Numerikus időjárás-előrejelzés

Numerikus időjárás-előrejelzés Kép az Infoboxban. Példa a térkép kimeneti fekete körvonalait isohypses a magassága a geopotential nyomás 500 hPa egy numerikus előrejelzési modell Bemutatás
Használat Időjárás előrejelzés

A numerikus időjárás-előrejelzés (NWP) a meteorológia és a számítógép alkalmazása . A matematikai egyenletek megválasztásán alapul, amely közelíti a valós légkör viselkedését . Ezeket az egyenleteket ezután számítógép segítségével oldják meg, hogy gyorsabb szimulációt kapjanak a légkör jövőbeli állapotairól. Az ezt a szimulációt megvalósító szoftvert numerikus időjárás-előrejelzési modellnek nevezzük .

Történelmi

A meteorológia történetében fontos előrelépés volt az a gondolat, hogy digitális modelleket használnak a várható időjárás előrejelzésére . 1904-ben Vilhelm Bjerknes javasolta elsőként, hogy a légkör viselkedésének előrejelzése a matematikai fizika problémaként kezelhető a kezdeti feltételek szerint.

A numerikus időjárás-előrejelzés diszciplínáját 1922-ben alapították Lewis Fry Richardson brit matematikus Weather Prediction by Numerical Process című könyvével . Két évtizeddel a számítógép feltalálása előtt Richardson elképzelése szerint emberi számítógépek serege oldja meg számszerűen a Bjerknes által kifejlesztett egyenleteket. Ez azonban kudarcot vallott a számítási összetettség és a számbeli instabilitás miatt, amelyet az adatok belső hibái okoztak.

1928-ban Courant , Friedrichs és Lewy publikált egy cikket az adatok és a numerikus modellegyenletek digitalizálásának korlátairól az instabilitás elkerülése érdekében. Richardson úttörő jövőképe 1950-ben kezdett meghozni gyümölcsét, amikor Charney , Fjørtoft  (in) és von Neumann az első számítógépes NWP-t, az ENIAC -t követte , egy egyszerű barotróp modell segítségével . Az első működési előrejelzés 1954-ből származik, amelyet a Svéd Meteorológiai és Hidrológiai Intézet adott Carl-Gustaf Rossby csapatának munkájának köszönhetően . Az első bonyolultabb operatív numerikus előrejelzési programokat az 1960-as évek elején fejlesztették ki többszintű és baroklinikus légkör alkalmazásával . Az evolúció az objektív elemzéshez kezdetben lassabb volt, mint az előrejelzésekhez, az óceánokra és a sivatagi területekre vonatkozó adatok hiánya miatt, de a helyzet az 1990-es évek óta megváltozott a meteorológiai műholdak adatainak integrálásával .

Az időjárási előrejelzések iránti nagy kereslet jelenlétében számos tevékenységi területen a tudományág azóta tovább fejlődik, amelyet a számítási teljesítmény növekedése támogat, és amelyet a numerikus módszerek és a meteorológia hatalmas elméleti fejlődése ösztönöz.

Használ

Matematikai megközelítés

A fizika és a mérnöki, a klasszikus megközelítés, hogy megszerezze egyenletek prediktív értéke, hogy megoldja egy vagy több differenciálegyenletek tartalmazó időben változó . A legkényelmesebb esetekben a megoldás az előrejelezendő változókat az idő és a kezdeti feltételek függvényében fejezi ki (a változók értékei az előrejelzés kezdetéhez választott időpontban). Ezután elegendő ezt az egyenletet betáplálni az úgynevezett pontos megoldás megszerzéséhez szükséges számértékekkel . A harmonikus oszcillátor egy klasszikus probléma példája, amely jól alkalmazza ezt a megközelítést.

A légkör jövőbeli viselkedésének problémája sokkal összetettebb, és csak néhány nagyon korlátozott elméleti részhalmazban van pontos megoldása. Az NWP egyenleteinek valós életben történő megoldásához a numerikus elemzés módszereit kell használni . Ezek a módszerek lehetővé teszik a légköri viselkedés egyenleteinek újrafogalmazását , hogy a nyers numerikus számítások számos iterációjával megoldhatók legyenek. Ily módon a légkör állapota a modellben a kiindulási ponttól a kívánt előrejelzési intervallumig halad.

Ezeknek a numerikus módszereknek az a hátránya, hogy megkövetelik az idő és a tér folytonosságának közelítését a számítási hálózaton; a szimuláció így időben és térben megszakítatlanná válik. A számítási rácsukon megjelenített eredmények „pixelezett” megjelenéssel rendelkeznek, hasonlóan a digitális képhez. Hasonlóképpen, az idő már nem folyamatos változó, a számítások az egyik lépésről a másikra ugranak.

Tipikus példa: A Environment Canada GEM modelljének egyik működési konfigurációja ( 2005-től ) Észak-Amerika és a szomszédos vizek terét 15 km négyzet alakú lapokra bontja. Ezeknek a lapkáknak a mérete határozza meg a modell vízszintes felbontását vagy szembőségét . Ezenkívül a modell a légkör vertikális dimenzióját képviseli azáltal, hogy 58 szintre osztja. És végül, a modellszámítás minden egyes köre 450 másodperccel előzi meg az előrejelzést. A számítási körök közötti modell időintervallumot idő lépésnek nevezzük .

Általános szabály, hogy kívánatos biztosítani, hogy a minta a lehető legfinomabb hálóval rendelkezzen. Ez növeli a modell realizmusát és minimalizálja a numerikus elemzési módszerekben rejlő apró számítási hibák felhalmozódását. Ezenkívül egy adott felbontáshoz létezik egy maximális időlépés, az úgynevezett Current-Friedrich-Levy feltétel (vagy CFL feltétel), amelyet nem szabad túllépni a numerikus eredmények stabilitásának és realizmusának megőrzése érdekében .

Alhálós paraméterezés

A jó előrejelzéshez olyan jelenségeket is figyelembe kell venni, amelyek kisebbek, mint a modell felbontása (ún . Alhálós jelenségek ). Például egy zivatar lényegesen kisebb, mint a legtöbb teljes méretű modell hálója; önmagában véve megengedhetnénk magunknak, hogy elhanyagoljuk azt egy ország vagy egy kontinens léptékű előrejelzés keretében. De a zivatar területe, beleértve a nagy földrajzi területen található zivatarokat is, jelentős hatással lesz az előrejelzés tárgyát képező esemény menetére, mivel jelentős mennyiségű csapadék keletkezik és annak hatása az előrejelzésben szerepel. a légkör egyensúlya. Még alapvetően: magára hagyva a modell olyan zivatarokat idézhet elő, amelyek vízszintes mérete megegyezik a modell hálójával, ami teljesen irreális és brutálisan torzítja az előrejelzés alakulását. Ezért a zivataroknak implicit létet kell adnunk a modellen belül annak érdekében, hogy a konvektív energiát eloszlassuk, figyelembe véve a méretarányos szempontokat.

A kis léptékű jelenségek közepes és nagy hatásának ábrázolását paraméterezésnek nevezzük . A modelltervezők által leggyakrabban paraméterezett alhálós jelenségek a következők:

A fizikai jelenségek paraméterezése nem kompenzálja teljesen azokat a korlátozásokat, amelyeket a modellek hálójának túl nagy távolsága szab. A paraméterezési sémák megválasztása és kiigazítása jelentős hatással van az előrejelzések minőségére.

Földrajzi lefedettség és előrejelzési intervallum

Az azonnali időjárás-előrejelzési igények kielégítése érdekében elfogadható kompromisszumot kell elérni a modell idő-térbeli felbontásának maximalizálása érdekében, figyelembe véve a következőket:

A rövid távú előrejelzések szempontjából a távoli területek légkörének állapota nem releváns. Az Amerikában tapasztalható jelenlegi zavarok elterjedése néhány napot vesz igénybe, és érezteti hatását Európában . Ezután választhatjuk, hogy a modell finom hálós zónáját az érdeklődési körzetre koncentráljuk, így elhanyagolva a távoli jelenségeket. Regionális modellről beszélünk .

Hosszabb távú előrejelzések esetében, mondjuk két vagy három napon túl, szükségessé válik a modell lefedettségének növelése egy teljes féltekére vagy akár az egész földgömbre, annak érdekében, hogy megfelelően kezelni lehessen a még mindig távoli jelenségeket, amelyek terjedni fognak. érdeklődési terület. Ugyanezen okból a modell hálója egyenletesen oszlik el a földgömbön. Mivel a félgömb alakú modellek használhatatlanná váltak, az ilyen típusú előrejelzések a globális vagy globális modellre esnek .

IT szempontok

Elméletileg a modell felbontásának növelése növeli a realizmust és csökkenti a paraméterezés szükségességét; ez azonban csak jelentős informatikai és gazdasági költségekkel valósítható meg, különösen akkor, ha az előrejelzést szoros határidőn belül kell elkészíteni.

Példa: ha egy adott modell térbeli felbontása megduplázódik, akkor a számítási rács pontjainak száma 8-szorosára növekszik; és ha ezzel egyidejűleg az idő lépés felére csökken (ezáltal megduplázódik az időbeli felbontás), az előrejelzés tehát számítógéppel 16-szor drágább lesz, mint a modell előző verziója. Ennek a problémának a kezeléséhez nem elég a nyers számítási teljesítmény megtöbbszörözése, mert figyelembe kell venni az input-output és az adattárolás szempontjait: a számítások és az eredmények tárolása során továbbítandó adatok mennyisége is nő ugyanazon tényező által. Az I / O műveletek, amelyek szűk keresztmetszetet jelentenek bármilyen típusú számítógépben, komoly akadályt jelenthetnek a PNT modellek felbontásának növelésében.

Előreláthatóság

A kiszámíthatóság annak a határa, hogy számszerűsíteni lehessen a légkör jövőbeli állapotait egy adott megfigyelő hálózat segítségével . Ez általában által meghatározott időkeret, amelyen belül a négyzetes középérték hibának a megjósolt mező várható, hogy kevesebb, mint a Root Mean Square különbség a két megfigyelt légköri állapotok véletlenszerűen választotta ki. A gyakorlatban ez azt eredményezi, hogy az előrejelzés X időpontban történő megoldása a rendelkezésre álló adatokkal együtt stabil, a belső hibáik és a térbeli eloszlásuk ismeretében, ha ezekben az adatokban az értékek enyhe variációja következik be. Az a pillanat, amikor a megoldás kezd eltérni a különböző zavaroktól származó számítások között , az időjárási rendszer kiszámíthatóságának határává válik .

Hibaforrások

  • Kiindulási adatok: mérési és elemzési hibák
  • Adatok lefedettsége: jellemzően gyengébb az óceánokon és ritkán lakott vagy gazdaságilag hátrányos helyzetű területeken
  • Az elfogadott numerikus számítási módszerekben rejlő hibák
  • A modell hálója által okozott hiba: minél durvább a háló, annál kevésbé alkalmas a modell közepes és kis méretű jelenségek megjelenítésére
  • Paraméterezési hibák
A kezdeti adatok és elemzések fontossága

Még egy tökéletes (az utolsó három hibaforrástól mentes) modell sem tudott tökéletes előrejelzést készíteni, mert a kezdeti feltételek hibái megnőnek az előrejelzés során, és az előrejelzés eltér a valóságtól.

Ezért a lehető legpontosabban ismerni kell a légkör kezdeti állapotát. Ennek az állapotnak a tudománya, az úgynevezett adat asszimiláció , önmagában is nagy tudományos kihívás, amely matematikai és számítási erőforrásokat igényel, összehasonlítva azokkal, amelyeket maga az előrejelzés szentel. Az adatforrások eltérőek, hagyományosan felszíni megfigyelésekből állnak, amelyekhez hozzáadódnak a rádiószonda , a szélprofil és a kereskedelmi repülőgépek által végzett mérések adatai. Jelenleg a műholdas mérések jelentik a legfontosabb adatforrást, és a közelmúltban a reflektivitásokat és a radar radiális sebességét is figyelembe veszik egyes mezoszkópú modellekben .

A megfigyelési adatok felhasználása önmagában azonban nem elegendő. Egyrészt a digitális modellben a változók száma nagyobb, mint a megfigyelések száma, másrészt a közvetlenül a megfigyelések interpolációjával végzett elemzés instabil viselkedéshez vezetne a modellben. Ez az egyik oka annak, hogy az első próbálkozások kudarcot vallottak a légkör viselkedésének modellezésében Richardson által .

A konstrukció az elemzés, akkor tehát igénybe tervezet úgynevezett vizsgálati helyszín , vagyis az előrejelzés készült korábban, általában 6 vagy 12 órával korábban. Ezt a vázlatot ezután korrigálják, hogy a lehető legszorosabban illeszkedjen a megfigyelésekhez, általában figyelembe véve a megfigyelési hibákat. A manapság leggyakrabban alkalmazott megközelítés a variációk kiszámításának módszereivel határozza meg a vázlat és a megfigyelések közötti legjobb kompromisszumot, figyelembe véve azok hibáit. Ezt a megközelítést a „ 3D-Var  ” kifejezés jelöli,  amikor csak a modell állapotát és az elemzés pillanatában érvényes megfigyeléseket  veszi figyelembe, a „  4D-Var ” pedig akkor, ha ezeknek a fejlődését is figyelembe veszi. egy időablak.

Együttes előrejelzések

A numerikus időjárás-előrejelzés első évtizedeiben a számítási korlátok megkövetelték, hogy a modellt a lehető legnagyobb felbontásban futtassák, és az így kapott előrejelzést módosítás nélkül elfogadják. Ez a megközelítés implicit módon feltételezi, hogy ha a kezdeti feltételeket tökéletesen ismerték, és maga a modell is tökéletes volt, az ezt követő előrejelzés tökéletesen szimulálta a légkör jövőbeli viselkedését. Ezt a megközelítést determinisztikusnak nevezzük .

A gyakorlatban sem a megfigyelések, sem az elemzés, sem a modell nem tökéletes. Ezenkívül a légköri dinamika bizonyos körülmények között nagyon érzékeny a legkisebb ingadozásra. Ezért olyan valószínűségi megközelítést dolgoztak ki olyan kutatók, mint Edward S. Epstein , az együttes előrejelzés megközelítése . Az előrejelzés együttes áldozata a felbontás, hogy számítási erőforrásokat fordítson a modellek sok másolatának egyidejű futtatására ugyanazon előrejelzési esetben. Az elemzés minden esetben szándékosan kissé eltér a halmaz többi tagjától, a mérés vagy elemzés eredendõ bizonytalanságain belül. Az együttes tagjai által kínált előrejelzések többé-kevésbé eltérő forgatókönyvei lehetővé teszik a légkör kiszámíthatóságának számszerűsítését és statisztikai hibahatár felajánlását az előrejelzésben. Egy ilyen rendszer megtervezése során az a kihívás, hogy biztosítsuk, hogy a benne megfigyelt ingadozások a légköri dinamika természetes bizonytalanságát reprezentáló jelet képezzenek.

Egyes együttes előrejelző rendszerek (EPS) szintén variálják az együttes tagmodelljeinek paraméterezésének módszereit úgy, hogy az előrejelzések ingadozásainak egy része képviseli a modellezési bizonytalanságokat. Hasonlóképpen, erős az érdeklődés az együttes előrejelzéssel foglalkozó kutatói közösség iránt a több modellből álló készletek iránt (azaz a különböző kialakítású modellek kombinálásával) és a különböző országokból származó SPE szuperhalmazba történő összesítése iránt. Jelenleg ( 2006 ) két konkrét erőfeszítés van ebben az irányban, nevezetesen az Észak-amerikai Ensemble Prediction System (NAESP) (Kanada, Egyesült Államok, Mexikó) és a THORPEX Interactive Grand Global Ensemble (TIGGE, a Meteorológiai Világszervezet koordinálásával ) .

Operatív megközelítés

Az NWP megvalósítása az operatív időjárás-előrejelzés céljából (a tiszta kutatással szemben) változatlanul a következő lépéseket foglalja magában, amelyek végrehajtása a helyszíntől és az alkalmazási körülményektől függően némileg eltérhet:

  • Meteorológiai megfigyelési adatok beszerzése (szárazföldi állomásokról, hajókról, repülőgépekről, rádiós szondákról, műholdas adatok távmérésekből stb.);
  • A megfigyelések dekódolása és minőség-ellenőrzése;
  • Elemzés (a légkör állapotának digitális ábrázolásának kidolgozása az előrejelzés kezdetén);
  • Az előrejelzési modell elindítása az elemzés kiindulópontként;
  • Modellkimenetek utófeldolgozása: képek, közlemények készítése, statisztikai előrejelzési módszerek alkalmazása, emberi értelmezés;
  • Az előrejelzés továbbítása a felhasználók számára a különböző tevékenységek (mezőgazdaság, közlekedés, egészségügy, környezeti előrejelzések, gazdasági tervezés stb.) Támogatására alkalmazható formában;
  • Az utólagos előrejelzések ellenőrzése és a modell teljesítményének értékelése.

Példa Franciaországból

A Météo-France jelenleg két digitális modellt használ, például két egymásba ágyazott dobozt a közleményeinek kiadásához. A globális Arpège- modell (kicsi / nagy léptékű kutatási akció) előrejelzéseket készít az egész világon, feszített hálóval, amelynek vízszintes felbontása kb. 5 km Franciaország kontinentális része felett és kb. 24 km az antipódoknál.

2008 óta az Arome modell (Kutatás alkalmazása mezoszkálán végzett műveletekre) egy korlátozott tartományra vonatkozóan tesz előrejelzéseket, ideértve Franciaországot is, kezdetén 2,5 km -es, 2015-től pedig 1,3 km-es szemmel. Az óránkénti számítás az előrejelzéseket integrálja és módosítja. meteorológiai állomásokról, hajókról, bójákról, repülőgépekről, radarokról, műholdakról stb. A modell az előrejelzés megbízhatóságát is felméri.

Fő alkalmazási központok

Jóllehet a PNT viszonylag szerény eszközökkel történő alkalmazásában jelentős növekedés tapasztalható, a fejlett PNT-nek jelentős informatikai infrastruktúra szükséges, amely a modern számítástechnika nagy kihívásai közé tartozik. A PNT végrehajtását általában kormányzati vagy akár kormányon kívüli szervezetekre bízzák. A PNT világvezetői jelenleg (ábécé sorrendben):

Meg kell jegyezni, hogy az NWP központok nagy üzemeltetői az időjárás-előrejelzési szolgáltatások mellett fontos szerepet játszanak a területen folyó tudományos kutatásban is. Ismét az infrastruktúra kérdéseinek van köze ehhez: a szuperszámítógép lényegében a PNT kutatójának laboratóriuma. Ezenkívül a kutatás és a műveletek közelsége elősegíti a tudományos innovációk technológiai átadásának felgyorsítását .

Megjegyzések és hivatkozások

  1. Katia Chancibault, "Numerikus időjárás-előrejelzés" (2016. március 3-i verzió az Internet Archívumban ) , Hidrológiai és Környezetvédelmi Transzferek Laboratóriuma (LTHE)
  2. (in) Vilhelm Bjerknes, „  A probléma az időjárás előrejelzés, tekinthető származó theviewpoints a mechanika és a fizika  ” , Meteorologische Zeitschrift , Kutató kapu repülést.  18, n o  6,2009. december( DOI  10,1127 / 0941-2948 / 2009/416 , olvasható online , elérhető 1 -jén április 2021 ) "Az eredeti 1904-es cikk németre fordítása" .
  3. Munkacsoport a modern technikák használatáról a légi meteorológiában, Értelmezési technikák a numerikus időjárás-előrejelzési termékekhez a repülési meteorológiához , Vol.  195., Meteorológiai Világszervezet , koll.  "Műszaki megjegyzések",1994, 112  o. ( online olvasható ) , fej.  1.1 ("A numerikus időjárás-előrejelzés története").
  4. (in) Kristine Harper , Louis W. Uccellini , Eugenia Kalnay Kenneth Carey és Lauren Morone , "  2007: Az operatív numerikus időjárás-előrejelzés 50. évfordulója  " , az Amerikai Meteorológiai Társaság Értesítője , vol.  88, n o  5,2007. május, P.  639–650 ( DOI  10.1175 / BAMS-88-5-639 , Bibcode  2007BAMS ... 88..639H ).
  5. MALARDEL Sylvie, "  Időjárás-előrejelzési modellek  " , a Környezet Enciklopédiájában ,2019(megtekintve : 2019. november 26. )
  6. Meteorológiai Világszervezet , "  Predictability  " , Meteorological Glossary on Eumetcal (hozzáférés: 2013. november 30. )
  7. Hélène Côté: „  Mik azok a reanalízisek?  » , Gyakran Ismételt Kérdések , Konzorcium a regionális klimatológiáról és az éghajlatváltozáshoz való alkalmazkodásról (Ouranos) (hozzáférés : 2015. szeptember 14. )
  8. (in) Peter Lynch Met Éiriann, "  Richardson előrejelzés: Mi lehet a baj?  " [PDF] , NOAA,2004. június - Richardson első jóslati esszéjének elemzése.
  9. Azar Khalatbari , "  Százszor pontosabb időjárás  ", Sciences et Avenir , n o  725,2007. július( online olvasás ).

Lásd is

Bibliográfia

  • Sylvie Malardel, alapjai Meteorológia - 2 nd edition: Az iskolában az idő , Toulouse, Cépaduès,2009, 711  p. ( ISBN  978-2-85428-851-3 )
  • (en) Hagos S és LR Leung, „  Nagyméretű környezeti változók és áttérés a mély konvekcióra a felhőmegoldó modellszimulációkban: vektoros ábrázolás  ” , Journal of Advances in Modeling Earth Systems , vol.  4, n o  M11001,2012( DOI  10.1029 / 2012MS000155 )

Kapcsolódó cikkek

Külső linkek

Hatósági nyilvántartások  :