Uusia menetelmiä rankkasateiden lähihetkiennustamiseen

Tiheästi asutuilla kaupunkialueilla tapahtuvat äkkitulvat voivat aiheuttaa merkittäviä vahinkoja, joten niiden ennustamisella on tärkeä yhteiskunnallinen merkitys. Tutkimuksessa kehitettiin uusi säätutkiin perustuva lyhyen aikavälin ennustemalli tähän tarkoitukseen.

Sateen lähihetkiennustamisella tarkoitetaan alle kolmen tunnin päähän ulottuvia konenäköön, koneoppimiseen tai tilastollisiin menetelmiin perustuvia ennusteita. Kuva: Adobe Stock.

Sateen lähihetkiennustamisella tarkoitetaan lyhyitä, eli alle kolmen tunnin päähän ulottuvia ennusteita. Ilmakehän fysiikkaa kuvaavat numeeriset säämallit soveltuvat huonosti tähän tarkoitukseen. Niiden paikallinen tarkkuus ja päivitysväli eivät ole riittäviä kaupunkihydrologian sovelluksiin, joissa on tarvetta hienohilaisille nopeasti päivittyville sade-ennusteille, esimerkiksi 1 kilometrin kokoisille alueille 5 minuutin välein. Tästä syystä vaihtoehtoisille konenäköön ja tilastollisiin menetelmiin perustuville malleille on selkeä käyttötarve. Ilmatieteen laitoksella käytössä oleva sateen lähihetkiennustemalli perustuu 2000-luvun alussa tehtyyn tutkimukseen. Nyt julkaistussa tutkimuksessa kehitettiin säätutkamittauksia käyttävä malli, joka soveltuu aiempia paremmin pienialaisten ja voimakkaiden sadekuurojen ennustamiseen.

Tutkamittauksista tunnistettujen sadesolujen liike mallinnetaan konenäköalgoritmilla, jota kutsutaan kirjallisuudessa nimellä optinen virtaus. Kun liikkeen vaikutus poistetaan, eli siirrytään niin kutsuttuun Lagrange-koordinaatistoon, jäljelle jäävä sateen voimakkuuden kehitys ennustetaan stokastisten integrodifferenssiyhtälöiden teoriaan perustuvalla mallilla. Tällaisen yhdistelmän soveltamista sateen ennustamiseen on ei ole aiemmin tutkittu.

Mallilla voidaan tuottaa sekä yksittäisiä deterministisiä ennusteita että ennusteparvia, joilla voidaan kuvata ennusteissa olevaa epävarmuutta. Ennusteiden luotettavuutta testattiin käyttäen Yhdysvalloissa sijaitsevaa NEXRAD-säätutkaverkkoa, ja se todettiin merkittävästi paremmaksi kuin aiemmilla malleilla.

Lisätietoja:

Tutkija Seppo Pulkkinen, Ilmatieteen laitos, seppo.pulkkinen@fmi.fi

Tieteellinen artikkeli on saatavilla Journal of Atmospheric and Oceanic Technology -julkaisussa.

Tutkimusartikkelin viite: Pulkkinen, S., Chandrasekar, V., Niemi, T., Lagrangian Integro-Difference Equation Model for Precipitation Nowcasting, Journal of Atmospheric and Oceanic Technology, 38(12), 2125-2145, 2021, https://doi.org/10.1175/JTECH-D-21-0013.1

TiedeuutinenSadeLähihetkiennusteSäätutka