Ансамблевые прогнозы. Введение
Ограниченная предсказуемость атмосферных процессов и вытекающая из нее необходимость их вероятностного описания были впервые выявлены в 1960-е гг. в работах Э. Лоренца. Единственным реально осуществимым способом получения таких прогнозов оказалось вычисление некоторого множества численных прогнозов – прогно-стического ансамбля. Вычисление таких ансамблей в оперативном режиме стало возможным лишь в конце 1980-х – начале 1990-х гг. с развитием вычислительной техники. В это время метеослужбами европейских стран, США, Канады, Австралии, ЮАР, Японии, а также Европейским центром среднесрочных прогнозов погоды (ЕЦСПП, ECMWF) разработан ряд систем ансамблевого прогноза погоды, преимущественно на основе глобальных атмосферных моделей.
В последнее десятилетие, с дальнейшим развитием вычислитель- ной техники и технологии параллельных вычислений, стала актуальной задача мезомасштабного ансамблевого прогноза погоды. В настоящее время системы мезомасштабного ансамблевого прогнозирования погоды внедрены или внедряются в ряде метеослужб Европы и США.
В России развитие систем ансамблевого прогноза погоды до недавнего времени сдерживалось нехваткой необходимой для этого высокопроизводительной вычислительной техники, позволяющей в сжатые сроки проводить расчеты атмосферных процессов на большой территории с высоким разрешением, что особенно важно в случае ансамблевого прогнозирования, для которого требуется одновременный расчет нескольких прогнозов.
Тем не менее уже в 2000-х гг. в Гидрометцентре России была разработана система ансамблевого долгосрочного прогноза, а также система глобального ансамблевого прогноза на основе глобальной спектральной атмосферной модели Гидрометцентра России [1].
Системы мезомасштабного ансамблевого прогнозирования погоды до настоящего момента в России не существовало. Таким образом, рассматриваемая в данной работе система является первой подобной системой в нашей стране.
При построении прогностических ансамблей выделяются два основных источника неточностей в прогнозе: погрешности начальных данных (возникающие из-за погрешностей наблюдений и анализа) и погрешности самой модели (за счет неточности дифференциальной постановки задачи, дискретизации дифференциальных уравнений и неточностей в описании процессов подсеточного масштаба).
Прогностический ансамбль, как правило, состоит из невозмущенного (контрольного) прогноза и возмущенных прогнозов, которые называются членами ансамбля. Иногда в качестве членов ансамбля также берутся прогнозы нескольких различных моделей (мультимодельный подход).
Обычным методом формирования прогностического ансамбля на основе одной модели является внесение искусственных случайных возмущений масштаба обычно возникающих ошибок в начальные данные модели или входящие в ее уравнения эмпирические параметры (параметризации подсеточных процессов).
Для построения ансамблей с возмущением начальных данных разработан ряд методов, улучшающих воспроизведение в ансамбле наиболее критичных для данного прогноза, т.е. наиболее быстро растущих, ошибок. Наиболее известны из них метод сингулярных векторов и бридинг-метод (метод «выращивания» наиболее быстро растущих мод). Метод сингулярных векторов, разработанный в Европейском центре среднесрочных прогнозов погоды, основан на вычислении наиболее быстро растущих возмущений – сингулярных векторов прогностического оператора. Бридинг-метод разработан в метеослужбе США (NCEP).
Этот метод основан на добавлении в качестве новых возмущений в ансамбле реально возникающих расхождений между ранее запущенными возмущенными прогнозами и контрольным прогнозом, приведенных к масштабу исходного случайного возмущения (рис. 1).
Для мезомасштабного ансамблевого прогноза существует еще один метод возмущения начальных и боковых граничных условий – использование различных «материнских» глобальных моделей. Это могут быть как просто несколько различных глобальных моделей (такой подход используется, к примеру, в системе ансамблевого прогноза COSMO-SREPS), так и члены некоторого глобального прогностического ансамбля (на этом основана система COSMO-LEPS).
Также широко используется возмущение эмпирических параметров и варьирование используемых схем параметризации подсеточных процессов, а также варьирование самих моделей, что позволяет скомпенсировать погрешности моделирования.
Схема ансамблевого прогноза показана на рис. 2. Крестиком помечены начальное состояние и результаты детерминированного контрольного прогноза. Черные кружки – фактическая погода в со- ответствующие моменты времени. Белыми кружками отмечены возмущенные прогнозы. Серые диаграммы слева и справа показывают распределение вероятностей для начального и конечного состояний. Черные линии обозначают положение фактических данных (жирная линия) и детерминированного прогноза (тонкая линия).
Мы видим, что разброс в ансамбле растет со временем, при этом среднее по полученным прогнозам при достаточно большом количестве членов ансамбля и хорошо подобранном возмущении может оказаться точнее, чем результат детерминированного прогноза. На этом и основан полезный эффект от использования прогностических ансамблей. Кроме того, наличие нескольких прогнозов с определенным разбросом на один и тот же срок дает возможность оценить вероятность тех или иных явлений погоды (к примеру, определенных значений осадков или температуры на заданном уровне), т.е. получить вероятностный прогноз.