Развитие технологий прогнозирования на месяц и сезон Мирвис В.М. (ГГО), Киктев (ГМЦ), Мелешко В.П. (ГГО), Львова Т.Ю., Матюгин В.А. (ГГО), Круглова Е.Н., - презентация

1 Развитие технологий прогнозирования на месяц и сезон Мирвис В.М. (ГГО), Киктев (ГМЦ), Мелешко В.П. (ГГО), Львова Т.Ю., Матюгин В.А. (ГГО), Круглова Е.Н., Куликова И.А., Тищенко В.А. (ГМЦ) VII Всероссийский метеорологический съезд «Обеспечение гидрометеорологической безопасности России в условиях меняющегося климата» 7-9 июля 2014, Санкт-Петербург

2 Методы прогнозов Эмпирические (статистические): аналогия, регрессионные связи между физическими факторами, пространственно-временные связи (дальние связи, цикличность) недостатки: не в состоянии учесть огромное число действующих факторов в условиях ограниченной выборки и все зависимости оказываются неустойчивыми, непригодны для нестационарных условий меняющегося климата Гидродинамические физически полные модели атмосферы и океана недостатки: содержат ошибки (учитывают не все факторы, имеют ограниченное разрешение, схемы параметризации несовершенны) Гидродинамико-статистические используют ансамбль гидродинамических прогнозов различных моделей и статистические методы калибровки и оптимизации

3 Глобальные прогностические центры долгосрочных прогнозов

4 Основные элементы технологии ДМП МОЦА + прогноз ТПО, льда Задание начальных условий (инициализация) МОЦАО Формирование и расчет АНСАМБЛЯ гидродинамических прогнозов Статистическая интерпретация и КАЛИБРОВКА прогнозов по данным исторических рядов Оценка качества прогнозов

5 Основные элементы технологии долгосрочных метеорологических прогнозов (ДМП) ФГБУ «ГГО» ПЛАВ (1.125° lat × 1.4°lon, L28) T 63 (1.9 ° × 1.9 °, L25) АНСАМБЛЬ: выращивание возмущений, лаговый сдвиг 20 членов 10 членов МОЦА: ТПО: постоянная начальная аномалия ; ЛЕД: начальная аномалия с релаксацией к климату Начальные данные : атмосфера - ОА ГМЦ океан - анализ NESDIS за предшеств неделю ФГБУ «Гидрометцентр России» Дискретность расчетов: ежемесячно на 4 мес., еженедельно на 45 суток ОКЕАН: Прогнозируемые переменные: Н-500, T-850, SLP, T2 м, PREC средние аномалии и вероятности 3-х градаций Ретроспективные расчеты по Реанализу-2 ~ лет

6 внетропич.зона сев.полуш. Результат комплексации сезонных прогнозов Т2 м ГМЦ(ПЛАВ) и ГГО(T42L14)

7 Северо-Евразийский климатический центр

8 Сезонные метеорологические прогнозы

9 Мониторинг качества сезонных прогнозов СЕАКЦ

10 Оценки сезонных прогнозов аномалий T2 м для Северо-Евразийского региона (264 прогноза, )

11 Факторы предсказуемости в долгосрочном прогнозировании Аномалии температуры поверхности океана (Эль-Ниньо, Атлантика, Арктика) Концентрация и толщина морского льда (Арктика) Снежный покров Взаимодействие со стратосферой (квазидвухлетний цикл) Вулканические извержения Солнечная активность MJO(ОМД), ЮК, САК, AO, EA, EU, WP,…

12 Совместные оперативные испытания технологий ДМП (ГМЦ, ГГО) с еженедельной дискретностью выпуска Прогнозируемые характеристики (20 полей): аномалии и вероятности 3-х градаций (T-850, H-500, SLP, T2m, Prec) Детализация по времени (6 периодов ): Месяц_1 (2-31 сутки), 1,2,3,4 недели (2-8,9-15,16-22,23-29 сутки) Месяц_2(16-45 сутки) Территория и пространственная детализация : Глобальные поля по всем характеристикам (2.5 х 2.5) Прогнозы T2m и Prec по сети 70 станций Эталонные данные : Сеточные поля ре анализа 2(NCEP/NCAR), климат гг. Станционные данные (суточная база МАКТ), климат гг. Критерии успешности: RMSE, AC, MSSS, RO, Q,ROC Регионы для оценок успешности: Сеточные поля - северные экстра-тропики, Россия, Тропики Прогноз по станциям – Северо-Евразийский регион, ЕЧС, Сибирь, ДВ

13 Пример еженедельного вероятностного прогноза градаций Т2 м ( N) на скользящий месяц в сравнении с фактическими данными

14 AROC вероятностных прогнозов T2 м >N ГГО гг. N=480 ECMWF с 2004 г. F. Vitart, 2014

15 AROC вероятностных прогнозов PREC >N ГГО гг. N=480 ECMWF с 2004 г. F. Vitart, 2014

16 AROC вероятностных прогнозов месячных аномалий T2 м ( гг. 522 прогноза) сутки 16 – 45 сутки T < NT > N

17 Диаграммы надежности и гистограммы повторяемости вероятностных прогнозов ( гг, 70 станций ) Т2 мPREC

18 ROC вероятностных прогнозов T2 м и по 70 станциям Северо-Евразийского региона (522 прогноза гг)

19 Пример оценки относительной экономической эффективности прогнозов T2 м > N (ст. Туруханск, гг. 522 прогноза) Прогноз градации > N с вероятностью P > 0.4 Матрица затрат/потерь (cost/loss)

20 1. Перспективы улучшения прогнозов связаны с фундаментальными работами по совершенствованию моделей атмосферы ( повышению разрешения, уточнение схем параметризации) и развитию совместных моделей атмосферы и океана. 2. Важным является исследование механизмов формирования и воздействия «долгоиграющих» процессов (Эль-Ниньо, Арктическое и Северо- Атлантическое колебания, ОМД/MJO, процессы в стратосфере и их взаимодействие с тропосферой, состояние ледяного покрова в Арктике, влажность почвы и др.). 3. Необходимо развитие глобальной системы наблюдений за состоянием атмосферы, океана и суши – расширение спектра усваиваемых переменных повышение точности наблюдений и анализа их распределения. 4. В прикладном аспекте важно развивать взаимодействие с потенциальными потребителями для выработки стратегий рационального использования полезной прогностической информации. Наращивание вычислительных возможностей, подготовка кадров. Заключение