为什么有时天气预报不准确？ “不准”存在很多个视角：是什么报得不准，往后报多长时间不准，准的标准是什么？什么报得不准？天气变化的尺度不同，其预报水平也不同。尺度又分时间尺度和空间尺度。时间尺度方面，对于季节平均、年平均、年代平均的区域或全球气候要素，目前我们的数值模式是有一定的预报能力的，但是对于特别快的天气变化，比如一朵小云飘过来下了几滴雨，是较难精确预报的，受制于气象观测台站的密度和模式的精度。空间尺度方面，对于较大尺度平均的气象要素，比如区域尺度、大陆尺度、海盆尺度、全球尺度，预报水平较好，而非常局地的，比如天安门广场下不下雨，相对来说就较难精确预报。2.往后报多长时间不准？摸着良心说，目前对于一周以内的预报，预报水平已经达到不错的水平。当然如果硬要说“我们公司今天测出来的值跟你天气预报差几度，你报得不好”，我也无话可说。短期气候预测也有非常大的进展，许多研究成果的应用（陶诗言等 2003；伍荣生等 2007；李维京等2013；吴统文等 2013）提高了短期气候预测的水平。目前，最最令人头疼、也是搭建无缝隙、一体化气候预测系统的关键与挑战的是，次季节尺度预测（10～60天）。世界气象组织以及国内外气象业务部门和研究机构一致认为，更好。
有些时候的天气预报不太准确，是什么原因？
数值天气预报的存在问题 数值天气预报还有许多问题尚待解决：次网格尺度的物理过程的引入 由于大气是一种具有连续运动尺度谱的连续介质，故不管模式的分辨率如何高，总有一些接近于或小于网格距尺度的运动(见数值天气预报常用计算方法)，无法在模式中确切地反映出来，这种运动过程称为次网格过程。湍流、对流、凝结和辐射过程都包含有次网格过程。在数值预报中已采用参数化的方法来考虑这些过程，即用大尺度变量来描述次网格过程对大尺度运动的统计效应。尽管用这种方法已取得了相当好的效果，但仍有许多未解决的问题。如参数化不能考虑大尺度对小尺度的影响及其反馈作用，参数的数值缺乏客观的确定方法，模式对参数化的差异过于敏感等。非线性方程的数值解 虽然在适当条件下，可以证明某些线性微分方程组的稳定格式的数值解，能够近似表示相应的微分方程组的真解，但对于非线性微分方程来说，两种解却可能不完全一致。已有证据表明，虽然有时候数值解是计算稳定的，但却与真解（这是特殊情况，真解是已知的）毫无相似之处。初值形成问题 它包括初值处理、卫星资料的应用和四维同化（见数值天气预报资料的处理和分析）等问题，这些问题至今尚未很好解决。上述问题，都是设计模式时会直接碰到。
天气预报模式的例子有哪些？ 不止有一组模型来进行天气预报，在世界范围内还有很多气象学家使 用计算机模型。例如，美国国家天气服务局（United States National Weather Service)的天气预报是在国家。
