気象モデルは大気をコンピューターでシミュレーションしたものです。

地球の大気は高さ約 60 マイルの空気の層であり、その中で流体である空気は、複雑な化学力学、熱力学、流体力学の結果として、ある場所から別の場所に移動します。理論上、これらの空気の流れは、十分なデータ、計算能力、およびさまざまな要素間の相互作用を正確に説明できる方程式があれば、物理法則と数学の法則を使用して計算できます。

これらは、あらゆる気象予測モデルに不可欠な 3 つの部分です。気象データ、計算能力、大気中のさまざまな気象条件の相互作用をシミュレートする数式です。

気象学者は、正確に何を予測したいかに応じて、天気予報にさまざまなモデルを使用します。特定の地域で実行されるローカル・モデルは、地球全体をカバーするグローバル・モデルとはまったく異なる情報を提供します。それぞれの気象モデルには、どのようなデータを含めるか、どのような数式で大気現象の最適なシミュレーションを行うか、どのような種類の予報が最も重要かといった優先度付けをどのように行うかといった選択が含まれます。

どのようなモデルでも、すべての気象現象を高い精度で予測することはできません。その代わりに、気象学者は何を予測したいかを選択し、そのような結果に対して高い精度を持つようにモデルを設計します。ある種の正確さを得るためには、他の種類の正確さが犠牲になる場合もあります。例えば、モデルは短期予測（3日先まで）、中期予測（3～15日先まで）、長期予測（10日～2年先まで）のいずれかの精度が高くなるように設計されており、それぞれのタイプで異なる選択が必要となります。短期予報を求める気象学者は、メソスケール・データは、精度が高い短期予測を生成するため、メソスケール・モデルを使うかもしれません。メソスケール・モデルは、大気圏上空1000kmの地点から収集した気象データを組み込んでいます。より信頼性の高い長期予測のためには、気象学者は、高高度大気からの気象観測を除外した非メソスケールモデルを選ぶ可能性があります。

気象学者は常に既存の気象モデルの改良に取り組んでおり、気象研究や予測のために新しいコンピューター・モデルを作ることもあります。モデルの数式は大気のシミュレーションであるため、気象学者はどのアルゴリズムが最も正確な天気の予測になるかをテストし、調整します。これらの公式にはオープンソースのものもあれば、プロプライエタリなものもあります。

最もよく知られている2つのグローバル・モデルは、アメリカ国立気象局の全球予報システム（GFS）モデルと、ヨーロッパ中距離気象予報センター（ECMWF）モデルです。

GFS は 1 日に 4 回更新し、16 日間の予測を行います。ECMWF は 1 日に 2 回のみ更新し、10 日間の予測を生成しますが、GFS よりも解像度が高く、これまでより正確な予測を生成してきました。

もう 1 つのよく知られた予測モデルは、北米メソスケール・モデル (NAM) です。これは、北米全土をカバーし、61 時間後の予測を生成する短距離地域モデルです。NAMは、オープンソースの予測モデルであるWRF（Weather Research and Forecasting）モデルをベースに構築されており、米国海洋大気庁（NOAA）が運営する2つの広く使用されているモデル、ラピッド・リフレッシュ（RRまたはRAP）モデルと高解像度ラピッド・リフレッシュ（HRRR）モデルの動力源にもなっています。

他にも気象モデルとしては、カナダ気象センター (CMC) モデル、英国気象庁モデル、ドイツ気象局 (DWD) モデル、オーストラリア気象局 (BoM) モデルなどがあります。それぞれの異なるモデルは、さまざまなものに焦点を当て、さまざまなデータを組み込んで、さまざまな数式を使用して計算して、必要な最高の精度を生み出す正確な予測を行うように設計されています。それぞれに独自の長所と独自の制限があります。