ОЦЕНКА КАЧЕСТВА ЧИСЛЕННОГО ПРОГНОЗА ТЕМПЕРАТУРЫ ВОЗДУХА В ЗАВИСИМОСТИ ОТ СИНОПТИЧЕСКОЙ СИТУАЦИИ В ПЕРМСКОМ КРАЕ
Keywords:
численный прогноз погоды, оценка прогноза температуры, синоптическая ситуация, модель GFS, модель WRF-ARW, Пермский край.Abstract
Классическая верификация численных прогнозов погоды представляет собой оценку успешности прогностических моделей для всего спектра наблюдаемых метеорологических условий. Тем не менее для оперативного прогнозирования важно знать ограничения применимости прогностических данных в различных ситуациях. Эта задача может быть решена в рамках условной верификации путем разделения выборки с использованием синоптической типизации. В статье рассматриваются результаты исследования качества прогноза приземной температуры для территории Пермского края по глобальной модели численного прогноза погоды GFS. Для летнего периода дополнительно сравнивались качества прогнозов модели GFS и мезомасштабной модели WRF-ARW. Оценка проведена комплексно по всей выборке случаев, а также дифференцированно в зависимости от наблюдаемой синоптической ситуации. Показано, что наиболее высокое качество прогнозов по модели GFS характерно для осеннего периода. В зимний и весенний периоды наблюдается систематическое занижение прогностической температуры в центральной части антициклона и в теплом секторе циклона соответственно. Установлено, что в летний период модель GFS по сравнению с WRF-ARW позволяет получить более качественные прогнозы приземной температуры. Для обеих моделей летом выявлено улучшение качества прогнозов температуры для различных частей циклонов (за исключением тыловой части) и ухудшение – для малоградиентных полей давления, а также для периферий и центров антициклонов. Выявленные особенности распределения ошибок могут использоваться для коррекции численных прогнозов. DOI: 10.17072/2079-7877-2019-3-48-62References
Багров А.Н. Сравнительная оценка успешности прогнозов элементов погоды ряда отечественных и зарубежных моделей атмосферы различного масштаба (в период с 1 мая по 30 сентября 2010 г.) // Результаты испытания новых и усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов. 2011. №38. С. 14–27.
Бундель А.Ю., Кирсанов А.А., Муравьев А.В., Ривин Г.С., Розинкина И.А., Блинов Д.В. Первые результаты оценки успешности мезомасштабных численных прогнозов СOSMO-Ru, выпускаемых в рамках метеообеспечения Олимпиады Сочи-2014 // Труды ГМЦ РФ. 2014. №352. С. 37–54.
Быков А.В., Ветров А.Л., Калинин Н.А. Прогноз опасных конвективных явлений в Пермском крае с использованием глобальных прогностических моделей // Труды ГМЦ РФ. 2017. №363. С. 101–119.
Васильев П.П., Васильева Е.Л., Горлач И.А. Среднесрочный прогноз температуры воздуха и результаты его испытания // Результаты испытания новых и усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов. 2010. №37. С. 3–14.
Вельтищев Н.Ф., Жупанов В.Д. Численные прогнозы погоды по негидростатическим моделям общего пользования WRF-ARW и WRF-NMM // 80 лет Гидрометцентру России. М.: Триада, 2010. С. 94–135.
Вербицкая Е.М., Романский С.О. Результаты испытаний краткосрочных оперативных прогнозов мезомасштабной модели WRF-ARW «ХАБ-15» в пунктах Дальневосточного региона России // Результаты испытания новых и усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов. 2016. №43. С. 32–62.
Жупанов В.Д., Вельтищев Н.Ф. Информация о модели общего пользования WRF-NMM. М., 2007. 124 с.
Кинжер Л.И., Барашкова Н.К., Ахметшина А.С., Барт А.А., Поляков Д.В. Оценка точности численных прогнозов метеорологических условий в районе г. Томска с использованием модели WRF // Вестник Томского государственного унивеситета. 2013. №374. С. 174–178.
Пищальникова Е.В. Синоптическая классификация очень сильных снегопадов в Пермском крае // Географический вестник. 2017. №1(40). С. 85–92. doi 10.17072/2079-7877-2017-1-85-92.
Пищальникова Е.В., Калинин Н.А., Шихов А.Н., Свиязов Е.М., Ветров А.Л. Зависимость успешности численного прогноза обильных снегопадов по модели WRF от синоптической ситуации // Современные проблемы географии и геологии к 100-летию открытия естественного отделения в Томском государственном университете: мат. IV Всерос. науч.-практ. конф. с межд. участием. Томск, 2017. С. 315–318.
Проведение производственных (оперативных) испытаний новых и усовершенствованных методов гидрометеорологических и гелиогеофизических прогнозов РД № 52.27.284-91: метод. указания. Л.: Гидрометеоиздат, 1991. 149 с.
Толстых М.А. Глобальные модели атмосферы: современное состояние и перспективы развития // Труды ГМЦ РФ. 2016. № 359. С. 5–32.
Хандожко Л.А. Региональные синоптические процессы. Л.: Изд-во Ленин. гидромет. института, 1988. 103 с.
Шихов А.Н., Быков А.В. Оценка качества прогноза мезомасштабных конвективных систем на Западном Урале с помощью модели WRF и спутниковых данных MODIS // Современные проблемы дистанционного зондирования Земли из космоса. 2016. Т. 13. №1. С. 137–148. doi 10.21046/2070-7401-2016-13-1-137-148
Шихов А.Н., Свиязов Е.М. Прогнозирование динамики процесса снеготаяния на Западном Урале с применением мезомасштабной модели WRF/ARW // Современные проблемы науки и образования. 2013. №4. URL: www.science-education.ru/110-9962 (дата обращения: 22.12.2018).
Bagrov A.N., Bykov Ph.L., Gordin V.A. Complex forecast of surface meteorological parameters // Russian Meteorology and Hydrology. 2014. Vol. 39. No.5. P. 283–291. doi 10.3103/s106837391405001x.
Bagrov A.N., Bykov Ph.L., Gordin V.A. Operative scheme for the short-range complex forecasting of surface air temperature and humidity // Russian Meteorology and Hydrology. 2018. Vol. 43. No.8. P. 495–505. doi 10.3103/s1068373918080010.
Bundel' A.Yu., Astakhova E.D., Rozinkina I.A., Alferov D.Yu., Semenov A.E. Verification of short- and medium-range precipitation forecasts from the ensemble modeling system of the Hydrometcenter of Russia // Russian Meteorology and Hydrology. 2011. Vol. 36. No.10. P. 653–662. doi 10.3103/s1068373911100025.
Gofa F., Tzeferi, D., Raspanti, A. Using synoptic classification to evaluate an operational weather forecasting system // Advances in Meteorology, Climatology and Atmospheric Physics. Chapter: Part I / Eds. Helmis, C.G. and Nastos, P.T. Berlin: Springer-Verlag Berlin Heidelberg, 2012. С. 109–116. doi 10.1007/978-3-642-29172-2_16.
Martynova Yu.V., Zaripov R.B., Krupchatnikov V.N., Petrov A.P. Estimation of the quality of atmospheric dynamics forecasting in the Siberian region using the WRF-ARW mesoscale model // Russian Meteorology and Hydrology. 2014. Vol. 39. No.7. P. 440–447. doi 10.3103/s1068373914070024.
Muravev A.V., Bundel' A.Yu., Kiktev D.B., Smirnov A.V. Verification of mesoscale forecasts in the 2014 Olympic Games region. Part II: Preliminary results of diagnostic evaluation of quality and calibration of the forecasts by the COSMO-RU2 model // Russian Meteorology and Hydrology. 2013. Vol. 38. No.12. P. 797–807. doi 10.3103/s1068373913120017.
National Centers for Environmental Information. URL: www.ncdc.noaa.gov (дата обращения: 01.02.2018).
NCEP GFS. URL: www.emc.ncep.noaa.gov/gmb/moorthi/gam.html (дата обращения: 25.12.2018).
NOAA Operational Model Archive and Distribution System (NOMADS). URL: www.nomads.ncdc.noaa.gov (дата обращения: 01.02.2018).
Skamarock W.C. et al. A Description of the Advanced Research WRF Version 3. NCAR Techn. Note –475 + STR, June 2008. 125 p.
Wang W., Bruyere C., Duda M., Dudhia J. WRF-ARW Version 3 Modeling System User's Guide. National Center for Atmospheric Research: Boulder, CO. 2017. 434 p.
