ТЕХНОЛОГИИ ВЫПУСКА ДИНАМИКО-СТАТИСТИЧЕСКИХ ДОЛГОСРОЧНЫХ МЕТЕОРОЛОГИЧЕСКИХ ПРОГНОЗОВ 10.10.2008
ТЕХНОЛОГИИ ВЫПУСКА ДИНАМИКО-СТАТИСТИЧЕСКИХ ДОЛГОСРОЧНЫХ МЕТЕОРОЛОГИЧЕСКИХ ПРОГНОЗОВ 10.10.2008
Классификация метеорологических прогнозов по заблаговременности
Описание усредненных метеорологических параметров, выраженных в виде отклонения от климатических величин Сезонный ориентировочный прогноз 6.3 Описание усредненных метеорологических параметров, выраженных в виде отклонения от климатических величин Трехмесячный или 90-суточный ориентировочный прогноз 6.2 Описание усредненных метеорологических параметров, выраженных в виде отклонений (аномалий) от климатических величин для этого месяца. Месячный ориентировочный прогноз 6.1 от 30 суток до двух лет Долгосрочный прогноз 6 10 - 30 суток (обычно усредненный и выраженный в виде отклонений от климатических величин для этого периода) Прогноз погоды увеличенной заблаговременности 5 72 - 240 час. Среднесрочный прогноз погоды 4 12 - 72 час. Краткосрочный прогноз погоды 3 до 12 часов Сверхкраткосрочный прогноз погоды 2 0-2 часа Прогноз текущей погоды 1 Описание ожидаемого в будущем включения влияния естественных и антропогенных факторов Прогноз климата 7.2 Описание ожидаемых параметров климата, связанных с изменением межгодовых, десятилетних климатических аномалий и аномалий нескольких десятков лет Прогноз изменчивости климата 7.1 На срок свыше двух лет Прогноз климата 7
Средняя по всем случаям успешность прогноза Ошибка климатического прогноза Коэффициент корреляции Среднеквадратическая ошибка
Оценки успешности прогнозов погоды
в зависимости от их заблаговременности
(H500, Северное полушарие)
Корреляции прогностических и фактических аномалий T2m на 1-4-ю недели зимой и летом (модель ГГО T42L14, период 1979-1998 гг.)
Предсказуемость за пределами детерминированной предсказуемости Увеличение заблаговременности прогноза требует перехода к его вероятностной формулировке и перехода к прогнозу осредненных величин
Объект прогноза
Вместо термина «долгосрочный прогноз погоды» более подходящим является термин «долгосрочный метеорологический прогноз» (ДМП), т.к. объектом прогнозирования на долгие сроки являются не мгновенные значения метеорологических элементов, ассоциируемые со словом «погода», и не индивидуальные структуры в атмосферных течениях, а обобщенные статистические характеристики состояния атмосферы,
Предположения, лежащие в основе ДМП
В долгосрочных процессах атмосфера выступает как часть единой системы атмосфера – деятельный слой подстилающей поверхности. Надежды на ДМП связаны, главным образом, с влиянием внешних воздействия на атмосферу, которые изменяются медленнее чем текущая погода, но которые могут оказывать заметное влияние на статистические характеристики атмосферной циркуляции.
Из-за хаотичности динамики атмосферы не существует детерминированной реакции атмосферы на заданные аномалии полей на подстилающей поверхности. В связи с этим в основе ДМП лежит оценка распределения вероятностей состояний атмосферы в период прогноза. Качество ДМП зависит от относительной роли изменчивости, определяемой внешними вынуждающими воздействиями на атмосферу, в сравнении с ее собственной, «внутренней» изменчивостью, обусловленной динамической неустойчивостью атмосферных течений.
Специфика ДМП по сравнению с прогнозами на более короткие сроки - в степени учета неадиабатических процессов и неопределенности в оценках будущего состояния атмосферы.
Уравнения
движения Уравнения термодинамики Гидродинамическая модель атмосферы Уравнения водяного пара Диффузия Радиационный
перенос Конденсация,
облачность Осадки Трение Турбулентный
перенос тепла Испарение Шероховатость
суши и океана Температура
почвы Снег, лед Влажность
почвы Таяние Сток АТМОСФЕ
Р
А ПОЧВА ОСНОВНОЙ ИНСТРУМЕНТ
Общая схема технологии ДМП
Модельные переменные не являются в полной степени представительными аналогами наблюдаемых переменных. Эти переменные относятся к разным фазовым пространствам и, вообще говоря, обладают разными статистическими свойствами.
Пусть A и M – вектора состояний в фазовых пространствах реальной и воспроизведенной моделью атмосфер. Решение задачи оценки будущего условного распределения вероятности P(At|A0) состояния атмосферы в момент t по данным наблюдений о начальном состоянии можно представить в виде трех шагов:
1) Оценка P(M0|A0);
2) Оценка P(Mt|M0);
3) Оценка P(At|Mt).
Поиск наилучшей оценки распределения P(M0|A0) – задача усвоения данных наблюдений. В соответствии с формулой Байеса, являющейся следствием теоремы умножения вероятностей P(AM)=P(M|A)P(A)= P(A|M)P(M), имеем:
(1)
Оценка Mt по начальному состоянию M0 - задача Коши. Она решается интегрированием по времени системы уравнений МОЦА/МОЦАО. Оценка P(Mt|M0) предполагает расчет ансамбля прогностических реализаций.
3. Решение задачи (1) имеет много общего с решением двойственной задачи поиска наилучшей оценки распределения вероятности будущих фактических исходов по ансамблю модельных прогностических исходов:
(2)
Для получения оценки (2) необходимо проецирование модельных состояний в пространство наблюдений и вероятностная модель, которая по прогностическим данным позволит оценить вероятности будущих фактических исходов. Построение такой модели предполагает наличие статистически представительных серий ретроспективных прогнозов. При решении задачи (2) могут быть использованы элементы методологии усвоения данных наблюдений. В (Stephenson and CoAuthors, 2005) эта процедура по аналогии названа «усвоением прогнозов».
Набор модельных прогностических исходов - вспомогательная информация для оценки распределения P(At|Mt), заменяющего априорное климатическое распределение P(At).
Инициализация прогностических моделей
Развитие глобальной системы наблюдений за состоянием атмосферы, океана и суши - одно из важнейших условий совершенствования технологий ДМП.
Более низкая в сравнении с атмосферой степень информационной освещенности океана данными наблюдений создает определенные трудности при инициализациии океанских моделей и обеспечении однородности рядов ретроспективных прогнозов.
Для повышения успешности ДМП также может быть существенным уточнение ряда дополнительных «внешних» параметров (концентрация парниковых газов, концентрация аэрозолей, прозрачность океана и т.д.)
Средний по ансамблю прогноз имеет более высокое качество чем отдельные детерминированные прогнозы;
Возможность вероятностной формулировки прогноза и прогноз качества прогноза 0 время
F Расчет прогностических ансамблей:
Статистическая интерпретация результатов гидродинамических прогнозов
Статистические характеристики воспроизводимой прогностическими моделями циркуляции атмосферы, вообще говоря, отличаются от соответствующих статистик реальной атмосферы, т.е. существуют систематические отличия модельного и наблюдаемого климатов. В связи с этим важную роль в ДМП играют многолетние архивы ретроспективных прогнозов. Они необходимы для проверки моделей на историческом материале и для калибровки ДМП, т.е. для коррекции их систематических ошибок.
Статистическая интерпретация гидродинамических прогнозов способна привнести в выходную продукцию ДМП «добавленную стоимость» лишь в случаях, когда базовый гидродинамический ДМП достаточно успешен. Прогнозы, не несущие в себе полезной информации, улучшить таким образом пытаться бесполезно.
Формулировка вероятностного прогноза несет в себе априорную оценку его качества.
Современный уровень успешности ДМП
Развитие моделей атмосферной циркуляции невозможно без их разносторонней проверки (валидации). Проверка на основе текущих оперативных данных требует значительного времени для накопления представительного статистического материала, позволяющего делать заключения об особенностях поведения и адекватности моделей. Появление общедоступных многолетних архивов данных реанализа дало возможность проводить систематическую проверку различных моделей на едином историческом материале.
Эксперименты по расчету многолетних серий ретроспективных сезонных прогнозов по протоколу SMIP-2 (Seasonal Prediction Model Intercomparison Project)
Оценки успешности прогнозов различных ЦПГП, включая Гидрометцентр России, можно найти на специализированном сайте ВМО по верификации долгосрочных прогнозов
Базовые требования к технологиям глобальных гидродинамико-статистических прогнозов:
Прогноз должен базироваться на объективных методах. Эти методы должны быть ясно изложены, проверены и воспроизводимы;
Выходная продукция системы должна быть представлена в количественной форме и объективно оцениваться;
Прогнозы должны сопровождаться оценками качества, полученными на основе результатов экспериментов по данным многолетнего архива исторических данных;
Изменения должны вноситься в систему после объективного подтверждения улучшения прогностических процедур.
Международная инфраструктура для выпуска сезонных прогнозов
Требования к центрам-производителям глобальных ДМП
Фиксированный производственный цикл по выпуску глобальных долгосрочных прогнозов;
Обязательный выпуск минимального базового перечня продукции в соответствии с требованиями ВМО;
Распостранение долгосрочной прогностической продукции в виде числовых сеточных полей, пространственно осредненных значений и индексов и/или изображений через Интернет и/или глобальную сеть телесвязи ВМО.
Верификация ДМП в соответствии с требованиями Стандартизованной системы оценок долгосрочных прогнозов ВМО;
Сопровождение прогнозов актуальной информацией о методологии их выпуска - моделях, процедурах подготовки прогностических данных, а также информацией о предстоящих изменениях в прогностической технологии.
Состав базового набора продукции глобальных ДМП
A. Калиброванная выходная продукция систем ансамблевого прогнозирования, показывающая среднее и разброс распределения для:
Температуры на уровне 2 метра;
Температуры поверхности океана;
Осадков;
Н500, давления на уровне моря, T850.
Прогностические поля представляются в виде отклонений от модельного климата, оцениваемого по данным ретроспективных прогнозов за период не менее, по крайней мере, 15 лет. Для атмосферных моделей также должны быть предоставлены поля ТПО, используемые в качестве граничных условий.
B. Калиброванные вероятности осуществления прогностических категорий для:
- Температуры на уровне 2 метра;
- Температуры поверхности океана (для МОЦАО);
- Осадков.
National Climate Center/CMA
China Institute of
Atmospheric Physics
China Central Weather Bureau
Chinese Taipei Japan Meteorological Agency Korea Meteorological Administration Meteorological Research Institute
Korea Main Geophysical Observatory
Russia Hydrometeorological Centre
of Russia Center for
Ocean-Land-Atmosphere
Studies
USA International Research Institute
for Climate Prediction
USA National Centers
for Environmental Prediction
USA National Aeronautics and Space Administration
USA Meteorological Service of Canada Multi-Institutional Cooperation
Comments