံးပြု၍ ပိုမိုကောင်းမွန်သော ခန့်မှန်းချက်များ ပြုလုပ်ရန် ကျွမ်းကျင်သူစနစ်များ (expert systems) ရှိပြီး၊ ထိုအင်္ဂါရပ်များ၏ အချိန်နှင့်အမျှ ဆင့်ကဲဖြစ်ပေါ်မှုကိုလည်း ထည့်သွင်းထားသည်။ အက်ကျူဝေသာ (Accuweather) သည် မိနစ်တိုင်းခန့်မှန်းချက် (Minute-Cast) ကြောင့် လူသိများပြီး၊ ၎င်းသည် နောက်နှစ်နာရီအတွက် မိနစ်အလိုက် မိုးရွာသွန်းမှု (precipitation) ခန့်မှန်းချက်ဖြစ်သည်။

လေထုမော်ဒယ် (Atmospheric model)

[ပြင်ဆင်ရန်]
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - Atmospheric model
ဂဏန်းမိုးလေဝသခန့်မှန်းမော်ဒယ်မှ ၅၀၀ မီလီဘား (millibar) ဂျီအိုပိုတန်ရှယ် အမြင့် (geopotential height) ခန့်မှန်းချက်၏ ဥပမာတစ်ခု

အတိတ်ကာလတွင် လူသားခန့်မှန်းသူများသည် ရရှိနိုင်သော စောင့်ကြည့်လေ့လာမှုများအပေါ် အခြေခံ၍ မိုးလေဝသခန့်မှန်းချက်ကို ဖန်တီးရန် တာဝန်ရှိသည်။[၆၇] ယနေ့တွင် လူသားထည့်သွင်းမှုသည် များသောအားဖြင့် မော်ဒယ်ဘက်လိုက်မှု (model biases) နှင့် စွမ်းဆောင်ရည် (performance) ကဲ့သို့သော ကန့်သတ်ချက်များအပေါ် အခြေခံ၍ မော်ဒယ်တစ်ခုကို ရွေးချယ်ရန်သာ ကန့်သတ်ထားသည်။[၆၈] ခန့်မှန်းမော်ဒယ်များ၏ သဘောတူညီမှု (consensus) ကို အသုံးပြုခြင်းနှင့် အမျိုးမျိုးသော မော်ဒယ်များ၏ အုပ်စုဖွဲ့အဖွဲ့ဝင်များ (ensemble members) ကို အသုံးပြုခြင်းသည် ခန့်မှန်းမှုအမှားကို လျှော့ချရန် ကူညီနိုင်သည်။[၆၉] သို့သော်၊ မည်သည့်တစ်ဦးချင်းစနစ်တွင်မဆို ပျမ်းမျှအမှားမည်မျှ သေးငယ်သည်ဖြစ်စေ၊ မည်သည့်မော်ဒယ်လည်ပတ်မှုတွင်မဆို သီးခြားလမ်းညွှန်မှု၏ အစိတ်အပိုင်းတစ်ခုအတွင်း ကြီးမားသော အမှားများ ဖြစ်နိုင်ခြေရှိနေသေးသည်။[၇၀] လူသားများသည် မော်ဒယ်ဒေတာကို အဆုံးအသုံးပြုသူများ နားလည်နိုင်သော မိုးလေဝသခန့်မှန်းချက်များအဖြစ် အဓိပ္ပာယ်ဖွင့်ဆိုရန် လိုအပ်သည်။ လူသားများသည် မော်ဒယ်ဖြင့် ဖြေရှင်းရန် အရွယ်အစား သေးငယ်လွန်းသော ဒေသဆိုင်ရာ အကျိုးသက်ရောက်မှုများ၏ အသိပညာကို အသုံးပြု၍ ခန့်မှန်းချက်သို့ အချက်အလက်များ ထည့်သွင်းနိုင်သည်။ ခန့်မှန်းမော်ဒယ်များ၏ တိကျမှု တိုးမြှင့်လာခြင်းသည် အနာဂတ်တွင် ခန့်မှန်းခြင်းလုပ်ငန်းစဉ်တွင် လူသားများ မလိုအပ်တော့မည်ကို ဆိုလိုသော်လည်း၊ လက်ရှိတွင် လူသားဝင်ရောက်စွက်ဖက်မှု လိုအပ်နေသေးသည်။[၇၁]

အနာလော့ (Analog)

[ပြင်ဆင်ရန်]

အနာလော့နည်းပညာသည် ခန့်မှန်းချက်ပြုလုပ်ရန် ရှုပ်ထွေးသောနည်းလမ်းတစ်ခုဖြစ်ပြီး၊ ခန့်မှန်းသူသည် လာမည့်ဖြစ်ရပ်တစ်ခုမှ တုပမည်ဟု မျှော်လင့်ရသည့် ယခင်မိုးလေဝသဖြစ်ရပ်တစ်ခုကို မှတ်မိရန် လိုအပ်သည်။ ၎င်းကို အသုံးပြုရန် ခက်ခဲသော နည်းပညာတစ်ခုဖြစ်စေသည်မှာ အနာဂတ်ဖြစ်ရပ်တစ်ခုအတွက် ပြီးပြည့်စုံသော အနာလော့တစ်ခု ရှားပါးခြင်းကြောင့်ဖြစ်သည်။[၇၂] အချို့က ၎င်းခန့်မှန်းနည်းကို ပုံစံအသိအမှတ်ပြုမှု (pattern recognition) ဟု ခေါ်သည်။ ၎င်းသည် သမုဒ္ဒရာများကဲ့သို့ ဒေတာချို့တဲ့မှုရှိသော နေရာများတွင် မိုးရွာသွန်းမှုကို စောင့်ကြည့်ရာတွင် အသုံးဝင်နေဆဲဖြစ်ပြီး၊[၇၃] အနာဂတ်တွင် မိုးရွာသွန်းမှုပမာဏနှင့် ဖြန့်ဖြူးမှုကို ခန့်မှန်းရာတွင်လည်း အသုံးဝင်သည်။ အလယ်အလတ်အကွာအဝေးခန့်မှန်းခြင်းတွင် အလားတူနည်းပညာကို အသုံးပြုပြီး၊ ၎င်းကို တယ်လီဆက်သွယ်မှု (teleconnections) ဟု ခေါ်သည်။ ၎င်းသည် အခြားတည်နေရာများရှိ စနစ်များကို အသုံးပြု၍ ပတ်ဝန်းကျင်စနစ်အတွင်း အခြားစနစ်တစ်ခု၏ တည်နေရာကို သတ်မှတ်ရန် ကူညီပေးသည်။[၇၄] တယ်လီဆက်သွယ်မှု၏ ဥပမာတစ်ခုမှာ အယ်နီညို-တောင်ပိုင်းအတက်အကျ (El Niño-Southern Oscillation, ENSO) နှင့် ဆက်စပ်သော ဖြစ်စဉ်များကို အသုံးပြုခြင်းဖြစ်သည်။[၇၅]

ဉာဏ်ရည်တု (Artificial intelligence)

[ပြင်ဆင်ရန်]

ဉာဏ်ရည်တု (artificial intelligence) ကို အသုံးပြုရန် ပထမဆုံး ကြိုးပမ်းမှုများသည် ၂၀၁၀ ခုနှစ်များတွင် စတင်ခဲ့သည်။ ဟွာဝေး (Huawei) ၏ ပန်ဂူ-ဝေသာ (Pangu-Weather) မော်ဒယ်၊ ဂူဂဲလ် (Google) ၏ ဂရပ်ဖက်စ် (GraphCast)၊ ဝင်းဘွန်း (WindBorne) ၏ ဝေသာမက်ရှ် (WeatherMesh) မော်ဒယ်၊ အင်ဗီဒီယာ (Nvidia) ၏ ဖိုးကတ်စ်နက် (FourCastNet)၊ နှင့် ဥရောပအလယ်အလတ်အကွာအဝေး မိုးလေဝသခန့်မှန်းဌာန (European Centre for Medium-Range Weather Forecasts) ၏ ဉာဏ်ရည်တု/ပေါင်းစပ်ခန့်မှန်းစနစ် (Artificial Intelligence/Integrated Forecasting System, AIFS) တို့သည် ၂၀၂၂-၂၀၂၃ တွင် ပေါ်ထွက်ခဲ့သည်။ ၂၀၂၄ တွင် AIFS သည် အချိန်နှင့်တပြေးညီ ခန့်မှန်းချက်များကို စတင်ထုတ်ဝေခဲ့ပြီး၊ ဟာရီကိန်းလမ်းကြောင်းများကို ခန့်မှန်းရာတွင် တိကျသော ကျွမ်းကျင်မှုကို ပြသသော်လည်း၊ ရူပဗေဒအခြေခံမော်ဒယ်များနှင့် နှိုင်းယှဉ်ပါက ထိုမုန်တိုင်းများ၏ ပြင်းအားပြောင်းလဲမှုတွင် စွမ်းဆောင်ရည် နိမ့်ကျသည်။[၇၆]

ထိုမော်ဒယ်များသည် ရူပဗေဒအခြေခံ လေထုမော်ဒယ်လင်း (physics-based atmosphere modeling) သို့မဟုတ် ကြီးမားသော ဘာသာစကားမော်ဒယ်များ (large language models) ကို အသုံးမပြုပါ။ အစား၊ ၎င်းတို့သည် အီစီအမ်ဒဗလျူအက်ဖ် ပြန်လည်ခွဲခြမ်းစိတ်ဖြာမှု ERA5 (ECMWF re-analysis ERA5) ကဲ့သို့သော ဒေတာများမှ သင်ယူသည်။[၇၇] ဤမော်ဒယ်များသည် ရူပဗေဒအခြေခံမော်ဒယ်များထက် တွက်ချက်မှု များစွာနည်းပါးရန် လိုအပ်သည်။[၇၆]

မိုက်ခရိုဆော့ဖ် (Microsoft) ၏ အော်ရိုရာ (Aurora) စနစ်သည် ကမ္ဘာလုံးဆိုင်ရာ ၁၀ ရက်မိုးလေဝသခန့်မှန်းချက်နှင့် ၅ ရက်လေထုညစ်ညမ်းမှု (air pollution) (ကာဗွန်ဒိုင်အောက်ဆိုဒ် CO
2 (Carbon dioxide)، အန်အိုအက်စ် NO (NOx)، နိုက်ထရိုဂျင်ဒိုင်အောက်ဆိုဒ် NO
2 (Nitrogen dioxide)، ဆီလီကွန်ဒိုင်အောက်ဆိုဒ် SO
2 (Silicon dioxide)، အိုဇုန်း O
3 (Ozone)، နှင့် အမှုန်အမွှားများ (particulates)) ခန့်မှန်းချက်များကို ရူပဗေဒအခြေခံမော်ဒယ်များနှင့် ဆင်တူသော တိကျမှုဖြင့် ပေးစွမ်းသော်လည်း ကုန်ကျစရိတ် အဆများစွာ သက်သာသည်ဟု ဆိုသည်။ အော်ရိုရာကို မိုးလေဝသ�/ရာသီဥတုမော်ဒယ်ခြောက်ခုမှ နာရီသန်းတစ်သန်းကျော်၏ ဒေတာများဖြင့် လေ့ကျင့်ထားသည်။[၇၈][၇၉]

၂၀၂၄ တွင် ဂူဂဲလ်၏ ဒိပ်မိုင်း (DeepMind) အိုင်အိုင် သုတေသနဓာတ်ခွဲခန်းများမှ သုတေသီအဖွဲ့တစ်ဖွဲ့သည် နေချာ (Nature) တွင် စာတမ်းတစ်စောင် ထုတ်ဝေခဲ့ပြီး၊ ၎င်းတို့၏ ဂျင်ကတ်စ် (GenCast) ဟု ခေါ်သော စက်သင်ယူမှု မော်ဒယ်ကို ဖော်ပြခဲ့သည်။ ၎င်းသည် အကောင်းဆုံး ရိုးရာမိုးလေဝသခန့်မှန်းစနစ်များထက် ပိုမိုတိကျသော ခန့်မှန်းချက်များကို ထုတ်လုပ်ရန် မျှော်လင့်ထားသည်။[၈၀]

AIFS ကို အသုံးပြု၍ ပြုလုပ်သော လေ့လာမှုတစ်ခုတွင် လန်း အယ်လ် (Lang et al.) (၂၀၂၄) သည် မက်ဒန်-ဂျူလီယာ အတက်အကျ (Madden-Julia Oscillation) ၏ ၃၀ ရက် အုပ်စုဖွဲ့ပုံတူများ (ensemble simulations) ကို တင်ပြခဲ့သည်။[၈၁]

အများပြည်သူသို့ ခန့်မှန်းချက်များ ဆက်သွယ်ပြောကြားခြင်း (Communicating forecasts to the public)

[ပြင်ဆင်ရန်]
အမေရိကန် သတင်းစာတစ်စောင်တွင် အသုံးပြုနိုင်သည့် Visual language (အမြင်ဘာသာစကား) ပုံစံဖြ နှစ်ရက်တာ မိုးလေဝသခန့်မှန်းချက်၏ ဥပမာတစ်ခု။ အပူချိန်များကို Fahrenheit (ဖာရင်ဟိုက်) ဖြင့် ပေးထားသည်။

ခန့်မှန်းချက်များ၏ အဆုံးအသုံးပြုသူအများစုသည် အများပြည်သူမှ အဖွဲ့ဝင်များဖြစ်ကြသည်။ မိုးကြိုးမုန်တိုင်းများသည် ပြင်းထန်သောလေတိုက်ခတ်မှုများနှင့် အန္တရာယ်ရှိသော lightning (မိုးကြိုး) ထိုးကျမှုများကို ဖြစ်ပေါ်စေနိုင်ပြီး၊ ၎င်းတို့သည် သေဆုံးမှု၊ လျှပ်စစ်ဓာတ်အားပြတ်တောက်မှု၊[၈၂] နှင့် ကျယ်ပြန့်သော မိုးသီးထိခိုက်ပျက်စီးမှုများကို ဖြစ်ပေါ်စေနိုင်သည်။ မိုးနှင်းထူထပ်ခြင်း သို့မဟုတ် မိုးသည်းထန်စွာရွာခြင်းသည် သယ်ယူပို့ဆောင်ရေးနှင့် ကူးသန်းရောင်းဝယ်ရေးကို ရပ်တန့်သွားစေနိုင်သည်၊[၈၃] အပြင် မြေနိမ့်ပိုင်းဒေသများတွင် ရေလွှမ်းမိုးမှုကိုလည်း ဖြစ်ပေါ်စေနိုင်သည်။[၈၄] အလွန်အကျွံ Heat wave (အပူလှိုင်း) သို့မဟုတ် cold wave (အအေးလှိုင်း) များသည် လုံလောက်သော အသုံးအဆောင်မရှိသူများကို ဖျားနာစေနိုင်သည် သို့မဟုတ် သေဆုံးစေနိုင်ပြီး၊ မိုးခေါင်ခြင်းသည် ရေအသုံးပြုမှုကို ထိခိုက်စေနိုင်ပြီး သစ်ပင်များကို ပျက်စီးစေနိုင်သည်။

အများပြည်သူအား အသက်နှင့် ပစ္စည်းဥစ္စာများကို ကာကွယ်ရန်နှင့် ကူးသန်းရောင်းဝယ်ရေး အကျိုးစီးပွားများကို ထိန်းသိမ်းရန် နိုင်ငံများစွာသည် အစိုးရအေဂျင်စီများကို အသုံးပြု၍ ခန့်မှန်းချက်များနှင့် စောင့်ကြည့်မှု/သတိပေးချက်/အကြံပေးချက်များကို ပေးဆောင်သည်။ အဆုံးအသုံးပြုသူအား မိုးလေဝသခန့်မှန်းချက်မှ လိုအပ်သည်များကို သိရှိရန် အသုံးဝင်ပြီး နားလည်နိုင်သောနည်းဖြင့် အချက်အလက်များကို တင်ပြရန် ထည့်သွင်းစဉ်းစားရမည်။ ဥပမာများတွင် National Oceanic and Atmospheric Administration (အမျိုးသားသမုဒ္ဒရာနှင့် လေထုအုပ်ချုပ်ရေးဌာန) ၏ National Weather Service (အမျိုးသားမိုးလေဝသဌာန) (NWS)[၈၅] နှင့် Environment Canada (ပတ်ဝန်းကျင်ကနေဒါ) ၏ Meteorological Service of Canada (ကနေဒါမိုးလေဝသဌာန) (MSC)[၈၆] တို့ ပါဝင်သည်။ အစဉ်အလာအားဖြင့် သတင်းစာ၊ ရုပ်မြင်သံကြား၊ နှင့် ရေဒီယိုတို့သည် အများပြည်သူသို့ မိုးလေဝသခန့်မှန်းချက် အချက်အလက်များကို တင်ပြရာတွင် အဓိက ထွက်ပေါက်များဖြစ်ခဲ့သည်။ ထို့အပြင် မြို့အချို့တွင် weather beacon (မိုးလေဝသမီးမှန်) များ ရှိခဲ့သည်။ ရရှိနိုင်သော သတ်မှတ်အချက်အလက်များ၏ ပမာဏများပြားမှုကြောင့် အင်တာနက်ကို ပိုမိုအသုံးပြုလာသည်။[၈၇] အခြေအနေအားလုံးတွင်၊ ဤထွက်ပေါက်များသည် ၎င်းတို့၏ ခန့်မှန်းချက်များကို ပုံမှန်အတိုင်း မွမ်းမံပေးသည်။

ပြင်းထန်သော မိုးလေဝသသတိပေးချက်များနှင့် အကြံပေးချက်များ (Severe weather alerts and advisories)

[ပြင်ဆင်ရန်]

ခေတ်မီ မိုးလေဝသခန့်မှန်းချက်၏ အဓိကအစိတ်အပိုင်းတစ်ခုမှာ ပြင်းထန်သော သို့မဟုတ် အန္တရာယ်ရှိသော မိုးလေဝသမျှော်လင့်ထားသည့်အခါ အမျိုးသားမိုးလေဝသဌာနများမှ ထုတ်ပြန်သော ပြင်းထန်သော မိုးလေဝသသတိပေးချက်များနှင့် အကြံပေးချက်များဖြစ်သည်။ ၎င်းကို အသက်နှင့် ပစ္စည်းဥစ္စာများကို ကာကွယ်ရန် ပြုလုပ်သည်။[၈၈] အသိအမှတ်ပြုခံရဆုံး ပြင်းထန်သော မိုးလေဝသသတိပေးချက်များထဲတွင် Severe thunderstorm warning (ပြင်းထန်မိုးကြိုးမုန်တိုင်းသတိပေးချက်) နှင့် tornado warning (လေဆင်နှာမောင်းသတိပေးချက်) အပြင် Severe thunderstorm watch (ပြင်းထန်မိုးကြိုးမုန်တိုင်းစောင့်ကြည့်ချက်) နှင့် tornado watch (လေဆင်နှာမောင်းစောင့်ကြည့်ချက်) တို့ ပါဝင်သည်။ ဤအကြံပေးချက်များ၏ အခြားပုံစံများတွင် ဆောင်းရာသီမိုးလေဝသ၊ လေပြင်းတိုက်ခတ်မှု၊ Flood warning (ရေလွှမ်းမိုးမှုသတိပေးချက်)၊ tropical cyclone (အပူပိုင်းဆိုင်ကလုန်း)၊ နှင့် မြူခိုးများ ပါဝင်သည်။[၈၉] ပြင်းထန်သော မိုးလေဝသသတိပေးချက်များနှင့် သတိပေးချက်များကို Emergency Alert System (အရေးပေါ်သတိပေးစနစ်) ကဲ့သို့သော အရေးပေါ်စနစ်များကို အသုံးပြု၍ ရေဒီယိုအပါအဝင် မီဒီယာမှတစ်ဆင့် ထုတ်လွှင့်ပြီး ပုံမှန်အစီအစဉ်များကို ဖြတ်တောက်သည်။[၉၀]

နိမ့်သောအပူချိန်ခန့်မှန်းချက် (Low temperature forecast)

[ပြင်ဆင်ရန်]

ယနေ့အတွက် နိမ့်သောအပူချိန်ခန့်မှန်းချက်ကို ညနေ ၇ နာရီမှ နောက်နေ့မနက် ၇ နာရီအထိ တွေ့ရှိရသည့် အနိမ့်ဆုံးအပူချိန်ကို အသုံးပြု၍ တွက်ချက်သည်။[၉၁] အတိုချုပ်အားဖြင့်၊ ယနေ့၏ ခန့်မှန်းထားသော နိမ့်သောအပူချိန်သည် မနက်ဖြန်၏ နိမ့်သောအပူချိန်ဖြစ်ဖွယ်ရှိသည်။

အထူးခန့်မှန်းချက် (Specialist forecasting)

[ပြင်ဆင်ရန်]

မိုးလေဝသခန့်မှန်းချက်များအတွက် ၎င်းတို့၏ သီးခြားလိုအပ်ချက်များရှိသော ကဏ္ဍများစွာရှိပြီး၊ ဤအသုံးပြုသူများအတွက် အထူးဝန်ဆောင်မှုများကို အောက်တွင်ဖော်ပြထားသည်။

လေကြောင်းပို့ဆောင်ရေး (Air traffic)

[ပြင်ဆင်ရန်]
၂၀၀၈ ခုနှစ် Chaitén (volcano) (ချိုင်တန်မီးတောင်) ပေါက်ကွဲမှုမှ ပြာမှုန့်တိမ်တိုက်သည် Patagonia (ပါတာဂိုးနီးယား) ကို ပစိဖိတ်သမုဒ္ဒရာမှ အတ္တလန္တိတ်သမုဒ္ဒရာသို့ ဖြတ်သန်းသွားသည်။
အခြားကြည့်ရန်။ Terminal aerodrome forecast

လေကြောင်းလုပ်ငန်းသည် မိုးလေဝသအား အထူးသတိထားရသောကြောင့် တိကျသော မိုးလေဝသခန့်မှန်းချက်သည် မရှိမဖြစ်လိုအပ်သည်။ မြူခိုးများ သို့မဟုတ် အလွန်နိမ့်သော ceiling (cloud) (တိမ်အမိုးအကာ) များသည် လေယာဉ်များစွာကို ဆင်းသက်ခြင်းနှင့် ပျံတက်ခြင်းမှ တားဆီးနိုင်သည်။[၉၂] Turbulence (လေထုမငြိမ်မသက်မှု) နှင့် Atmospheric icing (လေထုရေခဲဖြစ်မှု) တို့သည် လေယာဉ်ပျံတွင် သိသာထင်ရှားသော အန္တရာယ်များဖြစ်သည်။[၉၃] မိုးကြိုးမုန်တိုင်းများသည် Vertical draft (အပေါ်သို့တက်လေစီးကြောင်း) နှင့် Outflow boundary (အပြင်သို့ထွက်လေစီးကြောင်း) များကြောင့် ပြင်းထန်သော လေထုမငြိမ်မသက်မှု၊[၉၄] မိုးသည်းထန်စွာရွာခြင်းကြောင့် ရေခဲဖြစ်မှု၊ အပြင် ကြီးမားသော hail (မိုးသီး)၊ ပြင်းထန်သောလေတိုက်ခတ်မှု၊ နှင့် မိုးကြိုးများကြောင့် လေယာဉ်တွင်ရှိသော လေယာဉ်အား ပြင်းထန်စွာ ပျက်စီးစေနိုင်သည်။[၉၅] Volcanic ash (မီးတောင်ပြာ) သည် လေယာဉ်များအတွက် သိသာထင်ရှားသော ပြဿနာတစ်ခုဖြစ်ပြီး၊ လေယာဉ်များသည် ပြာတိမ်တိုက်များအတွင်း အင်ဂျင်စွမ်းအားဆုံးရှုံးနိုင်သည်။[၉၆] နေ့စဉ်အခြေခံအားဖြင့် လေယာဉ်များသည် jet stream (ဂျက်လေစီးကြောင်း) ၏ နောက်လေကို အသုံးပြု၍ လောင်စာဆီထိရောက်မှုကို တိုးမြှင့်ရန် လမ်းကြောင်းများ ပြောင်းလဲထားသည်။[၉၇] လေယာဉ်အမှုထမ်းများသည် takeoff (ပျံတက်ခြင်း) မပြုမီ လမ်းကြောင်းတစ်လျှောက်နှင့် ၎င်းတို့၏ ဦးတည်ရာတွင် မျှော်လင့်ရမည့် အခြေအနေများကို အကျဉ်းချုပ်ရရှိသည်။[၉၈] ထို့အပြင်၊ လေဆိပ်များသည် headwind (ရှေ့လေတိုက်ခတ်မှု) ၏ အားသာချက်ကို အသုံးပြုရန် runway (ပြေးလမ်း) ကို မကြာခဏ ပြောင်းလဲလေ့ရှိသည်။ ၎င်းသည် ပျံတက်ရန်လိုအပ်သော အကွာအဝေးကို လျှော့ချပြီး ဖြစ်နိုင်ချေရှိသော crosswind (ဘေးလေတိုက်ခတ်မှု) များကို ဖယ်ရှားပေးသည်။[၉၉]

ရေကြောင်းပို့ဆောင်ရေး (Marine)

[ပြင်ဆင်ရန်]
အခြားကြည့်ရန်။ Marine weather forecasting

စီးပွားဖြစ်နှင့် အပန်းဖြေရန် ရေလမ်းများ၏ အသုံးပြုမှုသည် လေတိုက်ခတ်မှု ဦးတည်ရာနှင့် အမြန်နှုန်း၊ Ocean surface wave (သမုဒ္ဒရာမျက်နှာပြင်လှိုင်း) ကာလများနှင့် အမြင့်များ၊ ဒီရေနှင့် မိုးရွာခြင်းတို့ကြောင့် သိသာစွာ ကန့်သတ်ခံရနိုင်သည်။ ဤအချက်များသည် ရေကြောင်းသွားလာမှု၏ ဘေးကင်းမှုကို အသီးသီး သက်ရောက်မှုရှိနိုင်သည်။ ထို့ကြောင့်၊ သင်္ဘောမှူးများထံသို့ ရေကြောင်းမိုးလေဝသခန့်မှန်းချက်များကို ရေဒီယိုမှတစ်ဆင့် အသေးစိတ်ထိရောက်စွာ ပို့ဆောင်ရန် MAFOR (marine forecast) (ရေကြောင်းခန့်မှန်းချက်) ကဲ့သို့သော ကုဒ်မျိုးစုံကို တည်ထောင်ထားသည်။[၁၀၀] ပုံမှန်မိုးလေဝသခန့်မှန်းချက်များကို ပင်လယ်ပြင်တွင် RTTY၊ Navtex နှင့် Radiofax တို့ကို အသုံးပြု၍ လက်ခံရရှိနိုင်သည်။

စိုက်ပျိုးရေး (Agriculture)

[ပြင်ဆင်ရန်]

လယ်သမားများသည် မိုးလေဝသခန့်မှန်းချက်များကို မည်သည့်နေ့တွင် မည်သည့်အလုပ်ကို လုပ်ရမည်ကို ဆုံးဖြတ်ရန် အားကိုးသည်။ ဥပမာ၊ hay (မြက်ခြောက်) အခြောက်ခံခြင်းသည် မိုးမရွာသောရာသီဥတုတွင်သာ ဖြစ်နိုင်သည်။ ကြာရှည်သော မိုးခေါင်မှုကာလများသည် ဝါ၊ ဂျုံ၊[၁၀၁] နှင့် Maize (ပြောင်း) သီးနှံများကို ပျက်စီးစေနိုင်သည်။ ပြောင်းသီးနှံများကို မိုးခေါင်မှုဖြင့် ပျက်စီးစေနိုင်သော်လည်း၊ ၎င်းတို့၏ အခြောက်လှန်းထားသော အကြွင်းအကျန်များကို silage (မြက်သိုလှောင်ခြင်း) ပုံစံဖြင့် နွားများအတွက် အစာအဖြစ် အစားထိုးအသုံးပြုနိုင်သည်။[၁၀၂] Frost (မြူခဲ) နှင့် ရေခဲများသည် နွေဦးနှင့် ဆောင်းဦးရာသီများတွင် သီးနှံများကို ပျက်စီးစေသည်။ ဥပမာ၊ ပန်းပွင့်အပြည့်ဖြင့် peach (မက်မွန်) သစ်ပင်များသည် နွေဦးရာသီတွင် ရေခဲမှုဖြင့် ၎င်းတို့၏ ဖြစ်နိုင်သော မက်မွန်သီးနှံကို ဖျက်ဆီးခံရနိုင်သည်။[၁၀၃] လိမ္မော်ပင်ခြံများသည် မြူခဲနှင့် ရေခဲများကြောင့် ၎င်းတို့၏ အချိန်မရွေး သိသာထင်ရှားသော ပျက်စီးမှုကို ခံစားရနိုင်သည်။[၁၀၄]

သစ်တောစီမံခန့်ခွဲရေး (Forestry)

[ပြင်ဆင်ရန်]

လေ၊ မိုးရွာခြင်းနှင့် စိုထိုင်းဆသည် တောမီးများကို ကာကွယ်ရန်နှင့် ထိန်းချုပ်ရန် မရှိမဖြစ်လိုအပ်သည်။ Forest fire weather index (တောမီးမိုးလေဝသညွှန်းကိန်း) နှင့် Haines Index (ဟိန်းညွှန်းကိန်း) ကဲ့သို့သော ညွှန်းကိန်းများကို သဘာဝအကြောင်းအရာများ သို့မဟုတ် လူသားအကြောင်းအရာများမှ မီးလောင်ရန် အန္တရာယ်ရှိသော နေရာများကို ခန့်မှန်းရန် တီထွင်ထားသည်။ အန္တရာယ်ရှိသော အင်းဆက်ပိုးမွှားများ ဖြစ်ပေါ်လာမည့် အခြေအနေများကိုလည်း မိုးလေဝသခန့်မှန်းခြင်းဖြင့် ခန့်မှန်းနိုင်သည်။

အသုံးဝင်မှုကုမ္ပဏီများ (Utility companies)

[ပြင်ဆင်ရန်]
ဗဟိုတည်နေရာတစ်ခုတွင် လေကို အပူပေးခြင်းနှင့် အအေးပေးခြင်းအတွက် air handling unit (လေကိုင်တွယ်ယူနစ်) ကို အသုံးပြုသည် (ပုံအတွက် ရှင်းလင်းချက်ကို နှိပ်ပါ)။
အကျယ်တဝင့် ဖော်ပြထားသောဆောင်းပါး - Degree day

လျှပ်စစ်နှင့် ဓာတ်ငွေ့ကုမ္ပဏီများသည် မိုးလေဝသခန့်မှန်းချက်များကို လိုအပ်ချက်ကို ကြိုတင်မျှော်မှန်းရန် အားကိုးသည်၊ ၎င်းသည် မိုးလေဝသဖြင့် ပြင်းထန်စွာ ထိခိုက်နိုင်သည်။ ၎င်းတို့သည် degree day (ဒီဂရီရက်) ဟုခေါ်သော ပမာဏကို အသုံးပြု၍ အပူပေးခြင်း (heating degree day (အပူပေးဒီဂရီရက်)) သို့မဟုတ် အအေးပေးခြင်း (cooling degree day (အအေးပေးဒီဂရီရက်)) အတွက် မည်မျှပြင်းထန်စွာ အသုံးပြုမည်ကို ဆုံးဖြတ်သည်။ ဤပမာဏများသည် နေ့စဉ်ပျမ်းမျှအပူချိန် ၆၅ ဖာရင်ဟိုက်ကို အခြေခံသည်။ အေးသောအပူချိန်များသည် ဖာရင်ဟိုက်တစ်ဒီဂရီလျှင် အပူပေးဒီဂရီရက်များကို ဖြစ်ပေါ်စေပြီး၊ ပူနွေးသောအပူချိန်များသည် အအေးပေးဒီဂရီရက်များကို ဖြစ်ပေါ်စေသည်။[၁၀၅] ဆောင်းရာသီတွင်၊ ပြင်းထန်သော အေးသောမိုးလေဝသသည် လူများက ၎င်းတို့၏ အပူပေးစက်များကို ဖွင့်လိုက်သည်နှင့် လိုအပ်ချက် မြင့်တက်လာနိုင်သည်။[၁၀၆] အလားတူ၊ နွေရာသီတွင် ပူပြင်းသော မိုးလေဝသတွင် air conditioning (လေအေးပေးစက်) စနစ်များ၏ အသုံးပြုမှု တိုးလာခြင်းနှင့် လိုအပ်ချက် မြင့်တက်လာနိုင်သည်။[၁၀၇] လိုအပ်ချက် မြင့်တက်လာမှုကို ကြိုတင်မျှော်မှန်းခြင်းဖြင့်၊ အသုံးဝင်မှုကုမ္ပဏီများသည် ဈေးနှုန်းမတက်မီ လျှပ်စစ်ဓာတ်အား သို့မဟုတ် သဘာဝဓာတ်ငွေ့ ထပ်မံဝယ်ယူနိုင်သည်၊ သို့မဟုတ် အချို့အခြေအနေများတွင် Brownout (electricity) (လျှပ်စစ်ဓာတ်အားလျော့ချခြင်း) နှင့် Power outage (ဓာတ်အားပြတ်တောက်ခြင်း) များကို အသုံးပြု၍ ထောက်ပံ့မှုများကို ကန့်သတ်သည်။[၁၀၈]

အခြားစီးပွားဖြစ်ကုမ္ပဏီများ (Other commercial companies)

[ပြင်ဆင်ရန်]

ကိုယ်ပိုင်ကုမ္ပဏီများသည် ၎င်းတို့၏ လိုအပ်ချက်များနှင့် အံဝင်ခွင်ကျဖြစ်သော မိုးလေဝသခန့်မှန်းချက်များအတွက် ပိုမိုငွေပေးချေလာကြပြီး၊ ၎င်းတို့သည် ၎င်းတို့၏ အမြတ်အစွန်းများကို တိုးမြှင့်နိုင်ရန် သို့မဟုတ် ကြီးမားသော ဆုံးရှုံးမှုများကို ရှောင်ရှားနိုင်ရန် ဖြစ်သည်။[၁၀၉] ဥပမာ၊ စူပါမားကတ်ဆိုင်ခွဲများသည် မတူညီသော မိုးလေဝသအခြေအနေများတွင် မတူညီကွဲပြားသော consumer spending (စားသုံးသူအသုံးစရိတ်) အလေ့အထများကို ကြိုတင်မျှော်မှန်းပြီး ၎င်းတို့၏ စင်ပေါ်ရှိ ပစ္စည်းများကို ပြောင်းလဲနိုင်သည်။ မိုးလေဝသခန့်မှန်းချက်များကို လိမ္မော်သီး၊ ပြောင်း၊ ပဲပုတ်၊ နှင့် ဆီတို့၏ အနာဂတ်များကဲ့သို့သော ကုန်စည်ဈေးကွက်တွင် ရင်းနှီးမြှုပ်နှံရန် အသုံးပြုနိုင်သည်။[၁၁၀]

စစ်ဘက်ဆိုင်ရာ အသုံးချမှုများ (Military applications)

[ပြင်ဆင်ရန်]

ယူနိုက်တက်ကင်းဒမ်း

[ပြင်ဆင်ရန်]

ဗြိတိသျှ Royal Navy (တော်ဝင်ရေတပ်) သည် Met Office (မိုးလေဝသဌာန) နှင့် ပူးပေါင်း၍၊ Hydrographic and Meteorological (HM) (ရေတိုင်းနှင့် မိုးလေဝသ) အထူးပြုမှု၏ အစိတ်အပိုင်းအဖြစ်၊ ကမ္ဘာတစ်ဝန်းရှိ လည်ပတ်မှုအခြေအနေများကို စောင့်ကြည့်ခန့်မှန်းပေးသော ၎င်း၏ ကိုယ်ပိုင်အထူးကြည့်ရှုသူများနှင့် ခန့်မှန်းသူများ ရှိပြီး၊ ရေငုပ်သင်္ဘောများ၊ သင်္ဘောများ နှင့် Fleet Air Arm (လေကြောင်းလက်ရုံး) လေယာဉ်များအတွက် တိကျပြီး အချိန်မီသော မိုးလေဝသအချက်အလက်များကို ပေးဆောင်သည်။

Royal Air Force (တော်ဝင်လေတပ်) တွင် ရွှေ့ပြောင်းနိုင်သော ယူနစ်တစ်ခုရှိပြီး Met Office နှင့် ပူးပေါင်း၍၊ ဗြိတိသျှနှင့် မဟာမိတ်လက်နက်ကိုင်တပ်ဖွဲ့များ ဖြန့်ကျက်ထားသည့် ဒေသများအတွက် မိုးလေဝသခန့်မှန်းချက်များကို ပေးသည်။ Camp Bastion (ကမ့်ဘ်ဘက်စတီယံ) တွင် အခြေစိုက်သော အုပ်စုတစ်စုသည် Operation Herrick (အော်ပရေးရှင်း ဟယ်ရစ်) တွင် ဗြိတိသျှလက်နက်ကိုင်တပ်ဖွဲ့များအတွက် ခန့်မှန်းချက်များ ပေးခဲ့သည်။[၁၁၁]

အမေရိကန်ပြည်ထောင်စု

[ပြင်ဆင်ရန်]
Joint Typhoon Warning Center (JTWC) (ပူးတွဲတိုင်ဖွန်းသတိပေးဌာန) ၏ အမှတ်တံဆိပ်။

ပုဂ္ဂလိကကဏ္ဍနှင့် ဆင်တူသည်မှာ၊ စစ်ဘက်မိုးလေဝသခန့်မှန်းသူများသည် စစ်သည်တိုက်ခိုက်ရေးအသိုင်းအဝိုင်းသို့ မိုးလေဝသအခြေအနေများကို တင်ပြသည်။ စစ်ဘက်မိုးလေဝသခန့်မှန်းသူများသည် လေယာဉ်မှူးများအတွက် ပျံတက်မှုမပြုမီနှင့် ပျံသန်းနေစဉ် မိုးလေဝသအကျဉ်းချုပ်များကို ပေးဆောင်ပြီး စစ်တပ်စခန်းများအတွက် အချိန်နှင့်တပြေးညီ အရင်းအမြစ်ကာကွယ်ရေးဝန်ဆောင်မှုများကို ပေးသည်။

ရေတပ်ခန့်မှန်းသူများသည် ရေပြင်များနှင့် သင်္ဘောမိုးလေဝသခန့်မှန်းချက်များကို အကျုံးဝင်သည်။ United States Navy (အမေရိကန်ရေတပ်) သည် Joint Typhoon Warning Center (ပူးတွဲတိုင်ဖွန်းသတိပေးဌာန) မှတစ်ဆင့် ပစိဖိတ်နှင့် အိန္ဒိယသမုဒ္ဒရာများတစ်လျှောက် အပူပိုင်းဆိုင်ကလုန်းများအတွက် ခန့်မှန်းချက်များကို ၎င်းကိုယ်တိုင်နှင့် ဖက်ဒရယ်အစိုးရ၏ ကျန်အပိုင်းများအတွက် အထူးဝန်ဆောင်မှုတစ်ခု ပေးဆောင်သည်။[၁၁၂]

အမေရိကန်ပြည်ထောင်စုအတွင်း၊ 557th Weather Wing (၅၅၇ မိုးလေဝသအဖွဲ့) သည် လေတပ်နှင့် ကြည်းတပ်အတွက် မိုးလေဝသခန့်မှန်းချက်များကို ပေးသည်။ United States Air Force (အမေရိကန်လေတပ်) ခန့်မှန်းသူများသည် စစ်ပွဲအချိန်နှင့် ငြိမ်းချမ်းရေးအချိန်များတွင် လေကြောင်းလည်ပတ်မှုများကို အကျုံးဝင်ပြီး United States Army (အမေရိကန်ကြည်းတပ်) အား ပံ့ပိုးပေးသည်။[၁၁၃] United States Coast Guard (အမေရိကန်ကမ်းခြေစောင့်တပ်) ရေကြောင်းသိပ္ပံနည်းပညာရှင်များသည် ရေခဲဖျက်သင်္ဘောများနှင့် ၎င်းတို့၏ နယ်ပယ်အတွင်း အမျိုးမျိုးသော လည်ပတ်မှုများအတွက် သင်္ဘောခန့်မှန်းချက်များကို ပေးသည်။[၁၁၄] နှင့် ရေတပ်ခန့်မှန်းသူများသည် United States Marine Corps (အမေရိကန်ရေတပ်မရိန်းတပ်) ၏ မြေပြင်နှင့် လေကြောင်းအခြေစိုက် လည်ပတ်မှုများအတွက် ပံ့ပိုးပေးသည်။[၁၁၅] ဖော်ပြထားသော စစ်ဘက်ဌာနခွဲလေးခုစလုံးသည် Keesler Air Force Base (ကီးစလာလေတပ်စခန်း) တွင် ၎င်းတို့၏ မူလစာရင်းသွင်းထားသော မိုးလေဝသသင်တန်းကို ရရှိသည်။[၁၁၆] စစ်ဘက်နှင့် အရပ်ဘက်ခန့်မှန်းသူများသည် မိုးလေဝသခန့်မှန်းချက် ထုတ်ကုန်များကို ခွဲခြမ်းစိတ်ဖြာ၊ ဖန်တီးရန်နှင့် ဝေဖန်ရာတွင် တက်ကြွစွာ ပူးပေါင်းဆောင်ရွက်ကြသည်။

ကိုးကား

[ပြင်ဆင်ရန်]
  1. ↑ "Precipitation, Recycling, and Land Memory: An Integrated Analysis" (February 1, 2009). Journal of Hydrometeorology 10 (1): 278–288. doi:10.1175/2008JHM1016.1. Bibcode: 2009JHyMe..10..278D. 
  2. ↑ Fostering Innovation, Creating Jobs, Driving Better Decisions: The Value of Government Data။ Economics and Statistics Administration Office of the Chief Economist။ July 2014။ p. 15။ August 29, 2018 တွင် မူရင်း အား မော်ကွန်းတင်ပြီး။ December 30, 2018 တွင် ပြန်စစ်ပြီး။
  3. ↑ 94.05.01: Meteorology။ January 27, 2020 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ January 14, 2020 တွင် ပြန်စစ်ပြီး။
  4. ↑ Weather: Forecasting from the Beginning။ January 31, 2017 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ January 14, 2020 တွင် ပြန်စစ်ပြီး။
  5. ↑ David Pingree (December 14, 2017)။ The Indian and Pseudo-indian Passages in Greek and Latin Astronomical and Astrological Texts 141–195 [143–4]။ March 1, 2010 တွင် ပြန်စစ်ပြီး။[လင့်ခ်သေ]
  6. ↑ Bible Gateway passage: Matthew 16:2–3 – English Standard Version။ December 1, 2016 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ December 1, 2016 တွင် ပြန်စစ်ပြီး။
  7. ↑ "Geoponica and Nabatean Agriculture: A New Approach into Their Sources and Authorship" (2006). Arabic Sciences and Philosophy 16 (1): 123–130. doi:10.1017/s0957423906000245. 
  8. ↑ Fahd၊ Toufic။ Encyclopedia of the History of Arabic Science။ p. 842။, in Rashed၊ Roshdi; Morelon၊ Régis (1996)။ Encyclopedia of the History of Arabic Science။ 3။ Routledge။ pp. 813–852။ ISBN 978-0-415-12410-2။
  9. ↑ ၉.၀ ၉.၁ Jerry Wilson။ Skywatch: Signs of the Weather။ January 6, 2013 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ May 25, 2008 တွင် ပြန်စစ်ပြီး။
  10. ↑ David Hochfelder (1998)။ Joseph Henry: Inventor of the Telegraph?။ Smithsonian Institution။ June 26, 2006 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ June 29, 2006 တွင် ပြန်စစ်ပြီး။
  11. ↑ Ausman၊ Megaera။ USPS Historian။ About the United States Postal Service။ USPS။ March 30, 2013 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ April 28, 2013 တွင် ပြန်စစ်ပြီး။
  12. ↑ Mail၊ Royal။ (UK)။ British Postal Museum။ Postal Heritage Trust။ March 18, 2013 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ April 28, 2013 တွင် ပြန်စစ်ပြီး။
  13. ↑ Encyclopædia Britannica. "Telegraph" Archived September 29, 2007, at the Wayback Machine.. Retrieved May 5, 2007.
  14. ↑ Eric D. Craft (2003)။ An Economic History of Weather Forecasting။ May 3, 2007 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ April 15, 2007 တွင် ပြန်စစ်ပြီး။
  15. ↑ Karimi၊ Faith။ "A woman bought a vintage dress at an antique store. It had a secret pocket with a mysterious note"၊ CNN၊ January 15, 2024။ 
  16. ↑ Ronalds၊ B. F. (2016)။ Sir Francis Ronalds: Father of the Electric Telegraph။ London: Imperial College Press။ ISBN 978-1-78326-917-4။
  17. ↑ Ronalds, B. F. (June 2016). "Sir Francis Ronalds and the Early Years of the Kew Observatory". Weather 71 (6): 131–134. doi:10.1002/wea.2739. Bibcode: 2016Wthr...71..131R. 
  18. ↑ Richardson, Lewis Fry, Weather Prediction by Numerical Process (Cambridge, England: Cambridge University Press, 1922). Available on-line at: Internet Archive.org.
  19. ↑ Peter Lynch (meteorologist)|Lynch, Peter (2006). The Emergence of Numerical Weather Prediction. Cambridge University Press
  20. ↑ "Numerical Integration of the Barotropic Vorticity Equation" (1950). Tellus 2 (4): 237–254. doi:10.3402/tellusa.v2i4.8607. Bibcode: 1950Tell....2..237C. 
  21. ↑ Witman၊ Sarah (June 16, 2017)။ "Meet the Computer Scientist You Should Thank For Your Smartphone's Weather App"။ Smithsonian။ April 21, 2019 တွင် မူရင်းမှ မော်ကွန်းတင်ပြီး ။ July 22, 2017 တွင် ပြန်စစ်ပြီး။
  22. ↑ Edwards၊ Paul N. (2010)။ A Vast Machine: Computer Models, Climate Data, and the Politics of Global Warming။ The MIT Press။ ISBN 978-0262013925။ January 27, 2012 တွင် မူရင်း အား မော်ကွန်းတင်ပြီး။
  23. ↑ Paul N. Edwards. "Atmospheric General Circulation Modeling". Archived March 25, 2008, at the Wayback Machine. Retrieved February 16, 2007.
  24. ↑ Helen Czerski (August 1, 2011)။ Orbit: Earth's Extraordinary Journey: 150 years since the first UK weather "forecast"။ BBC။ March 27, 2023 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ November 5, 2013 တွင် ပြန်စစ်ပြီး။
  25. ↑ Met Office (2012)။ National Meteorological Library and Fact Sheet 8 – The Shipping Forecast 3–5။ July 5, 2016 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ April 10, 2013 တွင် ပြန်စစ်ပြီး။
  26. ↑ ၂၆.၀ ၂၆.၁ "meteorology Facts, information, pictures"။ Encyclopedia.com။ March 1, 2010 တွင် မူရင်းမှ မော်ကွန်းတင်ပြီး ။ February 21, 2014 တွင် ပြန်စစ်ပြီး။ Text "Encyclopedia.com articles about meteorology" ignored (အကူအညီ)
  27. ↑ ၂၇.၀ ၂၇.၁ "BBC Centenary: BBC Weather's most memorable moments - BBC Weather"။ 
  28. ↑ "BBC – Weather – A history of TV weather forecasts"။ 
  29. ↑ "The end of weather forecasting at Met Office London" (2007). Weather 62 (6): 143–146. doi:10.1002/wea.81. Bibcode: 2007Wthr...62..143H. 
  30. ↑ "Answers: Understanding weather forecasts"၊ USA Today၊ February 8, 2006။ 
  31. ↑ CJR Rewind: Hot Air Archived December 22, 2016, at the Wayback Machine., ‘Columbia Journalism Review’, reprint, first published in the January/February 2010 issue.
  32. ↑ National Climatic Data Center. "Key to METAR Surface Weather Observations" Archived November 1, 2002, at the Wayback Machine.. Retrieved March 9, 2008.
  33. ↑ UNISYS. "SYNOP Data Format (FM-12): Surface Synoptic Observations". Archived December 30, 2007, at the Wayback Machine. Retrieved May 25, 2008.
  34. ↑ Gaffen, Dian J. (June 7, 2007). "Radiosonde Observations and Their Use in SPARC-Related Investigations". Retrieved May 25, 2008.
  35. ↑ NASA. "Interactive Global Composite Weather Satellite Images" Archived May 31, 2008, at the Wayback Machine.. Retrieved May 25, 2008.
  36. ↑ NOAA. Goes Eastern US Sector Infrared Image Archived May 23, 2008, at the Wayback Machine.. Retrieved May 25, 2008.
  37. ↑ Met Office. "Satellite applications". Retrieved May 25, 2008.
  38. ↑ Tony Reale. "ATOVS Sounding Products (ITSVC-12)" Archived September 10, 2008, at the Wayback Machine.. Retrieved May 25, 2008.
  39. ↑ Andrew Treloar and Peter Brookhouse (July 1999)။ The use of accumulated rainfall maps from weather radar systems to assist wildfire detection reconnaissance။ June 7, 2009 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။
  40. ↑ University of Washington. "An improving forecast". Retrieved April 15, 2007 Archived October 24, 2007, at the Wayback Machine.
  41. ↑ "The Status and Future of Small Uncrewed Aircraft Systems (UAS) in Operational Meteorology" (in EN) (November 1, 2021). Bulletin of the American Meteorological Society 102 (11): E2121–E2136. doi:10.1175/BAMS-D-20-0138.1. ISSN 0003-0007. Bibcode: 2021BAMS..102E2121P. 
  42. ↑ Workshop on Use of Unmanned Aerial Vehicles (UAV) for Operational Meteorology (November 14, 2022)။ October 20, 2022 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ November 14, 2022 တွင် ပြန်စစ်ပြီး။
  43. ↑ Ballish, Bradley A. and V. Krishna Kumar (May 23, 2008). "Investigation of Systematic Differences in Aircraft and Radiosonde Temperatures with Implications for NWP and Climate Studies" Archived July 21, 2011, at the Wayback Machine.. Retrieved May 25, 2008.
  44. ↑ 403rd Wing (2011)။ The Hurricane Hunters။ Hurricane Hunters။ May 30, 2012 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ March 30, 2006 တွင် ပြန်စစ်ပြီး။
  45. ↑ Lee, Christopher။ "Drone, Sensors May Open Path Into Eye of Storm"၊ October 8, 2007။ 
  46. ↑ NOAA Dispatches High-Tech Research Plane to Improve Winter Storm Forecasts။ National Oceanic and Atmospheric Administration (January 12, 2010)။ January 3, 2011 တွင် မူရင်းအား မော်ကွန်းတင်ပြီး။ December 22, 2010 တွင် ပြန်စစ်ပြီး။
  47. ↑ University Corporation for Atmospheric Research (August 14, 2007). "The WRF Variational Data Assimilation System (WRF-Var)". Retrieved May 25, 2008.
  48. ↑ Pielke၊ Roger A. (2002)။ Mesoscale Meteorological Modeling။ Academic Press။ pp. 285–287။ ISBN 978-0-12-554766-6။
  49. ↑ Sunderam, V. S.; van Albada, G. Dick; Peter, M. A.; Sloot, J. J. Dongarra (2005)။ Computational Science – ICCS 2005: 5th International Conference, Atlanta, GA, USA, May 22–25, 2005, Proceedings, Part 1။ Springer။ p. 132။ ISBN 978-3-540-26032-5။
  50. ↑ Zwieflhofer, Walter; Kreitz, Norbert; European Centre for Medium Range Weather Forecasts (2001)။ Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology။ World Scientific။ p. 276။ ISBN 978-981-02-4761-4။CS1 maint: multiple names: authors list (link)
  51. ↑ Chan, Johnny C. L. & Jeffrey D. Kepert (2010)။ Global Perspectives on Tropical Cyclones: From Science to Mitigation။ World Scientific။ pp. 295–296။ ISBN 978-981-4293-47-1။
  52. ↑ Holton, James R. (2004)။ An introduction to dynamic meteorology, Volume 1။ Academic Press။ p. 480။ ISBN 978-0-12-354015-7။
  53. ↑ Brown, Molly E. (2008)။ Famine early warning systems and remote sensing data။ Springer။ p. 121။ Bibcode:2008fews.book.....B။ ISBN 978-3-540-75367-4။
  54. ↑ Ahrens, C. Donald (2008)။ Essentials of meteorology: an invitation to the atmosphere။ Cengage Learning။ p. 244။ ISBN 978-0-495-11558-8။
  55. ↑ Daniel Andersson (2007). "Improved accuracy of surrogate models using output postprocessing" Archived October 12, 2017, at the Wayback Machine.. Retrieved May 25, 2008.
  56. ↑ Cox, John D. (2002)။ Storm Watchers။ John Wiley & Sons, Inc.။ pp. 222–224။ ISBN 978-0-471-38108-2။
  57. ↑ Pielke၊ Roger A. (2002)။ Mesoscale Meteorological Modeling။ Academic Press။ pp. 48–49။ ISBN 978-0-12-554766-6။
  58. ↑ Pielke၊ Roger A. (2002)။ Mesoscale Meteorological Modeling။ Academic Press။ pp. 18–19။ ISBN 978-0-12-554766-6။
  59. ↑ Strikwerda, John C. (2004)။ Finite difference schemes and partial differential equations။ SIAM။ pp. 165–170။ ISBN 978-0-89871-567-5။
  60. ↑ University of Illinois at Urbana-Champaign. "Persistence Forecasting: Today equals Tomorrow" Archived February 20, 2007, at the Wayback Machine.. Retrieved February 16, 2007.
  61. ↑ USA Today. "Understanding air pressure" Archived July 1, 2012, at the Wayback Machine.. Retrieved May 25, 2008.
  62. ↑ Weather Doctor. "Applying The Barometer To Weather Watching" Archived May 9, 2008, at the Wayback Machine.. Retrieved May 25, 2008.
  63. ↑ Dennis Eskow (March 1983)။ "Make Your Own Weather Forecasts"။ Popular Mechanics။ Vol. 159 no. 3။ p. 148။ April 2, 2011 တွင် ပြန်စစ်ပြီး။
  64. ↑ Mark Moore (March 25, 2009). "Field Forecasting – A Short Summary". Retrieved February 15, 2012.
  65. ↑ Glossary of Meteorology. [၁] Archived May 27, 2015, at the Wayback Machine. Retrieved May 26, 2015.
  66. ↑ E-notes.com. Weather and Climate | What Is Nowcasting? Archived September 5, 2011, at the Wayback Machine. Retrieved September 8, 2011.
  67. ↑ NASA. "Weather Forecasting Through the Ages" Archived September 10, 2005, at the Wayback Machine.. Retrieved May 25, 2008.
  68. ↑ Klaus Weickmann, Jeff Whitaker, Andres Roubicek and Catherine Smith (December 1, 2001). "The Use of Ensemble Forecasts to Produce Improved Medium Range (3–15 days) Weather Forecasts". Climate Diagnostics Center. Retrieved February 16, 2007. Archived August 27, 2009, at the Wayback Machine.
  69. ↑ Todd Kimberlain (June 2007). "TC Genesis, Track, and Intensity Forecating" Archived February 27, 2021, at the Wayback Machine.. PowerPoint. Retrieved July 21, 2007.
  70. ↑ Richard J. Pasch, Mike Fiorino, and Chris Landsea. "TPC/NHC'S Review of the NCEP Production Suite for 2006". Retrieved May 5, 2008.[လင့်ခ်သေ]
  71. ↑ "The complex relationship between forecasting skill and forecast value : A real-world analysis" (1996). Weather and Forecasting 11 (4): 544–559. doi:10.1175/1520-0434(1996)011<0544:TCRBFS>2.0.CO;2. ISSN 0882-8156. Bibcode: 1996WtFor..11..544R. 
  72. ↑ "Other Forecasting Methods: climatology, analogue and numerical weather prediction" Archived May 19, 2007, at the Wayback Machine.. Retrieved February 16, 2006.
  73. ↑ Kenneth C. Allen. "Pattern Recognition Techniques Applied to the NASA-ACTS Order-Wire Problem". Retrieved February 16, 2007.
  74. ↑ Weather Associates, Inc. "The Role of Teleconnections & Ensemble Forecasting in Extended- to Medium-Range Forecasting". Retrieved February 16, 2007. Archived June 22, 2007, at the Wayback Machine.
  75. ↑ Thinkquest.org. "Teleconnections: Linking El Niño with Other Places". Retrieved February 16, 2007. Archived April 20, 2007, at the Wayback Machine.
  76. ↑ ၇၆.၀ ၇၆.၁ Berger၊ Eric (June 3, 2024)။ No physics? No problem. AI weather forecasting is already making huge strides. (in en-us)။ June 6, 2024 တွင် ပြန်စစ်ပြီး။
  77. ↑ Setchell၊ Helen (February 19, 2020)။ ECMWF Reanalysis v5 (in en)။ June 11, 2024 တွင် ပြန်စစ်ပြီး။
  78. ↑ Wong, Carissa (June 4, 2024). "Superfast Microsoft AI is first to predict air pollution for the whole world" (in en). Nature. doi:10.1038/d41586-024-01677-2. PMID 38834696. 
  79. ↑ Bodnar၊ Cristian; Bruinsma၊ Wessel P.; Lucic၊ Ana; Stanley၊ Megan; Brandstetter၊ Johannes; Garvan၊ Patrick; Riechert၊ Maik; Weyn၊ Jonathan; Dong၊ Haiyu (May 28, 2024)။ "Aurora: A Foundation Model of the Atmosphere"။ arXiv:2405.13063 [physics.ao-ph]။
  80. ↑ Price, Ilan (2025). "Probabilistic weather forecasting with machine learning" (in en). Nature 637 (8044): 84–90. doi:10.1038/s41586-024-08252-9. PMID 39633054. Bibcode: 2025Natur.637...84P. 
  81. ↑ Lang၊ Simon; Alexe၊ Mihai; Clare၊ Mariana C. A.; Roberts၊ Christopher; Adewoyin၊ Rilwan; Bouallègue၊ Zied Ben; Chantry၊ Matthew; Dramsch၊ Jesper; Dueben၊ Peter D. (2024)၊ AIFS-CRPS: Ensemble forecasting using a model trained with a loss function based on the Continuous Ranked Probability Score၊ arXiv:2412.15832
  82. ↑ University of Illinois at Urbana-Champaign. "Lightning" Archived February 7, 2007, at the Wayback Machine.. Retrieved February 16, 2007.
  83. ↑ Associated Press (February 10, 2007). "Upstate N.Y. residents dig out from heavy snow" . NBC News. Retrieved May 25, 2008.
  84. ↑ National Flood Insurance Program. "Flood Risk Scenarios: Flash Flood". Retrieved 2008-05-25. Archived March 13, 2014, at the Wayback Machine.
  85. ↑ National Weather Service. About "NOAA's National Weather Service" Archived February 14, 2007, at the Wayback Machine.. Retrieved February 16, 2007.
  86. ↑ Environment Canada. "Canadian Weather" Archived October 11, 2017, at the Wayback Machine.. Retrieved February 16, 2007.
  87. ↑ Canadian Heritage. "Primary Sources of Local Information". Retrieved May 26, 2008. Archived June 5, 2008, at the Wayback Machine.
  88. ↑ National Weather Service. National Weather Service Mission Statement. Retrieved May 25, 2008. Archived November 24, 2013, at the Wayback Machine.
  89. ↑ Environment Canada. "Weather watches, warnings and advisories". Archived July 3, 2006, at the Wayback Machine. Retrieved May 26, 2008.
  90. ↑ Federal Communications Commission. "Emergency Alert System" Archived October 12, 2017, at the Wayback Machine.. Retrieved May 26, 2008.
  91. ↑ Weather Channel – Calculation of Low Temperature Forecast Archived September 6, 2015, at the Wayback Machine.
  92. ↑ Government Printing Office. Title 14: "Aeronautics and Space". Retrieved May 26, 2008. Archived June 13, 2011, at the Wayback Machine.
  93. ↑ Aircraft Owners and Pilots Association. "Aircraft Icing". Retrieved May 26, 2008. Archived February 2, 2007, at the Wayback Machine.
  94. ↑ National Weather Service Forecast Office Dodge City, Kansas. "Aviation Hazards They Didn't Tell You About". Retrieved May 26, 2008. Archived September 10, 2008, at the Wayback Machine.
  95. ↑ Bureau of Meteorology (2006). "Aviation Hazards: Thunderstorms and Deep Convection" Archived September 10, 2008, at the Wayback Machine.. Retrieved May 26, 2008.
  96. ↑ "Volcanic Ash Aviation Hazard". Retrieved May 26, 2008. Archived June 21, 2008, at the Wayback Machine.
  97. ↑ Ned Rozell. "Amazing flying machines allow time travel". Retrieved May 8, 2008. Archived June 5, 2008, at the Wayback Machine.
  98. ↑ National Weather Service. "A Pilot's Guide to Aviation Weather Services". Retrieved May 26, 2008. Archived June 24, 2008, at the Wayback Machine.
  99. ↑ Eric C. King. "Takeoff Tools Crosswind Calculator Instructions". Retrieved May 26, 2008. Archived September 10, 2008, at the Wayback Machine.
  100. ↑ Great Lakes and Seaway Shipping. "MAFOR Weather Code" Archived June 16, 2016, at the Wayback Machine.. Retrieved May 27, 2008.
  101. ↑ Blair Fannin. "Dry weather conditions continue for Texas". Retrieved May 26, 2008. Archived July 3, 2009, at the Wayback Machine.
  102. ↑ Dr. Terry Mader. "Drought Corn Silage". Retrieved May 26, 2008. Archived October 5, 2011, at the Wayback Machine.
  103. ↑ Kathryn C. Taylor. "Peach Orchard Establishment and Young Tree Care". Retrieved May 26, 2008. Archived December 24, 2008, at the Wayback Machine.
  104. ↑ "After Freeze, Counting Losses to Orange Crop"၊ January 14, 1991။ 
  105. ↑ Climate Prediction Center. "Degree Day Explanation" Archived May 24, 2010, at the Wayback Machine.. Retrieved May 25, 2008.
  106. ↑ "Futures/Options; Cold Weather Brings Surge in Prices of Heating Fuels"၊ February 26, 1993။ 
  107. ↑ BBC News (July 25, 2006) "Heatwave causes electricity surge" Archived June 29, 2017, at the Wayback Machine.. Retrieved May 25, 2008.
  108. ↑ Toronto Catholic Schools. "The Seven Key Messages of the Energy Drill Program". Retrieved May 25, 2008. Archived February 17, 2012, at the Wayback Machine.
  109. ↑ CSIRO. "Providing specialized weather forecasts". Retrieved May 25, 2008. Archived April 19, 2008, at the Wayback Machine.
  110. ↑ Stephen Jewson and Rodrigo Caballero. "The Use of Weather Forecasts in the Pricing of Weather Derivatives". Retrieved May 25, 2008. Archived July 16, 2011, at the Wayback Machine.
  111. ↑ Met Office. "Weather forecasting for military operations" Archived October 12, 2017, at the Wayback Machine.. Retrieved October 23, 2012.
  112. ↑ Joint Typhoon Warning Center. "Joint Typhoon Warning Center Mission Statement". Archived April 9, 2008, at the Wayback Machine. Retrieved May 27, 2008.
  113. ↑ United States Air Force."Air Force Weather Agency". Retrieved May 26, 2008.
  114. ↑ United States Military. "US Coast Guard Jobs – Enlisted Occupations" Archived March 12, 2016, at the Wayback Machine.. Retrieved May 26, 2008.
  115. ↑ Rod Powers. "United States Marine Corps Enlisted Job Descriptions and Qualification Factors: Field 68 – Meteorology and Oceanography (METOC)" Archived August 6, 2017, at the Wayback Machine.. Retrieved 2008-05-26.
  116. ↑ Keesler Air Force Base. Military officers usually received their education from a civilian institution. "Keesler News: March 9, 2006" Archived September 10, 2008, at the Wayback Machine.. United States Air Force Retrieved May 26, 2008.
"https://my.wikipedia.org/w/index.php?title=မိုးလေဝသ_ခန့်မှန်းချက်&oldid=865276" မှ ရယူရန်