Технологии метеорологического прогнозирования в Российской Федерации: состояние и перспективы Р.М. Вильфанд, Гидрометцентр России 7-й Метеорологический съезд 7-9 июля, Санкт-Петербург

Наблюдения и усвоение данных: Роль различных видов наблюдений в задачах усвоения данных Доминирующая роль спутниковых данныx (2/3 усваиваемой информации) Любой прогноз начинается с наблюдений и подготовки начальных данных для расчета… 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-океан- суша» Развитие методов, эффективно работающих на массивно-параллельных компьютерах

Усвоение на конвективных масштабах Особый интерес представляют процедуры инициализации, позволяющие уменьшить spinup 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 Сегодня некоторые моды долгопериодной изменчивости атмосферы не удается инициализировать надлежащим образом. Важность инициализации атмосферы – океана – суши как единой системы. Некоторые особенности усвоения для процессов разного масштаба ARGO

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) Разработка технологий усвоения радарных данных Расширение списка усваиваемых спутниковых наблюдений Усвоение характеристик на поверхности (влагосодержание почвы, температура верхнего слоя почвы) Усвоение данных в Росгидромете: состояние дел, планы 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 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) Выходные поля системы усвоения океанографических данных: температура, соленость, компоненты скорости течения, функция тока, глубина верхнего перемешанного слоя.

Глобальные прогнозы Лишь ~10 центров в мире обладают НЕЗАВИСИМОЙ СОБСТВЕННОЙ технологией глобального среднесрочного прогноза (еще 4-5 используют английскую и американскую системы). 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 проблемно- ориентированные приложения (вероятностный подход к оценке воздействий погодных факторов).... Некоторые тенденции :

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 TL1279L137 (~16 км)TL2047 L137 (Europe) Met Office 16km L85? (UK) Météo France TL1198c2.2 L105 (8km on W Europe) (France) DWD 20 km L60 13 km L90 (6.5km in Europe) (Germany) HMC0.72°x0.9° L510.18°x0.225° L60 (Russia)T169 L31T339 L31T339 L63 NCEP T878; L91(7.5) (USA) T382; L91 (16) CMC Lat-Lon 0.35°x0.23° L80 Ying-Yang (0.14°x0.14°) L80 Ying-Yang (0.09°x0.09°) L125 Ying-Yang (0.09°x0.09°) L160 Ying-Yang (0.09°x0.09°) L200 (Canada) CPTEC/INPE 20 km L9610 km L9610 km L160 (Brazil) JMA T L 959 L100 (Japan) CMA TL639 L60 GRAPES(0.25°, L60)GRAPES(0.25°, L90) (China)GRAPES(0.5°, L60) KMA 25km L70 17kmL70 12kmL70 (Korea) BoM 25 km L70 17 km L110 (Australia)

Сравнение оперативной (0.9˚х 0.72˚, 28 уровней, OPER) и новой (0,225˚х 0,18˚ = ~20-25 км, 51 уровень, SLM20) версий модели ПЛАВ (Гидрометцентр России/ИВМ РАН) Регион: Европа. Период сравнения: январь + июль 2013

T339L31T169L31Анализ Прогноз развития полярного циклона в Баренцевом море 4-5 апреля 2014 года с шагом 35 (Т339) и 70 ( Т169) км. Cтарт: 00 час Заблаговременность 36 ч. Скорость ветра на уровне 10 м Роль пространственного разрешения на примере спектральной модели Гидрометцентра России

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 Черные кривые – факт. Цветные кривые – прогнозы моделей-участниц проекта CHFP (Climate-system hystorical forecast project) Растет интерес к задачам прогноза внутрисезонной изменчивости Практическая предсказуемость основной моду внутрисезонной изменчивости, осцилляции Маддена-Джулиана для лучших моделей сегодня составляет ~1 месяца. Проект S2S. Гидрометцентр России – один из участников 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.

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 Регион Атмосферная версия модели С овместная модель H N Тропики S P N Тропики S T2m20-90 N Тропики S В таблице приведены среднеквадратические ошибки ретроспективных прогнозов сезонных аномалий по атмосферной и по совместной (атмосфера+океан) версиям модели Гидрометцентра России/ИВМ РАН. Осреднение: за годы для всех сезонов

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 25 станции с RPSS > 0.06 Вероятность случайности < Результат значим на 2.5% уровне в одностороннем тесте 3 станции с RPSS > 0.06 Вероятность случайности = 0.31 Результат не значим на 2.5% уровне в одностороннем тесте а б Статистическая постобработка численных прогнозов

Прогнозы по ограниченной территории Оперативные системы детерминированного прогноза: текущее состояние и планы (размерность сетки, разрешение, уровни) Forecast Centre (Country) Met Office (UK) Météo France 1440x1350; 1,3 km; L901440x1350; 1.3 km; L90 (France) DWD665x657; 7 km; L40zooming 6.5 km; L90 (Germany)421x461; 2.8 km; L50724x780; 2.2 km; L80 HMC 700 х 620, 7km, L х 680, 7km, L60 2 dom. 500 х 500,2.2km,L80 (Russia) (1 km – тестовая версия) NCEP2193x1760; 2.5 km; L802193x1760; 2.5 km; L911182x1014; 2.25km; L91 (USA)1071x1125; 3.33km; L801071x1125; 3.33km; L911190x1250; 3 km; L91 559x841; 2 km; L80559x841; 2 km; L91621x935; 1.8 km; L91 361x361; 2 km; L80361x361; 2 km; L91401x401; 1.8 km; L91 CMC996x1028;10 km; L (Canada)3000x2400; 2.5 km; L583000x2400; 2.5 km; L x3000; 2 km; L80 CPTEC/INPE500x600, 15 km, L60; (Brazil)1360x1480, 5km, L x1480, 5km, L60target 2700x2900, 2km, L75 JMA817x661; 5 km; L50817x661; 5 km; L75 (Japan)1581x1301, 2km, L60 CMA750x500,10km; L60 (China)750x500,5km; L601000x750,3km; L90 KMA ~12km L70 1.5km L70 ~12km L70 1km L70 (Korea) BoM1088x746; 12km L70 tbd (Australia)306*278; 4km, L70 670*670; 1.5km, L90 nil 670*670; 1.5km, L90 300*300; 12km, L50 tbd

COSMO-Ru: области прогноза Универсиада Казань-2013 ЦФО Сочиi2 Сочи COSMO-Ru7 COSMO-Ru2 COSMO-Ru1 COSMO-Ru13/6 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

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). Открытые вопросы: Что может быть достигнуто путем прямого моделирования без использования параметризаций ? Что не может быть или не следует делать без параметризаций ? Что можно рекомендовать для улучшения существующих параметризаций ? ……. Модель: NMMB – 1 км Модель: Harmonie – 2.5 км Прогнозы с конвективным разрешением по региону Сочи

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 физико- географических полей данных о свойствах подстилающей поверхности (качество обычно очень неоднородно). ……. Моделирование с наклонными воздушными колоннами: на каждом временном шаге производится переориентация (наклон) воздушного столба в направлении на солнце Пример : 3D-радиация ? Мезомасштабные прогнозы: сверхвысокое разрешение (~десятков метров)

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 GEM m

Догонят ли глобальные модели по разрешению модели для прогноза по ограниченной территории? TL1279L40 (~ 16 km) TL7999L40 (~ 2.5 km) Эксперименты с высоким пространственным разрешением в ЕЦСПП: Ураган Лотта – прогноз на 11 часов

Снимки видеокамеры, установленной в Горной каруселиl 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 Ветер и относ. Влажность на 850 г Па. Прогноз по данным 16.02, 12 UTC COSMO PP CORSO Стадион для биатлона 11:00 UTC 11:30 UTC12:00 UTC 11:00 UTC 13:00 UTC 12:00 UTC Относительная влажность на 2 м: прогноз и наблюдения Стадион для биатлона

Наукастинг Тенденции: - Сближение с численным прогнозом погоды (опыт Ванкувера-2010, Лондона-2012, Сочи- 2014); - 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 Различные подходы: - Экстраполяция недавних наблюдений; - На базе численных прогнозов; - Комбинированный подход

«Дочерние» прогнозы: метеорологическое обеспечение авиации 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. 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), , 00 ВСВ

Агрометеорологические прогнозы Вегетационный индекс NDVI Состояние зерновых культур Прогноз урожайности - Температура воздуха, - Количество осадков, - Запасы продуктивной - влаги в почве - ГТК Селянинова Динамика урожайности зерновых и зернобобовых культур в России ( )

«Дочерние» прогностические приложения: экспериментальный долгосрочный прогноз показателя пожарной опасности

Вычислительные аспекты

Распространение 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