Оценка статистической неоднородности климатических временных рядов по данным наблюдений и результатам физико-математического моделирования прошлого и будущего. - презентация

1 Оценка статистической неоднородности климатических временных рядов по данным наблюдений и результатам физико-математического моделирования прошлого и будущего климата с целью выявления периодов повышенной предсказуемости метеорологических процессов и крупных аномалий погоды на сезон – год - несколько лет Проект РФФИ N офи_ц ГИДРОМЕТЕОРОЛОГИЧЕСКИЙ НАУЧНО- ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР РОССИЙСКОЙ ФЕДЕРАЦИИ Докладчик: В.М. Хан

2 Руководитель проекта: Р.М. Вильфанд Исполнители: Груза Г.В. Ранькова Э.Я. Бундель А.Ю. Крыжов В.Н. Оганесян В.А. Садоков В.П. Тищенко В.А. Хан В.М.

3 ЗАДАЧА ПРОЕКТА Выявление состояний климатической системы, определяющих развитие макропроцессов в атмосфере в предстоящие месяц-сезон-год Подготовка базы данных Выявление и анализ эпизодов крупных аномалий температуры Исследование закономерностей формирования выявленных аномалий и их связей с индексами циркуляции. Проведение статистических экспериментов с прогнозами гидродинамических моделей Разработка усовершенствованной методики синоптико-статистического расчета ожидаемой сезонной аномалии температуры

4 Полученные за отчетный период важнейшие результаты

5 1. Исследована статистическая структура временных рядов температуры воздуха суточного разрешения по территории РФ. Получены количественные зависимости между величиной экстремумов и продолжительностью выделенных аномалий с помощью регрессионного анализа. Наибольшая корреляция наблюдается зимой для отрицательных аномалий (0.83), наименьшая – летом также для отрицательных аномалий (0.37). Получено широтное распределение продолжительности температурных аномалий: средняя продолжительность температурных аномалий для всех сезонов года имеет устойчивую тенденцию роста с запада на восток. Сделан вывод о возможности прогнозирования продолжительности температурной аномалии, исходя из оценок ее величины. Средняя продолжительность температурных аномалий в сутках (+) – положительные аномалии; (-) – отрицательные аномалии

6 2. Исследована продолжительность аномалий термического режима для северной Евразии и для внетропической зоны северного полушария. Лето. Число лет ( ) с продолжительными (>14 дней) аномалиями DT0 > s Для лета районы повышенной повторяемости длительных положительных аномалий (>14 дней) – ЕТР (9 случаев) и побережье Охотского моря. Подобная картина наблюдается для полей T850 и H500. Зимой районы повышенной повторяемости длительных отрицательных аномалий (DT850 < -s (T850)) – европейская территория России, север Сибири и Дальнего Востока, большая часть Канады. Обнаруженные свойства географического распределения аномальности метеорологических полей можно использовать при прогнозировании термического режима на большие сроки.

7 3. Проанализирована связь аномалий температуры приземного воздуха по данным наблюдений и результатам модели ПЛАВ ГМЦ и ИВМ с типами циркуляции северного полушария по Б. Л. Дзердзеевскому. Средняя за сезон (ноябрь-февраль) аномалия температуры T2m (правая шкала, °С) и число дней с каждой из четырех групп элементарных циркуляционных механизмов (ЭЦМ) по Б.Л. Дзердзеевскому (левая шкала, дни). Обнаружено, что случаи правильно спрогнозированных положительных аномалий приходятся, главным образом, на периоды увеличения группы нарушения зональности, в то время как успешно воспроизведенные отрицательные аномалии соотносятся с зональной группой. Регион исследования - западная часть ЕТР (45-70° с.ш., 20-40° в.д.)

8 4. Разработан метод статистического даунскейлинга из глобальных мультимодельных сезонных прогнозов. Результаты даунскейлинга свидетельствуют о повышении надежности прогнозов с использованием даунскейлинга по сравнению с интерполяцией на станции сеточных значений мультимодельного прогноза. Прогноз и наблюдения средней сезонной аномалии температуры воздуха, осредненной по 60 станциям Кореи. Зимы (ДЯФ) 1981 – 2003 гг. 6 моделей -Красный - Мультимодельный прогноз с использованием даунскейлинга из прогностических полей Н500 на основе регрессии (ρ = 0.2) - Белый - «Обычный» мультимодельный прогноз – средние по ансамблю моделей значения прогноза аномалии температуры в узлах сетки, интерполированные на станции (ρ = -0.1) - Черный – Наблюдения аномалии температуры Аномалия температуры воздуха

9 5. Проведены тестовые эксперименты по методам комплексирования 3-х ансамблевых прогностических систем (ГМЦ, ГГО и NCEP) Тестирование четырех методов комбинирования моделей для детерминистской версии прогнозов показало преимущество использования при комплексировании равновесной весовой функции. Сгруппированные оценки успешности сезонных прогнозов Н500 (зима): GLOBE – земной шар, TROP– тропики (20° S–20° N), NH – внетропическая часть СП (20°–90° N), NEVR – Северная Евразия По оси абсцисс: RHMC – оценки успешности для модели ГМЦ MGO – оценки успешности для модели ГГО NCEP – оценки успешности для модели ГГО MM1 – оценки успешности для комбинации моделей ГГО и ГМЦ с равными весами MM2 – оценки успешности для комбинации моделей ГГО, NCEP и ГМЦ с равными весами MM3 - оценки для комбинации моделей ГГО, NCEP и ГМЦ с весами, вычисленными из уравнений регрессии MM4 - оценки для комбинации моделей ГГО, NCEP и ГМЦ с весами, пропорциональными успешности ретропрогнозов по коэффициентам корреляций

10 6. Апробирован подход статистического ансамблевого прогнозирования с месячной дискретностью на период до трех месяцев и сезон с использованием метода временных аналогов (с 2006 по 2010 гг) Оценки успешности (по знаку - Ro, абсолютной ошибке – AE ), обобщенные по совокупности прогнозов (N=52). В целом, оценки сравнимы с оценками прогнозов по современным гидродинамическим моделям. ОценкиЧисло случаев СредниеМиним.максим Ro – AE Ro – AE Ro – AE Ro – сезон AE - сезон } } } } 1-й прогностический месяц 2-й прогностический месяц 3-й прогностический месяц сезон

11 7. Предложен новый подход к формированию «предиктанта» для долгосрочного прогноза температуры воздуха на месяц-сезон-год с использованием концепции «динамических норм» и «динамических аномалий» Ход январских (вверху) и июльских (внизу) аномалий среднемесячной температуры в Москве в течение гг.: vT (слева) – традиционные аномалии; dvT (справа) – динамические аномалии

12 «Динамические нормы» региональных температур получены как отклик на изменение глобальной температуры. Изменение аномалий среднемесячной температуры в течение гг. (в среднем для территории России): слева – отклонения от нормы гг.; в центре - отклонения от «динамических норм» c N=31; справа – нормированные динамические аномалии Традиционные аномалии (слева) дают информацию больше об изменении климата, чем о чередовании аномалий

13 Вероятность гипотезы Н0 для критерия серий, рассчитанного по станционным временным рядам динамических (вверху) и традиционных (внизу) аномалий температуры Использован критерий серий Вальда-Вольфовица (отвечающий стандартному нормальному распределению N(0,1)) в применении к традиционным и динамическим аномалиям. Можно видеть, что при использовании традиционных аномалий число станций, для которых F

14 Численный эксперимент по оценке «прогнозов» среднемесячных температур, где в качестве «прогноза использовались сами «динамические нормы» Показатели успешности: 1. Средняя ошибка 2. Средняя абсолютная ошибка 3. Средняя квадратическая ошибка 4. Относительная ошибка 5. Коэффициент корреляции 6. Количественный показатель «ро» совпадения знаков аномалий. Приводятся «точечные» оценки и оценки, осреднненные по площади регионов: СНГ, Европейская территория, Западная Сибирь и Восточная Сибирь.

15 Оценки успешности поля значений динамических норм в качестве «прогноза» (пространственные статистики), обобщенные на интервале гг.

16 Сравнительные оценки успешности совокупности опытных прогнозов аномалий среднемесячной температуры по территории СНГ за период с мая 2006 г. по май 2007 г. (по оперативным данным) Полученные результаты позволяют сформулировать гипотезу, что для создания новых методов прогнозов температуры на месяц-сезон следует изучать (и использовать) асинхронные статистические связи характеристик макросиноптических процессов с полями «динамических аномалий» в последующие моменты времени и совершенствовать методы оценки предстоящих климатических изменений температуры воздуха.

17 Поставленные задачи за итоговый период выполнены в полном объеме

18 Спасибо за внимание!