Розмаїття сучасних чисельних моделей прогнозу погоди
© Finnish Meteorological Institute
В даний час прогностична гідрометеорологічна інформація є результатом роботи багатьох математичних методів, що реалізуються на суперкомп'ютерах. Такі моделі прогнозування поділяються на кілька класів залежно від масштабів, поставлених задач та методології розрахунку.
Прогнозування погодних умов є надзвичайно складним завданням, оскільки цей процес потребує комплексного підходу з урахуванням величезної кількості різних факторів. У наші дні точність прогнозів погоди на найближчу добу становить у середньому 97 - 99%, хоча ще років 20 тому цей показник був набагато нижчим. І це все завдяки стрімкому розвитку чисельного моделювання, яке зводиться до вирішення складних диференціальних рівнянь та їх реалізації на потужних суперкомп'ютерах. Ці рівняння можуть відрізнятися залежно від регіону, рельєфу місцевості, наявності штучних об'єктів (наприклад, великих міст) та багатьох інших вихідних даних.
Крім того, для прогнозування необхідний величезний масив фактичних (вихідних) метеорологічних даних, що збираються супутниками, системами спостереження, автоматичними та пілотованими станціями, літаками, кораблями, метеозондами, радіолокаторами тощо. Ось чому нині існують десятки моделей погоди, кожна з яких призначена для вирішення конкретного завдання.
Також читайте
Можна виділити два основних типи моделей прогнозу погоди: глобальні та локальні чи регіональні. Обидва типи моделей у свою чергу розрізняються за просторовим дозволом, тобто по відстані між двома точками координатної сітки (вузлами) на карті. Наприклад, великі дозволи розміром від 50 до 10 км підходять для відносно однорідної місцевості (наприклад, пустелі, ліси, великі моря та океани), у той час як гірські хребти або узбережжя великих водних об'єктів вимагають, щоб вузли були набагато ближчі один до одного, зазвичай на 5, 2 чи 1 км. Кожна з таких моделей має власний математичний апарат та алгоритми обчислень.
Назва погодної моделі зазвичай є абревіатурою, яка складається з трьох і більше слів, де закодовано її походження (організація, країна, призначення тощо), а також її основні ознаки. Отже, давайте розберемося, які основні моделі погоди у світі входять до цього великого переліку. На схемі показано 23 найбільш популярних у світі чисельних моделей прогнозу погоди. Ми розберемо лише деякі з них.
Глобальні прогностичні моделі.
Найбільш важлива особливість і перевага глобальних моделей погоди полягає в тому, що, як випливає з назви, вони охоплюють всю земну кулю. Тобто, де б ви не знаходилися, навіть на невеликих островах в Океанії, ви можете отримати прогноз погоди для цієї місцевості від однієї з них. Вони добре описують явища синоптичного масштабу, наприклад, осінні дощі або великі зимові снігопади, але гірше прогнозують явища, пов'язані з літньою конвекцією: локальні зливи, грози, град. В цілому, глобальні моделі погоди можуть програвати окремим локальним моделям у якості прогнозу або його деталізації. Це легко пояснюється тим, що погоду взагалі складно передбачити і, отже, чим більша площа, яку необхідно охопити, тим складніше. І навпаки. Проте чисельні розрахунки всіх локальних моделей починаються із глобального прогнозування.
Глобальних моделей за кількістю менше, ніж регіональних. Трьома основними глобальними моделями є GFS зі США, ECMWF та ICON з Європи. Але є й деякі інші.
Модель прогнозу погоди ЄЦСПП (Європейський центр середньострокових прогнозів погоди – ECMWF).
ECMWF — це популярна європейська модель глобального прогнозування, яка багатьма синоптиками вважається найкращою та найбільш надійною моделлю з існуючих у наш час. Вона у своєму алгоритмі використовує концепцію під назвою «4D», яка є асиміляцією, що дозволяє постійно оновлювати модель у міру появи нових супутникових або інших вихідних даних. Загальновідомо, що ECMWF була єдиною моделлю, яка точно розрахувала, куди рухатиметься буревій «Сенді» у Північній Америці. На території України модель також себе зарекомендувала позитивно, особливо у прогнозуванні температури повітря, атмосферного тиску, метеорологічних параметрів у вільній атмосфері та ймовірності гроз. Однак, розрахунок кількості та ймовірності опадів є її слабкою стороною для нашої місцевості.
Модель погоди GFS (Глобальна система прогнозів).
GFS (Global Forecast System) – найвідоміша глобальна модель погоди, розроблена Національною службою з моніторингу атмосфери та океану США (NOAA) Частота оновлення моделі становить 6 годин, а просторова роздільна здатність 27 км. Насправді GFS складається з 4 окремих моделей, які працюють комплексно, щоб відтворити найбільш точну картину погодних умов: моделі атмосфери, океану, землі/ґрунту та морського льоду. Однак вона не бере до уваги топографію і форми берегових ліній, тому не дуже точна для місць поряд із водоймами. Більш ефективна для океанічних просторів, лісових масивів та пустель. "GFS+" - це ще одна версія тієї ж моделі. У той час як стандарт GFS27 інтерполює дані для кожної точки квадрата 27 км x 27 км, версія GFS+ завжди показує максимальне значення прогностичного параметра в кожному квадраті.
На території України модель GFS вважається основною і найчастіше використовуваною. Добре прогнозує об'єкти синоптичного масштабу, параметри вітру і температуру повітря. Має величезний перелік доступних індексів нестійкості, що значно допомагає у літній період із прогнозуванням небезпечних конвективних явищ, таких як шквали, град, локальні зливи і навіть смерчі.
Модель погоди ICON (Icosahedral Nonhydrostatic).
Розроблена Німецькою метеорологічною службою (Deutscher Wetterdienst), ICON зазвичай вважається навіть точнішою в деяких аспектах, ніж ECMWF, через кращу роздільну здатність (7 – 13 км залежно від версії моделі), хоча тільки в Європі. Найбільш важливими змінними ICON вважаються щільність повітря та віртуальна потенційна температура, горизонтальна та вертикальна швидкість вітру, відносна вологість, вологовміст в атмосфері, фазовий стан опадів. Одна з її складових частин включала модель COSMO, яка у 2020 році була повністю інтегрована в ICON.
В Україні модель цінується за хороше прогнозування температури повітря, поривів вітру, ймовірності туманів та гроз і деяких конвективних явищ. Непогано також «бачить» динаміку наростання снігового покриву взимку та розташування атмосферних фронтів на синоптичних картах.
Модель UKMO (Метеорологічне бюро Сполученого Королівства).
Часто у більш короткому вигляді записується як UM-модель (уніфікована). Розроблена у Великій Британії. Має крок прогнозу 3 години, оновлення кожні 12 годин, максимальна завчасність 3 дні. Існує дві версії – для Великобританії (з роздільною здатністю всього 1,5 км) та інших країн (роздільна здатність 10 км). Завдяки своїй високій деталізації, UKMO/UKMET є найнадійнішою моделлю для Сполученого Королівства. Глобальна версія моделі є основою для деяких регіональних дрібномасштабних моделей (наприклад, у Новій Зеландії). В Україні дана модель часто використовується для прогнозування щільної низької хмарності шаруватих форм, туманів та серпанків, а також температури повітря (в окремих ситуаціях). Слабкою стороною є прогноз кількості опадів, яку вона часто завищує у 2, а то й 3 рази.
Погодна модель GEM (Global Environmental Multiscale Model).
Модель розроблена Канадським метеорологічним центром (СМС), має просторовий дозвіл 25 км для всієї планети та 2,5 км для території Канади. В Україні зарекомендувала себе з позитивного боку з точки зору прогнозу температури повітря у зимовий період в умовах антициклональної циркуляції та нічного радіаційного вихолодження, а також впливу снігового покриву на мінімальну температуру повітря у приземному шарі.
Кліматична система прогнозу – CFS (Climate Forecast System).
CFS є глобальною чисельною моделлю, розробленою Національним центром екологічного моніторингу США (NOAA/ NCEP). Має просторову роздільну здатність 108 км, із частотою оновлення 4 рази на добу. Максимальний період прогнозу моделі складає 9 місяців. Показує тенденції метеорологічних полів у масштабах місяців, кварталів та півріччя. Така висока міра завчасності може мати погану прогностичну значущість, але виглядає привабливою для довгострокового прогнозування на місяць та сезон.
Місцеві чи регіональні моделі погоди.
Крім глобальних моделей, існують регіональні, розраховані для обмеженої ділянки місцевості, у яких крок сітки зазвичай становить 1 - 3 кілометри. Прогноз регіональних моделей точніший, але їх неможливо використовувати відразу для всієї планети: розрахунки обмежуються потужністю комп'ютерів і часом. Тому змінюється або розмір території, або горизонтальний крок моделі. Неможливо розрахувати глобально модель із детальним кроком – це дуже дорого і потребує величезних обчислювальних потужностей. Наприклад, якщо вам потрібен прогноз конкретно для плавання Середземним морем або занять альпінізмом у Швейцарії, то краще подивитися його по одній з місцевих моделей для даного району. (Хоча це не означає, що прогноз за глобальною моделлю обов'язково буде гіршим). Регіональних моделей погоди набагато більше, ніж глобальних. Три основні регіональні моделі – це NAM та HRRR для США та, скажімо, WRF, Skiron, HIRLAM для Європи. Але є й багато інших.
З перерахованих вище моделей особливу увагу слід звернути на WRF (Weather Research and Forecasting). Вона з'явилася на світ ще у 1980-х роках як результат спільних зусиль кількох агенцій та лабораторій у всьому світі. Це кодова база для подальшої обробки чисельного прогнозу. Застосовується у всьому світі і може враховувати місцеву географію та топографію, тому є найбільш «гнучкою» та доступною серед інших моделей. Має широкий діапазон різних фізичних параметрів і потребує значних ресурсів для обробки. Крок по сітці становить від 0,5 до 8 км, максимальна завчасність три доби. Багато інститутів у різних країнах використовують WRF як основу для розробки своїх регіональних моделей.
На деяких погодних сервісах прогностична інформація заснована на автоматичному спільному аналізі кількох моделей, так званий комплексний прогноз – у такому разі якість продукції помітно підвищується. У деяких проектах до корекції прогнозу залучаються синоптики. Але прогностичні дані на більшості ресурсів існують без участі прогнозистів – там лише розрахунки моделей.
Ситуація в прогнозуванні метеорологічних полів не стоїть на місці, галузь перебуває у постійному розвитку. Наприклад, вводяться розрахунки на графічних процесорах, що призводить до зменшення вартості розрахунків. Або використовується принципово інша система, заснована на методах штучного інтелекту та навчання нейронних мереж.
Підготував Ігор Кібальчич, кандидат географічних наук, синоптик.
