Tema: Numerički modeli za prognozu vremena

[Joe]

Pošto u prognozama dosta spominjemo modele i najviše se bavimo prognozom vremena na osnovu analiziranja istih, mislim da podforum meteorologija zahteva jednu ovakvu temu gde bi se detaljno objasnili numerički modeli i šta su oni uopšte. Takođe sam došao do saznanja, da često deluje da preferiram određene modele pa bih voleo da to obrazložim. Sve sam nauči putem interneta, a znamo da tu može svašta da se nađe i nema nekog sistematkog učenja već polako nadograđujem svoje znanje, a možda i pogrešno shvatanje. Ima ovde ljudi kojima je ovo profesija ili će tek biti pa bih veoma voleo ako grešim u nečemu da me isprave jer bih želeo da naučim i nešto više, pošto mi je ova oblast meteorologija rekao bih i najzanimljivija.

Na forumu se najčešće spominju dve vrste modela. Modeli visoke i niske rezolucije. Modeli niske rezolucije koje najčešće analiziramo su GFS i ECMWF, dok modeli visoke rezolucije su WRF-NMM, ETA, ALADIN, itd. Svaki numerički model radi po sličnom principu. To je ništa drugo nego jedan softver koji, ukratko na osnovu unetih podataka, generiše rezultate koji su prognoza tih istih parametara nakon određenog perioda. Krenimo recimo od modela niske rezolucije. Ulazni podaci predstavljaju aktuelne vremenske prilike (temp, pritisak, vlaga, vertikalna strujanja, itd.). Ako su ulazni podaci sakupljeni u 6 UTC onda se taj model naziva GFS 06Z, odnosno ECMWF 06Z. Na osnivu ulaznih podataka GFS generiše rezultate i prognozira te iste parametre kako bi izlegali za 6 sati. Ti izlazni podaci sada postaju ponovo ulazni i GFS računa nove izlazne podatke za još 6 sati odnosno 12 sati od početnih ulaznih podataka. Taj proces se ponavlja sve dalje u budućnost. ECMWF to isto radi stim što se ulazni podaci koriste za izračunavanje izlaznih tek za 12 sati ili nam među rezultati nisu dostupni besplatno. Jasno je pošto izlazni podaci postaju ulazni, čim dođe do male greščice u prognozi imamo delimično netačan ulazni podatak tako da se greška povećava što idemo dalje u budućnost i što više puta ponavljamo postupak. Jedan od razloga zašto je prognoza u daljoj budućnosti poprilično nepuzdana. Obično mala pomeranja od stvarne prognoze postaju ogromna kako idemo dalje u budućnost. Kako bi se odredila pouzadnost prognoze u model se ubacuju i da tako kažem veštački drugačiji ulazni podaci po određenim pravilima kako bi se videlo kako se ponaša model ako ne krene sve kako je on zamislio. To su čuveni ensembli koje često spominjemo. Ako za različite ulazne parametre imamo sličnu prognozu (kažemo ensembli su složni) prognoza je pouzdanija. Ja bih rekao jednostavno da sitne greščice u izlaznim podacima neće bitno uticati na kvalitet krajnje prognoze. 

Eto ukratko o tome kako rade numerički modeli i nešto više o GFS i ECMWF modelu toliko spominjanom. Naravno kvalitet modela zavisi u algoritmu na osnovu kog računa izlazne podatke. U tome je osnovna razlika i zato često modeli različito prognoziraju vreme u budućnosti. Obično kažemo da je jedan bolji tj. da ima bolji algoritam izračuvanja izlaznih podataka što je poprilično bezveze reći jer je teško dokazati koji model zaista daje bolje razultate. Ovde neko preferira EC neko GFS, verovatno zavisi koliko puta ga je jedan razočarao, odnosno obradovao u tačnosti što je dosta subjektivno mišljenje morate priznati.

Modeli visoke razolucije rade dosta slično. Oni su pouzdaniji za kraći period unapred i za razlike u prognozi za manje udaljenosti jer se grubo rečeno generiše mnogo više podataka za manje područje, ali takođe zahtevaju dosta više resursa te obično se koriste za bližu budućnost. Oni isto na osnovu ulaznih podataka generišu izlazne ali ti izlazni mogu biti i za već tri sata unapred kakav je WRF recimo. E sad šta meni nije jasno zašto modeli visoke rezolucije uzimaju izlazne podatke modela niske rezolucije ako sam dobro razumeo, pa kažemo WRF sa ulaznim podacima ECMWF-a, odnosno recimo ETA sa ulaznim podacima GFS-a. Ukoliko koriste ulazne podatke ova dva modela recimo to je jedan od razloga zašto često govorim o tome kako će neki model smanjiti padavine ili nešto slično. Jednostavno ako model koristi ulazne podatke ECMWF-a onda on prvi dolazi do rezuiltata pa prosleđuje podatke WRF-u što znači da promene u prognozi prvo dolaze do ovih modela niske rezolucije i unapred se može predvideti da će doći i do promene u modelima visoke razolucije. Možda sam to i pogrešno razumeo pa mi se tako stalno čini otkad pratim modele po principu što je babi milo to joj se i snilo.    Sve u svemu jedan od razloga zašto prvo gledam modele niske rezolucije kakvi su GFS i ECMWF, pa tek onda WRF i ETA, ali samo u svojstvu da vidim detaljnije šta je pisac (WRF, GFS) hteo da kaže. E sad ako grešim voleo bih dam i neko objasni kako funkcioniše sve to da ne bih pogrešno usmeravao svoje vidike. 

Eto ima mnogo toga još da se kaže u ovoj temi. Voleo bih da me drugi dopune i isprave. Takođe bih vole da oni koji žele da nauče još nešto ili nisu razumeli o čemu sam pričao postavljaju pitanja kako bi se što bolje upoznali sa modelima pre nego što krenemo da ih komentarišemo u prognozama.

• Tweet

[rade]

Na sajtu RHMZ http://www.hidmet.gov.rs/ciril/prognoza/naslovna_numerika.php, u kratkim crtama je objašnjen pojam ETA i WRF modela.

Нумеричка прогноза времена
Метод нумеричке прогнозе времена користи математичке формулације процеса у атмосфери за предвиђање времена. Модел је компјутерски програм који обезбеђује метеоролошке информације о будућем стању атмосфере.
Републички хидрометеоролошки завод користи два модела у оперативном раду. Ета модел два пута дневно израђује прогнозу за 120 сати са бочним граничним условима DWD-a. Област модела покрива Европу, Источни Атлантик и север Африке.
WRF-NMM модел, креиран у NCEP (Национални центар за прогнозу) је модел мезо размера најновије генерације са сложеном физиком и новим нумеричким применама. Xоризонтална резолуција модела је око 10 км, број нумеричких тачака 92х118. Модел ради два пута дневно на ECMWF бочним граничним условима за 72 сата прогнозе. Домен обухвата Балкан и Јадранско море.

Na kojim se internet adresama mogu pogledati ovi modeli?

[Milosh]

Dobar opis Joe.  Ima tu još ponešto da se kaže, ali si manje-više već rekao ono što je najvažnije.
GFS, EC, NOGAPS, itd. se mogu nazvati i globalnim modelima, zato što pokrivaju cijelu planetu, a WRF, ETA, ALADIN... regionalnim modelima jer pokrivaju samo određenu ograničenu oblast. Ovakvi modeli finih rezolucija koriste kao početne granične bočne podatke modela znatno grublje rezolucije. Osnovna razlika u tome je što je kod regionalnih modela znatno gušća mreža tačaka u kojima se vrši računanje, nego kod globalnih modela. To pogotovo može da dođe do uticaja tamo gdje je izražena orografija, jer globalni modeli ne mogu baš svaku planinu da uzmu u obzir, pa se zato dešavaju ponekad velika odstupanja.

[ptprince]

Suštinska dopuna, kolega. Priča o prognostičkim modelima polako dobija svoj pravilan tok.
Elem, da se i ja malo nastavim.

Pošto smo razjasnili šta je prognostički model, te koje su to dve osnovne vrste modela (globalni i za ograničenu oblast), malo bih ubacio još neki detalj po kojima se ove dve vrste modela razlikuju.
Globalni model radi sa sfernim koordianatama. Modeli za ograničenu oblast ne rade nužno sa sfernim koordinatama, jer tada se akaju sa kalotom (odsečkom sfere) umesto sa ograničenom ravni. Uticaj geografske širine se jednako uzima u oba slučaja, jer je strogo definisan, te je razlika svedena na izbor koordinatnog sistema. Zaista, glupo bi bilo da se jednačine modela za ograničenu oblast rešavaju u kaloti, odsečku sfere, odnosno kaloti, već je mnogo lakše to raditi sa nekom ograničenom ravni koja ima svoja pravila.
Bolja rezolucija modela se odlikuje u svim dimenzijama: tri prostorne i jednoj vremenskoj. Te dimenzije moraju da budu usklađene. Što je bolja prostorna dimenzija (nekoliko kilometara, ili par desetina kilometara), to je bolja vremenska dimenzija (koraci od po sat vremena, umesto od po tri ili šest sati). Dimenziona analiza (koja se uči u prvim lekcijama Dinamičke meteorologije) određuje izbor tih dimenzija. Od izbora tih dimenzija zavisi koji se sve parametri mogu uzeti u obzir. Na primer, ako imamo model za recimo atmosfersku disperziju, gradijent pritiska nam uopšte nije potreban, jer je na tako maloj površini nad kojom radi skoro besmislen, smatrajući pritisak dovoljno izjednačenim da ga ne uzima u obzir po prostornim promenama. Ako se rade prognostički modeli, to je suštinski važan parametar, jer se suština priče vrti i oko raspodele pritiska po horizontali. Najzad, prostorna dimenzija je i vertikalna dimenzija, jer u skladu sa razmakom između tačaka mreže menja se i gustina slojema po kojima se vrši izračunavanje. Ti slojevi su gušći u prizemlju, a idući ka slobodnoj atmosferi se su razmaknutiji u protsoru. Razmak između tih slojeva se određuje vertikalnom koordinatom u modelu, koja nikako nije z-koordinata (metrički razmak), već p-koordinata (pritisak), sigma-koordinata ili eta-koordinata (po toj koordinati je čuveni model i dobio ime). Sigma i eta su koordinate koje se izračunavaju iz vrednosti ostalih fizički izmerivih parametara (što će studentarija da se zabavlja...)
U prognostički model ulazi krdo parametara, osim onih koje imate u merenjima (pritisak, temperatuira, vlaga, vetar). Tu je parametrizacija sunčevog zračenja veoma osnovna stvar, a ta parametrizacija koristi mnoge dodatne podatke (oblačnost po tipovima, stanje površine tla, oblik reljefa - nagnutost površina, tip pokrivenosti površina - land use itd). Naravno, govorim o složenijim modelima, jer jednostavniji modeli često to izbacuju iz parametrizacije tog tipa, pa za posledicu imamo više temperature za desetak stepeni zbog neuzimanja u obzir snežnog pokrivača (tako nešto se dešavalo WRFu, ali mislim da je to popravljeno). Često se ti dodatni parametri moraju procenjivati (snežni pokrivač, recimo), pa se priča 'vezuje u čvor' time što se određivanje tih parametara dobija kao izlaz iz ostalih parametara koji se tek moraju dobiti. U tom sllučaju, pristupa se iteracijama - ponavljanju ovog uzročno-posledično vezanog postupka dok se razlike između dve iteracije ne svedu na neku malenu vrednost koja se može tolerisati.
Miloš je pominjao početne i bočne granične uslove. Svako ko je rešavao parcijalne diferencijalne jednačine (glavni sastojak prognostičkih modela) zna šta su početni, a šta granični uslovi. Da pojasnim i ostalima: početni uslovi su zadati u nekom trenutku t, imaju oblik polja raspodele vrednosti elemenata koji se obrađuju, dok su granični uslovi termin vezan za modele sa ograničenom oblašću. Granični uslovi rešavaju deo jednačine na ivicama modela. Ukoliko se puste jednačine preko te granice, rizikujemo da model 'eksplodira', dobijajući za rezultate neke sumanute vrednosti apsolutno nerealne u atmosferi. Modeli za ograničenu oblast su nekada tako radili, a zatvaranje jednačina je išlo njihovim parametrisanjem, dok se danas zatvaranje vrši podacima iz odabranog globalnog modela.
Suptilne razlike između modela možemo naći prema načinu kako se orografija tretira. Dok neki modeli razmatraju orografiju kao kockice osnove rezolucije mreže, srednje visine tla (ne vrhova planina), neki modeli uzimaju visine iznad tačaka mreže modela, razapinjući četvorougaonu površinu tla kao parametrisanu vrednost sa sve poznatim nagibom (pravcem i veličinom). Ima još tih suptilnih razlika, ali ni ja ne znam sve. Pomenuću samo još veličinu do koje se ide sa iteracijom, odnosno do preciznosti izračunavanja izlaznih veličina, sa čime se ne može ići u nedogled, jer tada model dugo i predugo radi, a ne dobija se mnogo bolji ili drugačiji izlaz.
Suštinske razlike između modela jesu odabir jednačina koje model mora da rešava. Kako se te jednačine sve više usaglašavaju, a razlike su u parametrizaciji pojedinih veličina i njihovoj 'težini' u izračunavanju, tako se razlikuju i rezultati, odnosno čuveni izlazi iz modela. Za prvo vreme parametrisane vrednosti iamju veoma mali uticaj, dok kako vreme u modelu odmiče, parametrizacija počinje da nosi prevagu i to pametan korisnik rezultata mora stati. Kako bi umeo da prepozna tu tačku, koriste se ensembli. To su, da razbijemo famu, ništa drugo nego skup izlaza iz različitih modela. Dok ensemble ide suaglašeno, dotle je sve u redu, postoji 'koncenzus' u modelima. Kad ensemble počinje da širi svoju 'perjanicu' izlaza, tu se vide te razlike o kojima je malopre bilo reči. Na kraju prognostičkog perioda dobija se čitava gungula izukrštanih vrednosti koje se ponekad graniče sa besmislom, što je otprilike granica upotrebljivosti modela. Razvoj modela se upravo kreće ka kvalitetnijoj parametruzaciji različitih uticaja, jer se osnovni pokretači vremena uglavnom već poznaju (jednačine kretanja, faznih prelaza itd).
Najzeznutiji deo modeliranja jeste granični sloj atmosfere (prvih kilometar i po, dva, do tri). Granični sloj atmosfere je, da podsetim, sloj atmosfere u kojem se oseć dnevno pulsiranje atmosfere, uticaj tla. Ta visina se menja u zavisnosti od vremenskih prilika i kreće se od par stotina metara (u najužem smislu) u sloju prizemne inverzije, do čak 3 km, u danima sa najjačom konvekcijom. Granični sloj se često naziva i izmešani sloj (mixed layer), jer se u tom sloju neke (izračunate) veličine malo menjaju u odnosu na slobodnu atmosferu. Umesto da nam to olakša posao, to je najgori deo čitavog modeliranja atmosfere, jer se sve drastično komplikuje. Minimalna greška dovodi do katastrofalno velikih razlika u temperaturi ili vlagi, pravcu vetra... Granični sloj atmosfere je prebogat tim zamkama, koje se rešavaju teorijom sličnosti Monin-Obuhov i sličnim zajebancijama (studenti će to imati u Mikrometeorologiji). Zabava do bola!
Teško je prognostičkom modelu da se bavi i graničnim slojem jednako ozbiljno kao i slobodnom atmosferom (iznad graničnog sloja). U tome se često vidi i snaga nekog modela. Za granični sloj atmosfere mnogo bolji su modeli atmosferske disperzije i difuzije koji se koriste za proračunavanje zagađenosti vazduha. Opet, tako nešto je u klimatologiji glupo uzimati, pa se klimatski modeli time ne bave (ili bar ne bi trebalo da gube vreme na tome). Dakle, postoji više modela atmosfere, zavisno od namene. Nije samo prognostički model jedino što postoji, već je to model koji se koristi za prognozu vemena (i o njemu je ovde reč).

Eto, ja malo pustio tiradu. Izvinite na oduživanju. Nadam se da sam nešto razjansio.

[gencic]

Da dodam samo par stvari, koje mozda Joe nije dovoljno naglasio.
Mi zbog vrlo komplikovane prirode atmosfere i nesavrsenosti (jos dugo dugo, koliko god da napreduju) kompjuterske tehnologije, ne mozemo da racunamo kako ce se ponasati atmosfera kao kontinuum, vec moramo da racunamo vrednosti skalarnih( temperatura, pritisak, odnos smese, spec. vlaznost) i vektorskih polja(polje strujanja vazduha) u pojedinacnim tackama. To znaci da cemo se opredeliti za odredjene tacke u prostoru koji nas zanima, koje ce biti rasporedjene geometrijski ravnomerno i pravilno i onda cemo razmak tih tacaka u horizontalnom i vertikalnom pravcu zvati rezolucija modela.

Kod nas se je rec prevedena kao - ansambli.

[ptprince]

Da dodam samo par stvari, koje mozda Joe nije dovoljno naglasio.
Mi zbog vrlo komplikovane prirode atmosfere i nesavrsenosti (jos dugo dugo, koliko god da napreduju) kompjuterske tehnologije, ne mozemo da racunamo kako ce se ponasati atmosfera kao kontinuum, vec moramo da racunamo vrednosti skalarnih( temperatura, pritisak, odnos smese, spec. vlaznost) i vektorskih polja(polje strujanja vazduha) u pojedinacnim tackama. To znaci da cemo se opredeliti za odredjene tacke u prostoru koji nas zanima, koje ce biti rasporedjene geometrijski ravnomerno i pravilno i onda cemo razmak tih tacaka u horizontalnom i vertikalnom pravcu zvati rezolucija modela.

Mislim da je to rečeno, kolega, ali da nije povezano sa napisanim tekstom. Tačke koje spominješ jesu tačke mreže, i to na slojevima koje sam pomenuo u svom postu. Vremenski korak ti daje četvrtu dimenziju kontinuuma iseckanom na porcije koje modeli mogu da svare.

Kod nas se je rec prevedena kao - ansambli.

Tačno. Ja sam pisao ensembli da bi se obratila pažnja na reč koja se zdušno pojavljuje na ovom forumu, a naša reč jeste ansambli. Možda bi to bilo lepo usvojiti na forumu.

Ništa bez edukacije.

[pmale]

Joj kada sam pročito da spominjete teoriju Monin-Obuhov odmah mi se digla kosa na glavi :nelupaj:

Inače vole bih da malo više pojasnite CFL kriterijum, koji niste spomenuli a jako je bitan kod modela. Sem toga interesuje me kakav uticaj ima vrtložnot kod jednačina ( nešto sam tu baš gadno zatajio)

[Profiamater]

Nightly News   |  March 08, 2013
European weather forecasts superior to US models

http://www.nbcnews.com/video/nightly-news/51108647/?ocid=twitter#51108647

Novopostavljeni (od pre mesec dana) direktor National Weather Service, Louis Uccellini (bivši direktor NCEP-a, veoma cenjen stručnjak) je svoju karijeru započeo tako što je izjavio da Evropljani imaju bolje prognoze i modele (ne misli se isključivo na ECMWF vs GFS, već na "modelling systems") od USA uz pojašnjenje "the europeans have invested heavily in weather forecasting with ten times the computing ability of the National Weather Service".
Od Louis-ovog prethodnika (John Hayes, povukao se prošle godine nakon ozbiljnih sumnji/optužbi da su milioni dolara "nenamenski potrošeni") tako nešto nije moglo da se čuje.

[Srks]

Zanimljivo poređenje ECMWF i GFS modela:

http://www.energyblogs.com/weather/index.cfm/2014/1/6/Differences-Between-the-GFS-and-ECMWF-Weather-Models

[Saobraćajna Kamera]

Da li je neko probao programe za prognozu? Vidim da na netu ima nekih koji se mogu kupiti u professional verziji za relativno malo para (od 50 do 250$).

[Mile94]

Upravo sam u dugorocnim prognozama postavio kartu jednog, do sada meni, nepoznatog modela, malo sam trazio po internetu sta mogu da saznam o njemu i pronasao sam neki tekst, zaista nisam pratio nikada ovaj model i ne znam koliko je los/dobar, ali gledajuci onu kartu sto sam postavio u dugorocnim prognozama voleo bih da se dobro pokaze 


Evo sta sam pronasao o ovom modelu:


Science is a process. A scientist makes observations, poses a hypothesis to explain the observations, and then systematically tests the hypothesis, looking for evidence that either supports or refutes its validity. Many of us think of scientists experimenting in a lab during the hypothesis-testing phase, but for scientists studying how the Earth works, their lab is the planet. It’s difficult to systematically tweak temperatures here or clouds there to see how the system works. Instead, Earth system scientists combine observations of the real world with complex computer models. The models allow scientists to test different scenarios, while the observations provide a reality check. Both are necessary in understanding how and why Earth’s atmosphere, land, and oceans function together as they do.
These images compare a simulation from a detailed global atmospheric model, top image, with observations from the GOES satellite from the same time, lower image. The model is called the Goddard Earth Observing System Model, Version 5 (GEOS-5), and the image shows a moment in a five-kilometer run, one of the highest-resolution runs of the model to date. GEOS is an atmospheric model used to study the physics of the atmosphere in both the short term, weather, and mid to long term, climate. Comparing the results for a single day to a satellite image reveals how well the model works in a short-term run.
The model image represents a single point in time 90 hours into a 20-day model run that started on February 2. The lower image, taken by the NASA-NOAA GOES satellite, shows how well the model predicted cloud features for February 6, 2010, the day a massive winter storm dumped several feet of snow on the Washington, DC region.
Both the model and the satellite sensor use infrared energy to measure clouds. These images show cloud cover (as measured in infrared energy) on top of a static true-color image of the land. The model matches the satellite image quite well. The model accurately predicted the location and shape of major cloud systems, both the long curved band of clouds over the eastern North Atlantic Ocean and the large winter storm off the coast of the United States. The model’s high resolution also allowed it to forecast very specific cloud features. It predicted lines of small clouds, clouds streets, east of the winter storm. As the satellite image shows, the tiny clouds formed as predicted. The large images, which include the entire globe, show that the model also accurately predicted clusters of thunderstorms in the tropics.
The GEOS-5 model normally runs at a resolution of about 28 kilometers per pixel to study the connections between weather and climate. It can run globally at 3.5 kilometers, making it one of the most detailed global atmospheric models in the world. The model run shown here has a resolution of 5 kilometers. The typical climate model simulates clouds at about 100 kilometers per pixel. A flat map of the globe produced by a 28-kilometer climate model contains 777,000 grid cells (pixels). The five-kilometer GEOS map, like the one shown here, contains 24 million grid cells. This means that scientists can get substantially more detailed information from the model.
The GEOS-5 model, like all weather and climate models, uses mathematical equations that represent physical processes (like precipitation and cloud processes) to calculate what the atmosphere will do. Actual measurements of physical properties, like temperature, moisture, and winds, are routinely folded into the model to keep the simulation as close to the real world as possible. The millions of calculations involved in creating such a detailed global model require thousands of computer processors. The GEOS-5 model runs on the Discover supercomputer in the new NASA Center for Climate Simulation at Goddard Space Flight Center. Discover contains nearly 15,000 processors and will soon be augmented.
NASA climate scientists use GEOS-5 to predict climate over the span of a few decades. The GISS ModelE is a long-term climate model also running on Discover. ModelE is currently being used to simulate climate between about 1000 AD and 2100 AD. The largest project running on the supercomputer is the Modern Era Retrospective-analysis for Research and Applications (MERRA), in which GEOS-5 integrates more than 50 billion observations, mostly from Earth Observing satellites, into a single model simulation of climate from 1979 to the present.
The NASA Center for Climate Simulation began operating under its new name on June 2, 2010. To learn more, seeSupercomputing the Climate, a short video about the supercomputer and the climate models that run on it.

[risbo gr]

Koristi NASA    Prvi put vidim,mozda neki znaju o ovom modelu,koji je vidim ucrtao snegopad

[Profiamater]

How Forecast Models Can Lead to Bad Forecasts

https://blog.wdtinc.com/how-forecast-models-can-lead-to-bad-forecasts

[vojvoda1010]

hteo bih da pitam profi i ostale ako znaju (mozda nije usko vezano za ovu temu, ali mislim da je sire), a tice se prognoze vremena po 2 metoda, kako se izracunava:
1) po toploti okeana,
2) po metodama Borisa Koljčickog?