Meteorologiset tutkimussovellukset
Sovellusryhmä tutkii ja kehittää uusia ennustussovelluksia täydentämään sääennustemallien antamia tietoja. Ryhmän keskeisiä tehtäviä ovat tiesää-, tuuli- ja aurinkovoimaennusteen kehitys sääennusteen pohjalta. Tutkimme ja kehitämme myös postprosessointi- ja kalibrointimenetelmiä, joiden tavoitteena on poistaa ennusteiden systemaattiset virheet ja korjata todennäköisyysennusteiden epävarmuutta todenmukaisemmaksi. Sovellusryhmä hyödyntää työssään laajasti erilaisia malleja, havaintoja ja datapohjaisia menetelmiä. Ryhmä tukee myös kansainvälistä kehitystyötä, pyrkimyksenä parantaa kansallisten sää- ja ilmastopalveluiden tasoa.
Tiesäämallinnus
Tiesäähän liittyvän tutkimuksen tavoitteena on kehittää tiesäätä ennustavaa tiesäämallia. Vuosien varrella malliin on mm. lisätty kitkakertoimen, tuiskulumen ja jalankulkusään ennustaminen. Mallin ennustustarkkuutta pyritään jatkuvasti parantamaan, esimerkiksi ottamalla käyttöön datapohjaisia koneoppimismenetelmiä tiesäämallin tulosten korjaamiseen. Monet projektit tehdään yhteistyössä Sodankylässä tehtävän älyliikennetutkimuksen kanssa. Ajankohtaisia tutkimusaiheita ovat mm.
Asioiden internet (Internet of Things, IoT) -teknologian hyödyntäminen
Tiesääennusteiden parantaminen koneoppimisen avulla
Raskaan kaluston tiesääpalveluiden kehittäminen
Aurinko- ja tuulienergia
Sovellusryhmässä tutkitaan sään vaikutusta aurinkosähkö- ja tuulivoimatuotantoon ja kehitetään aurinko- ja tuulivoimaennusteita. Tuulivoiman tuotanto vaihtelee voimakkaasti tuulennopeuden mukaan. Talvella myös tuulivoimaloihin kertyvä jää voi heikentää tuotantoa. Aurinkoenergia tuotanto riippuu ennen kaikkea pilvisyydestä ja vuodenajasta. Lisäksi lumi aiheuttaa tuotantohäviöitä talvella ja keväällä, ja korkea ilman lämpötila kesällä.
Kuva on Helsingistä, jossa Ilmatieteen laitoksen toimitalon katolle on asennettu nimellisteholtaan 21 kilowatin aurinkosähkövoimala. Voimalan yhteydessä mitataan sähköntuotannon lisäksi myös muita kiinnostavia suureita, kuten auringonsäteilyä erisuuntaisilla pinnoilla ja paneelien lämpötilaa. Vastaavanlainen aurinkosähkövoimala mittauslaitteineen löytyy Ilmatieteen laitoksen toimipisteistä myös Kuopiosta. Lisäksi Sodankylän ja Utön toimipisteessä on pieni muutaman paneelin tutkimusvoimala.
Datapohjaiset sovellukset ja -ennusteet
Perinteiset säämallit pohjautuvat fysikaalisiin yhtälöihin, jotka ratkaistaan tietokoneella numeerisia menetelmiä käyttäen. Näitä malleja kutsutaan fysikaalisiksi tai numeerisiksi säämalleiksi. Nykyään datapohjaiset menetelmät ja -mallit ovat yhä keskeisempiä työkaluja sääennusteissa ja sääsovelluksissa. Datapohjaiset menetelmät perustuvat suurten havainto- tai malliaineistojen tilastolliseen käsittelyyn, muun muassa koneoppimismenetelmiä käyttäen. Käytämme datapohjaisia menetelmiä esimerkiksi sääennusteiden jälkikäsittelyssä, tiesääennusteissa, ja datapohjaisen säämallin kehityksessä.
Monet sääsuureet, kuten pintalämpötila, riippuvat paikallisista olosuhteista ja saattavat olla herkkiä säätyypeille, joita numeeristen mallien on vaikea ennustaa. Käyttäen tilastollisia koneoppimismenetelmiä voidaan näitä virheitä korjata. Esimerkkinä Ilmatieteen laitoksen paikallissääsivuston 15 vuorokauden ennusteet, jotka esitetään todennäköisyyksinä sääennustemallien tuottamien ennusteparvien avulla. Sivun ennusteita on tilastollisesti korjattu niin, että ennusteiden epävarmuusarviot vastaavat paremmin aikaisemmin toteutunutta ennustevirhettä.
Lisäksi kehitämme kansainvälisenä ja Ilmatieteen laitoksen sisäisenä yhteistyönä Ilmatieteen laitoksen datapohjaista sääennustusmallia Ailaa, jolla voidaan tuottaa tarkan erottelukyvyn ennusteita Pohjois-Euroopan alueelle. Tavoitteena on Aila-ennusteiden käyttö operatiivisesti rinnakkain fysikaalisten säämallien ja muiden sääinstituuttien kehittämien koneoppimispohjaisten ennustemallien kanssa.
