Modelo:

ECMWF: Global weather forecast model from the "European Centre for Medium-Range Weather Forecasts". ECMWF is now running its own Artificial Intelligence/Integrated Forecasting System (AIFS) as part of its experiment suite. These machine-learning-based models are very fast, and they produce a 10-day forecast with 6-hourly time steps in approximately one minute.

Actualização:

4 times per day, from 3:30, 09:30, 15:30 and 21:30 UTC

Greenwich Mean Time:

12:00 UTC = 13:00 WEST

Resolution:

0.25° x 0.25°

parâmetro:

Soaring Index

Descrição:

The Soaring Index map - updated every 6 hours - shows the modelled lift rate by thermals (convective clouds). The index is based on weather information between 5 000 feet (1 524 metres) and 20 000 feet (6 096 metres) and is expressed in Kelvin.
Table 1: Characteristic values for Soaring Index for soaring

Soaring Index	Soaring Conditions
Below -10 -10 to 5 5 to 20 Above 20	Poor Moderate Good Excellent^*

Table 2: Critical values for the Soaring Index

Soaring Index	Convective potential
15-20	Isolated showers, 20% risk for thunderstorms
20-25	Occasionally showers, 20-40% risk for thunderstorms
25-30	Frequent showers, 40-60% risk for thunderstorms.
30-35	60-80% risk for thunderstorms.
35 +	>80% risk for thunderstorms

NWP:

A previsão numérica do tempo usa o estado instantâneo da atmosfera como dados de entrada para modelos matemáticos da atmosfera, com vista à previsão do estado do tempo.
Apesar dos primeiros esforços para conseguir prever o tempo tivessem sido dados na década de 1920, foi apenas com o advento da era dos computadores que foi possível realizá-lo em tempo real. A manipulação de grandes conjuntos de dados e a realização de cálculos complexos para o conseguir com uma resolução suficientemente elevada para produzir resultados úteis requer o uso dos supercomputadores mais potentes do mundo. Um conjunto de modelos de previsão, quer à escala global quer à escala regional, são executados para criar previsões do tempo nacionais. O uso de previsões com modelos semelhantes ("model ensembles") ajuda a definir a incerteza da previsão e estender a previsão do tempo bastante mais no futuro, o que não seria possível conseguir de outro modo.

Contribuidores da Wikipédia, "Previsão numérica do tempo," Wikipédia, a enciclopédia livre, http://pt.wikipedia.org/w/index.php?title=Previs%C3%A3o_num%C3%A9rica_do_tempo&oldid=17351675 (accessed fevereiro 9, 2010).