2024. november 24. vasárnap
Tanulmányok

HungaroMet: 2013. április 11. 10:39

Rövidtávú előrejelzések pontosítása az AROME modell fejlesztésével

2013. március végén fontos fejlesztés került operatív bevezetésre az Országos Meteorológiai Szolgálatnál (OMSZ) futó AROME nagyfelbontású időjárás-előrejelző modellben. A fejlesztés lényege a modell kiindulási feltételeinek (nyomás, hőmérséklet, szél és légnedvesség adatok a modell háromdimenziós rácsán megadva) pontosítása, nagyfelbontású légköri megfigyelések figyelembevételével.

Bölöni Gergely, Mile Máté, Roger Randriamampianina, Steib Roland, Szintai Balázs, Szűcs Mihály, Kullmann László


Az AROME modell futtatásával 2.5 km-es horizontális felbontásban, 2010 vége óta készül számítógépes prognózis kétnapos időtávra, ugyanakkor az OMSZ szakemberei részt vesznek a modell fejlesztésében is az ALADIN és LACE konzorciumok tagjaként.

AROME_demo

1. ábra
AROME modell demó futtatása egy fiktív földrajzi területre, amely három dimenzióban jeleníti meg a zivatarfelhők képződését a modellben (forrás: Meteo-France)


A kiindulási feltételek szerepe rendkívül fontos az időjárás előrejelzésben, mivel a számítógépes modellek nagyfokú érzékenységet mutatnak ezek megválasztására (a segítségükkel megoldott differenciálegyenletek nem-lineáris volta miatt). Máshogy megfogalmazva ez azt jelenti, hogy kis hibák a kiindulási feltételekben nagy tévedésekhez vezethetnek a kétnapos időjárás előrejelzésekben.

2. ábra 

 2. ábra
Számítógépes modell előrejelzések kiindulási feltételekre való érzékenységének illusztrációja


A kék nyilak (2. ábra) két számítógépes előrejelzést jelképeznek egy adott meteorológiai változóra nézve. A kiindulási időpontban (az előrejelzés kezdetén) csak kis mértékben térnek el a meteorológiai paraméterek értékei. Az előrejelzési időtáv növekedésével azonban jelentős különbségek adódnak a két előrejelzésben. Ez a meteorológiával kapcsolatban sokat emlegetett „determinisztikus káosz”, vagy „pillangóhatás” következménye.

Az eddigi gyakorlat során (2010. december – 2013. március) az AROME modell kiindulási feltételeit egy gyengébb felbontású, kevésbé részletes modell kiindulási feltételeinek térbeli interpolációjával állítottuk elő. Ez az egyszerű megoldás megengedte, hogy a nagy térskálán fontos légköri folyamatokat (ciklonok és frontok) figyelembe vegyük az előrejelzése kezdetén, és ezeket tovább pontosítsuk a modell nagy térbeli felbontásnak és a fizikai folyamatok részletes leírásának köszönhetően. A kisebb térskálájú folyamatok előrejelzésének pontosítása érdekében alkalmazzuk 2013 márciusa óta az OMSZ-ben rendelkezésre álló megfigyelések közvetlen figyelembevételét a kiindulási feltételek előállításakor. Ez a (szaknyelven lokális adatasszimilációnak nevezett) folyamat megengedi, hogy a nagyfelbontású megfigyelések közvetlen figyelembevételével a kis térskálájú meteorológiai folyamatokat (zivatarokhoz kapcsolódó konvektív rendszerek, domborzat helyi sajátosságaiból adódó időjárási jelenségek) már az előrejelzés kezdetén pontosabban írjuk le, és ezen keresztül prognózisukat tovább javítsuk. A lokális adatasszimilációt statisztikai-dinamikai alapon, az optimális becslési módszerek matematikájára támaszkodva (három-dimenziós variációs asszimiláció: 3DVAR) végezzük el. A jelenleg operatívan felhasznált megfigyelések a Közép-európai meteorológiai szolgálatok sűrű felszíni mérőhálózatából (kb. 400 állomás, kb. 10 000 adat naponta), a Kárpát-medence területén végzett rendszeres rádiószondás felszállásokból (14 állomás, kb. 4000 adat naponta) és az EUMETNET E-AMDAR program által fenntartott repülőgépes megfigyelőrendszerből (kb. 4000 adat naponta) tevődnek össze (3a. és 3b. ábra).

3/a. ábra 3/b. ábra

 3. ábra
Példa az OMSZ-ben rendelkezésre álló, az AROME modellben felhasználható nagy térbeli felbontású megfigyelésekre;
a) repülőgépes (E-AMDAR) megfigyelések, b) felszíni megfigyelések


A lokális adatasszimiláció operatív bevezetését közel másfél éves fejlesztés és kísérletezés előzte meg, amely során az előző operatív modell változattal való részletes összehasonlításokat végeztünk. Ezek alapján, a fejlesztés hatására az AROME modell előrejelzései javultak mind a magas-légkörben, mind a felszín közelében, különös tekintettel a hőmérséklet, szél és csapadék paraméterekre.

 4. ábra

4. ábra
Nagyfelbontású megfigyelések figyelembevételének (lokális adatasszimiláció) hatása az AROME modell előrejelzések beválására


A 4. ábra a felszínközeli hőmérséklet előrejelzések (C°) négyzetes (felső két görbe) és szisztematikus (alsó két görbe) hibáit mutatja be az előrejelzési időtáv (óra) függvényében. A piros görbe a lokális adatasszimiláció nélküli futást, a zöld a lokális adatasszimilációval történő futást mutatja. A verifikáció a 2013. február 20. – március 12. időszakon készült, az előrejelzések és a megfigyelések összevetésével. A szürke négyzetek a verifikációban felhasznált megfigyelések számát jelölik a jobboldali függőleges tengelyen. Az ábra alapján elmondható, hogy a vizsgált időszakon a lokális adatasszimiláció mind a négyzetes, mind a szisztematikus hibát csökkentette az AROME modell előrejelzéseiben.

Az adatasszimilációs fejlesztések folytatásaként, kísérleti jelleggel a három magyarországi meteorológiai radar (Napkor, Budapest, Pogányvár) által mért szél és reflektivitás adatait, illetve a NOAA, METOP és METEOSAT műholdak fényességi hőmérséklet és származtatott széladatait is felhasználjuk az AROME modell lokális adatasszimilációs rendszerében. Ezeknek az adatoknak a felhasználásától további javulást várunk az AROME modell előrejelzéseiben, elsősorban a csapadékra és a szélre vonatkozóan.

Az AROME modell fejlesztése mellett a cikkel azt is szeretnénk demonstrálni, hogy az OMSZ és más európai országok állami meteorológiai szolgálatai által fenntartott megfigyelési rendszerek fontos hozzáadott értéket képviselnek a rövid távú részletes előrejelzések készítésében. Másként fogalmazva ez azt jelenti, hogy amennyiben szeretnénk a meteorológiai előrejelzések beválásán javítani, az európai országoknak biztosítania kell az állami megfigyelési rendszereik fenntartását és fejlesztését hosszútávon, csakúgy, mint a számítógépes modellek futtatásához szükséges informatikai infrastruktúrát.


Készült: 2013. április 11.