NSO8055 Okeanograafiline prognoos Jüri Elken elken@phys.sea.ee

NSO8055 Okeanograafiline prognoosJüri Elken elken@phys.sea.ee

Operatiivne okeanograafia (MetOcean)

Atmosfääri prognoositavus

lineaarne ja mittelineaarne režiimalgtingimuste vigade mõjuECMWF mudelistansambli prognoosidprognooside osavus

HIRLAM

ajalooliselt oli ilmateenistuste osa 60-80ndatel kiire areng mereväe kõrgendatud nõudmiste tõttu kaasajal iseseisev tsviiltegevuse valdkond, üldiselt jälgib operatiivse

meteoroloogia arenguidGOOS (Global Ocean Observing System) 1991 (ÜRO: IOC, WMO,

UNEP)EuroGOOS (European Global Ocean Observing System) 1994 (konsortsium)BOOS (Baltic Operational Oceanographic System) 2001 (konsortsium)

Operatiivne okeanograafia: rutiinselt koguda informatsiooni (automaatjaamad, satelliidid jne) analüüsida ja interpreteerida andmeid (mudelid, andmete assimileerimine jne) koostada ja õigeaegselt edastada prognoosemerede ja ookeanide ning nende kohal oleva atmosfääri kohta

Praktilised ülesanded: hoiatused (rannikumere üleujutused, jää- ja tormikahjud, kahjulike

vetikate vohamine, saasteainete levik jne) merenähtuste elektronkaardid laevateekondade planeerimine mereelustik, kliima

Atmosfääri mõjud merele

tuul õhurõhu gradient

õhutem-peratuur

õhu-niiskus

pilvisus sademed

süvavesi

lainetus Xmeretase X x x x

pinnahoovused X x Xpinnatemperatuur X X x X x Xjää X X x X X x

vetikad X X x X x X

Valemid vt Füüsikaline okeanograafia ja limnoloogia 05 ja 06

X – määrava tähtsusega

The predictability of weather and climate forecasts is determined by the projection of uncertainties in both initial conditionsand model formulation onto flow-dependent instabilities of the chaotic climate attractor.

vead algtingimustes ja mudeli formuleeringus toovad kaasa voolamiste ebastabiilsuse

Maa kliima on kaootilise süsteemi prototüüp.

Lorenzi attraktori (1963) aluseks oli atmosfääri lihtsustatud konvektsioon.

Sünoptilised tsüklonid tekivad suuremastaabilise tsirkulatsiooni ebastabiilsusest.

Kliimat iseloomustavad erinevad “tasakaalulised olekud”, mille vahel on bifurkatsiooni tõttu kiired üleminekud, st toimub režiiminihe (regime shift).

Mittelineaarses režiimis võib väike algtingimuste muutus viia tulevikus suurtele muutustele

Ansambli prognoosi korral arvutatakse süsteemi evolutsiooni erinevate lähedaste algtingimuste korral, võimalikke olekuid näitab ajas ja ruumis muutuv tõenäosus-tiheduste funktsioon /pdf/

Prognoosivigade tõenäosustiheduse evolutsioon: lihtne näide

olekuvõrrand

algtingimuste vigade tõenäosustihedus

tõenäosus, et “õige” algolek on “ruumis” V

tõenäosusetiheduse evolutsioon

lin

eaar

ne

mit

teli

nea

arn

e

mit

teli

nea

arn

e prognoositavus kaob

Sünoptilises mastaabis (1000 km) kestab lineaarne faas 1-2 päeva

Lähedased algolekud võivad prognoosimisel anda väga erineva tulemuse

Prognoos 1 Prognoos 2

Prognoos 3 Tegelik

Lorenz’i (1963) attraktori evolutsioon kolme erineva algtingimuste parve korral. Prognoositavus sõltub algtingimuste valikust.

3-dimensionaalne Lorentzi attraktor simuleerib üldistatud koordinaatides atmosfääri konvektsiooni (vt ka Wikipedia)https://en.wikipedia.org/wiki/Lorenz_system

Algselt lähestikku paiknevad punktid on ka hiljem lähestikku

Algselt lähestikku paiknevate punktide kaugus kasvab

Ansambli prognoos:varieeritakse pisut algtingimusi.

Erinevates oludes võib ansambli prognooside kokkulangevus tugevalt varieeruda

Prognoos kuni 2 päeva on suhteliselt hea, pikema perioodi prognoosi täpsus sõltub ilmasüsteemi olekust

Euroopa keskpika ilmaennustuse keskuse mudel

ECMWF = European Centre for Medium-Range Weather Forecast

One source for errors: different parameterizations of horizontal diffusion, convection, radiation, gravity wave drag

Atmosfääri tsirkulatsiooni erinevus mudel-vaatlused

Systematic Errors in the ECMWF Forecasting System

Sünoptilise aktiivsuse erinevus mudel-vaatlused:süstemaatilised vead

näha on peamiste tormide teekonnad

Systematic Errors in the ECMWF Forecasting System

sünoptiline aktiivsus = stdev päevast päeva muutustest

Systematic Errors in the ECMWF Forecasting System

Sünoptilise aktiivsuse erinevus 5 ja 10 päevase prognoosi vahel vigade kasvukiirus

erinevad kümnendid

1990ndatest alates on vigade kasvukiirus kahanenud

(vead kasvavad kuni maksimaalseni, ca 2 kuu jooksul)

ECMWF ansambli prognoosi süsteem EPS

algtingimustele lisatakse häiritused, igale “ansambli” liikmele erinevad

Kõige ebastabiilsemad singulaarvektorid

algtingimuste häiritused genereeritakse singulaarvektorite meetodil

(detailsemalt vt algmaterjal)

Eady indeks: häirituste kasvukiirus

häiritused kasvavad barokliinse ebastabiilsuse tõttu

on seotud tsüklonite tekkega

Tundlikes piirkondades tehtavad mõõtmised vähendavad prognoosi-vigasid

Prognoosi osavus (forecast skill) / kiirülevaade

Lihtne statistika prognoos-vaatlused naguruutkeskmine erinevuskorrelatsioonstandardhälvete suhekeskmiste erinevus (bias)

ei tarvitse praktikas olla piisav

Meteoroloogias kasutatakse sageli ansambli prognoosi osavuse mõõdikuid:

Brier’i mõõdikansambli prognoosi liikmetest, prognoositud sündmuse

toimumine võrreldes tegelikult toimunud sündmusega?? Sündmuse defineerimine

Suhteline operatsioonimõõdik (ROC)õigete ja valede alarmide osakaal

Prognoosi osavus (forecast skill) (1) / kiirülevaadeMõõdik, mis näitab tegeliku sündmuse prognoosimist või mitteprognoosimist

sündmus, näiteks: 3 päeva jooksul on õhutemperatuur alla 0o

Perfektne = 0; absurdne = 1

osavus koosneb:

ρ(p) – sündmuse E prognoosimise sagedus tõenäosusega po(p) – osakaal, kui E tõesti juhtus

töökindlus

sündmuse lahutusvõime(kui palju toimunud sündmused erinevadkeskmisest sündmuste sagedusest o)

sündmuse määramatus(arvestab sündmuse jälgitud varieeruvust)

Prognoosi osavus (forecast skill) (1a) / kiirülevaade

Kasutaja poolt etteantud lävendi ületamine

valed alarmid

õiged alarmid

Prognoosi osavus (forecast skill) (2) / kiirülevaade

valed alarmid

õiged alarmid

Õigete ja valede alarmide määramine ansambliprognoosist

Prognoosi osavus (forecast skill) (2a) / kiirülevaade

Perfektne = 1; absurdne = 0.5

Prognoosi osavus (forecast skill) (2b) / kiirülevaade

Slide by Markku Kangas

Läänemere regiooni ilmaennustusmudelid

www.fmi.fi

www.smhi.se

The DMI Weather forecasting systemThe operational system consists of 4 models that are identical except for horizontal resolution and integration domain. All versions have 40 layers in the vertical.

The forecasting system is run on a Cray-XT5 supercomputer (3200 processors) with connections to other DMI computers.

www.dmi.dk

T15 M09 K05 S03

Number of vertical levels

40 40 40 40

Horizontal resolution

0,15° (16 km)

0,09° (10 km)

0,05° (5 km)

0,03° (3 km)

Time step 450 s 400 s 150 s 90 s

Boundary values ECMWF ECMWF M09 M09

Forecast length 60 hours 60 hours 48 hours 54 hours

Aastal 2003 käivitus Eestis Tartu Ülikooli Keskkonnafüüsika Instituudi (TÜ FKKF), Eesti Meteoroloogia ja Hüdroloogia Instituudi (EMHI) ja Soome Meteoroloogia Instituudi (FMI) vaheline koostööprojekt. Projekti eesmärgiks on kõrglahutusliku eksperimentaalse kvaasioperatsioonilise numbrilise ilmaennustuskeskkonna käivitamine Eestis. Projekti vundamendiks on piiratud ala numbriline ilmaennustusmudel HIRLAM ja selle TÜ FKKF juures arendatav mittehüdrostaatiline laiendus.

Suur mudel (ETA) on hüdrostaatiline mudel, mille võrgusammu pikkus on 11x11 km.

Väike mudel (ETB) on mittehüdrostaatiline mudel, mille võrgusammu pikkus on 3,3x3,3 km.

www.emhi.ee