Bevezetés az időjárás előrejelzésébe – technikai háttér
Makra László
Motiváció • Káros időjárási hatások az emberek mindennapjaira és a gazdaságra … • Mérsékelhetjük az élet- és vagyonvesztést • Optimalizálhatjuk az időjárásfüggő gazdasági tevékenységet és a mindennapi tervezést • Javíthatjuk a vihar-előrejelzést és a figyelmeztetés minőségét.
Tartalom • Technikai háttér • Elméleti alapok • Numerikus időjárás előrejelzés és adatfeldolgozás
Tartalom Technikai háttér • Adatgyűjtés • Szenzorok • Adatrendezés • A grid rendszer • Meteorológiai állomás • Rádiószondák • Műholdak • Radar • Időjárási hajók • Szuperszámítógépek
Tartalom Elméleti alapok • Elméleti alapok • Történeti háttér • A Numerikus Időjárás Előrejelzés (Numerical Weather Prediction = NWP) fejlődése • A numerikus időjárás előrejelzés (NWP) • Az NWP lehetségessé válik • 1955-1965: Megjelenik a korszerű előrejelzés • Az időjárás előrejelzés lépései • Inicializáció • Az NWP utófeldolgozása az USA-ban • Lényeges javulás az időjárás előrejelzésében • Miért történt lényeges javulás az időjárás előrejelzésében? • Az előrejelzés bizonytalansága • Valószínűségi előrejelzés • Ensemble előrejelzés
Tartalom Numerikus időjárás előrejelzés és adatfeldolgozás • Mit nevezünk modellnek? • Mi a numerikus időjárás előrejelzés (Numerical Weather Prediction = NWP)? • Történeti áttekintés • Az NWP rendszer • Az NWP modell komponensei • A modell fizikai alapjai • Az NWP hibaforrásai • Remények • Nehézségek … • Megfigyelések kontra valóság • Analízisek kontra valóság • Adat-asszimilációs meglepetések • Adat-asszimilációs problémák • Kihívások az előrejelzők számára
Az 1980-as évektől kezdve korszerű szuperSzámítógépek állnak rendelkezésre a numerikus időjárás előrejelzés céljaira, s napjainkban pedig már a globális éghajlat előrejelzésére is.
Szuperszámítógép
Az időjárás-előrejelzők munkáját számos eszköz és információ segíti. számos. Ezek a következők: 1. Számítógépek 2. Radar információk 3. Műholdképek információi A légköri és környezeti kapcsolatrendszereket számos egyszerűsítő feltétel mellett differenciál-egyenletek segítségével fejezzük ki. Mielőtt a számítógépek elvégeznék a számításokat, először össze kell gyűjteni az adatokat.
Az időjárási adatok összegyűjtése igen fontos. Adatok nélkül a számítógép nem tudna olyan számításokat elvégezni, amelyek lehetővé tennék számára az időjárás előrejelzését. A következő dia azt jelzi, honnan származnak az adatok, illetve hová küldik az előrejelzéseket. Az előrejelzők saját megítélésüket és szakértelmüket használják föl arra, hogy egyrészt a számítógépek, másrészt a radar és a műholdképek által nyújtott információkra alapozva elkészítsék az előrejelzést.
rádiószonda
műholdak
időjárási állomások radar
időjárási hajók és időjárási bóják
szuperszámítógép
műholdak
rádiószonda
időjárási állomások radar
időjárási hajók és időjárási bóják
szuperszámítógép repülés
hajózás
Globális előrejelző szolgálatok
előrejelző Nemzeti és nemzetközi előrejelző szolgálatok legfeljebb 7 napra előre.
Az adatokat folyamatosan gyűjtik a számítógépek számára az alábbi forrásokból: 1. Meteorológiai állomások 2. Automata meteorológiai állomások 3. Műholdak 4. Radar 5. Rádiószondák 6. Időjárási hajók 7. Mini rádiószondák 8. Repülőgépek 9. Úszó bóják
A meteorológiai elemek mérése szenzorokkal történik. A szenzor egy jel-átalakító, mely a levegő bizonyos fizikai tulajdonságaira válaszol, mint pl. légnyomás, hőmérséklet, a légáramlás sebessége. A jel-átalakító egy elektromos berendezés, mely az energiát egyik formájából egy másikba alakítja át. . Arra késztetjük a jel-átalakítót, hogy jeleket küldjön a számítógéphez, a Meteorológiai Intézetbe.
A szükséges mérések a következő meteorológiai elemekre terjednek ki: 1. Hőmérséklet (lég-, felszíni-, felszín alatti-) 2. Légnyomás 3. Szélsebesség 4. Szélirány 5. Légnedvesség 6. Csapadék 7. Napsugárzás
Adatgyűjtő szenzorok
Az adatok följegyzése és tárolása azok jövőbeni felhasználása miatt szükséges. A szenzorok összes mérési eredményét tárolják, mivel: • A számítógép nagy tömegben dolgozza fel az adatokat • Számos okból hivatkoznunk kell a múltbeli időjárási adatokra Ily módon az összegyűjtött adatokat felhasználjuk az időjárás előrejelzésére.
rövidhullámú napsugárzás csapadékképződés felhőképződés hosszúhullámú légköri sugárzás
párolgás és hőcsere
domborzati hatások hosszúhullámú földfelszíni sugárzás
tenger
súrlódás
A légkört egy 3D rácsra helyezzük. Minden egyes felszíni grid kiterjedése 60 km.
Az előző képen a gridhálózat vertikálisan csupán 5 szintet tartalmaz. A meteorológiai szolgálatok jóval több szintet használnak, némely számítógépes modell 40 vertikális szinttel dolgozik. Globális előrejelzések céljaira a horizontális grid kiterjedése 60 km. Nagy-Britanniában az előrejelzések céljaira használt horizontális grid kiterjedése 15 km.
A légnyomást, a léghőmérsékletet, a szélsebességet, a szélirányokat, továbbá a csapadékot, a felhőzetet annyi gridben kell megmérjük, amennyiben csak lehetséges.
rádiószonda
20 km
tenger
meteorológiai állomás
A meteorológiai állomás a jeleket visszaküldi a meteorológiai szolgálat számítógépéhez. A műszerek mérik a légnyomást, a léghőmérsékletet és a légnedvességet, valamint a többi meteorológiai elem értékét. Ma már a legtöbb meteorológiai állomás automata műszerekkel működik. Ezek mérési adatai közvetlenül a számítógéphez kerülnek. Automata meteorológiai állomás
A rádiószonda jeleket küld a meteorológiai szolgálat számítógépéhez. A szondákat ballonokra erősítik, melyek műszereket visznek magukkal.
Rádiószonda
A műszerek mérik a légnyomást, a léghőmérsékletet és a légnedvességet. A rádiószonda útvonalának követésével a szélirány és a szélsebesség kiszámítható. Rádiószonda
UTC = Universal Time Co-ordinated
A rádiószondákat mindenütt a világon 1200 és 0000 órakor (UTC) bocsátják föl.
UTC = Universal Time Co-ordinated
Hawaii, de. 2 óra
Atlanti nappal, de. 9 óra
Az UTC úgy is ismert, mint GMT (= Greenwich Mean Time)
Bagdad du. 3 óra
Nyugat-Ausztráliai standard, du. 7 óra
Néhány – a 12 GMT-nek megfelelő – időpont a Föld különböző pontjain, amikor a rádiószondákat felbocsátják.
Mérnünk kell a légnyomást, a léghőmérsékletet, a légnedvességet, valamint a többi meteorológiai elem értékeit.
miniszondák 5 km
tenger Mount Everest: h = 8850 m
A miniszonda 5 km magasságban végez méréseket.
Mind a rádiószondák, mind a miniszondák rádióhullámok révén továbbítják az adatokat a számítógépeknek.
Mérnünk kell a légnyomást, a léghőmérsékletet, a légnedvességet, valamint a többi meteorológiai elem értékeit.
adatküldő repülőgép 10 km
tenger
Mérnünk kell a légnyomást, a léghőmérsékletet, a légnedvességet, valamint a többi meteorológiai elem értékeit. 36 000 km
adatküldő műholdak
tenger
A műholdaknak két fajtájuk van:. • Geostacionárius műhold. Mindig ugyanazon földfelszíni hely fölött találhatók. Pontosan ugyanolyan sebességgel keringenek a Föld körül, mint amilyennel a Föld forog (h = 36 000 km). 5 geostacionárius műhold elegendő a globális lefedettséghez. • Poláris pályán keringő műhold. Ezek naponta 14 alkalommal kerülik meg a Földet (h = 800 km).
A geostacionárius műhold mindig ugyanazon hely fölött található.
A poláris pályán keringő műhold mindig más és más földfelszíni hely fölött található.
A műhold által küldött jeleket antennák fogják föl.
©Eumetsat 2003
Meteosat: geostacionárius műhold. Mikrohullámú jeleket küld vissza a Földre. A műholdakról további információk:
URL (Uniform Resource Locator): www.sat.dundee.ac.uk/tour.html
poláris pályán keringő műhold
A műhold leolvasásokat végezhet az egész Földre egy nap folyamán.
Radar = radio detection and ranging. Amikor a rádióhulllámok elérik az esőfelhőket, onnan visszaverődnek a földfelszínre, melyek aztán kiértékelhetők.
tenger
radar
A radarmérések tudatják az előrejelzővel és a számítógéppel, ha a radar esőfelhőket lát.
radar állomás
A számítógép és az előrejelző a radartól kap adatokat.
A Nagy-Britanniát lefedő radarrendszer
Az időjárási bóják az óceáni felszíneken végeznek megfigyeléseket.
tenger
időjárási hajó
időjárási hajó
Napjainkban a bójákat széleskörűbben használják, mint az időjárási hajókat. Automatikusan küldik az adatokat a számítógéphez.
Bevezetés az időjárás előrejelzésébe – elméleti alapok
Tartalom Elméleti alapok • Elméleti alapok • Történeti háttér • A Numerikus Időjárás Előrejelzés (Numerical Weather Prediction = NWP) fejlődése • A numerikus időjárás előrejelzés (NWP) • Az NWP lehetségessé válik • 1955-1965: Megjelenik a korszerű előrejelzés • Az időjárás előrejelzés lépései • Inicializáció • Az NWP utófeldolgozása az USA-ban • Lényeges javulás az időjárás előrejelzésében • Miért történt lényeges javulás az időjárás előrejelzésében? • Az előrejelzés bizonytalansága • Valószínűségi előrejelzés • Ensemble előrejelzés
Történeti háttér • 1955 előtt, az időjárás előrejelzés egy jelentős mértékben szubjektív tudomány volt. • Az előrejelzés technológiája alapvetően az időjárási rendszerek szubjektív extrapolációját jelentette, mely az utóbbi években felhasználja a magaslégköri áramlásokat (jet stream) is. • A helyi időjárási részleteket – melyeket valójában nem is értelmeztek – szubjektíve tették hozzá az előrejelzéshez.
Magaslégköri térkép
A Numerikus Időjárás Előrejelzés (Numerical Weather Prediction = NWP) fejlődése Vilhelm Bjerknes mérföldkőnek számító cikkében (1904) feltételezte, hogy az NWP - objektív időjárás előrejelzés lehetséges. – A légkör jövőbeli állapota véges számú egyenlet segítségével előrejelezhető; – Azonban ez nem volt kivitelezhető, mivel nem volt eszköz a rendkívül bonyolult számítások elvégzésére, továbbá nem állt rendelkezésre a légkör egy kielégítő 3D leírása.
Numerikus időjárás előrejelzés (NWP) Egy ilyen fenti egyenlet Newton II. törvénye: F = m⋅a Erő = tömeg ⋅ gyorsulás; Tömeg: az anyag mennyisége; Gyorsulás: a sebesség időegységre jutó megváltozása; Erő: az impulzus (tömeg x sebesség) változásának gyorsasága (pl. nehézségi erő, nyomási erő, súrlódási erő); Megfigyelések segítségével meghatározhatjuk a tömeget és az erőket, s ily módon kiszámíthatjuk a gyorsulást, ami megadja a jövőt.
Az NWP lehetségessé válik • Az 1940-es évekre már egy széleskörűen kiépített magaslégköri megfigyelési hálózat működött, valamint jóval több felszíni megfigyelés állt rendelkezésre. Ily módon lehetővé vált a légkör egy elfogadható 3D leírása. • Az 1940-es évek közepétől annak végéig rendelkezésre álltak már a digitális programozható számítógépek, melyek közül az első az ENIAC volt.
Az ENIAC (Electronic Numerical Integrator And Computer), University of Pennsylvania, 1945 Az első programozható, elektronikus, digitális számítógép volt. 18 000 elektroncsövet és 1500 jelfogót építettek bele. 2,5 m magas volt, 40 m hosszú és 30 tonna. Az összeadást és a kivonás 1/5000 sec alatt végezte el, ami 500-szor gyorsabb volt, mint az akkoriban megjelent MARK II. A sok elektroncső miatt csak 2-3 órát működött, és utána 2-3 napig szerelték.
1955-1965: Megjelenik a korszerű előrejelzés • A numerikus időjárás előrejelzés alapvetővé vált. • Az új megfigyelési technológiák szintén jelentős hatást gyakoroltak az előrejelzés fejlődésére: – Időjárási műholdak – Időjárási radar
A műholdak és az időjárási radarok átfogó képet nyújtanak a légkörről
Camano Island, időjárási radar
Az időjárás előrejelzés lépései • Adatgyűjtés és –ellenőrzés; • Adatfeldolgozás: a légkör fizikailag valósághű 3D leírása, melynek neve: inicializáció. • Modell egyesítés. Azon egyenletek megoldása, melyek előállítják a légkör jövőbeli 3D leírását. • Model output utófeldolgozás statisztikai módszerek segítségével. • A kapott eredmény terjesztése és közzététele.
Inicializáció A széleskörű meteorológiai megfigyelések felhasználásával elkészíthetjük a légkör 3D leírását.
A numerikus időjárás előrejelzés (NWP) megközelítése • A megfigyeléseket egy 3D rácsra interpolálják, ahol azokat integrálják a jövőbe a számítógépes modell (az egyenletek és azok megoldási módszere) felhasználásával.
• Ahogy a számítógépek sebessége nőtt, úgy nőtt a grid pontok száma is. • A több és (ily módon) az egymáshoz egyre közelebbi grid pontok azt jelentik, hogy egyre kisebb és kisebb skálájú jelenségeket tudunk szimulálni (előrejelezni). Ennek a neve: javított felbontás.
A numerikus időjárás előrejelzés (NWP) megközelítése • Bontsuk föl az előrejelzést gridek dobozaira (véges grid) • Oldjuk meg a bonyolult egyenleteket minden egyes grid dobozon belül, hogy meghatározzuk a következőket: • Szélsebesség és szélirány • Légnyomás, hőmérséklet • Sugárzási folyamatok • Felszíni vegetáció • Tavak és óceánok • Felhők, eső, jégeső, hó • Turbulencia
Számítógépes modellek: Numerikus időjárás előrejelzés hőm. jövő idő
=
hőm. most
+
hőm. vált. a most és a jövő idő között
Mely folyamatok módosítják a hőmérsékletet? • • • • •
napsugárzás szélirány párolgás nyomásváltozások stb.
A számítógépet e folyamatok matematikai reprezentációival programozzák.
A modell utófeldolgozása az USA-ban: Model Output Statistics (MOS) • A fő utófeldolgozási eljárás, melyet a Nemzeti Időjárási Szolgálat használ, lineáris regresszión alapszik: Y=a0 + a1⋅X1 + a2⋅X2+ a3⋅X3 + … • A MOS számos paraméterre és időpontra rendelkezésre áll, s jelentős mértékben javítja a legtöbb modell előrejelzés minőségét.
Számítógépes modell output (térképes formában)
Számítógépes modell output (térképes formában)
FOUS62 KWNO 171200 OUTPUT FROM ETA 12Z FEB 17 04
TTPTTR1R2R3 VVVLI PSDDFF HHT1T3T5 TTPTTR1R2R3 VVVLI PSDDFF HHT1T3T5 DCA//504026 02523 370707 34989496 ORF//766649 -1014 340515 40039999 06000527423 01319 331007 34019596 06007938417 02008 310314 41030000 12000736828 -0615 300709 34019696 12015968326 -1805 270120 41030000 18000885821 -0814 280212 32009696 18001968328 -6009 253518 39020000 24000925418 -1114 263614 30989795 24000966327 01213 233422 34019897 30000562608 -3115 243414 30039794 30000784707 -1612 233521 32029796 36000552244 -1619 233316 35019795 36000602016 -2418 223314 35049895 42000644246 -1316 192811 38000098 42000602335 00618 203113 40029999 48000485637 06212 152415 41010099 48000534040 -2716 182620 43020399
Számítógépes modell output (táblázatos formában)
Csapadékvalószínűség – hűvös évszak (0000/1200 UTC, egyesített ciklusok 0.7
Brier Score Improvement over Climate
0.6
Guid POPS 24 hr
Local POPS 24 hr
Guid POPS 48 hr
Local POPS 48 hr
0.5
0.4
0.3
0.2
0.1
0 1966
1969
1972
1975
1978
1981
1984 Year
1987
1990
1993
1996
1999
2002
Lényeges javulás az időjárás előrejelzésében Az időjárás előrejelzés beválása lényegesen javult az elmúlt 50 esztendőben.
Az időjárási előrejelzések folyamatosan finomodnak
Az időjárás előrejelzés beválásának javulása, National Weather Service, US NCEP operational S1 scores at 36 and 72 hr over North America (500 hPa) 75
S1 score
Az előrejelzés hibája
65
"useless forecast"
55 36 hr forecast
72 hr forecast
45
jobb
10-20 years
35 "perfect forecast" 25
15 1950
1960
1970
Year
1980
1990
2000
Miért történt lényeges javulás az időjárás előrejelzésében? • Mivel a számítógépek gyorsabbak lettek, nagyobb felbontással tudták megoldani az egyenleteket; • Előrelépés a fizikában; • Az új megfigyelési berendezések lehetővé tették a jobb inicializációt;
Az előrejelzés bizonytalansága • Az időjárás előrejelzését alapvető bizonytalanság terheli, amitől nem lehet eltekinteni. • Ennek a bizonytalanságnak számos oka van: – Az inicializáció bizonytalansága – A modell fizikai alapjainak bizonytalansága – Az abban rejlő bizonytalanság, hogy miként oldjuk meg az egyenleteket – Elégtelen felbontás a modellbeli légköri tulajdonságok meghatározásához.
A légkör kaotikus • Lorenz munkái (1963, 1965, 1968) azt bizonyítják, hogy a légkör egy kaotikus rendszer, melyben az inicializáció csekély eltérései … jóval a megfigyelési hibán belül … jelentős hatást gyakorolhatnak az előrejelzésekre, különösen a hosszabb tartamú előrejelzésekre. • Nem úgy, mint a tivoli játék… .
Valószínűségi előrejelzés • Ily módon az előrejelzéseknek – feltéve ha azokat valószínűségi keretbe ágyazzuk – nem szabad determinisztikus, egyszerű válaszoknak lenniük, melyek uralták az időjárás előrejelzést az elmúlt században. • Érdekes módon … az első nyilvános előrejelzések valószínűségi előrejelzések voltak.
“Ol Probs” Cleveland Abbe (“Ol’ Probabilities”), vezető, U.S. Army Signal Corps., Időjárás Előrejelző Részleg; Ő készítette az első – időjárási valószínűségen alapuló – nyilvános előrejelzést 1869ben. Cleveland Abbe professzor, aki először jelentette meg a “Weather Synopsis and Probabilities” c. kiadványt 1871 február 19.-én
Ensemble előrejelzés • A valószínűségi alapon történő előrejelzések előállításának és a bizonytalansági információnak a leggyakoribb megközelítése az … ensemble előrejelzés. • Ahelyett, hogy egy előrejelzést készítünk … sokat készítünk … , mindegyiket csekély mértékben eltérő inicializációval, vagy a modell eltérő fizikai felépítésével. • Ez ma már megoldható, hiszen napjainkban már óriási számítógépes források állnak rendelkezésre.
Előrejelzés a „Hálaadás”-ra 2001 42h előrejelzés (érv. Thu 10AM) SLP és szelek 1: cent
verifikálás
- nagy bizonytalanság a vihar nyomvonalában
és intenzitásában;
2: eta
5: ngps
8: eta*
11: ngps*
3: ukmo
6: cmcg
9: ukmo*
12: cmcg*
4: tcwb
7: avn
10: tcwb*
13: avn*
Ensemble előrejelzés •
Csoportokat használhat (előrejelzések csoportjait) azon célból, hogy előrejelzések egy olyan új generációját nyújtsa, mely megadja némely időjárási jelenség bekövetkezésének a valószínűségét.
• Előrejelezheti az előrejelzés megbízhatóságát. • Úgy tűnik, hogy ha az előrejelzések hasonlóak, akkor az előrejelzés megbízhatósága nagyobb. • Ha viszont az előrejelzések lényeges mértékben eltérnek egymástól, akkor az előrejelzés megbízhatósága kisebb.
Ensemble-alapú valószínűségi előrejelzések
Ensemble utófeldolgozás • Ahhoz, hogy kinyerjük az ensemble-ok maximális előnyeit, utófeldolgozásra van szükség, mint pl.: – A rendszeres torzítás korrekciója – A különböző ensemble-tagok optimális súlyozása, pl. Bayesi modell átlagolás • A világon a legfejlettebb ensemble/utófeldolgozó rendszert valószínűleg az University of Washington fejlesztette ki
Bevezetés az időjárás előrejelzésébe – Numerikus időjárás előrejelzés és adatfeldolgozás
Tartalom Numerikus időjárás előrejelzés és adatfeldolgozás • Mit nevezünk modellnek? • Mi a numerikus időjárás előrejelzés (Numerical Weather Prediction = NWP)? • Történeti áttekintés • Az NWP rendszer • Az NWP modell komponensei • A modell fizikai alapjai • Az NWP hibaforrásai • Remények • Nehézségek … • Megfigyelések kontra valóság • Analízisek kontra valóság • Adat-asszimilációs meglepetések • Adat-asszimilációs problémák • Kihívások az előrejelzők számára
Mit nevezünk modellnek? • Forrás: Kalnay, E., 2003: Atmospheric Modeling, Data Assimilation and Predictability • modell: egy dinamikus rendszer (pl. a légkör) viselkedésének szimulálására, vagy előrejelzésére szolgáló eszköz • A modellek típusai: – heurisztikus: „”hüvelykujj szabály” a gyakorlatot, vagy a józan észt alapul véve; – empirikus: a múltbeli viselkedésre alapozó előrejelzés; – fogalmi (conceptuális): fizikai folyamatok megértését szolgáló keret, mely fizikai érveléseken alapszik; – analitikus: a dinamikus rendszert leíró „egyszerűsített” egyenletek egzakt megoldása; – numerikus: a kormányzó egyenletek integrálása a specifikus kezdeti és határfeltételeknek alávetett numerikus módszerek által;
Mi a numerikus időjárás előrejelzés (Numerical Weather Prediction = NWP)? • Egy olyan módszer, melyet arra használunk, hogy megkaphassuk a jövőbeli időjárásnak egy objektív előrejelzését (lehetőleg legfeljebb két hétre előre) oly módon, hogy megoldjuk a kormányzó egyenleteket, melyek leírják azon változók jövőbeni alakulását (fejlődését), amik meghatározzák a légkör jelenlegi állapotát. • Ez a feladat csak számítógépek segítségével oldható meg.
Történeti áttekintés • 1904: Vilhelm Bjerknes felismerte, hogy az előrejelzés alapvetően egy kezdeti-érték probléma, továbbá, hogy az egyenletek alapvető rendszere már ismert; • 1922: L.F. Richardson kísérletet tett a numerikus időjárás előrejelzés gyakorlati megvalósítására; • 1930-es évek: a rádiószonda felfedezésével hozzáférhetővé váltak a magaslégköri adatok; • 1940-es évek második fele: az első sikeres dinamikusnumerikus előrejelzés (Charney, Fjortoft és von Neumann); • 1960-as évek: Edward Lorenz igazolja, hogy a légkör kaotikus rendszer, s benne az időjárás előrejelezhetőségének határa kb. két hét;
Az NWP rendszer • Az NWP magába foglalja nemcsak a légköri modellek tervezését és fejlesztését, hanem tartalmazza az NWP-rendszer összes komponensét is; • Ez egy integrált, s részeiben összehangolt előrejelző rendszer;
Data Assimilation
Az NWP modell komponensei 1. Kormányzó egyenletek • F = m⋅a, tömegmegmaradás, nedvesség, termodinamikai egyenletek, gáztörvény;
2. Numerikus eljárások • approximációk az egyes feltételek becslésére (különösen fontos az advekciós feltételek esetében); • az integrált modell időbeli kiterjesztésének approximációi; • határfeltételek;
3. A fizikai folyamatok approximációi (parametrizációk) 4. Kezdeti feltételek • megfigyelő rendszerek, objektív analízis, inicializáció és adtafeldolgozás;
A modell fizikai alapjai • grid-skálájú csapadék (nagyskálájú kondenzáció); • mély és sekély konvekció; • mikrofizika (szerepe egyre növekszik); • párolgás; • a planetáris határréteg folyamatai, beleértve a turbulenciát; • sugárzás; • felhőzet-sugárzás kölcsönhatás; • diffúzió; • gravitációs hullámok; • kémia (pl. ózon, aeroszol);
A gridek mérete (felbontása) meghatározza azon sajátosságok skáláját, amelyet a modell segítségével szimulálhatunk.
A jó numerikus előrejelzéshez a következők szükségesek … • Olyan kezdeti feltételek, melyek kielégítően reprezentálják a légkör állapotát (háromdimenziós szél-, hőmérséklet-, légnyomás-, légnedvesség- és felhőzet- paraméterek); • Egy numerikus időjárás előrejelzési modell, mely kielégítően reprezentálja a légkör fizikai törvényeit az egész Földre;
Az NWP hibaforrásai • Hibák a kezdeti feltételekben; • Hibák a modellben; • Az előrejelezhetőség valós korlátai; • A hibák lehetnek véletlenek és/vagy szisztematikusak;
Az NWP hibaforrásai A kezdeti feltételek hibái 1. A megfigyelési adatok lefedettsége a térbeli sűrűség b időbeli gyakoriság 2. Adathibák a műszerhibák b reprezentativitási hibák 3. Hibák a minőségellenőrzésben 4. Hibák az objektív analízisben 5. Hibák az adatfeldolgozásban 6. Hiányzó változók
Modellhibák 1. A mozgásegyenletek hiányosak 2. Hibák a numerikus approximációkban a horizontális felbontás b vertikális felbontás c Időillesztési eljárás 3. Határfeltételek a horizontális b vertikális 4. Felszín 5. Fizikai folyamatok Source: Fred Carr
Mindezen feltételek és korlátok mellett sem végezhetjük úgy az időjárás előrejelzését, mint ahogy azt eddig tettük. • Mely más tudományágak jelezhetik előre a jövőbeni időjárást ugyanolyan sikerrel, mint a meteorológia?
• Napjainkban a meteorológiai szolgálatok az NWPmodelleket korlátozott területekre futtatják, ugyanakkor az ECMWF (European Centre for Medium-Range Weather Forecasts) globális NWP-t is végez. • Vannak olyan modellek, amelyek 9 x 22 km gridhálózatra végeznek NWP-t, míg az ECMWF modellt 25 km-es gridhálózaton futtatják. • Az AROME kísérleti modellt 2,5 km-es gridhálózaton futtatják.
22 km HIRLAM 9 km HIRLAM 2.5 km AROME
9 km HIRLAM 2.5 km AROME megfigyelhető radar visszaverődés
9 km HIRLAM 2.5 km AROME
Remények • A nagy felbontású megfigyelések nagy felbontású kiindulási feltételeket szolgáltatnak, melyek beépíthetők a nagy felbontású NWP modellbe, ami lehetővé teszi nagy felbontású előrejelzések készítését. • Remény van rá, hogy legfeljebb néhány órára előre pontos előrejelzések készíthetők a konvekcióra, a tengeri szélre, a csapadékra és a szélre vonatkozóan. • AZONBAN … a valóság az, hogy bevégezzük egy nagy felbontású, viszont kevésbé pontos előrejelzéssel.
Nehézségek … • A kezdeti feltételek előállítása a ritka (térbeli és időbeli) felbontásból, valamint a hiányos megfigyelésekből nem könnyű. • Adat-asszimiláció: rácspontokra meghatározott 3D/4D adatkészlet létrehozása, mely alkalmas az NWP modell inicializálására (kiindulási állapotának előállítására). • Az adat-asszimiláció egy javasolt végrehajtási módja lehet a következő …
Megfigyelések kontra valóság • “Mi a valóság? Nem tudjuk kezelni az valóságot!” • A valóság ismeretlen és az alkalmazástól függ: “várható érték egy 5 x 5 km2-es területre”. • Feltételezés: számos torzítatlan megfigyelés átlaga meg kell egyezzen a valóság várható értékével. • Ugyanakkor a precíz megfigyelések lehetnek torzítottak, vagy nem reprezentatívak, pl. a tájolás, vagy egyéb tényezők miatt.
Hogyan kezeljük a megfigyelések egyenlőtlen eloszlását az analízis során? 1. eset
? x
= megfigyelés
2. eset
3. eset
? x
? x
x
= grid cella
Hogyan kezeljük az eltérő időjárási jelenségeket az analízis során? inverziók magasan fekvő medencében
front ?
O
?
O
O O
O
z T
? O
Analízisek kontra valóság Analizált érték = Háttér érték + megfigyelési Korrekció - Az analízis több mint egy térbeli interpoláció; - A jó analízishez a következők szükségesek: - a modell előrejelzés által szolgáltatott jó háttérmező - elegendő sűrűségű megfigyelések a kritikus időjárási és éghajlati sajátosságok meghatározására; - információ a megfigyelések és a háttérmező hibajellemzőiről; - jó technikák (előrehaladó megfigyelés kezelők) a rácspontokra, meghatározott háttér értékek pszeudomegfigyelésekké transzformálásához; - Az analízis hibája az ismeretlen valósághoz képest kisebb kell legyen, mint a megfigyelések és a háttérmező hibái; - Az analízisek ensemble átlaga közelebb kell legyen a valósághoz, mint az egyszerű determinisztikus megközelítés, HA az analízisek torzítatlanok;
Valóság: folytonos kontra diszkrét
hőmérséklet
A valóság ismeretlen. A valóság az alkalmazástól függ. valóság valóság = H (valóság)
nyugat
valóság
kelet
A diszkrét analízis hibája
hőmérséklet
Az objektív analízis célja: minimalizálni a valóság nem-valóság közötti hibát! analízis hiba analízis
nyugat
valóság
valóság
kelet
ADAS • T, RH és V majdnemvalódi idő analízise (Lazarus et al. 2002 WAF; Myrick et al. 2005 WAF; Myrick & Horel 2006 WAF)
• Az NWS GFE grid analízise 5 km térbeli felbontással • Háttérmező: RUC • Horizontális, vertikális és anizotróp súlyozás
Leírás: A következő diaképek a LAPS/MM5 analízis hőmérsékleti eredményeit mutatják. A célkitűzés az volt, hogy összehasonlítsunk egy normál MM5 analízist egy LAPS/MM5 analízissel, valamint azt verifikáljuk néhány megfigyeléssel, melyeket a LAPS analízis nem tartalmaz. Input a LAPS analízishez: - MM5 9-km felbontás (input to MM5-höz: ECMWF 0,35 fok); - 52 felszíni megfigyelés a HTB területről;
MM5 analízis: Hőmérséklet 9 m magasságban, 1 km felbontással A vizsgálat az ECMWF operációs analízis 0.35 fokos határmezőin alapszik.
09 Aug 2005,15 UTC
MM5 analízis: Hőmérséklet 9 m magasságban, 1 km felbontással Verifikálás: a számok a térképen bizonyos állomások mérései, s nem részei a LAPS analízisnek. *23.7 *
* 23.4
23.6
*
24.3
*
26.0
* 23.0 *
22.1
* *
25.4
25.4
23.5
* *20.5
*
20.7
*
22.0
*
20.9
20.2
*
*
20.4
09 Aug 2005,15 UTC
MM5 analízis: Hőmérséklet 9 m magasságban, 3 km felbontással Verifikálás: a számok a térképen bizonyos állomások mérései, s nem részei a LAPS analízisnek. *23.7 *
* 23.4
23.6
*
24.3
*
26.0
* 23.0 *
22.1
* *
25.4
25.4
23.5
* *20.5
*
20.7
*
22.0
*
20.9
20.2
*
*
20.4
09 Aug 2005,15 UTC
LAPS/MM5 analízis: Hőmérséklet 9 m magasságban, 1 km felbontással Verifikálás: a számok a térképen bizonyos állomások mérései, s nem részei a LAPS analízisnek. *23.7 *
* 23.4
23.6
*
24.3
*
26.0
* 23.0 *
22.1
* *
25.4
25.4
23.5
* *20.5
*
20.7
*
22.0
*
20.9
20.2
*
*
20.4
09 Aug 2005,15 UTC
Adat-asszimilációs meglepetések •
Torn és Hakim (kézirat) egy ensemble Kalman szűrőt alkalmaztak több hurrikánra, hogy meghatározzák az előrejelzés szempontjából a legérzékenyebb régiókat a Nyugat-Csendesóceán térségében. Azt tapasztalták, hogy a legnagyobb érzékenység a trópusi ciklon felső szintű ún. feláramlási vájujához kapcsolható. A megfigyelési hatásvizsgálatok azt jelzik, hogy kb. 40 kulcsfontosságú megfigyelés feldolgozásával csaknem ugyanolyan hatást gyakorolunk az előrejelzésre, mint az összes 12 000 db rendelkezésre álló megfigyelés feldolgozásával.
•
Egy trópusi ciklon minimális központi légnyomása 48 órás előrejelzésének érzékenysége az 500 hPa geopotenciális magasság analízisével (színek) a 2004 október 19. 12 UTC-re inicializált előrejelzés készítésekor. A meleg (hideg) színek régiói azt jelzik, hogy részletezve az 500 hPa-os magasság analízisét az adott pont fölött, a minimális központi légnyomás 48 órás előrejelzése pontosabbá (pontatlanabbá) válik.
Adat-asszimilációs problémák • Adaptív (alkalmazkodó) megfigyelések: adatgyűjtés ott, ahol az előrejelzés a legérzékenyebb; • Néha a több adat feldolgozása gyengébb előrejelzést ad (Morss and Emanuel);
Kihívások az előrejelzők számára • A determinizmus halott → hosszú életű valószínűségi előrejelzés! • A finom felbontású modell output nem interpretálható úgy, mint a durva felbontású. • Az előrejelzők át kell, hogy képezzék magukat. • A finom felbontású előrejelzések kommunikációja nem egyszerű a végfelhasználók felé (azaz, nem elég csupán elküldeni a nyers modell output-ot a felhasználókhoz, s elvárni tőlük, hogy felhasználják azt). • Ez álláslehetőséget kínál a jó előrejelzők számára a jövőben.
