Meteorologiset tutkimussovellukset
Sovellusryhmä hyödyntää työssään laajasti erilaisia malleja ja mittauksia. Numeeriset säänennustusmallit ovat keskeinen työkalu nykyajan sääpalvelussa. Kytkemällä säämallien ennusteita tiesääolosuhteita kuvaavaan malliin, saadaan aikaan keliennuste, joka tukee liikenneturvallisuutta ja teiden kustannustehokasta talvikunnossapitoa. Vastaavalla tavalla luodaan ennusteet jalankulkusäälle sekä aurinko- ja tuulivoiman tuotannolle. Säämallien ennusteille tehdään myös postprosessointia ja kalibrointia, tavoitteena poistaa ennusteiden systemaattiset virheet ja korjata parviennusteiden hajontaa vastaamaan paremmin ennusteen todellista epävarmuutta. Mittauksista saadaan tietoa vallitsevista olosuhteista. Ennustemallien alkutilaa sovitetaan vastaamaan mitattua tietoa ja lisäksi mittauksia hyödynnetään mallien kehityksessä sekä ympäristön tilan monitoroinnissa.
Tiesäämallinnus
Tiesäähän liittyvän tutkimuksen tavoitteena on kehittää tiesäätä ennustavaa tiesäämallia. Vuosien varrella malliin on mm. lisätty kitkakertoimen, tuiskulumen ja jalankulkusään ennustaminen. Mallin ennustustarkkuutta pyritään myös jatkuvasti parantamaan. Monet projektit tehdään yhteistyössä Sodankylässä tehtävän älyliikennetutkimuksen kanssa. Ajankohtaisia tutkimusaiheita ovat mm.
Tiesäätiedon hyödyntäminen autonomisissa ajoneuvoissa
Mobiilihavaintojen hyödyntäminen tiesään ennustamisessa
IoT (Internet of Things) teknologian hyödyntäminen
Tiesään todennäköisyysennusteet
Aurinko- ja tuulienergia
Ilmatieteen laitos tutkii sään vaikutusta aurinkosähkötuotantoon. Kuva on Helsingistä, jossa 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 Kuopiosta, lisäksi Sodankylässä on pieni muutaman paneelin tutkimusvoimala.
Sääennusteiden jälkikäsittely
Sääennusteiden tilastollisessa jälkikäsittelyssä seurataan fysikaalisten sääennustusmallien osuvuutta vertailemalla ennusteita toteutuneisiin havaintoihin. Monet maanpintasuureet, kuten lämpötila, saattavat riippua paikallisista olosuhteista ja olla herkkiä säätyypeille, joita mallien on vaikea tavoittaa. Käyttäen tilastollisia koneoppimismenetelmiä voidaan näitä virheitä korjata. Esimerkkinä IL:n paikallissääsivuston 15 vuorokauden ennusteet, jotka esitetään todennäköisyyksinä sääennustemallien tuottamien ennusteparvien avulla. Sivun ennusteita on tilastollisesti korjattu niin, että ennusteiden epävarmuusarviot paremmin vastaavat aikaisemmin toteutunutta ennustevirhettä.
27.9.2021