Získať ho je však oveľa ťažšie, než by sa mohlo zdať. Žiadny pozorovací systém nedokáže merať teplotu, vlhkosť, tlak a vietor v rovnakom okamihu na každom mieste Zeme a vo všetkých výškach. Meteorológovia preto zostavujú obraz atmosféry z údajov z družíc, meteorologických staníc, rádiosond, lietadiel, lodí, bójí a radarov. Jednotlivé pozorovania sa líšia priestorovým pokrytím, časom merania aj presnosťou. Rozsiahle časti atmosféry sa navyše priamo nemerajú vôbec.
Numerický predpovedný model pritom potrebuje úplný opis východiskového stavu atmosféry v troch rozmeroch. Na jeho zostavenie slúžia asimilácia dát a inicializácia modelu. Prepájajú pozorovania súčasnej atmosféry so simuláciou jej ďalšieho vývoja.
To isté platí aj pre numerické modely, ktoré využíva meteoblue, vrátane vlastného radu modelov NEMS. Či už sú body výpočtovej siete od seba vzdialené niekoľko kilometrov, alebo niekoľko desiatok kilometrov, samotné zvýšenie rozlíšenia presné počiatočné podmienky nenahradí. meteoblue v súčasnosti prevádzkuje modely NEMS vo viacerých regionálnych aj globálnych konfiguráciách. Celý predpovedný systém pritom zahŕňa aj výstupy viacerých numerických modelov od iných poskytovateľov.
Prehľad modelových domén meteoblue (stav k roku 2022). Globálne domény nie sú zobrazené.
Najprv treba odhadnúť stav atmosféry
Stav atmosféry, z ktorého numerický predpovedný model vychádza, sa nazýva analýza. Ľahko si ju môžeme predstaviť ako mapu zostavenú priamo z nameraných údajov. V skutočnosti však ide do značnej miery o kvalifikovaný odhad.
Meteorologické stanice sú sústredené predovšetkým v obývaných oblastiach pevniny. Nad oceánmi, v púšťach a polárnych oblastiach je meracia sieť oveľa redšia. Rádiosondy podrobne merajú stav atmosféry v rôznych výškach, ale len nad obmedzeným počtom miest a spravidla iba niekoľkokrát denne. Lietadlá poskytujú cenné údaje pozdĺž letových trás, zatiaľ čo družice pokrývajú ešte oveľa rozsiahlejšie územie.
Ani družice nemerajú rovnakým spôsobom ako teplomer, ktorý priamo meria teplotu vzduchu. Mnohé družicové prístroje zaznamenávajú žiarenie dopadajúce na snímač. Až z tohto signálu možno odvodiť informácie o teplote, vlhkosti, oblačnosti či zemskom povrchu.
Pozorovania teda pochádzajú z rôznych miest a zachytávajú rôzne časti atmosféry. Asimilácia dát ich spája do jedného uceleného obrazu súčasných podmienok.
Presnejšie povedané, asimilácia dát pri odhade stavu atmosféry prepája pozorovania so štatistickými informáciami a poznatkami o dynamike atmosféry, ktoré poskytuje okrem iného numerický model. Takto odhadnutý stav potom slúži ako východiskový bod pre ďalšiu predpoveď počasia.
Svoj diel informácií pridáva aj model
Pozorovania sú len jednou polovicou celého procesu. Na začiatku nového predpovedného cyklu už majú meteorológovia k dispozícii aj iný odhad súčasného stavu atmosféry: krátkodobú predpoveď z predchádzajúceho behu modelu. Odborne sa nazýva predbežné pole (v angličtine „background“ alebo „first guess“).
Predstavme si, že predchádzajúci beh modelu umiestnil studený front o 12 UTC nad východné Francúzsko. Nové pozorovania z obdobia okolo 12 UTC však môžu ukázať, že front leží o niečo ďalej na východ, vzduch pred ním je vlhší, než model predpokladal, alebo za ním fúka silnejší vietor.
Asimilačný systém tieto pozorovania porovná s predbežným poľom a určí, ako treba odhad stavu atmosféry upraviť. Vznikne nová analýza, z ktorej model vychádza pri ďalšom výpočte.
Celý postup sa opakuje v cykloch: zo skoršej analýzy vznikne krátkodobá predpoveď, nové pozorovania umožnia odhad stavu atmosféry aktualizovať a takto upravená analýza sa stane východiskovým bodom pre nasledujúcu predpoveď.
To vysvetľuje dôležitú vlastnosť každodennej predpovednej praxe: každá predpoveď nadväzuje na tú predchádzajúcu. Východiskový stav modelu sa teda každých pár hodín nezostavuje nanovo len z aktuálnych pozorovaní. Model si do ďalších výpočtov prenáša informácie zo skorších meraní a s príchodom nových dát ich priebežne aktualizuje. Asimilačné systémy v bežnej prevádzke využívajú predchádzajúcu predpoveď práve preto, že samotné pozorovania na opis celej atmosféry nestačia.
Prečo model jednoducho neprispôsobiť všetkým meraniam?
Pretože merania a modely nezachytávajú podmienky vždy v rovnakej priestorovej mierke.
Vezmime si napríklad teplotný snímač na dne úzkeho alpského údolia počas jasnej zimnej noci. Na dne sa môže hromadiť studený vzduch, takže tam teplota klesne hlboko pod hodnoty na okolitých svahoch. Meranie pritom môže byť úplne správne. Niekoľko kilometrov široká bunka modelovej siete však pracuje s priemernou nadmorskou výškou a zjednodušeným terénom, v ktorom dané údolie nemusí byť dostatočne zachytené. Keby sme teplotu celej bunky priamo nahradili hodnotou zo stanice, modelový opis atmosféry by sa mohol od skutočnosti naopak vzdialiť.
Meteorológovia tento problém označujú ako chybu reprezentatívnosti. Vzniká vtedy, keď meranie zachytí miestne podmienky, ktoré model pre príliš hrubé rozlíšenie nedokáže opísať. Nameraná hodnota tak môže byť správna a zároveň môže byť primeraná aj hodnota modelu pre väčšiu oblasť, ktorú zastupuje.
Chyba reprezentatívnosti predstavuje pri asimilácii dát podstatný problém. Podrobné merania sa totiž často porovnávajú s modelmi, ktoré nedokážu zachytiť rovnakú mieru miestnych detailov. Zvlášť dôležité je to v členitom teréne, v pobrežných oblastiach alebo pri rýchlom vývoji počasia, napríklad počas búrok či pri tropických cyklónach. Systém preto musí zohľadniť nielen samotné pozorovanie, ale aj to, nakoľko zodpovedá podmienkam v mierke modelu.
Teplotné rozdiely v alpských údoliach ukazujú, ako sa miestne merania môžu líšiť od širších podmienok reprezentovaných modelovou mriežkou.
Čomu má systém viac veriť?
Ani pozorovania, ani predbežné pole sa nepovažujú za bezchybné. Asimilačný systém preto zohľadňuje ich odhadovanú neistotu. Ak sú pozorovania spoľahlivé a predbežný odhad neistý, merania môžu mať väčší vplyv. Ak je však meranie zaťažené väčšou neistotou alebo nedostatočne vystihuje podmienky v mierke modelu, väčšiu váhu si môže ponechať predbežné pole.
Celý postup musí zároveň počítať s tým, že teplota, tlak, vlhkosť a vietor spolu súvisia. Jediné pozorovanie tak môže ovplyvniť viacero veličín aj okolité body výpočtovej siete. Vďaka tomu si modelový opis atmosféry zachováva fyzikálne súvislosti a s každým meraním sa nepracuje izolovane. Určiť, ako sa tieto atmosférické veličiny navzájom ovplyvňujú, patrí k najzložitejším úlohám numerickej predpovede počasia.
Merania neprebiehajú v rovnakom okamihu
Pozorovania použité na zostavenie analýzy nepochádzajú z rovnakého okamihu. Medzi meraním meteorologického balóna, hlásením z lietadla a preletom družice môže uplynúť niekoľko hodín. Atmosféra sa pritom ďalej vyvíja.
Jedným zo spôsobov, ako to zohľadniť, je štvorrozmerná variačná asimilácia dát (4D-Var), ktorá berie do úvahy zemepisnú dĺžku, šírku, výšku aj čas. Nesnaží sa všetky pozorovania vtesnať do jedinej časovej snímky. Hľadá taký počiatočný stav, z ktorého sa modelová atmosféra vyvíja v súlade s pozorovaniami získanými počas celého asimilačného obdobia.
Ansámblové metódy postupujú inak. Využívajú súbor mierne odlišných stavov modelu, pomocou ktorého odhadujú neistotu aj vzájomné väzby medzi chybami predpovede. Moderné predpovedné systémy čoraz častejšie kombinujú variačné a ansámblové metódy.
Inicializácia sa netýka len atmosféry
Zostavením analýzy atmosféry sa príprava nekončí. Meteorologický model potrebuje aj realistický opis zemského povrchu. Vlhkosť a teplota pôdy, snehová pokrývka aj teplota snehu môžu ovplyvniť predpoveď už od prvých hodín.
Zvlášť dôležitá je pôdna vlhkosť: ovplyvňuje, aká časť prichádzajúcej energie sa spotrebuje na ohrev pôdy a aká na výpar vody. Ak model na začiatku počíta s príliš suchou pôdou, môže nadhodnotiť zahrievanie povrchu. Tým sa zmení aj teplota a vlhkosť vzduchu pri zemi a vývoj medznej vrstvy atmosféry.
Sneh mení energetickú bilanciu povrchu aj výmenu tepla a vlhkosti. Úpravy počiatočnej pôdnej vlhkosti a stavu snehovej pokrývky tak môžu ovplyvniť nielen predpoveď podmienok pri povrchu, ale aj vývoj atmosféry nad ním.
Počiatočný stav musí byť aj dynamicky vyvážený. Ak asimilácia náhle upraví tlak, vietor alebo teplotu, model môže pri snahe obnoviť rovnováhu vytvárať nerealistické oscilácie. Niektoré systémy preto korekcie analýzy zapracúvajú postupne. Práve na obmedzenie týchto počiatočných problémov a súvisiaceho „rozbiehania“ modelových procesov, napríklad tvorby zrážok, vznikla metóda postupného zapracovania korekcií analýzy (incremental analysis updating).
Pôdna vlhkosť je dôležitou súčasťou inicializácie modelu a ovplyvňuje ohrievanie povrchu, výpar aj atmosféru nad ním.
Kedy prichádza na rad mLM
Asimilácia dát sa sústreďuje na východiskový stav atmosféry. Keď numerické modely dokončia výpočet, vynára sa ďalšia otázka: nakoľko ich výsledky zodpovedajú podmienkam na konkrétnom mieste?
Modely sa líšia rozlíšením, opisom fyzikálnych procesov aj frekvenciou aktualizácií. Ich úspešnosť sa preto môže meniť v závislosti od miesta a poveternostnej situácie. Tieto rozdiely pomáha zohľadniť následné spracovanie výstupov, takzvaný postprocessing, ešte predtým, než sa predpoveď dostane k používateľovi.
Systém meteoblue Learning MultiModel (mLM) kombinuje predpovede viacerých numerických modelov pomocou strojového učenia a údajov o ich nedávnej úspešnosti. S príchodom nových predpovedí a pozorovaní sa môže meniť aj výsledná kombinácia modelov. Pri meteorologických staniciach s vhodnými dátami dokáže mLM využiť aj vzťah medzi minulými predpoveďami a meraniami a prispôsobiť predpoveď miestnym podmienkam.
Ide o iný krok než asimilácia dát. Tá spresňuje stav atmosféry, z ktorého simulácia vychádza, zatiaľ čo mLM pracuje až s výslednými predpoveďami, ktoré kombinuje a ďalej upravuje.
Prečo sa predpoveď pri aktualizácii mení
Predpoveď sa môže medzi aktualizáciami zmeniť, aj keď samotné meteorologické modely zostávajú rovnaké. Nové pozorovania z družíc, rádiosond alebo lietadiel môžu v analýze mierne posunúť polohu brázdy nízkeho tlaku, upraviť vlhkosť vzduchu pred frontom či rýchlosť dýzového prúdenia. Aj drobné zmeny tohto druhu môžu ovplyvniť vývoj poveternostných systémov o niekoľko dní neskôr.
S každým novým behom modelov predpovedný systém zároveň opäť vyhodnocuje ich úspešnosť. Každá aktualizácia tak môže vychádzať z trochu iného počiatočného stavu atmosféry a využívať inú kombináciu modelových výstupov.
Určitá neistota však zostáva. Pozorovania nie sú úplné, merania aj modely majú svoje obmedzenia a malé chyby v počiatočnom stave môžu časom narastať. Práve preto sú presné počiatočné podmienky také dôležité, aj keď žiadna predpoveď nemôže byť dokonalá.
Skôr než sa na obrazovke objaví zrážková mapa, teplotná krivka alebo ikona počasia, treba pozorovania zhromaždiť, skontrolovať a prepojiť so skoršími predpoveďami. Až tak vznikne čo najpresnejší obraz atmosféry.
Práve tu sa každá predpoveď začína.
Chcete v diskusii pokračovať? Navštívte komunitné fórum meteoblue, kde sa môžete pýtať, zdieľať nápady a s ostatnými členmi komunity si vymieňať názory na počasie a jeho predpovedanie.