Transcript презентация ()

Технологии метеорологического
прогнозирования в Российской Федерации:
состояние и перспективы
Р.М. Вильфанд
Гидрометцентр России
2014 г.
Наблюдения и усвоение данных:
Роль различных видов наблюдений в задачах усвоения данных
Любой прогноз начинается с наблюдений и подготовки начальных данных для расчета…
Доминирующая роль
спутниковых данныx
(2/3 усваиваемой
информации)
Lorenc and Marriott,
QJRMS, Jan 2014
Усвоение данных: мировые тенденции
• Повышение эффективности усвоения данных путём создания гибридных методов
(ансамблевый+вариационный подходы)
• Совершенствование описания ошибок модели
• Разработка систем усвоения данных для моделей с явно разрешаемой конвекцией
•Всепогодное усвоение спутниковых наблюдений
• Усвоение характеристик состояния земной поверхности (снег, влагосодержание
почвы, температура верхнего слоя почвы)
• Эффективное усвоение радарных данных
• Развитие систем усвоения для
атмосферных примесей (оптической толщи
аэрозоля, озона)
• Развитие усвоения данных для
объединенных систем «атмосфера-океансуша»
• Развитие методов, эффективно
работающих на массивно-параллельных
компьютерах
Некоторые особенности усвоения для процессов разного масштаба
Усвоение на конвективных масштабах
• Особый интерес представляют процедуры инициализации,
позволяющие уменьшить “spin‐up” на ранних этапах прогноза;
• Проблема ошибок начальной локализации положения
метеорологических объектов и структур;
• Балансовые соотношения (гидростатическое и геострофическое
приближения) могут плохо выполняться на конвективных масштабах;
• Большой интерес представляет усвоение новых видов наблюдений
с высокой детализацией (радары, GPS, профайлеры и др.) и
с быстрым (внутричасовым) циклом обновления.
Усвоение для задач прогноза климатической изменчивости
ARGO
• Сегодня некоторые моды долгопериодной изменчивости атмосферы
не удается инициализировать надлежащим образом.
• Важность инициализации атмосферы – океана – суши как единой
системы.
Усвоение данных в Росгидромете: состояние дел, планы
• Создание гибридной вариационно-ансамблевой
схемы на новом принципе иерархического
Байесового усвоения данных
• Поддержание единой технологической базы
оперативного усвоения данных в атмосфере
(глобального и регионального) и в океане, с
переходом к гибридному усвоению (3D-Var +
ансамбли)
Циклическое усвоение данных на основе модели COSMO
для Сочи. RMSE прогнозов температуры на 6 час.
Красная кривая: циклическое усвоение. Голубая кривая:
даунскейлинг. Эффект мал, нужны мезо-масштабные
наблюдения (радары)
• Разработка технологий усвоения радарных данных
• Расширение списка усваиваемых спутниковых
наблюдений
• Усвоение характеристик на поверхности
(влагосодержание почвы, температура верхнего
слоя почвы)
Выходные поля системы
усвоения океанографических
данных: температура,
соленость, компоненты скорости
течения, функция тока, глубина
верхнего перемешанного слоя.
Анализ Гидрометцентра России vs анализ NCEP/NOAA.
Показана RMSE для прогноза геопотенциала по модели
ПЛАВ на 72 ч. Регион: Азия.
NCA – анализ NCEP, A3F – новый анализ
Глобальные прогнозы
Некоторые тенденции :
• Развитие «бесшовных» интегрированных технологий;
• Продолжающееся увеличение пространственного разрешения;
• Переход к негидростатическим базовым динамическим
уравнениям;
• Переход к совместным моделям «атмосфера – океан – морской
лёд – морское волнение – химия – гидрология» ( модели
превращаются в модели окружающей среды);
• Обобщение ансамблевого подхода на дочерние проблемноориентированные приложения (вероятностный подход к оценке
воздействий погодных факторов)
•....
Лишь ~10 центров в мире обладают НЕЗАВИСИМОЙ СОБСТВЕННОЙ
технологией глобального среднесрочного прогноза (еще 4-5
используют английскую и американскую системы).
Пространственное разрешение и заблаговременность (сут.)
детерминированных глобальных среднесрочных прогнозов:
текущее состояние и планы развития
(Количество расчетных вертикальных уровней указано после буквы L)
Forecast Centre
(Country)
ECMWF
(Europe)
Met Office
(UK)
Météo France
(France)
DWD
(Germany)
HMC
(Russia)
NCEP
(USA)
CMC
(Canada)
CPTEC/INPE
(Brazil)
JMA
(Japan)
CMA
(China)
KMA
(Korea)
BoM
(Australia)
2014
2015
2016
2017
TL1279L137 (~16км)
TL2047 L137
TL2047 L137
TL2047 L137
16km L85?
16km L85?
TL1198c2.2 L105
TL1198c2.2 L105
(8km on W Europe) (8km on W Europe)
13 km L90 (6.5km in 13 km L90 (6.5km in
20 km L60
Europe)
Europe)
0.72°x0.9° L51
0.18°x0.225° L60
0.18°x0.225° L60
T169 L31
T339 L31
T339 L63
T878; L91(7.5)
T382; L91 (16)
Lat-Lon
Ying-Yang
Ying-Yang
Ying-Yang
0.35°x0.23° L80
(0.14°x0.14°) L80
(0.09°x0.09°) L125 (0.09°x0.09°) L160
20 km L96
10 km L96
10 km L160
10 km L160
TL959 L100
TL959 L100
TL959 L100
TL959 L100
2018
Ying-Yang
(0.09°x0.09°) L200
TL639 L60
GRAPES(0.25°, L60) GRAPES(0.25°, L90)
GRAPES(0.5°, L60)
25km L70
25km L70
17kmL70
25 km L70
25 km L70
17 km L110
17kmL70
12kmL70
Сравнение оперативной (0.9˚х0.72˚, 28 уровней, OPER) и
новой (0,225˚х0,18˚ = ~20-25 км, 51 уровень, SLM20)
версий модели ПЛАВ (Гидрометцентр России/ИВМ РАН)
Регион: Европа. Период сравнения: январь + июль 2013
2,8
2,6
2,4
2,2
2
1,8
1,6
1,4
1,2
1
30
28Geopotential 500 RMS, Europe
26среднее: январь и июль 2013
24
22
OPER
20
SLM20
18
16
14
12
10
24
48
48
72
2,3
Temperature 850 RMS, Europe,
среднее: январь и июль 2013
9 Wind 250 RMSE, Europe,
среднее: январь и июль 2013
2,1
8
7
OPER
SLM20
24
72
10
Sea level pressure RMS, Europe,
среднее: январь и июль 2013
OPER
SLM20
1,9
OPER
SLM20
6
1,7
5
4
1,5
24
48
72
24
48
72
Роль пространственного разрешения
на примере спектральной модели Гидрометцентра России
Прогноз развития полярного циклона в Баренцевом море 4-5 апреля 2014 года
с шагом 35 (Т339) и 70 ( Т169) км. Cтарт: 00 час. 03.04.2014. Заблаговременность 36 ч.
Скорость ветра на уровне 10 м
T339L31
T169L31
Анализ
Прогностические ансамбли: некоторые тенденции
• Постепенное внедрение вероятностного подхода в «обыденное» синоптическое
сознание. Методы ансамблевого прогнозирования становятся основными
• Стремление к более аккуратному и физичному представлению начальной
неопределенности в данных анализа и неопределенности, связанной с
несовершенством прогностических моделей (стохастическая физика, использование
альтернативных параметризаций, возмущение данных на поверхности, развитие
мультимодельных ансамблевых систем и др.)
• Активное развитие методов статистического постпроцессинга, использование
ретроспективных прогнозов
• Развитие прогностических ансамблей с явным разрешением конвекции
• ......
Чего можно ждать в ближайшие годы?:
• Региональные ансамбли с разрешением ~10 км со своей системой
усвоения данных
• Глобальные ансамбли с разрешением ~20-25 км
• Исследовательские версии ансамблевых систем с разрешением 2-3 км
• Появление оперативных систем с разрешением ~1 км в течении 3-5
лет маловероятно
На сезонных временных масштабах постепенно появляется
полезный прогностический сигнал во внетропических широтах!
Прогноз Арктического колебания
в зимний период
Соотношение сигнал/шум мало,
поэтому требуются большие
прогностические ансамбли!
Все модели показывают
положительную успешность.
Предсказуемость индекса Арктического
колебания значительно выше, чем в
предшествующих оперативных
системах долгосрочного прогноза.
Растет интерес к задачам
прогноза внутрисезонной
изменчивости
Черные кривые – факт.
Цветные кривые – прогнозы моделей-участниц
проекта CHFP (Climate-system hystorical forecast project)
• Практическая предсказуемость основной
моду внутрисезонной изменчивости,
осцилляции Маддена-Джулиана для лучших
моделей сегодня составляет ~1 месяца.
• Проект S2S. Гидрометцентр России – один из
участников
Гидрометцентр России – один из центров-производителей
глобальных долгосрочных прогнозов в системе ВМО
Карта согласованности прогнозов различных
центров: цветом показано количество
моделей, прогнозировавших положительные
/отрицательные сезонные температурные
аномалии в различных регионах
Совместные модели атмосферы и океана становятся основным инструментом
для задач глобального долгосрочного прогноза
В таблице приведены среднеквадратические ошибки ретроспективных прогнозов
сезонных аномалий по атмосферной и по совместной (атмосфера+океан) версиям
модели Гидрометцентра России/ИВМ РАН. Осреднение: за 1989-2010 годы для всех
сезонов
H500
P0
T2m
Регион
Атмосферная
версия модели
Совместная
модель
20-90 N
27.6
27.4
Тропики
6.3
5.7
90-20 S
27.6
27.4
20-90 N
2.11
2.05
Тропики
0.68
0.57
90-20 S
2.62
2.61
20-90 N
1.37
1.40
Тропики
0.60
0.53
90-20 S
1.26
1.28
Статистическая постобработка численных прогнозов
а
25 станции с RPSS > 0.06
Вероятность случайности < 0.001
Результат значим
на 2.5% уровне в одностороннем тесте
б
3 станции с RPSS > 0.06
Вероятность случайности = 0.31
Результат не значим
на 2.5% уровне в одностороннем тесте
RPSS прогноза средней зимней температуры воздуха на станциях с использованием
даунскейлинга (a) и с использованием интерполяции на станции из модельного прогноза в узлах
сетки (б).
Значения RPSS > 0.06 значимы на 2.5% уровне в одностороннем тесте
Прогнозы по ограниченной территории
Оперативные системы детерминированного прогноза:
текущее состояние и планы (размерность сетки, разрешение, уровни)
Forecast Centre
(Country)
Met Office
(UK)
Météo France
(France)
DWD
(Germany)
HMC
(Russia)
NCEP
(USA)
2014
2015
1440x1350; 1,3 km; L90
1440x1350; 1.3 km; L90
2016
2017
665x657; 7 km; L40
zooming 6.5 km; L90
zooming 6.5 km; L90
421x461; 2.8 km; L50
724x780; 2.2 km; L80
724x780; 2.2 km; L80
700х620, 7km, L60
700х620, 7km, L60
1800х680, 7km, L60
2 dom. 500х500,2.2km,L80 2 dom. 500х500,2.2km,L80 2 dom. 500х500,2.2km,L80
(1 km – тестовая версия)
2193x1760; 2.5 km; L80
2193x1760; 2.5 km; L91
1182x1014; 2.25km; L91
1071x1125; 3.33km; L80
1071x1125; 3.33km; L91
1190x1250; 3 km; L91
559x841; 2 km; L80
559x841; 2 km; L91
621x935; 1.8 km; L91
361x361; 2 km; L80
361x361; 2 km; L91
401x401; 1.8 km; L91
CMC
(Canada)
CPTEC/INPE
(Brazil)
996x1028;10 km; L80
3000x2400; 2.5 km; L58
500x600, 15 km, L60;
1360x1480, 5km, L45
3000x2400; 2.5 km; L80
500x600, 15 km, L60;
1360x1480, 5km, L60
3000x2400; 2.5 km; L80
500x600, 15 km, L60;
target 2700x2900, 2km, L75
3750x3000; 2 km; L80
JMA
(Japan)
CMA
(China)
KMA
(Korea)
BoM
(Australia)
817x661; 5 km; L50
1581x1301, 2km, L60
750x500,10km; L60
750x500,5km; L60
~12km L70
1.5km L70
1088x746; 12km L70
306*278; 4km, L70
nil
300*300; 12km, L50
817x661; 5 km; L75
1581x1301, 2km, L60
750x500,10km; L60
1000x750,3km; L90
~12km L70
1.5km L70
1088x746; 12km L70
306*278; 4km, L70
nil
300*300; 12km, L50
817x661; 5 km; L75
1581x1301, 2km, L60
817x661; 5 km; L75
1581x1301, 2km, L60
~12km L70
1.5km L70
tbd
670*670; 1.5km, L90
670*670; 1.5km, L90
tbd
~12km L70
1km L70
COSMO-Ru: области прогноза
• Ввод в оперативную практику технологий мезомасштабного прогноза - один из
важных итогов развития отечественной гидрометслужбы за последние годы.
• COSMO-Ru - базовая модель Гидрометцентра России для задач оперативного
мезомасштабного краткосрочного прогноза погоды
7
2
2
Универсиада Казань-2013
COSMO-Ru13/6
ЦФО
2
Сочи1
Сочиi2
1
COSMO-Ru7
COSMO-Ru2
COSMO-Ru1
Мезомасштабные прогнозы:
некоторые тенденции и проблемы
• Все больше оперативных моделей используют разрешение порядка нескольких километров.
При таком разрешении модели способны явно описать некоторую совокупность конвективных
ячеек, но не отдельные ячейки. Достаточно реалистично описать турбулентные потоки тепла,
влаги и момента без использования параметризации глубокой конвекции при этом не удается
(Параметризация конвекции остается серьезной проблемой при разрешении > 5 км).
Модель: NMMB – 1км
Открытые вопросы:
• Что может быть достигнуто путем прямого
моделирования без использования
параметризаций ?
• Что не может быть или не следует делать без
параметризаций ?
Модель: Harmonie – 2.5 км
• Что можно рекомендовать для улучшения
существующих параметризаций ?
…….
Прогнозы с конвективным разрешением по региону Сочи
Мезомасштабные прогнозы:
сверхвысокое разрешение (~десятков метров)
Некоторые открытые вопросы:
• Нужны ли нам трехмерные
параметризации (турбулентность,
радиация и др.) ?
- При разрешении 0.5 км возможно
еще нет, но это потребуется при более
детальном разрешении (при явном
разрешении крупных вихрей)
• Какой должна быть схема мелкой
конвекции?
• Детальность и качество физикогеографических полей данных о
свойствах подстилающей поверхности
(качество обычно очень неоднородно).
• …….
Пример: 3D-радиация ?
Моделирование с наклонными
воздушными колоннами: на каждом
временном шаге производится
переориентация (наклон) воздушного
столба в направлении на солнце
GEM - 250 m
Некоторые сомнения*
(следует ли бежать или лучше идти? )
•
Мы лишь недавно стали обходиться без параметризации глубокой
конвекции... Сегодняшние модели с конвективным разрешением страдают от
ряда серьезных систематических ошибок, которые не исчезнут при переходе
к более высокому разрешению. Разобраться сначала с ними?!?
•
Моделирование сложных связей между радиацией, облачностью,
микрофизикой и аэрозолями пока еще не вышло на зрелый уровень. Не
следует ли разобраться сначала с этими вопросами?!?
•
Стоит ли торопиться с переходом к гектометрическому пространственному
разрешению, чтобы столкнуться с целым рядом новых проблем
(моделирование мелкой конвекции, 3D-турбулентности и т.д.)
•
Следует учитывать очень ограниченную предсказуемость на малых
пространственно-временных масштабах.. Использовать ансамблевый подход?
Для этих разрешений вопросы реализации ансамблевого подхода пока не
проработаны...
* По материалам WGNE
Догонят ли глобальные модели по разрешению модели для
прогноза по ограниченной территории?
Эксперименты с высоким пространственным разрешением в ЕЦСПП:
Ураган Лотта – прогноз на 11 часов
TL1279L40 (~ 16 km)
TL7999L40 (~ 2.5 km)
17 февраля 2014, 11:00-12:00 UTC (район олимпийских соревнований по биатлону).
Прогноз направления ветра и относительной влажности модели COSMO-Ru1 позволил
синоптикам спрогнозировать время проведения соревнований
Относительная влажность на 2 м:
прогноз и наблюдения
17.02.2014 . Снимки видеокамеры,
установленной в Горной каруселиl-1500
11:00 UTC
11:30 UTC
12:00 UTC
Ветер и относ. Влажность на 850 гПа.
Прогноз по данным 16.02, 12 UTC
11:00 UTC
12:00 UTC
Стадион для
биатлона
10.06.2014
13:00 UTC
Стадион для
биатлона
COSMO PP CORSO
Стадион для
биатлона
21
Наукастинг
• Различные подходы:
- Экстраполяция недавних наблюдений;
- На базе численных прогнозов;
- Комбинированный подход
• Тенденции:
- Сближение с численным прогнозом погоды
(опыт Ванкувера-2010, Лондона-2012, Сочи2014);
- В перспективе все более тесная связь с
усвоением данных с высоким разрешением
• Планы Росгидромета (непрерывное
усвоение и быстрый цикл обновления ЧПП,
мультимодельный подход, комбинирование
экстраполяции радарных данных и ЧПП)
• Потребность в мезомасштабном
наблюдательном полигоне
«Дочерние» прогнозы: метеорологическое обеспечение авиации
• Развитие систем постпроцессинга результатов
численного моделирования =>
-прогноз верхней и нижней границ облачности, зон обледенения,
- высоты нулевой изотермы,
- механической и термической турбулентности,
- дальности горизонтальной видимости,
- зон атмосферных фронтов
Опытный образец карты особых явлений для
авиации на нижних уровнях (ЕТР), 3.10.2013, 00 ВСВ
•
Прогноз особых явлений выполняется на основе общего численного прогноза по
моделям COSMO-RU и ПЛАВ, опираясь на базы данных аэродромных наблюдений и
материалы дистанционных измерений. Объективные методы прогноза опасных для
авиации явлений позволили развить технологии оперативного расчета прогностических
карт особых явлений на верхних (выше 7 км) и средних (3-7 км) уровнях.
Разрабатываются методы прогноза опасных явлений на нижних уровнях, включая
условия взлета и посадки воздушных судов на территории России и ближнего зарубежья.
Агрометеорологические прогнозы
Динамика
урожайности
зерновых и
зернобобовых
культур в России
(1960-2013)
- Температура воздуха,
- Количество осадков,
- Запасы продуктивной влаги в почве
- ГТК Селянинова
Вегетационный индекс NDVI
Состояние зерновых культур
Прогноз урожайности
«Дочерние» прогностические приложения:
экспериментальный долгосрочный прогноз
показателя пожарной опасности
Вычислительные аспекты
Распостранение информации
Международное сотрудничество
в области прогнозирования погоды
• Участие в международных программах и проектах ВМО
(ММЦ, РСМЦ, РКЦ, ГЦДП, FROST-2014, S2S и др.)
• Участие в других международных проектах и программах
(
,
и др.)
• Двустороннее сотрудничество Росгидромета с другими НМГС
• Сотрудничество в рамках Межгосударственного совета
по метеорологии МСГ (СЕАКЦ
,..)
• Участие специалистов Росгидромета в рабочих и экспертных группах ВМО
Роль синоптика
Основой современной технологии подготовки прогнозов погоды является
оперативный численный прогноз погоды на базе гидродинамических моделей
атмосферы и автоматизированных технологий сбора и обработки
гидрометеорологической информации.
Роль специалиста-прогнозиста в современной технологии подготовки
прогнозов включает:
-обобщение разнородной по содержанию, форме представления и точности
объективной фактической и прогностической информации;
- оценку влияния локальных особенностей района прогноза на эволюцию
погодообразующих процессов;
- интерпретацию численных прогнозов в терминах явлений и параметров
приземной погоды;
- оценку возможности возникновения и интенсивности
опасных природных явлений и резких изменений погоды.
Спасибо за внимание