Sääennuste

Uudelleen- ennuste on meteorologinen tekniikka , joka toteutetaan tekemällä numeeristen ennusteiden aiempiin tilanteisiin ja yli erittäin perusteellisesti aikaa, jossa konfiguraatio sääennuste mallia. Ne auttavat esimerkiksi muodostamaan oppimispohjan mallivirheille, mikä auttaa korjaamaan malleja ja siten parantamaan sääennusteita .

Periaate

Uudelleentarkastelu aloitetaan joukosta alkutiloja, joiden ilmakehä ja pinta vastaavat mahdollisimman hyvin todellisuutta. Nämä ensimmäiset valtiot ovat useimmiten seurausta uudelleenanalysoinnissa . Ennuste käynnistetään sitten samalla tavalla kuin jos se olisi ollut klassinen ennuste, toisin sanoen ilman muita tietoja ilmakehästä kuin ennen sen alkuperäistä tilaa. Sitten meillä on mallin ennustama tila ja viitetila. Tämä antaa mahdollisuuden arvioida mallin tekemä virhe ja korjata se tilastollisilla mukautuksilla.

Uudelleenarviointi toistetaan yleensä useiden vuosien ajan, koska se antaa mahdollisuuden käsitellä erilaisia ​​tilanteita, erityisesti äärimmäisiä tapahtumia. Sitten sanotaan, että se muodostaa ennusteen ilmaston (ei pidä sekoittaa uudelleenanalyysien antamaan ilmakehän ilmastoon). Tämä erottaa sen uusinnasta, jota käytetään tutkimaan jälkikäteen tiettyä tilannetta.

Jotta ennusteen todennäköisyyslakia voidaan edustaa parhaiten, uudelleenennusteet tehdään yleensä kokonaisuusennusteille .

Ero ennusteen, toiston ja toiston välillä; analyysi ja uudelleenanalyysi

Ennuste koostuu ennustamiseen sää tulevia tilanteita, joilla ei ole muuta tietoa kuin alkutilaan ennusteen.

Replay on sama kuin ennusteen vaan aikaisempaan tilanteeseen, joka halutaan tutkia jälkikäteen.

Toisto on sama kuin uusinta, mutta paljon suurempi ajallinen syvyys (useita vuosia) luomiseksi ilmasto-mallin.

Analyysi koostuu määritettäessä ilmakehän tilaa lähimpänä totuutta kaikista tiedoista saatavilla kun ne ovat olleet (havaintoja ja malli). Se on assimilaation tulos .

Uudelleenanalysointiin koostuu myös määritettäessä ilmakehän tilaa lähimpänä totuutta, mutta yli suuri syvyys aika (useita vuosikymmeniä) ja huolehdi siitä homogenoida valtioiden koko ajan.

Toteutus

Uudelleenarvioinnin edellyttämät tiedot

Uudelleenarvioinnin suorittamiseksi on oltava ennusteiden alkutilat koko halutun ajanjakson ajan. Tämä sisältää ilmakehän tilat ja vertailupinnan tilat. Kun tämä alustus tehdään kaukaisessa menneisyydessä, se luodaan uudelleenanalyysistä (joka yleensä on interpoloitava malliruudukossa). Kun se tehdään lähitulevaisuudessa, voimme laskea analyysin uudelleen tai käyttää arkistoa.

Kaikissa tapauksissa nämä alkutilat luodaan digitaalisesta mallista ja havainnoista. Sattuu, että alkutilojen luomiseen käytetty malli eroaa mallista, jolla uudelleentarkistus tehdään. Sitten tarvitaan ylimääräinen valmisteluvaihe (ruudukon muutos, tiettyjen muuttujien uudelleenlaskeminen jne.) Uudelleenennusteiden vääristymisen välttämiseksi.

"Yhden lohkon" tapa

Sanomme, että uudelleentarkastelu lasketaan "yhdessä lohkossa", kun teet kaikki laskelmat peräkkäin. Tämän etuna on, että kun laskelmat on saatu päätökseen, mallin ilmastotiedot ovat koko kyseessä olevan ajanjakson ajan. Toisaalta tämä edustaa raskasta laskentaresurssien kuormitusta ja keskittyy suhteellisen rajoitetulle ajalle.

"Vedellä" -tapa

Sanomme, että uudelleentarkastelu lasketaan "lennossa", kun laskelmat tehdään vähitellen, jotta saadaan kalibrointiin tarvittavat tiedot: esimerkiksi joka päivä D lasketaan päivien uudelleenennusteet D + 15 edellisiltä vuosilta. Tällä on se etu, että se laskee laskelmien määrän ja tekee siitä siten sulavamman ilman vaikutusta useimpiin käyttötarkoituksiin. Toisaalta kunnostuksen kokonaisuuteen perustuva työ voidaan tehdä vasta kun peruskorjaus on valmis.

Sarjan luominen

Joukko-ennusteita varten on useita tapoja luoda joukkojäseniä.

Nämä erilaiset tavat eivät ole samanlaisia ​​dispersiolaadun ja laskentakustannusten suhteen. Siksi on tavallista, että käytetty menetelmä vaihtelee uudelleentarkastelusta toiseen riippuen siitä, miten odotetun laadun ja kohdennettujen resurssien välillä on tehty kompromissi.

Esimerkkejä ennusteista ympäri maailmaa

Euroopan ennustekeskuksessa

ECMWF ylläpitää globaalia IFS, jota varten se suorittaa meneillään. Siinä on 11 jäsentä ja syvyys 20 vuotta.

Kanadassa

Ilmatieteen laitos Kanadan suorittaa run-of-the-joen tarkastelun varten GEPS malliin. Siinä on 4 jäsentä ja syvyys 20 vuotta. Neljä jäsentä eivät kuitenkaan aina ole samat ja ne valitaan kattamaan kaikki mahdolliset valinnat koko ajanjaksolta.

Yhdysvalloissa

NCEP ylläpitää GEF: t, jota varten se suorittaa lohkon tarkistamista. Siinä on 5 jäsentä ja syvyys on 30 vuotta, mutta uusinta lasketaan vain joka 5. päivä 00h UTC- ja 12h UTC -verkoissa.

Ranskassa

Météo-France ylläpitää kahta numeerista mallia sääennusteita varten: ARPEGE-malli, globaali ja AROME-malli, joiden alue on rajallinen. Vain ARPEGE-mallia voidaan tarkistaa. Jokaiselle ARPEGE-mallin uudelle versiolle lasketaan 20 vuoden perusteellinen tarkistus. Siinä on 11 jäsentä, jotka on saatu häiritsemällä vain mallin fysiikkaa.

Viitteet

  1. (in) "Model output tilastot" in Wikipedia ,29. joulukuuta 2020( lue verkossa )
  2. (en) M. Boisserie , B. Decharme , L. Descamps ja P. Arbogast , ”  Land pinta alustuksen strategian globaalia reforecast aineisto  ” , Quarterly Journal of Royal Meteorological Society , vol.  142, n °  695,2016, s.  880–888 ( ISSN  1477-870X , DOI  10.1002 / qj.2688 , luettu verkossa , käytetty 22. maaliskuuta 2021 )
  3. (in) Jose Andres Perez Leon , "  käyttö ERA5 uudelleenanalysointiin alustetaan uudelleen ennusteita osoittautuu hyödyllistä  " päälle ECMWF ,22. lokakuuta 2019(käytetty 22. maaliskuuta 2021 )
  4. (in) Helene BLANCHONNET , "  Re-ennuste keski- ja lisätty ennusteen riveissä  " on ECMWF ,6. elokuuta 2015(käytetty 22. maaliskuuta 2021 )
  5. (sisään) N. Gagnon, S. Beauregard, R. Muncaster, M. Abrahamowicz, Lahlou R. ja H. Lin, "  Parannukset Global Ensemble Prediction System (GEPS) -ennustejärjestelmään versiosta 3.1.0 versioon 4.0. 0  ” , kehitys- ja operatiivisten osastojen ilmatutkimusosasto Kanadan Meteorologisessa ympäristökeskuksessa Kanadassa ,23. marraskuuta 2015( lue verkossa )
  6. (sisällä) Thomas M.Hamill, Trevor Alcott, Mark Antolik, James Brown, Mike Charles, Dan C.Collins, Mark Fresch, Kathryn Gilbert, Hong Guan, Hank Herr Wallace Hogsett, David Novak, Melissa tai David Rudack, Phillip Schafer , Michael Scheuerer, Geoff Wagner, John Wagner, Tom Workoff, Bruce Veenhuis ja Yuejian Zhu , NOAA: n valkoinen kirja , "  Suositeltu uudelleenennusteiden kokoonpano NCEP: n globaalille yhtyeennustejärjestelmälle  " ,8. huhtikuuta 2014( lue verkossa )
  7. (sisään) Matteo Ponzano , Bruno Joly , Laurent Descamps ja Philippe Arbogast , "  Systemaattinen virheanalyysi raskaan sademäärän tapahtumien ennustamisesta 30 vuoden takalähetystietojoukolla  " , Natural Hazards and Earth System Sciences , voi.  20, n °  5,20. toukokuuta 2020, s.  1369–1389 ( ISSN  1561-8633 , DOI  10.5194 / nhess-20-1369-2020 , luettu verkossa , käytetty 22. maaliskuuta 2021 )