RU
|
EN

Метод вероятностного прогноза на основе подбора аналогов к полям прогноза GFS

Краткое описание оперативной технологии метода вероятностного прогноза на основе подбора аналогов к полям прогноза GFS

Разработчики метода и технологии: О. В. Соколов, Н. И. Друзь

Метод вероятностного прогноза основан на подборе аналогов к прогностическим полям GFS [https://www.ncdc.noaa.gov/data-access/model-data/model-datasets/global-forcast-system-gfs]. Заблаговременность метода до 14 суток на периоды 6-10 и 8-14 суток от исходной даты прогноза. Прогнозируется вероятность классов температуры воздуха и суммы осадков выше/ниже нормы на станциях Восточной Сибири и Дальнего Востока для пяти и семи суточных интервалов с заблаговременностью 6 и 8 суток соответственно.

Метод построен на основе метода прогноза (обзора погодных условий) NWS NOAA [http://www.cpc.ncep.noaa.gov/products/predictions/610day/] и состоит из двух основных блоков: определения лет аналогов к прогностическому состоянию атмосферы и вероятностного прогноза параметров на метеостанциях выбранного региона.

Метод является экспериментальным и может быть использован специалистами в качестве вспомогательного при оценке погодных условий для пяти и семи суточных интервалов с заблаговременностью 6 и 8 суток соответственно.

Определение лет-аналогов

Определение лет аналогов производится путём расчёта метрик аналогичности для прогностических полей высоты изобарической поверхности 500 гПа (Н500). Прогностические поля Н500 предварительно усредняются для двух периодов заблаговременности GFS: 6 – 10 и 8 – 14 суток. Для каждого из этих двух осреднённых полей расчёт метрик аналогичности, определение лет аналогов и последующий прогноз осуществляются раздельно. В качестве метрики аналогичности используется коэффициент корреляции.

Для каждого из усреднённых полей рассчитываются метрики аналогичности на историческом архиве повторного анализа NCEP/NCAR. Интервал расчёта метрик – с 1949 г. по год, предшествующий исходной дате текущего прогноза GFS. Для каждого года в историческом архиве определяется метрика аналогичности в интервале 35 суток: ± 17 суток от центральной даты интервала усреднения полей.

На основе полученного массива метрик аналогичности выбираются 10 лучших лет-аналогов на основании которых и осуществляется прогноз.

Вероятностный прогноз температуры и осадков на станциях

  1. Для каждой станции региона на основе климатических норм за период 1971-2000 гг. все ранжированные фактические значения параметров (температуры и осадков) делятся на 3 равных по количеству класса, определяя, таким образом, границы класса нормы. Затем, определяется класс, в который попадает величина параметра за каждый из лет аналогов. Если для лет аналогов количество данных параметра относится к одному из классов выше или ниже нормы более чем в 50% случаев, то данный класс будет определен в качестве вероятного прогноза. Вероятность (%) попадания параметра в преобладающий класс и есть основная величина, прогнозируемая для пятидневки (с 6 по 10 сутки от исходной даты прогноза) и семидневного интервала (с 8 по 14 сутки от исходной даты прогноза).

 

Дополнительно рассчитываются прогностические значения параметра, которые определяются как среднее его значение среди лет аналогов, попавших в преобладающий класс. В случае, если вероятность классов выше и ниже нормы менее 50% в качестве прогноза значения параметра для данной станции устанавливается климатическая норма.

 

Так же, для оценки качества расчётов, определяется процент наличия данных при прогнозе, который рассчитывается как количество лет аналогов, для которых есть данные на станциях, по отношению к общему числу лет-аналогов. Например, 90% означает, что при расчёте вероятности использовались 9 из 10 лет аналогов, т.к. для остальных лет аналогов данные для станции отсутствуют в архиве. Расчёт вероятности прогностического класса не производится, если процент наличия данных на станции за даты аналоги менее 70%.

 

  1. В качестве исходных данных ранжированных рядов на станциях для температуры воздуха используется средняя за 5 и 7 суток температура воздуха на станциях, для осадков - сумма осадков за эти же периоды.

Примеры выходной продукции метода

 

 

 

© 2018-2020 ДВНИГМИ
Яндекс.Метрика

Main Menu (RU)