1. NSO8055 Okeanograafiline prognoos
Jüri Elken
Operatiivne okeanograafia (MetOcean)
Atmosfääri prognoositavus
lineaarne ja mittelineaarne režiim
algtingimuste vigade mõju
ECMWF mudelist
ansambli prognoosid
prognooside osavus
HIRLAM

2. Operatiivne okeanograafia:
rutiinselt koguda informatsiooni (automaatjaamad, satelliidid jne)
analüüsida ja interpreteerida andmeid (mudelid, andmete assimileerimine jne)
koostada ja õigeaegselt edastada prognoose merede ja ookeanide ning nende kohal oleva atmosfääri kohta
ajalooliselt oli ilmateenistuste osa
60-80ndatel kiire areng mereväe kõrgendatud nõudmiste tõttu
kaasajal iseseisev tsviiltegevuse valdkond, üldiselt jälgib operatiivse meteoroloogia arenguid
GOOS (Global Ocean Observing System) (ÜRO: IOC, WMO, UNEP)
EuroGOOS (European Global Ocean Observing System) (konsortsium)
BOOS (Baltic Operational Oceanographic System) (konsortsium)
Praktilised ülesanded:
hoiatused (rannikumere üleujutused, jää- ja tormikahjud, kahjulike vetikate vohamine, saasteainete levik jne)
merenähtuste elektronkaardid
laevateekondade planeerimine
mereelustik, kliima

3. Atmosfääri mõjud merele
tuul
õhurõhu gradient
õhutem-peratuur
õhu-niiskus
pilvisus
sademed
süvavesi
lainetus X
meretase x
pinnahoovused
pinnatemperatuur
jää
vetikad
X – määrava tähtsusega
Valemid vt Füüsikaline okeanograafia ja limnoloogia 05 ja 06

4. The predictability of weather and climate forecasts is determined by the projection of uncertainties in both initial conditions
and model formulation onto flow-dependent instabilities of the chaotic climate attractor.
vead algtingimustes ja mudeli formuleeringus toovad kaasa voolamiste ebastabiilsuse
Maa kliima on kaootilise süsteemi prototüüp.
Lorenzi attraktori (1963) aluseks oli atmosfääri lihtsustatud konvektsioon.
Sünoptilised tsüklonid tekivad suuremastaabilise tsirkulatsiooni ebastabiilsusest.
Kliimat iseloomustavad erinevad “tasakaalulised olekud”, mille vahel on bifurkatsiooni tõttu kiired üleminekud, st toimub režiiminihe (regime shift).

5. Ansambli prognoosi korral arvutatakse süsteemi evolutsiooni erinevate lähedaste algtingimuste korral, võimalikke olekuid näitab ajas ja ruumis muutuv tõenäosus-tiheduste funktsioon /pdf/
Mittelineaarses režiimis võib väike algtingimuste muutus viia tulevikus suurtele muutustele

6. Sünoptilises mastaabis (1000 km) kestab lineaarne faas 1-2 päeva
Prognoosivigade tõenäosustiheduse evolutsioon: lihtne näide
olekuvõrrand
tõenäosusetiheduse evolutsioon
algtingimuste vigade tõenäosustihedus
tõenäosus, et “õige” algolek on “ruumis” V
prognoositavus kaob
mittelineaarne
lineaarne
mittelineaarne
Sünoptilises mastaabis (1000 km) kestab lineaarne faas 1-2 päeva

7. Lähedased algolekud võivad prognoosimisel anda väga erineva tulemuse
Tegelik

8. Algselt lähestikku paiknevad punktid on ka hiljem lähestikku
3-dimensionaalne Lorentzi attraktor simuleerib üldistatud koordinaatides atmosfääri konvektsiooni
(vt ka Wikipedia)
Algselt lähestikku paiknevate punktide kaugus kasvab
Lorenz’i (1963) attraktori evolutsioon kolme erineva algtingimuste parve korral. Prognoositavus sõltub algtingimuste valikust.

9. Ansambli prognoos:
varieeritakse pisut algtingimusi.
Erinevates oludes võib ansambli prognooside kokkulangevus tugevalt varieeruda
Prognoos kuni 2 päeva on suhteliselt hea, pikema perioodi prognoosi täpsus sõltub ilmasüsteemi olekust

10. Euroopa keskpika ilmaennustuse keskuse mudel
ECMWF = European Centre for Medium-Range Weather Forecast

12. One source for errors: different parameterizations of horizontal diffusion, convection, radiation, gravity wave drag

13. Atmosfääri tsirkulatsiooni erinevus mudel-vaatlused
Systematic Errors in the ECMWF Forecasting System

14. Sünoptilise aktiivsuse erinevus mudel-vaatlused:
süstemaatilised vead
näha on peamiste tormide teekonnad
sünoptiline aktiivsus = stdev päevast päeva muutustest
Systematic Errors in the ECMWF Forecasting System

15. 1990ndatest alates on vigade kasvukiirus kahanenud
Sünoptilise aktiivsuse erinevus 5 ja 10 päevase prognoosi vahel  vigade kasvukiirus
erinevad kümnendid
1990ndatest alates on vigade kasvukiirus kahanenud
(vead kasvavad kuni maksimaalseni, ca 2 kuu jooksul)
Systematic Errors in the ECMWF Forecasting System

16. ECMWF ansambli prognoosi süsteem EPS
algtingimustele lisatakse häiritused, igale “ansambli” liikmele erinevad

17. Kõige ebastabiilsemad singulaarvektorid
algtingimuste häiritused genereeritakse singulaarvektorite meetodil
(detailsemalt vt algmaterjal)

18. Eady indeks: häirituste kasvukiirus
häiritused kasvavad barokliinse ebastabiilsuse tõttu
on seotud tsüklonite tekkega

19. Tundlikes piirkondades tehtavad mõõtmised vähendavad prognoosi-vigasid

20. Prognoosi osavus (forecast skill) / kiirülevaade
Lihtne statistika prognoos-vaatlused nagu
ruutkeskmine erinevus
korrelatsioon
standardhälvete suhe
keskmiste erinevus (bias)
ei tarvitse praktikas olla piisav
Meteoroloogias kasutatakse sageli ansambli prognoosi osavuse mõõdikuid:
Brier’i mõõdik
ansambli prognoosi liikmetest, prognoositud sündmuse
toimumine võrreldes tegelikult toimunud sündmusega
?? Sündmuse defineerimine
Suhteline operatsioonimõõdik (ROC)
õigete ja valede alarmide osakaal

21. Prognoosi osavus (forecast skill) (1) / kiirülevaade
Mõõdik, mis näitab tegeliku sündmuse prognoosimist või mitteprognoosimist
sündmus, näiteks: 3 päeva jooksul on õhutemperatuur alla 0o
Perfektne = 0; absurdne = 1

22. Prognoosi osavus (forecast skill) (1a) / kiirülevaade
osavus koosneb:
töökindlus
sündmuse lahutusvõime
(kui palju toimunud sündmused erinevad
keskmisest sündmuste sagedusest o)
sündmuse määramatus
(arvestab sündmuse jälgitud varieeruvust)
ρ(p) – sündmuse E prognoosimise sagedus tõenäosusega p
o(p) – osakaal, kui E tõesti juhtus

23. Prognoosi osavus (forecast skill) (2) / kiirülevaade
Kasutaja poolt etteantud lävendi ületamine
õiged alarmid
valed alarmid

24. Prognoosi osavus (forecast skill) (2a) / kiirülevaade
Õigete ja valede alarmide määramine ansambliprognoosist
õiged alarmid
valed alarmid
Perfektne = 1; absurdne = 0.5

25. Prognoosi osavus (forecast skill) (2b) / kiirülevaade

26. Läänemere regiooni ilmaennustusmudelid
Slide by Markku Kangas

29. The DMI Weather forecasting system
The operational system consists of 4 models that are identical except for horizontal resolution and integration domain. All versions have 40 layers in the vertical.
T15
M09
K05
S03
Number of vertical levels 40
Horizontal resolution
0,15° (16 km)
0,09° (10 km)
0,05° (5 km)
0,03° (3 km)
Time step
450 s
400 s
150 s
90 s
Boundary values
ECMWF
Forecast length
60 hours
48 hours
54 hours
The forecasting system is run on a Cray-XT5 supercomputer (3200 processors) with connections to other DMI computers.

30. Aastal 2003 käivitus Eestis Tartu Ülikooli Keskkonnafüüsika Instituudi (TÜ FKKF), Eesti Meteoroloogia ja Hüdroloogia Instituudi (EMHI) ja Soome Meteoroloogia Instituudi (FMI) vaheline koostööprojekt. Projekti eesmärgiks on kõrglahutusliku eksperimentaalse kvaasioperatsioonilise numbrilise ilmaennustuskeskkonna käivitamine Eestis. Projekti vundamendiks on piiratud ala numbriline ilmaennustusmudel HIRLAM ja selle TÜ FKKF juures arendatav mittehüdrostaatiline laiendus.
Suur mudel (ETA) on hüdrostaatiline mudel, mille võrgusammu pikkus on 11x11 km.
Väike mudel (ETB) on mittehüdrostaatiline mudel, mille võrgusammu pikkus on 3,3x3,3 km.