Метод автоматизированной типизации синоптических ситуаций для разработки прогнозов опасных и неблагоприятных для авиации метеорологических явлений

При увеличении заблаговременности прогнозов метеорологической обстановки на основе существующих методов и технологий получения, обработки и представления метеорологической информации качество прогнозов элементов погоды существенно снижается. В связи с этим при планировании авиаперевозок на сроки свыше 2 суток до сих пор используют климатические данные. Такой подход нельзя считать оправданным в связи с тем, что при использовании климатических данных решение принимается с расчетом на достижение требуемых показателей авиаперевозок в среднем за длительный интервал времени, а не на ожидаемые метеорологические условия в конкретном районе на ограниченном временном отрезке. Учитывая важность этапа планирования, очевидна необходимость выбора оптимальных решений при планировании авиаперевозок с учетом не климатической, а прогностической метеорологической информации. Причём, данные технологии должны быть автоматизированы.
В настоящее время в области краткосрочного и среднесрочного прогнозирования элементов погоды и опасных гидрометеорологических явлений достигнуты значительные успехи, которые связаны с успешным решением ряда задач, таких как совершенствование численных схем прогнозирования, разработки систем усвоения спутниковой информации и др.
Применяемые методы интерпретации гидродинамических прогнозов делят на две группы. К первой группе относят способы синоптической интерпретации. Вторая группа включает в свой состав методы статистической и физико-статистической (объективной) интерпретации продукции гидродинамических моделей атмосферы (ГДМА).
В нашей стране методы объективной интерпретации продукции ГДМА для среднесрочных прогнозов погоды наиболее успешно используется в технологии расчета элементов погоды (РЭП) в Гидрометцентре России.
В дополнение к технологическим комплексам численного прогнозирования элементов погоды используются методы синоптической инетерпретации выходной продукции ГДМА. Этот метод остается особенно актуальным при разработке среднесрочных прогнозов элементов погоды, НГЯ и ОЯ с заблаговременностью от 3 до 7–10 суток, т.к. подавляющее большинство физико-статистических моделей прогнозов дают удовлетворительные результаты только на 1–2 суток. В то же время поля приземного атмосферного давления и геопотенциальных высот уже в настоящее время удовлетворительно прогнозируются численными моделями на 5–6 суток [1, 2, 4], а при использовании разработанного нами многомодельного метода [3, 5] срок прогнозирования может быть увеличен до 7–8 суток. Представляется целесообразным объединить модели физико-статистического прогнозирования элементов погоды с методом синоптической интерпретации ГДМА на средние сроки.
Так как основной целью синоптической климатологии является нахождение связей между локальными и региональными климатами и атмосферной циркуляцией, синоптический климатологический анализ должен включать два этапа: определение типов атмосферной циркуляции и оценки элементов погоды для выделенных типов. В связи с тем, что в основу синоптического метода прогнозирования погоды положены статистические связи между основными синоптическими объектами и, связанными с ними синоптическими процессами и элементами погоды, представляется целесообразным выявить связи между ними.
В данной работе в число основных синоптических объектов включены циклоны, антициклоны, ложбины, гребни, седловины, малоискривленные барические поля. При применении численных методов типизации синоптических ситуаций у поверхности Земли для определения областей повышенного и пониженного атмосферного давления и направления переноса воздушных масс доказано, что можно ограничиться двумя характеристиками барического поля: лапласианом атмосферного давления и градиентом давления воздуха. Лапласиан приземного давления характеризует циклоничность (антициклоничность) поля давления, а, следовательно, конвергенцию (дивергенцию) воздушных потоков и вертикальные движения на верхней границе пограничного слоя и в значительной части тропосферы, а градиент давления — горизонтальную адвекцию температуры и влажности воздуха. Лапласиан давления присутствует практически во всех регрессионных и дискриминантных моделях прогнозирования конвективных ОЯ, а градиент давления используется в моделях прогнозирования траекторий воздушных частиц, упорядоченных вертикальных движений воздуха, внутримассовой облачности, конвективных ОЯ.
В работе представлен математический аппарат для численного определения дифференциальных характеристик полей атмосферного давления и графические модели типовых синоптических объектов [6].
Выбор критериев для численного определения дифференциальных характеристик полей атмосферного давления осуществлялся путем проведения численных экспериментов, которые позволили определить, что минимальная ошибка идентификации типов барических образований наблюдается при δp1 ≈ 0,6 гПа. Для направлений изобар δp2≈ 0,9 гПа.
В ВКА им. А.Ф. Можайского было показано, что вместо 45 типовых моделей синоптических объектов, достаточно ограничиться множеством из 16 типовых ситуаций, сформировав следующие классы: «циклоны – ложбины», «антициклоны – гребни», «малоискривленные поля» и «седловины». Кроме того, для первых трех классов можно объединить и направления изобар, а именно: «СВ-В», «ЮВ-Ю», «ЮЗ-З», «СЗ-З» и «безградиентные поля» (адвекция отсутствует). Для четвертого класса, включающего все типы седловин, направления изобар целесообразно вообще не учитывать в связи с малой повторяемостью объектов данного класса [6].
Выбранные 16 типов синоптических объектов дают вполне удовлетворительные результаты при нахождении статистических связей между характеристиками поля атмосферного давления и элементами погоды. В этом случае по двум характеристикам поля атмосферного давления c учетом критериев, представленных в таблицах (1) и (2), можно однозначно определить тип барического образования (синоптического объекта) в любой точке сетки. Для увеличения объема статистических выборок, которые используются при разработке физико-статистических моделей прогнозирования метеорологических величин и элементов погоды, была проведена типизация синоптических объектов для 612 точек Северного полушария (шаг сетки 5×5 градусов) на основе архива ВНИИГМИ-МЦД (шифр «KTPHGDFL») за 1964–1988 гг. Объем исходной выборки составлял 9130 полей атмосферного давления по сеточной области, включающей 684 узла.
В результате типизации, выполненной с использованием значений слагаемых лапласианов и составляющих градиентов давления с учетом критериев, представленных в работе, для каждого из сезонов получен календарь типов синоптических объектов в виде информационного массива.
После процедуры типизации синоптических объектов, множество которых было разделено на 16 подмножеств, решалась задача прикладного синоптико-климатического районирования территории Северного полушария с использованием алгоритма последовательной иерархической кластеризации Уорда – Уишарта. В результате кластеризации на территории Северного полушария в зависимости от сезона года было выделено от 47 до 94 однородных синоптико-климатических районов (ОСКР). Для каждого из ОСКР найдены координаты статистических центров и для этих центров составлены календари типов синоптических объектов.
Эти календари совместно с архивом спутниковой информации об общей облачности (шифр «СПОБЛ»), созданный во ВНИИГМИ-МЦД по данным наблюдений отечественных и американских метеорологических ИСЗ за 1976 – 1988 гг. по сетке 5х5 градусов (данные, представленные в архиве, характеризуют относительную долю обозреваемой со спутников площади наблюдений земной поверхности по сферическим трапецоидам размером около 555×450 км для территории США) были использованы в работе (в качестве примера использования метода автоматизированной типизации синоптических ситуаций) для формирования обучающей выборки для вероятностного прогнозирования общего количества облаков по двум градациям (0-6 и 7-10 баллов) по территории США [6].
В работе представлена структура обучающей выборки для вероятностного прогнозирования общего количества облаков.
Строка матрицы содержит набор предсказателей, т.е. слагаемых лапласианов и составляющих модуля градиентов атмосферного давления, и набор предсказываемых фаз общего количества облаков. Вероятности двух рассматриваемых градаций облачности оцениваются на основе обучающих выборок. Они представляют собой ряды распределения вероятностей общего количества облаков в зависимости от характеристик полей давления.
В работе в качестве примера представлены оценки условных вероятностей общего количества облаков (в процентах) в зависимости от типа синоптического объекта для 26 ОСКР (зимний сезон).
Оценивание успешности вероятностных прогнозов общего количества облаков на основе метода синоптико-статистической интерпретации, осуществлялось в работе по 26 ОСКР за зимний период. В работе представлены значения показателей оценивания успешности разрабатываемых прогнозов и таблицы оценок условных вероятностей распределений общего количества облаков в зависимости от типа синоптического объекта для 26 ОСКР.
Средние оценки успешности среднесрочных прогнозов заданных градаций общего количества облаков заметно превышают результаты климатического прогнозирования. При этом доля оправдавшихся прогнозов по контрольной выборке с заблаговременностью от 2 до 10 суток изменяется от 87 до 71 %. В то же время, если пользоваться климатическими данными, то оправдываемость климатических прогнозов в среднем не превысит 63 %.
Таким образом разработанные методы автоматизированной типизации синоптических ситуаций и вероятностного прогнозирования общего количества облаков целесообразно использовать при долговременном и оперативном планировании авиаперевозок.
Перспективными направлениями дальнейших исследований являются:
– разработка синоптико-статистические моделей прогнозирования опасных и неблагоприятных для авиации метеорологических явлений;
– использование информации от современных средств дистанционного зондирования Земли при разработке синоптико-статистические моделей прогнозирования;
– разработка рекомендаций по использованию разработанных методов прогнозирования при долговременном и оперативном планировании авиаперевозок.