Modelloppløsning

Modelloppløsning er graden av detalj i en modell og beskriver hvor fint systemet delas opp i plass, tid og prosesser. Den rumlige oppløsningen angir størrelsen på celler, noder eller elementer i et diskret representasjonsrom, for eksempel et gitter i klimamodeller eller et nett i struktur- eller flytsimulering. Jo mindre celle- eller elementstørrelsen er, desto høyere oppløsning og potensiell nøyaktighet, men også større beregningskostnader og behov for data.

Tidsoppløsning refererer til minste tidsskritt som modellen bruker for å oppdatere tilstanden mellom hvert steg. En høy tidsoppløsning fanger raske prosesser bedre, men øker beregningstiden. I tillegg påvirker parameteroppløsning, altså hvor detaljert de indre prosessene og subgrid-ulikheter representeres, modellens adferd. Subgrid-parameterisering brukes for å beskrive effekt av prosesser som ikke er direkte løst på den valgte oppløsningen, for eksempel turbulens eller skydannelse i værmodeller.

Valg av oppløsning avhenger av modellens formål, tilgjengelige data og tilgjengelig regnekraft. Høy oppløsning gir ofte bedre samsvar med observasjoner ved at den fanger småskala-prosesser, men kan gjøre studier uoverkommelig store. Fremskritt i beregning og teknikk som nestede modeller, dynamisk eller adaptiv oppløsning og nedskalerings- eller oppskaleringsteknikker bidrar til å balansere nøyaktighet og kostnad.

Eksempler på felt der modelloppløsning er viktig: klimamodellering, værvarsling, CFD-analyse og agentbaserte simuleringer, der valget mellom høy og lav oppløsning påvirker resultater og beslutningsgrunnlag.