Tilastollinen menetelmä sääennusteen osuvuuden parantamiseksi

Ilmatieteen laitoksen ja Lappeenrannan teknillisen yliopiston tutkimuksessa parannettiin sääennusteiden tarkkuutta optimoimalla mallin hilaväliä pienemmissä mitoissa tapahtuvia prosesseja eli ns. parametrisaatioita.

Mallien hilapisteikköä pienemmässä skaalassa toimivien ilmiöiden huomioon ottaminen on tärkeää ilmakehämallien toiminnalle. Näitä ilmiöitä kuvaavissa mallimaailman vastineissa, parametrisaatioissa, on pyritty esittämään ko. ilmiöiden vaikutus suuren skaalan mallisuureisiin.

Tämän hetken tarkimman maailmanlaajuisen sääennustemallin (ECMWF IFS) hilaväli on noin 16 km, kun esimerkiksi kesäiset ukonilmat voivat olla kooltaan vain muutamia kilometrejä. Jotta ukkosten vaikutus malliennusteen kehitykseen voidaan ottaa huomioon, täytyy ukkosen synty ja kehitys siis parametrisoida malliin.

Ilmatieteenlaitoksen ja Lappeenrannan teknillisen yliopiston yhteistyössä kehitettämä uusi tilastollinen työkalu, Ensemble Prediction and Parameter Estimation System (EPPES), pyrkii ennustetarkkuuden parantamiseen optimoimalla näitä parametrisaatioita. ECHAM5-ilmastomallilla tehdyissä lyhyissä, alle kymmenen päivän, sääennusteissa menetelmän demonstraatio paransi ennustetarkkuutta.

Menetelmän toivotaan myös selventävän sekä samalla tarkentavan ilmastosimulaatioihin käytettävien mallien epävarmuuksia.

Tutkimus on osa Suomen Akatemian LASTU-ohjelman puitteissa rahoitettua NOVAC-projektia.

Lisätietoja:

tutkija Pirkka Ollinaho, puh. 050 596 3449, pirkka.ollinaho@fmi.fi

Viite:Ollinaho, P., Laine, M., Solonen, A., Haario, H. and Järvinen, H. (2012), NWP model forecast skill optimization via closure parameter variations. Q.J.R. Meteorol. Soc.. doi: 10.1002/qj.2044