MultiModel Ensemble πρόγνωση για 3.02°Ν 16.92°Α

Σύγκριση μοντέλων καιρού για 3.02°Ν 16.92°Α

Οι μπλε γραμμές αντιστοιχούν σε προγνώσεις από υψηλής ανάλυσης μοντέλα καιρού . Επίσης, παρουσιάζονται επίσης τα μέλη μιας ensemble πρόγνωσης, όπου το ίδιο μοντέλο καιρού (GFS) εκτελείται αρκετές φορές με ελαφρώς διαφορετικές αρχικές συνθήκες, για να ενσωματωθούν οι αβεβαιότητες στις παρατηρήσεις που υπάρχουν στη λειτουργία ενός μοντέλου. Τα μέλη του GFS έχουν τροποποιηθεί ώστε να προσαρμοσθούν στις τοπικές καιρικές συνθήκες. Τα δεδομένα στα μοντέλα υψηλής ανάλυσης δεν έχουν τροποποιηθεί.

• Στο επάνω γράφημα, η πρόγνωση της θερμοκρασίας για το 3.02°Ν 16.92°Α παρουσιάζεται με γαλάζιο χρώμα για τα διάφορα μοντέλα υψηλής ανάλυσης και με μωβ χρώμα για τα μέλη του συνόλου GFS. Η μαύρη γραμμή αντιπροσωπεύει την πρόβλεψη θερμοκρασίας με την καλύτερη προσαρμογή, όπως φαίνεται στην αρχική μας σελίδα. Οι διακεκομμένες γραμμές δείχνουν τις μέσες θερμοκρασίες των συνόλων GFS και ECMWF.
• Το γράφημα 2^και δείχνει τη συσσωρευμένη πρόγνωση βροχόπτωσης, δηλαδή το συνολικό ποσό που θα πέσει από σήμερα μέχρι την ημερομηνία που εμφανίζεται στον άξονα του χρόνου. Οι μπλε μπάρες δείχνουν τα ωριαία αθροίσματα βροχόπτωσης.
• Το γράφημα 3^rd είναι πρόγνωση ποσοστού (%) νεφοκάλυψης. Με ανοιχτό μπλε φαίνονται τα καιρικά μοντέλα υψηλής ανάλυσης και με πράσινο για τα emsemble του GFS.
• Το γράφημα 4 δείχνει την πρόγνωση ανέμου όπως υπολογίζεται από τα μοντέλα υψηλής ανάλυσης (ανοικτό μπλε) και από το ensemble (πράσινο). Επίσης δείχνει την ημερήσια κατανομή της διεύθυνσης του ανέμου σε ροδόγραμμα. Μεγαλύτερες ακτίνες δείχνουν ότι αυτή η διεύθυνση του ανέμου είναι πιο πιθανή και πιο συχνή από ότι οι διευθύνσεις με μικρότερες ακτίνες. Εάν έχετε πολλές ακτίνες με παρόμοιο μέγεθος, τότε η πρόγνωση διεύθυνσης του ανέμου είναι αβέβαιη. Εάν υπάρχουν κατά κύριο λόγο δύο αντίθετες κατευθύνσεις, αυτό συχνά υποδηλώνει θερμική κυκλοφορία αέρα όπου ο άνεμος φυσάει από μια διαφορετική κατεύθυνση κατά τη διάρκεια της ημέρας από τη νύχτα (θαλάσσια-απόγεια αύρα).

Γιατί παρουσιάζουμε ταυτόχρονα μια ensemble πρόγνωση και μια πρόγνωση πολλών μοντέλων;

Το παραδοσιακό ensemble (π.χ. GFS) συχνά υποτιμά τις αβεβαιότητες του καιρού για τις πρώτες 3 έως 5 ημέρες, υπερεκτιμώντας έτσι την εμπιστοσύνη στην πρόβλεψη. Επιπλέον, το παραδοσιακό ensemble έχει χαμηλότερη ανάλυση και αποτυγχάνει σε τοπικά φαινόμενα τα οποία μπορούν να παρατηρηθούν με μοντέλα υψηλής ανάλυσης. Είναι πολύ σημαντικό να σημειώσουμε ότι όλα τα μέλη ενός ensemble έχουν την ίδια πιθανότητα να είναι αληθινά (δεν υπάρχει κανένας τρόπος να πούμε ποιο θα είναι καλύτερο). Αυτό έρχεται σε αντίθεση με τα μοντέλα υψηλής ανάλυσης, όπου ορισμένα παρέχουν καλύτερες προγνώσεις από άλλa, ανάλογα με την τοποθεσία και τις καιρικές συνθήκες.

Μοντέλα καιρού

Τα μοντέλα καιρού προσομοιώνουν φυσικές διεργασίες. Ένα μοντέλο καιρού χωρίζει τον κόσμο ή μια περιοχή σε μικρά "κύτταρα". Κάθε κύτταρο έχει διαστάσεις από 4 έως 40 χλμ. πλάτος και 100 έως 2.000 μέτρα ύψος. Τα μοντέλα μας περιέχουν 60 ατμοσφαιρικά στρώματα και φθάνουν βαθιά μέσα στην στρατόσφαιρα έως τα 10-25 hPa (υψόμετρο 60 χλμ.). Ο καιρός προσομοιώνεται με την επίλυση σύνθετων μαθηματικών εξισώσεων μεταξύ όλων των κυττάρων του πλέγματος κάθε λίγα δευτερόλεπτα και παράμετροι όπως η θερμοκρασία, η ταχύτητα του ανέμου ή η νέφωση, αποθηκεύονται για κάθε ώρα.

Το meteoblue διαχειρίζεται ένα μεγάλο αριθμό μοντέλων καιρού και ενσωματώνει ανοιχτά δεδομένα από διάφορες πηγές. Όλα τα μοντέλα του meteoblue τρέχουν δύο φορές την ημέρα σε ένα σύμπλεγμα Η.Υ. υψηλής απόδοσης.

Παγκόσμια κάλυψη

Τα μοντέλα καιρού meteoblue καλύπτουν τις περισσότερες κατοικημένες περιοχές σε υψηλή ανάλυση (3-10km) και το σύνολο του κόσμου σε μέτρια ανάλυση (30km). Ο χάρτης στο πλάι εμφανίζει τα μοντέλα NMM ως κόκκινα και τα μοντέλα NEMS ως μαύρα κουτιά. Τα άλλα χρώματα δείχνουν μοντέλα τρίτων κατασκευαστών. Τα παγκόσμια μοντέλα δεν εμφανίζονται. Για μια ενιαία πρόγνωση, λαμβάνονται υπόψη και συνδυάζονται πολλαπλά μοντέλα καιρού, στατιστική ανάλυση, μετρήσεις, ραντάρ και δορυφορική τηλεμετρία για να δημιουργηθεί η πιο πιθανή πρόγνωση καιρού για κάθε δεδομένη τοποθεσία στη Γη.