Развитие оперативного прогнозирования погоды под влиянием набора из трёх свойств численных моделей

Оперативное прогнозирование погоды достигло своего переломного момента. Не исключено, что его можно изменить коренным образом за счёт набора из трёх свойств численных моделей: «незаменимости», «приблизительности» и «несовершенства». Незаменимость численных моделей является отличительной чертой современного оперативного прогнозирования погоды. Однако почти для всех численных схем характерна приблизительность, а несовершенство численных моделей будет иметь место всегда из-за чрезвычайной сложности системы Земля.

Качества, присущие набору из трёх свойств численных моделей, определяют прогресс в развитии метеорологии, а также будущую основу оперативного прогнозирования погоды. Незаменимость означает, что численная модель имеет возможности и потенциал, чтобы описать эволюцию атмосферы или системы Земля, что является базовым принципом для стратегического плана успешного развития метеорологии. Однако приблизительность и несовершенство показывают, что продукция, полученная непосредственно на основе численного прогноза погоды (ЧПП), содержит неопределённости. Поэтому модернизированный процесс функционирования должен быть сосредоточен на минимизации неизбежных неопределённостей. Приблизительность требует предпринять усилия для повышения точности ЧПП в метеорологических центрах. Несовершенство подчёркивает, что для моделирования системы Земля необходимо наличие большего числа атрибутов, используемых в исследованиях.

Новая эра прогнозирования

С конца ХХ века Национальная академия наук США (НАН) исследует возможности национальных метеорологических служб в деле непрерывного совершенствования прогнозирования погоды и связанных с ним продукции и обслуживания (National Research Council, 1999). В дорожной карте будущего развития НАН подчеркнула необходимость и возможности для непрерывной модернизации. В недавней обзорной статье (Benjamin et al., 2019), в которой прослеживается эволюция прогнозирования за последние 100 лет с разделением их на три периода указано, что следующие 30 лет буду т новой эрой. Её особенности буду т включать повышение уровня автоматизации процесса прогнозирования и повышение сложности численных прогнозов погодных условий окружающей среды во всех пространственно-временных масштабах.

Заявление на Восемнадцатом Всемирном метеорологическом конгрессе (Кг-18) о том, что в настоящее время ВМО достигла переломного момента в своей истории, согласуется с изложенными выше соображениями. На Кг-18 была одобрена кардинальная реформа управления, которая позволит ВМО стать более интегрированной и готовой действовать в рамках бесшовного подхода на основе системы Земля во всех областях её деятельности — погода, климат, вода и окружающая среда. Поэтому будут иметь место некоторые изменения в области прогнозирования погоды и связанных с ним процессов.

Вопрос о том, можно ли осуществлять прогнозирование погоды на основе научных математических принципов, серьёзно обсуждался более 100 лет назад. Выполненные с тех пор теоретические разработки позволили понять динамику атмосферы и физические процессы, что создаёт основу для численных моделей и вносит существенный вклад в непрерывное совершенствование оперативного ЧПП. На примере эволюции продукции реанализа на рис. 1 показаны климатические летние осадки (1979–2002 гг.), полученные на основе продукции Глобального проекта по климатологии осадков (ГПКО) и различной продукции реанализа для Восточной Азии. Осадки на основе данных реанализа могут отражать способность численных моделей воспроизводить все процессы, связанные с осадками. Как показано на рис. 1, по сравнению с ГПКО, ERA-40 (на основе модели, выпущенной в 2001 г.) в значительной мере недооценивает осадки над Восточной Азией, особенно над юго-восточной частью Китая. В отличие от неё, ERAIM (модель выпущена в 2006 г.) переоценивает осадки на юго-востоке Китая. ERA5 (2016 г.) достаточно хорошо воспроизводит величину и характер наблюдённых осадков. Разница между тремя поколениями данных реанализа подчёркивает весьма заметное усовершенствование систем численных моделей за прошедшие годы.

 

Качества, присущие численным моделям

Рисунок 1. Климатические летние (июнь, июль и август) осадки (1979–2002 гг.), полученные на основе продукции ГПКО и на основе различной продукции реанализа (ERA40, ERAIM и ERA5)

Численным моделям присущ набор из трёх свойств — незаменимость, приблизительность и несовершенство. Такие модели незаменимы в современном прогнозировании погоды и будут важнейшим компонентом бесшовных цифровых вычислений в будущем. В соответствии со структурой новой эры, предусматривающей бесшовный подход на основе системы Земля, модели ЧПП близки к обеспечению высокого уровня моделирования системы Земля.

Однако система Земля представляет собой сложную иерархию, и, следовательно, её система численных моделей также сложна. Соответственно, приблизительность и несовершенство численной модели всегда и везде будут иметь место и приведут к долгосрочным неопределённостям в ЧПП. Такая постоянная неопределённость определяет направление развития метеорологии, а также будущую структуру оперативного прогнозирования погоды.

Незаменимость. По мнению Charney (1951), «атмосфера не демонстрирует такой периодичности, которая позволяет прогнозировать погоду таким же способом, которым прогнозируются приливы». Вместо простого набора причинно-следственных связей все атмосферные явления представляют собой результат комплексного влияния сочетания асинхронных, неоднородных и неравновесных факторов. Из-за огромной сложности атмосферных процессов лишь численная модель имеет возможности и потенциал, чтобы исчерпывающим образом охватить многомасштабное и нелинейное внешнее воздействие и описать эволюционирование атмосферы. Поскольку численное моделирование достигло высокого уровня за последние 30 лет, ЧПП, которое ежедневно осуществляется крупными оперативными центрами, несомненно стало преобладающим в процессе прогнозирования. Поэтому незаменимость численной модели стала характерным признаком современного оперативного прогнозирования.

Приблизительность. Отправным моментом для численной модели является ряд основных законов, регулирующих динамику атмосферы: второй закон механики Ньютона, первый закон термодинамики и закон сохранения массы. Для хранения и обработки на компьютере необходимо дискретизировать поле непрерывных переменных в уравнениях, описывающих основные законы. Пространственная и временная дискретизация может привести к погрешностям. В численных моделях явным образом учитываются лишь возмущения, превосходящие конкретный, заранее определённый пространственный масштаб. Затем следует оценить влияние процессов более мелкого масштаба на основе состояния модели более крупного масштаба, что называется параметризацией.

Даже для моделей с горизонтальным разрешением в несколько километров многие процессы, включая микрофизику облаков, лучистый перенос, турбулентность и мелкие кучевые облака, ещё предстоит параметризовать. А параметризация всегда даёт большие погрешности. Например, изменение фазы влажности, являющееся ключевым процессом для большей части метеорологических и климатических явлений, параметризуется, что приводит к большим погрешностям в моделях.

Чтобы описать изменение фазы влажности и его воздействий, необходимо привлечь многие процессы, такие как поверхностный поток, конвекция кучевых облаков, микрофизика облаков и радиация. Из-за сложности и ограниченных знаний процессы, связанные с влагой, такие как облачность и обратные связи, остаются самым значительным источником неопределённостей в моделях. Помимо самой модели, первоначальное состояние модели также включает отклонения от данных наблюдений. В итоге следует отметить, что приблизительность характерна для численной модели и численного прогнозирования.

Несовершенство. На атмосферу существенное влияние оказывают другие компоненты системы Земля. Океаны, криосфера, поверхность суши, гидрология, состав атмосферы и экосистемы — все они оказывают значительное влияние на прогноз погоды. Некоторые взаимодействия между компонентами окружающей среды включались в системы численного прогнозирования в течение нескольких десятилетий. На фоне успехов в области моделей атмосферы было охвачено больше процессов взаимодействия между различными компонентами системы Земля и проанализировано больше деталей этих процессов.

Модель системы Земля является попыткой охватить всё, что известно об этой системе, включая атмосферу, биосферу, геосферу, гидросферу и криосферу наряду со всеми взаимосвязями и обратными связями между ними. Однако современное понимание взаимодействий между различными компонентами является далеко не полным. Многие важные процессы пока что отсутствуют в системах моделей. Более того, наряду с усовершенствованием численных моделей быстро выросла потребность в описании взаимодействий. Например, после перехода к разрешению конвективного масштаба становится всё более важным включать реалистическое отображение влияния больших городов для обеспечения надёжных прогнозов температуры и осадков. Несовершенство численных моделей связано с чрезвычайной сложностью эволюционирования системы Земля в различных масштабах.

Новая структура оперативного прогнозирования погоды

Рисунок 2. Новая структура оперативного прогнозирования погоды

Структура оперативного прогнозирования погоды должна совершенствоваться и пересматриваться. Благодаря своей незаменимости численная модель системы Земля, несомненно, станет основой оперативного прогнозирования в грядущую бесшовную эпоху. Непрерывные исследования и разработки являются единственным способом преодолеть приблизительность и несовершенство численных моделей. Три свойства численных моделей выдвигают на первый план роль исследований во всех начинаниях в области метеорологии. Как показано на рис. 2, новую структуру оперативного прогнозирования погоды можно разделить на 4 секции.

Стратегическая схема: на пути к структуре совершенного, бесшовного моделирования системы Земля. В нижней четверти рис. 2 незаменимость численной модели определяет стратегическую схему будущего оперативного прогнозирования: создание надёжной бесшовной структуры моделирования системы Земля и наиболее эффективное и объективное использование выходных данных моделей. Это основной принцип организации научных исследований, технических разработок и выполнения рабочих задач. В правой и левой четвертях рис. 2 размещены элементы для усовершенствования современных систем численных моделей, которые нацелены на обеспечение точности и совершенства. В верхней четверти показаны усилия, предпринимаемые для оптимизации результатов ЧПП, наряду с признанием неопределённости.

Наращивание потенциала для повышения точности моделей. В правой четверти рис. 2 показана необходимость повышения точности системы моделей, а также разработки более точного и эффективного математического выражения и численных методов. Необходимо увеличить пространственно-временное разрешение, проводить фундаментальные метеорологические исследования физических и химических процессов и разрабатывать более надёжные методы усвоения данных. Учитывая новые потребности в бесшовном прогнозировании, следует разработать и провести инновационную и более точную оценку, чтобы понять и выявить источник погрешностей в системе моделей. В то же время следует планировать и проводить больше полевых исследований, чтобы лучше понять ключевые динамические и физические процессы в атмосфере и повысить эффективность моделей. Например, в Китае проведены два эксперимента — Третий эксперимент по исследованию атмосферы Тибетского плато (TIPEX-III) (Zhao et al., 2018) и Эксперимент по исследованию муссонных осадков на юге Китая (SCMREX) (Luo et al., 2017).

Оперативная система ЧПП также должна быть усовершенствована для повышения точности прогнозов. Например, в краткосрочном прогнозировании следует использовать региональные модели высокого разрешения с обработкой в явной форме мезомасштабных процессов. В этом пространственно-временном масштабе основное внимание уделяется циклу быстрого обновления и вовлечению мелкомасштабного внешнего воздействия, такого как сложные городские или горные границы.

Рисунок 3. Средняя величина среднесуточных осадков (мм/сутки) в западной части Китая за период май-июнь 2019 г. по данным наблюдений (а) и прогнозу на 12–36 ч на основе модели Комплексной прогностической системы ЕЦСПП (б). Целевой район над северной окраиной Сычуаньского бассейна отмечен чёрной пунктирной линией. Региональные осреднённые кривые суточного хода сильных осадков (с интенсивностью в пиковые часы больше 5 мм за 3 часа) по данным наблюдений (чёрная линия) и прогнозу на основе модели (синяя линия) (в). Процентная доля региональных осреднённых суммарных осадков, распределённых на основе разной интенсивности по данным наблюдений (чёрная линия) и прогнозу на основе модели (синяя линия) (г).

Наращивание потенциала для совершенствования компонентов системы Земля. В левой четверти рис. 2 показана необходимость дальнейшего совершенствования компонентов системы Земля. Следует проанализировать взаимодействие между различными подсистемами. Необходимо изучить метод эффективного соединения всех компонентов, а также разработать методы усвоения такого соединения для оптимального сочетания имеющихся наблюдений за всей системой Земля. Чтобы развивать научные знания о климате и системе Земля, необходимо задействовать и осуществлять долгосрочные, непрерывные, стереоскопические и комплексные наблюдения за основными компонентами (атмосфера, гидросфера, криосфера, поверхность суши и биосфера) и взаимодействиями между ними.

Китайское метеорологическое управление (КМУ) выбрало пять обсерваторий с «хорошей климатической репрезентативностью, полным комплектом данных исторических наблюдений и базовыми условиями на станциях наблюдений, удовлетворяющими современным требованиям» для проведения пробного эксперимента в национальных климатических обсерваториях, начиная с 2006 года. В 2019 году КМУ создало 24 национальные климатические обсерватории для выполнения непрерывных наблюдений за системой Земля. Эти 24 обсерватории охватывают обычные типы подстилающей поверхности, такие как пастбища, леса, сельхозугодья, горы, водно-болотные угодья, пустыни, моря, озёра и городские территории, и представляют метеорологические и климатические характеристики 16 ключевых зон климатической системы в Китае. Долгосрочные наблюдения на этих станциях будут способствовать изучению обмена массой, влагой и энергией и их взаимодействия в системе Земля, а также обеспечат надёжные показатели для оценки системы сопряжённых моделей.

Модель системы Земля должна целиком использоваться для полного бесшовного прогнозирования погоды и окружающей среды. По мере увеличения разрешения модели будет охвачено больше характеристик океана, морского льда и поверхности суши, к тому же следует охватить и должным образом воспроизвести значительно более широкий спектр химических и биологических процессов.

Работа в реальном времени: понимание неопределённостей в продукции и создание объективных алгоритмов и корректировок. Оперативное прогнозирование в реальном времени будет сосредоточено на неопределённостях численной системы прогнозирования в соответствии с верхней четвертью рис. 2. Во-первых, необходимо улучшить научное понимание мелкомасштабных метеорологических и климатических характеристик на основе бесшовного подхода. Во-вторых, необходимо разработать точные показатели для оценки поведения ключевых моделей и основных процессов и для понимания неопределённостей. В-третьих, на основе углублённой оценки необходимо эффективно использовать большие данные и инновационные интеллектуальные автоматические методы для объективной корректировки продукции численной системы прогнозирования. С помощью самых современных методов проверки и корректировки прогнозист может минимизировать неопределённости существующей системы численных моделей и предоставлять высококачественный прогноз.

В качестве примера на рис. 3 показан прогноз сильных осадков над северной окраиной Сычуаньского бассейна (на юго-западе Китая). Сравнение между распределением в период до лета (май-июнь) среднесуточных осадков, полученных на основе Объединённого анализа осадков в Китае (ОАОК) (рис. 3а) и суточным прогнозом (12–36 ч) ЕЦСПП (рис. 3б), показывает, что прогноз по модели в целом воспроизводит очаги сильных осадков над юго-западной частью Китая. Местоположение и размеры очагов осадков в целевом районе сопоставимы (отмечено чёрными пунктирными линиями на рис. 3).

Однако при рассмотрении характеристик осадков в суб-суточном масштабе в прогнозе по модели обнаружены очевидные погрешности. Для суточного хода сильных осадков (с интенсивностью в пиковые часы более 5 мм за 3 часа) по модели час пик наступает на 3 часа раньше по сравнению с наблюдениями (рис. 3в). Что касается распределения количества осадков разной интенсивности, модель склонна переоценивать (недооценивать) накопленное количество слабых (сильных) осадков (рис. 3г). Основываясь на признании погрешностей модели, в суб-суточном масштабе можно установить взаимосвязи (суточный цикл и структура интенсивности) между выходными данными модели и наблюдениями. Используя эти взаимосвязи, можно в два этапа провести корректировку выходных данных модели для конкретного случая сильных осадков: во-первых, развитие осадков во времени по модели следует отложить на 3 часа относительно момента начала сильных осадков в 2:00 по местному времени (МВ) 27 июня 2019 года; во-вторых, распределение количества осадков разной интенсивности в выходных данных модели за каждые три часа следует подкорректировать.

На рис. 4 первоначальный прогноз на основе модели ЕЦСПП и скорректированные результаты прогноза сравниваются с данными наблюдений за сильными осадками в целевом районе. Можно видеть, что за счёт уменьшения доли слабых осадков эти слабые осадки возле очага сильных осадков частично исключаются, а в крупных очагах осадки усиливаются. В суб-суточном временном масштабе также отмечается, что скорректированное время пика согласуется с данными наблюдений (рис. 4г). Региональное распределение осреднённых осадков различной интенсивности (рис. 4д) после корректировки (красная линия) является более реалистичным по сравнению с первоначальными результатами модели (синяя линия).

Рисунок 4. Распределение наблюдённых (а), спрогнозированных на основе модели (б) и спрогнозированных на основе модели и скорректированных сильных осадков (в), выпавших в период с 02:00 по местному времени 27 июня 2019 года до 23:00 по местному времени 28 июня 2019 года. Развитие региональных осреднённых осадков во времени в период сильных осадков по данным наблюдений (чёрная линия), прогнозу ЕЦСПП (синяя линия) и прогнозу ЕЦСПП после корректировки (красная линия), (д) то же, что и (г) только для количества выпавших региональных средних осадков разной интенсивности.

Перспективы

На основе углублённого понимания качеств, присущих численным моделям (набор из трёх свойств), предложена стратегия оперативного прогнозирования погоды для грядущей новой эры. Благодаря своей незаменимости численные модели занимают ключевое положение в системах оперативной деятельности.

Для устранения неопределённостей, присущих модели, необходимо действовать в трёх направлениях. Чтобы уменьшить приблизительность, следует повысить точность системы моделей с учётом крупных погрешностей моделирования и прогнозирования. Для преодоления несовершенства следует признать, понять и должным образом охватить в системе моделей новые ключевые процессы в климатической системе или системе Земля. Для наиболее эффективного использования незаменимых самых современных численных моделей их результаты должны быть тщательно оценены и скорректированы в соответствии с присущими им отклонениями. Эти три направления тесно связаны между собой и имеют единое ядро исследований, что является ключевым фактором для целенаправленного развития оперативного прогнозирования.

Выражение признательности

Выражаем благодарность Чжану Вэньцзяню, Паоло Рути, Чжоу Хэну, Сюю Сяньхуа и На Сяодань за полезные отзывы относительно оригинала статьи.

Литература

Benjamin, S.G., J.M. Brown, G. Brunet, P. Lynch, K. Saito and T.W. Schlatter, 2019: 100 years of progress in forecasting and NWP applications. In: A Century of Progress in Atmospheric and Related Sciences: Celebrating the American Meteorological Society Centennial, Meteorological Monographs, Vol. 59. Boston, American Meteorological Society.

Charney, J.G., 1951: Dynamic forecasting by numerical process. In: Compendium of Meteorology (T.F. Malone, ed.). Boston, American Meteorological Society.

Luo, Y., R. Zhang, Q. Wan, et al., 2017: The Southern China Monsoon Rainfall Experiment (SCMREX). Bulletin of the American Meteorological Society, 98(5):999–1013.

National Research Council, 1999: A Vision for the National Weather Service: Road Map for the Future. National Academies Press.

Zhao, P., X. Xu, F. Chen, et al. (2018): The third atmospheric scientific experiment for understanding the Earth–atmosphere coupled system over the Tibetan Plateau and its effects. Bulletin of the American Meteorological Society, 99(4):757–776.

Авторы

Жуцун Юй, Китайское метеорологическое управление (КМУ)

Цзянь Ли, Центральная государственная лаборатория по исследованию суровой погоды, Китайская академия метеорологических наук

Пэнцюнь Цзя, Учебный центр КМУ