Ансамблевий принцип прогнозування погоди
© analyticsinsight.net
Обмежена передбачуваність атмосферних процесів і потреба їх ймовірнісного опису, що випливає з неї, були вперше виявлені у 1960-х роках у роботах Е. Лоренца. Єдиним реально дієвим способом отримання таких прогнозів виявилося обчислення певної множини чисельних прогнозів - прогностичного ансамблю.
Атмосфера нашої планети є одним із найвідоміших прикладів хаотичної системи. Її хаотичність полягає у тому, що найменші зміни її початкових умов призводять до величезних змін у майбутньому. Про це ми розповідали у недавній публікації. Подібний феномен ще називають «ефектом метелика»: чи може помах крил метелика викликати торнадо в Техасі? Питання поставлено дещо абсурдно, але хаотичний характер атмосфери у ньому підкреслено дуже добре.
Фактичні дані про атмосферу:
- Неповні, особливо у малонаселених чи неблагополучних регіонах.
- Неточні: похибка є у всіх вимірювальних приладів.
- Згладжені, особливо супутникова інформація.
Також читайте
Цікавий факт: при чисельному моделюванні атмосфери зміни в початкових даних на рівні тисячних часток градуса Цельсія (набагато менше похибки звичайного термометра на метеостанції!) призведуть до зміни планетарного масштабу у прогнозі на кілька тижнів вперед! Ось чому чисельний прогноз погоди неможливий строком на два тижні, та й прогноз на два тижні вперед дуже невизначений, більше нагадує приблизний опис циркуляції атмосфери.
Звичайному споживачеві потрібна не складна і хитромудра схема циркуляції, а прогноз погоди по конкретній точці (населеному пункту). Зрозуміло, що точність прогнозу у такому форматі ще гірша, і вона помітно знижується зі зростанням завчасності:
- На першу добу вперед - дуже точний прогноз для простого споживача;
- На 2 - 3 добу – досить надійний прогноз, але за різких змін погоди можливі великі похибки;
- На термін 4 - 5 діб - характер погоди зрозумілий лише загалом;
- На 6 – 7 добу можна говорити лише про тенденції зміни погоди;
- Далі 7 діб – за винятком стійкої циркуляції (наприклад, у разі блокуючих антициклонів) прогноз краще не дивитися.
Що ж робити з таким станом речей, коли точність прогнозів і так далека від бажаної, до того ж залежить від самої погодної ситуації?
Вихід знайшовся в наступній ідеї: якщо все так залежить від початкових умов, які відомі не у повній мірі та з деякою похибкою, то чому б не вносити цю похибку штучно в чисельну модель прогнозу? Запускати її не один раз, а багато: один раз трохи змінити температуру, вдруге - вологість, втретє - температуру та вологість, і так далі. Отриманий набір прогнозів називається ансамблем, окремі прогнози – членами ансамблю. Серед усіх прогнозів ансамблю є один незбурений (контрольний або детермінований), до якого не вносяться жодні штучні похибки на початковому рівні. Іноді в якості членів ансамблю також беруться прогнози кількох різних чисельних моделей (мультимодельный підхід).
Схематично ансамблевий метод можна розглянути нижче. На рисунку хрестиком у кружечку позначені початковий стан та результати контрольного прогнозу. Зафарбовані кружки – фактична погода у відповідні моменти часу. Білими кружками відзначені збурені прогнози (члени ансамблю). Сірі діаграми ліворуч і праворуч показують розподіл ймовірностей для початкового і кінцевого станів. Чорні лінії позначають положення фактичних даних (жирна лінія) та контрольного прогнозу (тонка лінія).
Як бачимо, розкид в ансамблі зростає з часом, при цьому середнє за отриманими прогнозами при досить великій кількості членів ансамблю і добре підібраному збуренні може бути точнішим, ніж результат детермінованого прогнозу. На цьому й ґрунтується корисний ефект від використання прогностичних ансамблів. З іншого боку, наявність кількох прогнозів з певним розкидом на один строк дає можливість оцінити ймовірність тих чи інших явищ погоди (наприклад, інтенсивність опадів чи температури на заданому рівні), тобто отримати імовірнісний прогноз.
Серед глобальних ансамблів найбільш відомі ансамблі американської моделі GFS та європейської ECMWF, дещо менш відомий ансамбль канадської моделі CMC. Принцип використання їх на практиці, ясна річ, той самий. Розглянемо його на прикладі GFS.
Ансамбль GFS називається GEFS - Global Ensemble Forecasting System. Дані його братимемо тут. Введемо координати пункту, що цікавить нас, або позначимо його на карті і отримаємо ось таку діаграму (приклад для Харкова):
Тут показаний прогноз трьох величин: температури на рівні 850 гПа (Т850, висота приблизно 1500 метрів), температури на 500 гПа (висота близько 5500 метрів) та кількість опадів з кроком 6 годин. Кожна тонка лінія – це окремий член ансамблю (всього їх 20 у GEFS). Жирна червона лінія - середня арифметична прогнозована величина по ансамблю. Ще дві лінії – спеціальні прогони: контрольний (синя лінія) та основний (чорна лінія).
На представленій діаграмі бачимо, що до трьох діб прогнозу розкид між членами ансамблю по Т850 і Т500 трохи більше 3 °С. Це дуже добрий результат. При різких змінах погоди вже наступної доби розкид може бути 3 - 5 °С, а іноді навіть більше. Крім того, в літній період криві ансамблю зазвичай укладаються щільніше один до одного через стабільнішу атмосферну циркуляцію над Україною.
На 4 - 8 добу розкид температури досягає вже 8 - 10 °С. Це суттєво. Ще далі, з 10-ї доби, розкид зростає до 13 - 15 °С, тенденції по температурі та опадам згладжуються. Саме з цього терміну на прогноз не можна сподіватися зовсім.
Ансамблеві графіки своїм виглядом нагадують спагеті, і за чиїмось влучним виразом їх так і називають — «спагеті-діаграми» (від англ. spaghetti chart).
Жодний метеопрогноз не буває повним без карт. Спагетті-карти також існують. Наприклад, скористаємося ресурсом Weather Online. На карті представлений ансамблевий прогноз приземного поля тиску в Європі із завчасністю 24 години. Якщо ми візьмемо для порівняння карту на 72 години (рисунок нижче), то побачимо більший розкид ізобар та їхню хаотичність по території, що цілком логічно через зростання помилки на етапі виходу розрахункових даних.
Приблизно так потрібно користуватися будь-яким іншим ансамблем. Якщо не вистачає готових карт, можна побудувати свої спагеті, наприклад, у спеціальній програмі GrADS, яка є у вільному доступі для завантаження.
Для кількісної оцінки розкиду ансамблю можна використовувати статистичні методи. Але на практиці статистика може помітно ускладнити аналіз ансамблю, тому далеко не завжди слід її застосовувати.
Висновок: ансамблі на практиці прогнозування застосовуються насамперед з метою оцінки надійності прогнозу і лише потім для перебору потенційних майбутніх синоптичних сценаріїв.
Підготував Ігор Кібальчич, кандидат географічних наук, синоптик.
