Краткое описание метода
Комплексация модельных прогнозов
ПОСТАНОВКА ЗАДАЧИ
Несмотря на то, что сегодня в выходной продукции численных прогнозов представлен широкий спектр элементов погоды, физико-статистический пост-процессинг по-прежнему остается актуальным. Хаотичное поведение атмосферных процессов, ограниченность наших возможностей в области наблюдений за атмосферой и моделирования ее состояния, а также наша интерпретация данных наблюдений и результатов моделей – всё это ведет к росту неопределенности в прогнозах. Различия в математических подходах, в параметризации физических процессов в разных гидродинамических моделях ведут к отличиям в результатах прогнозирования. Исправить это положение позволяет метод комплексации модельных результатов. Приставка С – СMOS ("consensus") , добавившаяся в описаниях методов в последние годы, и означает комбинацию или осреднение значений от MOS двух и более моделей.
В СибНИГМИ подход CMOS принят за основу комплексации прогнозов приземной температуры воздуха. В качестве базовых модельных полей служат выпуски глобальной модели UKMO (Exeter), полулагранжевой модели Гидрометцентра РФ ПЛАВ (SLAV) и негидростатической мезомодели международного консорциума COSMO. Выбор определен началом расчетов прогнозов в 2011 году по моделям COSMO и ПЛАВ. К этому времени в Западно-Сибирском региональном информационно-вычислительном центре (ЗСРИВЦ - Новосибирск) налажена система получения начальных и граничных данных, запуск расчетных блоков по моделям, вывод результатов в картографическом, текстовом и GRIB форматах. Пространственный шаг в модификации COSMO, запущенной в ЗСРИВЦ (СOSMO-SIB14), составляет 14 км или 0.125 градусов. Расчетная территория показана на рисунке 1.
Счет по COSMO-SIB14 проводится 2 раза в сутки на основании информации, предоставляемой Немецким Национальным Бюро Погоды через московский ftp-сервер за 00 и 12 сроки. Заблаговременность расчета 78 часов.
В качестве начальных данных модель ПЛАВ-2008 использует поля оперативного объективного анализа на стандартных изобарических поверхностях с горизонтальным разрешением 1,25 градуса по долготе и широте, а также объективные анализы на модельной сетке: поля температуры и относительной влажности на уровне 2 м, температуры и влагосодержания поверхностного и глубинного слоев почвы, разработанные в Лаборатории перспективных численных методов в моделях атмосферы ФГБУ "Гидрометцентр России", поля температуры поверхности океана (ТПО) и высоты снежного покрова из данных глобальной модели США NCEP.
ИНТЕРПРЕТАЦИЯ ПРОГНОЗОВ ПРИЗЕМНОЙ ТЕМПЕРАТУРЫ ВОЗДУХА
В разработке СибНИГМИ алгоритм обработки модельных данных имеет два шага: интерпретация и комплексация. То есть на вход комплексации поступают не модельные данные, а результаты их статистической корректировки. В мировом сообществе доказано, что применение систем интерпретации к выходным результатам численных моделей (и к ансамблям в том числе) повышает качество прогнозирования.
Многочисленные методы интерпретации модельных прогнозов в основе имеют два подхода: РР (Perfect Prognose) – когда решения, полученные на фактических данных исходных параметров, затем применяются к численной продукции; и MOS (Model Output Statistics) – когда решения построены непосредственно на модельных данных. Выбор подхода зависит от многих факторов: от возможности прогнозирования выходного параметра динамическими уравнениями, от его физических связей с другими модельными параметрами, от технологии накопления и хранения исходных данных, от качества результатов интерпретации тем или иным способом и т.д. Окончательный вариант интерпретации выбирает исследователь, учитывая, что MOS-решения имеют силу только для конкретной модельной продукции и требуют коррекции при модификациях модели, тогда как РР – решения теоретически применимы к любой модели, но качество результатов зависит от точности прогнозирования параметров предикторов.
Анализ качества прогнозов приземной температуры воздуха показывает наличие систематических ошибок в выпусках всех рассматриваемых моделей, но их распределение по территории прогноза, по времени суток, по сезонам различно. Этот факт позволяет применить алгоритм MOS - коррекции на базе линейных уравнений, построенных на минимизации ошибки:
Tfact=a+bTmod , где Tfact и Tmod - фактическая и модельная температуры.
На эффективность статистической интерпретации влияют как величина рабочей выборки, так и принципы ее формирования. В нашем случае расчетный массив пары факт-прогноз генерируется для каждой станции наблюдения по территории Западной Сибири и для каждого прогностического интервала (заблаговременности) прогнозов. Вместо климатического статистического обучения (многолетний архив), что не всегда возможно, использован адаптивный алгоритм непрерывного скользящего заполнения обучающего массива длиной 30-40 предшествующих суток.
Уже первые эксперименты введения поправок для прогнозов температуры по модели COSMO на материале июнь-август 2011 г. продемонстрировали улучшения для летних месяцев: систематические ошибки прогноза приблизились к нулю во всех областях региона и для всего периода заблаговременности, исчезла синусоида в величине оправдываемости с повышением её в ночные сроки (рисунок 2). Особо заметны результаты на территории Алтая. Даже на горных станциях, на которых статистические или физико-статистические объективные прогнозы, как правило, не показывают удовлетворительные результаты, повторяемость ошибок больше 3ºС в дневные сроки уменьшилась на 30-35%, так что оправдываемость прогнозов в сложно-орографическом районе достигла уровня равнинной части - 80-90%.
Более высокую точность в летнем периоде показали и откорректированные прогнозы температуры воздуха по моделям UKMO и ПЛАВ.
Рисунок 2 – Оправдываемость и систематические ошибки прогнозов температуры по модели COSMO до и после интерпретации (июль-август 2011 г.).
В зимние месяцы ошибки моделей возрастают по амплитуде, а систематическая компонента менее устойчива, чем летом, поэтому интерпретация по подобному алгоритму, хотя и повышает качественный уровень модельных прогнозов, но недостаточно для использования в оперативной практике (Рис.3). Повысить его возможно, применив дополнительную классификацию исходных выборок. В настоящее время исследования в этом направлении продолжаются.
Рисунок 3 – Сравнение изменения качества моделей COSMO, UKMO и SLAV после MOS-интерпретации в зимнем периоде (декабрь 2011 - февраль 2012)
КОМПЛЕКСАЦИЯ ПРОГНОЗОВ ПРИЗЕМНОЙ ТЕМПЕРАТУРЫ ВОЗДУХА
Самые распространенные варианты комплексации прогнозов в метеорологии представляют расчет средних или средневзвешенных величин из базовых данных, в случае альтернативных прогнозов используют выбор по «большинству голосов» или по соотношению условных вероятностей. При больших размерах исходных данных, например, для расчетов по ансамблям, часто применяют алгоритмы фильтрации (например, Калмана).
В разработке СибНИГМИ комплексации подвергаются результаты интерпретации по каждой из трех моделей: COSMO, UKMO, ПЛАВ
Основные расчетные блоки:
1.Расчет дисперсии MOS-результатов по трем моделям;
2.Если дисперсия ошибок больше 3,5 градуса, то из комплексации исключается модель с максимальной среднеквадратической ошибкой на рабочей выборке;
3.Определяется весовой коэффициент каждой модели, обратный абсолютной ошибке;
4.Окончательный результат - взвешенное среднее с учетом пункта 2.
Для прогноза экстремальной температуры из модельных выпусков срочных данных приземной температуры вычисляются полусуточные экстремумы. К ним применяется тот же алгоритм коррекции и комплексации, что и к срочной температуре.