Метеорологическая модель — это основа прогноза, но её расчёты ещё не являются готовым прогнозом для конкретного места. После моделирования данные дополнительно обрабатываются и адаптируются к местным условиям, чтобы прогноз лучше отражал реальную ситуацию — в долине, на вершине горы, в городском районе или на побережье моря.
Объединение результатов различных моделей
Поставщики прогнозов получают результаты расчетов глобальных и региональных моделей с различным шагом сетки, способами отображения рельефа, графиками обновления и горизонтами прогнозирования. Качество их прогнозов также различается в зависимости от места, метеорологической величины и атмосферной ситуации. В результате несколько моделей могут давать разные прогнозы для одного и того же места и времени. Эти основные принципы объяснены в наших руководствах по метеорологическим моделям — в части 1 и части 2.
Прежде чем сравнивать или объединять исходные данные моделей, необходимо обеспечить согласованность их содержания. Это предполагает проверку координат, единиц измерения, временных интервалов, высот измерения и определений величин. Например, скорость ветра и его порывы описываются разными величинами. Значение температуры обычно относится к определенному моменту времени, тогда как количество осадков отражает их накопление за определенный период.
Например, трёхчасовая сумма осадков, заканчивающаяся в 12:00, показывает общее количество осадков за период с 09:00 до 12:00, а не их интенсивность именно в полдень. Чтобы сравнить такое значение с почасовыми данными, необходимо учитывать разные периоды накопления. Кроме того, трёхчасовая сумма не показывает, в какой именно момент в течение этого периода шёл дождь.
Для пользователя подготовка данных обычно незаметна, но она важна для корректного сравнения прогнозов. Она помогает отличить реальные различия в погодных прогнозах от различий, возникающих лишь из-за формата или способа представления данных.
Почему ячейка сетки — это не то же самое, что конкретное место
Численные модели описывают атмосферу и земную поверхность с помощью расчетной сетки. Одна её ячейка может охватывать различные типы местности — склоны, застройку, растительность или водоемы. При этом высота, заложенная в модели, может отличаться от фактической высоты точки, для которой требуется прогноз. Небольшие элементы рельефа также могут сглаживаться, особенно в моделях с большим шагом сетки.
Представим себе город в долине и расположенную неподалеку горную вершину, которые попадают в пределы одной большой ячейки сетки. Несмотря на небольшое расстояние между ними, температура, ветровые условия и количество осадков могут существенно различаться. Поэтому для локального прогноза недостаточно просто взять одно значение из модельной сетки — необходимо учесть координаты точки и соответствующую информацию об окружающей территории.
Например, Forecast API от meteoblue формирует точечные прогнозы на основе модельных данных, информации о рельефе и постобработки. Пользователь может самостоятельно указать высоту местности над уровнем моря. Если этого не сделать, система определяет её по цифровой модели рельефа с разрешением 80 метров. Высота учитывается при корректировке нескольких метеорологических величин, в частности температуры и атмосферного давления.
В то же время разрешение цифровой модели рельефа в 80 метров не означает, что сама атмосфера моделируется на сетке с таким же шагом. Локальная корректировка помогает сделать точечный прогноз более точным для конкретного места, но не может воспроизвести все мелкомасштабные особенности — например, движение воздуха вокруг отдельного здания или очень локальный ливень. Поэтому разрешение численной модели и локальная постобработка — это разные понятия.
Выбор моделей для формирования прогноза
Наличие нескольких прогнозов ещё не означает, что один из них автоматически является лучшим. Простое усреднение может сохранять погрешности, общие для нескольких моделей, а постоянный выбор одной и той же модели не учитывает того, что её точность может меняться в зависимости от места, погодной ситуации и прогнозируемой величины.
meteoblue Learning MultiModel (mLM) использует данные о качестве предыдущих прогнозов, чтобы определить подходящее сочетание моделей для конкретного места. Обычно при этом учитывается их работа в течение предыдущих 60 дней.
Такой подход может включать различные виды постобработки. Отбор помогает определить наиболее подходящие модельные данные, взвешивание — насколько велик будет вклад каждой модели, объединение — сопоставить информацию из нескольких прогнозов, а корректировка — уменьшить систематические погрешности. Например, выбор модели с меньшей средней погрешностью — это не то же самое, что корректировка постоянного смещения, хотя оба подхода могут повысить качество конечного прогноза. Если доступны надежные измерения, они также могут помочь выявить и скорректировать локальные погрешности.
В meteoblue для отдельных метеостанций измерения за последние месяцы могут использоваться для адаптации комбинации моделей к местным условиям. Это позволяет учесть особенности конкретной точки, которые могут быть незаметны при более общих сравнениях между моделями.
mLM не заменяет численные модели прогнозирования погоды, а использует их результаты с учётом того, насколько хорошо они работают для конкретного места и метеорологической величины. В настоящее время mLM внедрен и проверен для температуры воздуха, точки росы и скорости ветра. Для других параметров, в частности осадков, облачности и радиации, используются другие источники данных и подходы к обработке, поэтому один и тот же метод не применяется ко всем составляющим прогноза.
Добавление самых свежих наблюдений
Для прогноза на ближайшие несколько часов особенно важны актуальные наблюдения. Они могут показать изменения, которые предыдущий расчет модели еще не отразил достаточно точно. Например, радар может обнаружить, что полоса осадков приближается быстрее, чем ожидалось. Данные метеостанций помогают уточнить локальную температуру или ветер, спутниковые снимки показывают облачность и её перемещение, а наблюдения за молниями дополняют информацию об активных грозах.
Такое краткосрочное прогнозирование на основе актуальных наблюдений называется наукастингом. В meteoblue для него могут использоваться данные метеостанций, радаров и спутников, которые регулярно обновляются. Их вклад зависит от конкретной метеорологической величины и доступности наблюдений. Например, радар хорошо показывает развитие и перемещение осадков, тогда как данные метеостанций больше подходят для уточнения температуры или ветра.
Наибольшую пользу такие методы приносят в ближайшем прогнозном диапазоне. С увеличением горизонта прогноза простого продолжения текущих наблюдений уже недостаточно, поскольку погодные системы развиваются, ослабевают и меняют направление движения. Поэтому со временем роль наблюдений постепенно уменьшается, а численные модели становятся всё более важными.
От обработанных данных к понятному прогнозу
После обработки прогноз необходимо представить в форме, удобной для людей и программных систем. В зависимости от продукта это могут быть температура, осадки, ветер и его порывы, облачность и другие метеорологические величины в виде временных рядов, диаграмм или структурированных данных API. Часовые значения позволяют детально планировать, тогда как суточные итоги помогают быстро оценить общую погодную ситуацию.
Отдельное прогнозное значение также следует дополнять информацией о неопределенности. Показатель предсказуемости meteoblue отражает оцененный уровень уверенности в прогнозе, тогда как вероятность осадков показывает шанс их выпадения. Это разные показатели: уверенность в прогнозе в целом не то же самое, что вероятность дождя.
Поэтому итоговый точечный прогноз не всегда является прямым результатом одной модели. Он объединяет доступную информацию в одну наиболее обоснованную оценку, одновременно показывая сохраняющуюся неопределенность.
Почему прогнозы меняются после обновлений
Прогноз регулярно пересматривается по мере поступления новой информации. Новый расчет модели может изменить ожидаемое развитие погодной ситуации, mLM — скорректировать комбинацию моделей, а свежие наблюдения — уточнить прогноз на ближайшие часы.
Для пользователя это может означать, например, изменение ожидаемого времени начала дождя или обновленную температуру на завтрашнюю вторую половину дня. Сам факт изменения прогноза не означает, что предыдущая версия была неточной. Это означает, что в прогноз добавили более свежую информацию. Насколько полезным было это обновление, можно оценить только позже — сравнив прогноз с тем, что произошло на самом деле.
Сравнение прогноза с реальностью
Чтобы понять, насколько хорошо работает вся цепочка обработки, прогноз нужно сравнивать с тем, что произошло на самом деле. Верификация прогнозов предполагает систематическое сопоставление прогнозируемых значений с соответствующими наблюдениями для многих мест и моментов времени. Ежемесячные отчеты о точности прогнозов meteoblue оценивают результаты mLM по данным метеостанций, прошедших контроль качества, и сравнивают их с результатами глобальных моделей для температуры, точки росы и скорости ветра.
Для корректного сравнения важно учитывать метеорологическую величину, время прогноза и его горизонт. Прогноз, сделанный за несколько дней до события, нельзя оценивать так же, как обновление прогноза, выпущенное незадолго до него. Почасовая верификация также помогает выявить временные погрешности, которые могут остаться незамеченными, если анализировать только суточные значения.
Различные метрики показывают разные аспекты качества прогноза. Средняя абсолютная погрешность (Mean Absolute Error – MAE) характеризует средний размер отклонения, средняя погрешность (Mean Error – ME) помогает выявить систематическое завышение или занижение, а среднеквадратичная погрешность (Root Mean Square Error – RMSE) придаёт больший вес крупным ошибкам. В совокупности эти показатели помогают оценить, насколько стабильно работает прогноз, а не только то, был ли он точным в отдельных случаях.
Верификация также обеспечивает обратную связь для дальнейшего совершенствования прогнозов. Метод, который хорошо работает в одном регионе или сезоне, может давать другие результаты в других условиях. Регулярная оценка помогает выявлять такие различия и проверять, действительно ли изменения в обработке данных улучшают качество прогнозирования со временем. Следить за этими результатами можно в отчетах meteoblue о точности прогнозов.
Прогноз не заканчивается расчетом модели
Качество метеорологического сервиса зависит не только от используемых им моделей, но и от того, как обрабатываются их результаты. Согласование различных наборов данных, адаптация к конкретному месту, учет предыдущих погрешностей и актуальных наблюдений помогают сформировать из модельных расчетов прогноз, пригодный для практического использования.
В meteoblue эти этапы работают вместе, чтобы сделать прогноз более релевантным для местных условий. После этого его качество постоянно проверяется с помощью верификации. На экране прогноз может выглядеть просто, но до появления этого итогового значения данные проходят несколько этапов обработки.
Есть вопросы или хотите поделиться своим мнением? Присоединяйтесь к форуму сообщества meteoblue и продолжайте обсуждение с другими энтузиастами погоды и экспертами.
