Ансамблевый принцип в прогнозировании погоды

Ограниченная предсказуемость атмосферных процессов и вытекающая из нее необходимость их вероятностного описания были впервые выявлены в 1960-е гг. в работах Э. Лоренца. Единственным реально осуществимым способом получения таких прогнозов оказалось вычисление некоторого множества численных прогнозов – прогностического ансамбля.

Атмосфера нашей планеты является одним из самых известных примеров хаотической системы. Её хаотичность заключается в том, что малейшее изменение её начальных условий вызовет огромные изменения в будущем. Об этом мы рассказывали в прошлой публикации. Подобный феномен ещё называют "эффектом бабочки": может ли взмах крыльев бабочки вызвать торнадо в Техасе? Вопрос поставлен несколько абсурдно, но хаотический характер атмосферы в нём подчёркнут хорошо.

Фактические данные об атмосфере:

• Неполны, особенно в малонаселённых или неблагополучных регионах.
• Неточны: погрешность присутствует у всех измерительных приборов.
• Сглажены, особенно спутниковая информация.

Интересный факт: при численном моделировании атмосферы изменения в начальных данных на уровне тысячных долей градуса Цельсия (намного меньше погрешности обычного термометра на метеостанции!) вызовут изменения планетарного масштаба в прогнозе на несколько недель вперёд! Вот почему численный прогноз погоды невозможен на срок дальше двух недель, да и прогноз на две недели вперёд весьма неопределённый, больше напоминает примерное описание циркуляции атмосферы.

Обычному потребителю нужна не сложная и замысловатая схема циркуляции, а прогноз погоды по конкретной точке (населённому пункту). Понятно, что у прогноза в таком формате точность ещё хуже, и она заметно снижается с ростом заблаговременности:

• На 1 сутки вперёд - весьма точный прогноз для обычного потребителя;
• На 2-3 сутки - достаточно надёжный прогноз, но при резких изменениях погоды возможны большие погрешности;
• На срок 4-5 суток - характер погоды ясен лишь в общих чертах;
• На 6 - 7 сутки можно говорить только о тенденциях изменения погоды;
• Дальше 7 суток - за исключением устойчивой циркуляции (например, в случае блокирующих антициклонов) прогноз лучше не смотреть.

Что же делать с таким положением вещей, когда точность прогнозов и так далека от желаемой и притом зависит от самой погодной обстановки?

Выход нашёлся в следующей идее: раз все так зависит от начальных условий, которые известны не в полной мере и с некоторой погрешностью, то почему бы не вносить эту погрешность искусственно в модель? Запускать её не один раз, а много: один раз немного изменить температуру, в другой раз — влажность, в третий — температуру и влажность, и так далее. Полученный набор прогнозов называется ансамблем, отдельные прогнозы — членами ансамбля. Среди всех прогнозов ансамбля есть один невозмущённый (контрольный или детерминированный), в который не вносятся никаких искусственные погрешности на начальном уровне. Иногда в качестве членов ансамбля также берутся прогнозы нескольких различных численных моделей (мультимодельный подход).

Схематически ансамблевый метод можно рассмотреть на рисунке ниже. Здесь крестиком в кружочке помечены начальное состояние и результаты контрольного прогноза. Закрашенные кружки – фактическая погода в со ответствующие моменты времени. Белыми кружками отмечены возмущенные прогнозы (члены ансамбля). Серые диаграммы слева, и справа показывают распределение вероятностей для начального и конечного состояний. Черные линии обозначают положение фактических данных (жирная линия) и контрольного прогноза (тонкая линия).

Как видим, разброс в ансамбле растет со временем, при этом среднее по полученным прогнозам при достаточно большом количестве членов ансамбля и хорошо подобранном возмущении может оказаться точнее, чем результат детерминированного прогноза. На этом и основан полезный эффект от использования прогностических ансамблей. Кроме того, наличие нескольких прогнозов с определенным разбросом на один и тот же срок дает возможность оценить вероятность тех или иных явлений погоды (к примеру, определенных значений осадков или температуры на заданном уровне), т.е. получить вероятностный прогноз.

Среди глобальных ансамблей наиболее известны ансамбли американской модели GFS и европейской ECMWF, несколько менее известен ансамбль канадской модели CMC. Принцип использования их на практике, ясное дело, один и тот же. Рассмотрим его на примере GFS.

Ансамбль GFS называется GEFS — Global Ensemble Forecasting System. Данные его будем брать здесь. Введём координаты интересующего нас пункта или укажем его на карте и получим вот такую диаграмму (пример для Харькова):

Здесь показан прогноз трёх величин: температуры на уровне 850 гПа (Т850, высота примерно 1500 метров), температуры на 500 гПа (высота около 5500 метров) и сумм осадков с шагом 6 ч. Каждая тонкая линия — это отдельный член ансамбля (всего их 20 у GEFS). Жирная красная линия — среднее арифметическое прогнозируемой величины по ансамблю. Ещё две линии — специальные прогоны: контрольный (синяя линия) и основной (чёрная линия).

На представленной диаграмме мы видим, что вплоть до 3-ых суток прогноза разброс между членами ансамбля по Т850 и Т500 не больше 3 °С. Это очень хороший результат. При резких изменениях погоды уже на следующие сутки разброс может быть 3 - 5 °С, а иногда даже больше. Кроме того, в летний период кривые ансамбля обычно укладываются более плотно друг к другу ввиду более стабильной атмосферной циркуляции над Украиной.

На 4 - 8 сутки разброс по температуре достигает уже 8 – 10 °С. Это существенно. Ещё дальше, с 10-х суток, разброс возрастает до 13 - 15 °С, тенденции по температуре и осадкам сглаживаются. Вот как раз с этого срока на прогноз нельзя надеяться совсем.

Ансамблевые графики своим видом напоминают спагетти, и по чьему-то меткому выражению их так и называют — «спагетти-диаграммы» (от англ. spaghetti chart).

Никакой метеопрогноз не бывает полным без карт. Спагетти-карты тоже существуют. Для примера, воспользуемся ресурсом Weather Online. На карте представлен ансамблевый прогноз приземного поля давления в Европе с заблаговременностью 24 часа. Если мы возьмём для сравнения карту на 72 часа (рисунок ниже), то увидим больший разброс изобар и их хаотичность по территории, что вполне логично по причине роста ошибки на этапе выхода расчётных данных.

Примерно так нужно пользоваться и любым другим ансамблем. Если не хватает готовых карт, можно построить свои «спагетти», например, в специальной программе GrADS, которая имеется в свободном доступе для скачивания.

Для количественной оценки разброса в ансамбле можно использовать статистические методы. Но на практике статистика может заметно усложнить анализ ансамбля, поэтому далеко не всегда следует её применять.

Вывод: ансамбли в практике прогнозирования используются в первую очередь для оценки надёжности прогноза и лишь потом для перебора возможных будущих синоптических сценариев.

Подготовил Игорь Кибальчич, кандидат географических наук, синоптик.