Развитие технологий прогнозирования

на месяц и сезон

Мирвис В.М. (ГГО), Киктев (ГМЦ), Мелешко В.П. (ГГО), Львова Т.Ю.,

Матюгин В.А. (ГГО), Круглова Е.Н., Куликова И.А., Тищенко В.А. (ГМЦ)

VII Всероссийский метеорологический съезд«Обеспечение гидрометеорологической безопасности России в

условиях меняющегося климата»

7-9 июля 2014, Санкт-Петербург

Методы прогнозовЭмпирические (статистические): аналогия, регрессионные связи между физическими факторами, пространственно-временные связи (дальние связи, цикличность)недостатки: не в состоянии учесть огромное число действующих факторов в условиях ограниченной выборки и все зависимости оказываются неустойчивыми,непригодны для нестационарных условий меняющегося климата

Гидродинамические физически полные модели атмосферы и океана недостатки: содержат ошибки (учитывают не все факторы, имеют ограниченное разрешение, схемы параметризации несовершенны) Гидродинамико-статистические используют ансамбль гидродинамических прогнозов различных моделей и статистические методы калибровки и оптимизации

Глобальные прогностические центры долгосрочных прогнозов

Основные элементы технологии ДМП

МОЦА + прогноз ТПО, льда

Задание начальных условий (инициализация)

МОЦАО

Формирование и расчет АНСАМБЛЯ гидро-динамических прогнозов

Статистическая интерпретация и КАЛИБРОВКА

прогнозов по данным исторических рядов

5.

2.

3.

4.

1.

Оценка качества прогнозов

Основные элементы технологии долгосрочных метеорологических прогнозов (ДМП)

ФГБУ «ГГО»

ПЛАВ (1.125° lat × 1.4°lon, L28)

T 63 (1.9 ° × 1.9 °, L25)

АНСАМБЛЬ: выращивание возмущений, лаговый сдвиг

20 членов 10 членов

МОЦА:

ТПО: постоянная начальная аномалия ; ЛЕД: начальная аномалия с релаксацией к климату

Начальные данные : атмосфера - ОА ГМЦ океан - анализ NESDIS за предшеств неделю

ФГБУ «Гидрометцентр России»

Дискретность расчетов: ежемесячно на 4 мес., еженедельно на 45 суток

ОКЕАН:

Прогнозируемые

переменные:

Н-500, T-850, SLP, T2м, PRECсредние аномалии и вероятности 3-х градаций

Ретроспективные расчеты по Реанализу-2 ~20 - 30 лет

внетропич.зона сев.полуш.

1 мес. 2 мес. 3 мес. Сезон-50

-40

-30

-20

-10

0

10

20

30

40

50

MS

SS

, %

1 мес. 2 мес. 3 мес . Сезон-10

0

10

20

30

40

50

60

AC

*100

, T2m

Результат комплексации сезонных прогнозовТ2м ГМЦ(ПЛАВ) и ГГО(T42L14)

ГМЦ (ПЛАВ)

ГГО (T42L14)

Ансамбль

Северо-Евразийский климатический центр

http://seakc.meteoinfo.ru/

Сезонные метеорологические прогнозы

Мониторинг качества сезонных прогнозов СЕАКЦ

1 2 3 4 1 - 3 2 - 40.0

0.1

0.2

0.3

0.4

AC

Оценки сезонных прогнозов аномалий T2м для Северо-Евразийского региона (264 прогноза, 1982-2004)

1 2 3 4 1 - 3 2 - 4 Ì å ñ ÿ ö û

0

1

2

3

RM

SE

, gra

d.

Факторы предсказуемости в долгосрочном прогнозировании

Кратко- (½-3 сут.) и среднесрочные

(до 10 сут.)

Сезонный(90-120 сут.)

Субсезонные

(15-60 сут.)

Начальноесостояниеатмосферы

Граничныеусловия (SST,

морской лед, снежн. покров, влажн.

почвы и др.)

Увеличеннойзаблаговременности

(10-30 сут.)

Аномалии температуры поверхности океана (Эль-Ниньо, Атлантика, Арктика)Концентрация и толщина морского льда (Арктика)Снежный покровВзаимодействие со стратосферой(квазидвухлетний цикл) Вулканические изверженияСолнечная активность

MJO(ОМД), ЮК,

САК, AO,

EA, EU, WP,…

Совместные оперативные испытания технологий ДМП (ГМЦ, ГГО)

с еженедельной дискретностью выпуска

Прогнозируемые характеристики (20 полей):аномалии и вероятности 3-х градаций (T-850, H-500, SLP, T2m, Prec)

Детализация по времени (6 периодов ): Месяц_1 (2-31 сутки), 1,2,3,4 недели (2-8,9-15,16-22,23-29 сутки)Месяц_2(16-45 сутки)

Территория и пространственная детализация : Глобальные поля по всем характеристикам (2.5х2.5)Прогнозы T2m и Prec по сети 70станций

Эталонные данные : Сеточные поля реанализа 2(NCEP/NCAR), климат 1981-2010 гг. Станционные данные (суточная база МАКТ), климат 1961-1990 гг.

Критерии успешности:

RMSE, AC, MSSS, RO, Q,ROC

Регионы для оценок успешности:Сеточные поля - северные экстра-тропики, Россия, ТропикиПрогноз по станциям –Северо-Евразийский регион, ЕЧС, Сибирь, ДВ

4 0 5 0 6 0 7 0 8 0 9 0 4 0 5 0 6 0 7 0 8 0 9 0

Ï ÐÎ ÃÍ Î Ñ ÒÈ × ÅÑ ÊÈ Å ÂÅ ÐÎ ß ÒÍ Î Ñ ÒÈî òðèöàòåë üí î é àí î ì àëèè ï î ë î æèòåë üí î é àí î ì àë èè

áåëû é ô î í î çí à÷àåò, ÷òî âåðî ÿ òí î ñòè âñåõ òðåõ ãðàä àöèé ï ðèáë èçèòåë üí î ðàâí û (ï ð î ãí î ç áë èçî ê êë èì àòè÷åñêî ì ó)

ÔÀÊÒÈ × ÅÑÊÈ Å ÃÐÀÄÀÖÈ È ÀÍ Î Ì ÀËÈ È :

í èæå í î ðì û í î ðì à âû ø å í î ðì û

ì åñÿ ö 2

ì åñÿ ö 1

ПРИМЕР ЕЖЕНЕДЕЛЬНОГО ВЕРОЯТНОСТНОГО ПРОГНОЗА ТРЕХ ГРАДАЦИЙ ТЕМПЕРАТУРЫ ВОЗДУХА (норма, выше/ниже нормы)

НА СКОЛЬЗЯЩИЙ МЕСЯЦ В СРАВНЕНИИ С ФАКТИЧЕСКИМИ ДАННЫМИ

прогноз на 30 суток, детализированный по неделям

16.08 - 22.08

23.08 – 29.08

30.08 – 05.09

06.09 – 12.09

Дата прогноза: 15.08.2012 1 í åä åë ÿ 2 í å ä åë ÿ 3 í åä åë ÿ 4 í å ä å ë ÿ

16.08 - - 14.09

прогноз на месяц с

заблаговременностью две недели

30.08 – 28.09

(%)

Пример еженедельного вероятностного прогноза градаций Т2м (<N, N, >N) на скользящий месяц в сравнении с фактическими данными

AROC вероятностных прогнозов T2м >N

ГГО 1983-2002гг.

N=480

ECMWF

с 2004 г.

F. Vitart, 2014

2-8 день 9-15 день

16-22 день 23-29 день

AROC вероятностных прогнозов PREC >N

ГГО 1983-2002гг.

N=480

ECMWF

с 2004 г.

F. Vitart, 2014

2-8 день 9-15 день

16-22 день 23-29 день

AROC вероятностных прогнозов месячных аномалий T2м (2002- 2011гг. 522 прогноза)

2 - 31 сутки

16 – 45 сутки

T < N T > N

Диаграммы надежности и гистограммы повторяемости вероятностных прогнозов

(2002-2011 гг, 70 станций )

0.0 0.2 0.4 0.6 0.8 1.0Ãðóï ï û â åðî ÿòí î ñòåé

0

10

20

30

40

×àñ

òîòà

ïð

îãí

îçî

â (

%)

0.0 0.2 0.4 0.6 0.8 1.0

0

10

20

30

40

0.0

0.2

0.4

0.6

0.8

1.0

Íàá

ëþ

äàâ

øè

åñÿ

÷àñ

òîòû

0.0 0.2 0.4 0.6 0.8 1.0Ï ðî ãí î ñòè ÷åñêè å â åðî ÿòí î ñòè

0.0 0.2 0.4 0.6 0.8 1.0Ãðóï ï û â åðî ÿòí î ñòåé

0

10

20

30

40

×àñ

òîòà

ïð

îãí

îçî

â (

%)

0.0 0.2 0.4 0.6 0.8 1.0

0

10

20

30

40

0.0

0.2

0.4

0.6

0.8

1.0

Íàá

ëþ

äàâ

øè

åñÿ

÷àñ

òîòû

0.0 0.2 0.4 0.6 0.8 1.0Ï ðî ãí î ñòè ÷åñêè å â åðî ÿòí î ñòè

Ì åñÿö Ì åñÿö_2Т2м PREC

ROC вероятностных прогнозов T2м и по 70 станциям Северо-Евразийского региона (522 прогноза 2002-2011гг)

0.2 0.4 0.6 0.80.0 1.0

Ä î ë ÿ ë î æí û õ òðåâî ã (False a larm , f)

0.2

0.4

0.6

0.8

0.0

1.0

Äîë

ÿ òî

÷íû

õ ïî

ïàä

àíèé

(H

it ra

te,h

)

0.050.150.25

0.35

0.45

0.55

0.65

0.75

0.85

0.95

> N

Ì åñÿö

Ì åñÿö 20.2 0.4 0.6 0.80.0 1.0

Ä î ë ÿ ë î æí û õ òðåâî ã (False a larm , f)

0.2

0.4

0.6

0.8

0.0

1.0

Äîë

ÿ òî

÷íû

õ ïî

ïàä

àíèé

(H

it ra

te,h

)

0.05

0.15

0.25

0.35

0.45

0.55

0.65

0.750.850.95

< N

Ì åñÿö

Ì åñÿö 2

Пример оценки относительной экономической эффективности прогнозов T2м > N

(ст. Туруханск, 2002-2011гг. 522 прогноза)

Прогноз градации > N с вероятностью P > 0.4

ЯВЛЕНИЕ

ДА НЕТ

ДА

C C М

Е

Р

Ы

НЕТ

L 0

Матрица затрат/потерь (cost/loss)

ЯВЛЕНИЕ

П ДА НЕТ

ДА

a

b Р

О

Г

Н

О

З

НЕТ

c

d

cLbCaCEp

CoEperf ),min( LoCEcl

perfcl

pcl

EE

EEV

0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0Î ÒÍ Î Ø ÅÍ È Å ÇÀÒÐÀÒÛ / Ï Î ÒÅÐÈ

(COST/LOSS RATIO)

-0.25

0.00

0.25

0.50

0.75

1.00Î

ÒÍ

ÎÑ

ÈÒ

ÅË

ÜÍ

Àß

ÝÊ

ÎÍ

ÎÌ

È×

ÅÑ

ÊÀ

ß Ý

ÔÔ

ÅÊ

ÒÈ

ÂÍ

ÎÑ

ÒÜ

(E

CO

NO

MIC

VA

LU

E)

Ì åñÿö

Ì åñÿö 2

1. Перспективы улучшения прогнозов связаны с фундаментальными работами по совершенствованию моделей атмосферы ( повышению разрешения, уточнение схем параметризации) и развитию совместных моделей атмосферы и океана.

2. Важным является исследование механизмов формирования и воздействия «долгоиграющих» процессов (Эль-Ниньо, Арктическое и Северо-

Атлантическое колебания, ОМД/MJO, процессы в стратосфере и их взаимодействие с тропосферой, состояние ледяного покрова в Арктике, влажность почвы и др.).

3. Необходимо развитие глобальной системы наблюдений за состоянием атмосферы, океана и суши – расширение спектра усваиваемых переменных

повышение точности наблюдений и анализа их распределения.

4. В прикладном аспекте важно развивать взаимодействие с потенциальными потребителями для выработки стратегий рационального использования полезной прогностической информации. Наращивание вычислительных возможностей, подготовка кадров.

Заключение