1 / 20

Развитие технологий прогнозирования на месяц и сезон

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

emily-sparks
Télécharger la présentation

Развитие технологий прогнозирования на месяц и сезон

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Развитие технологийпрогнозирования 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. 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 Методы прогнозов

  3. Глобальные прогностические центры долгосрочных прогнозов

  4. Основные элементы технологии ДМП МОЦА + прогноз ТПО, льда МОЦАО 1. 2. Задание начальных условий (инициализация) Формирование и расчет АНСАМБЛЯ гидро-динамических прогнозов 3. Статистическая интерпретация и КАЛИБРОВКА прогнозов по данным исторических рядов 4. 5. Оценка качества прогнозов

  5. Основные элементы технологии долгосрочных метеорологических прогнозов (ДМП) ФГБУ «Гидрометцентр России» ФГБУ «ГГО» МОЦА: ПЛАВ (1.125° lat × 1.4°lon, L28) T63(1.9 °× 1.9 °, L25) ТПО:постоянная начальная аномалия ; ЛЕД: начальная аномалия с релаксацией к климату ОКЕАН: Начальные данные :атмосфера - ОА ГМЦ океан - анализ NESDIS за предшеств неделю АНСАМБЛЬ:выращивание возмущений, лаговый сдвиг 20членов10 членов Дискретность расчетов:ежемесячнона 4 мес., еженедельно на 45 суток Ретроспективные расчеты по Реанализу-2~20 - 30 лет Прогнозируемые переменные: Н-500, T-850, SLP, T2м, PREC средние аномалии и вероятности 3-х градаций

  6. Результат комплексации сезонных прогнозовТ2м ГМЦ(ПЛАВ) и ГГО(T42L14) внетропич.зона сев.полуш.

  7. Северо-Евразийский климатический центр http://seakc.meteoinfo.ru/

  8. Сезонные метеорологические прогнозы

  9. Мониторинг качества сезонных прогнозов СЕАКЦ

  10. Оценки сезонных прогнозов аномалий T2м для Северо-Евразийского региона (264 прогноза, 1982-2004)

  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 (2.5х2.5) Прогнозы T2m и Prec по сети 70станций Регионы для оценок успешности: Сеточные поля - северные экстра-тропики, Россия, Тропики Прогноз по станциям – Северо-Евразийский регион, ЕЧС, Сибирь, ДВ Критерии успешности: RMSE, AC, MSSS, RO, Q,ROC Эталонные данные : Сеточные поля реанализа 2(NCEP/NCAR), климат 1981-2010 гг. Станционные данные (суточная база МАКТ), климат 1961-1990 гг.

  13. Пример еженедельного вероятностного прогноза градаций Т2м (<N, N, >N) на скользящий месяц в сравнении с фактическими данными

  14. AROC вероятностных прогнозов T2м>N ГГО 1983-2002гг. N=480 ECMWF с 2004 г. F. Vitart, 2014

  15. AROC вероятностных прогнозов PREC>N ГГО 1983-2002гг. N=480 ECMWF с 2004 г. F. Vitart, 2014

  16. AROC вероятностных прогнозов месячных аномалий T2м (2002- 2011гг. 522 прогноза) T < N T > N 2 - 31 сутки 16 – 45 сутки

  17. Диаграммы надежности и гистограммы повторяемости вероятностных прогнозов(2002-2011 гг, 70 станций ) Т2м PREC

  18. ROC вероятностных прогнозов T2м и по 70 станциям Северо-Евразийского региона (522 прогноза 2002-2011гг)

  19. Пример оценки относительной экономической эффективности прогнозов T2м > N (ст. Туруханск, 2002-2011гг. 522 прогноза) Прогноз градации > N с вероятностью P > 0.4 Матрица затрат/потерь (cost/loss)

  20. Заключение • 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.). • 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.

More Related