"Проект финансировался братьями Кох. Угдайте зачем с трех раз. "
Не знаю. Тем более я не знаю, какой я должен сделать из этого вывод? Сказать, ах, братьями Кох?! Ааааа. Ну, это все меняет. Тогда, действительно, давайте считать, что усредненные с неизвестно какими поправками данные по всей планете за каждый месяц - это “raw” данные.
Одним словом, “raw” данных там нету.
"Вот тут еще есть тонна данных: https://www.ncdc.noaa.gov/data-access/quick-links"
Мне не нужна тонна. Мне нужно, чтобы каждая статья содержала ссылку на те “raw” data, которые в ней использовались. Не усредненные неведомым способом, а как есть. Плюс код, которым они пользовались, чтобы эти данные корректировать, с объяснением, почему такая коррекция была правомочной. Какой именно дефект приборов или методов измерения они корректируют и как. Плюс результат коррекции в том же формате, что исходные данные. Для удобства сравнения.
"Подсказка: в модели прогноза погоды есть и модель облаков."
Погода - не климат. Они могут взять нынешнее покрытие облаков, и ввести коррекции не давление, влажность, ветер и так далее, и сделать прогноз на неделю. Это не значит, что и них есть модель образования облаков, которую можно применить для интервала в несколько десятилетий.
Опять же, зачем говорить, что модель есть, если проще дать ссылку на такую модель?
"Короче: что-то умеем, многое не умеем."
Именно так. Турбулентность умеем. Облака - нет.
"Модели облаков и их влияние на то что происходит в GCMs обсуждаются например в:"
В принципе, словом “модель” можно назвать все, что угодно - можно сказать “примем, что Земля всегда на 50% покрыта облаками” - и это будет модель. И она будет влиять на GCM, разумеется. Но это не то, о чем я спрашивал. Можно, далее, создать “модель облачности”, которая будет предсказывать, как облака двигаются и изменяются в зависимости от измеряемого распределения давления, и это будет полезно для прогноза погоды, но не для предсказаний климата.
Когда я говорил, что модели нет, я не имел в виду “никакой”, я имел в виду - модели, которая позволяла бы предсказывать несколько параметров облачности на планете, причем на будущее, на десятки лет вперед. На столько десятков, на сколько вы хотите моделировать климат.
Поскольку мы уже имели опыт, когда Вы предлагаете мне что-то читать, а потом оказывается, что там нету “raw” данных, а есть усреднения, то сделаем так - прочтите сначала эти статьи сами, удостоверьтесь, что там идет речь не просто о каких-то моделях, каким-то образом относящихся к облакам, но о таких, которые необходимы для предсказаний климата. Это должны быть протестированные модели.
Например, в Вашей первой статье вообще речь не идет о модели облачности - там обсуждается, как разная облачность может влиять на модель климата, причем они это не тестируют, а просто смотрят, как их модель себя поведет. Типа, если удвоить garbage in, то что случится с garbage out?
"Нет, я же сказал - десятки. Вы русский язык понимаете?"
Понимаю. Объясните теперь, если это не физические константы, то что это за десятки констант?
no subject
Не знаю. Тем более я не знаю, какой я должен сделать из этого вывод? Сказать, ах, братьями Кох?! Ааааа. Ну, это все меняет. Тогда, действительно, давайте считать, что усредненные с неизвестно какими поправками данные по всей планете за каждый месяц - это “raw” данные.
Одним словом, “raw” данных там нету.
"Вот тут еще есть тонна данных: https://www.ncdc.noaa.gov/data-access/quick-links"
Мне не нужна тонна. Мне нужно, чтобы каждая статья содержала ссылку на те “raw” data, которые в ней использовались. Не усредненные неведомым способом, а как есть. Плюс код, которым они пользовались, чтобы эти данные корректировать, с объяснением, почему такая коррекция была правомочной. Какой именно дефект приборов или методов измерения они корректируют и как. Плюс результат коррекции в том же формате, что исходные данные. Для удобства сравнения.
"Подсказка: в модели прогноза погоды есть и модель облаков."
Погода - не климат. Они могут взять нынешнее покрытие облаков, и ввести коррекции не давление, влажность, ветер и так далее, и сделать прогноз на неделю. Это не значит, что и них есть модель образования облаков, которую можно применить для интервала в несколько десятилетий.
Опять же, зачем говорить, что модель есть, если проще дать ссылку на такую модель?
"Короче: что-то умеем, многое не умеем."
Именно так. Турбулентность умеем. Облака - нет.
"Модели облаков и их влияние на то что происходит в GCMs обсуждаются например в:"
В принципе, словом “модель” можно назвать все, что угодно - можно сказать “примем, что Земля всегда на 50% покрыта облаками” - и это будет модель. И она будет влиять на GCM, разумеется. Но это не то, о чем я спрашивал. Можно, далее, создать “модель облачности”, которая будет предсказывать, как облака двигаются и изменяются в зависимости от измеряемого распределения давления, и это будет полезно для прогноза погоды, но не для предсказаний климата.
Когда я говорил, что модели нет, я не имел в виду “никакой”, я имел в виду - модели, которая позволяла бы предсказывать несколько параметров облачности на планете, причем на будущее, на десятки лет вперед. На столько десятков, на сколько вы хотите моделировать климат.
Поскольку мы уже имели опыт, когда Вы предлагаете мне что-то читать, а потом оказывается, что там нету “raw” данных, а есть усреднения, то сделаем так - прочтите сначала эти статьи сами, удостоверьтесь, что там идет речь не просто о каких-то моделях, каким-то образом относящихся к облакам, но о таких, которые необходимы для предсказаний климата. Это должны быть протестированные модели.
Например, в Вашей первой статье вообще речь не идет о модели облачности - там обсуждается, как разная облачность может влиять на модель климата, причем они это не тестируют, а просто смотрят, как их модель себя поведет. Типа, если удвоить garbage in, то что случится с garbage out?
"Нет, я же сказал - десятки. Вы русский язык понимаете?"
Понимаю. Объясните теперь, если это не физические константы, то что это за десятки констант?