gfs погода что это
Какой прогноз погоды выбрать и почему
Эта статья является кратким напоминанием, что из себя представляют прогнозы погоды, чем отличаются и какие из них чего стоят. Очевидно, что тема “прогнозы погоды” – одна из основных при обучении яхтингу. Подробно тема разбирается на теоретических курсах.
Кратко, алгоритм выбора источника прогноза погоды следующий:
Причем, именно в таком порядке и с такими приоритетами и вот почему:
Как мы помним, ученые, в том числе и те, которые занимаются прогнозированием погоды, никогда не изучают природу, так как она есть. Любое изучение природы начинается с построения упрощенной математической модели этой самой природы и последующего изучения поведения уже собственно модели.
Точность моделирования для разных моделей весьма разная, но, как правило, не очень высокая, что полностью “нивелирует” последующую точность расчета поведения этой самой модели.
Все описанное выше в равной степени относится как к прогнозированию погоды, так и к любым другим видам научной деятельности, включая моделирование поверхности земли и так далее.
На Земле нет общего механизма погодо-образования (хотя, конечно, любая погода это результат нагрева Земли Солнцем). В разных местах и в разных условиях, а, вернее, в разной комбинации условий, эффекты наступают разные.
Существующие модели достаточно грубые и учитывают основные факторы, влияющие на образование погоды в данной местности. Модели позволяют рассчитывать исключительно среднюю погоду для квадрата (а не погоду в точке). Ни одна модель не видит ни каких неоднородностей (например, острова) меньших, чем несколько таких квадратов и, соответственно, не учитывает их в расчетах. Ни одна модель, никогда не учитывает такие локальные эффекты, как sea/night breeze или acceleration. Katabatic wind рассчитываются только в исключительных случаях и точность таких расчетов, как правило, весьма условна. Вместе с тем, все современные модели, в разной степени, но весьма неплохо позволяют рассчитывать зарождение, развитие и движение глобальных погодных эффектов, таких как депрессии (циклоны) и ураганы.
Наиболее простая погодная модель – GFS (Global Forecast System)
GFS – изначально созданная на базе квазиоптической модели распространения потоков (без учета интерференций), не учитывает рельефа суши, наличие небольших островов, очертания береговой линии материков и крупных островов. При этом дает достаточно точный прогноз средней погоды для квадрата 0,5°x0,5° (а теперь уже во многих случаях и 0,25°x0,25°) для открытых океанов, но совершенно не пригодна для мест вблизи суши, а так же закрытых водоемов, таких как, например, Средиземное море, и уж точно дает совершенно случайный результат для рек и озер, закрытых бухт и т.п. В настоящее время модель усовершенствована и ее основным преимуществом является регулярный (несколько раз в день) расчет погоды для всей планеты, проводимый независимо в нескольких гидрометеоцентрах в разных странах.
Основные преимущества прогноза погоды, рассчитанного на основании модели GFS:
Основные недостатки прогноза погоды, рассчитанного на основании модели GFS:
Прогноз погоды, выполненный на основании модели GFS доступен в 3 форматах:
Вместе с тем, в каждом гидрометеоцентре мира (а в некоторых странах их по несколько) разработаны метеорологические модели, оптимизированные для конкретного региона.
Попробуйте сравнить прогноз выдаваемый гидрометеоцентром одной страны для другой страны, например, прогноз гидрометеоцентра России по Мадриду с прогнозом по Мадриду, выдаваемым испанским La Agencia Estatal de Meteorología! Именно прогноз погоды, рассчитанный по оптимизированной модели передается по радио, телевидению, VHF, Navtex. Соответственно, для каждого региона нас в первую очередь интересует официальный прогноз погоды, рассчитанный по наиболее оптимизированной для этой зоны модели. Такие прогнозы доступны по VHF и Navtex и, с некоторыми оговорками, на сайте weather.gmdss.org.
Официальные прогнозы даются как усредненная погода для регионов (“морских квадратов”) и в формате shipping forecast.
Вместе с тем, целый ряд гидрометеоцентров по всему миру, помимо выдачи прогноза на основании моделей GFS, официального shipping forecast, выдают дополнительные прогнозы в разных форматах для разных участков и степеней детализации территории. Во многих случаях такие прогнозы оказываются, зачастую, более точными для заданных участков, хотя могут пропустить глобальные погодные эффекты.
Модель GFS
У человека всегда было стремление знать погоду и предсказывать ее. Благодаря развитию технологий существуют различные компьютерные модели, которые помогают предсказать, что будет с погодой через несколько дней после этого. Сегодня мы поговорим о Модель GFS. Это одна из самых важных моделей, имеющая наибольшее значение для всей планеты.
Поэтому мы собираемся посвятить эту статью тому, чтобы рассказать вам все, что вам нужно знать о модели GFS, ее характеристиках и важности.
Что такое модель GFS
Инициалы соответствуют Global Forecast System.. По-испански это означает «глобальная система запретов», хотя она более известна по другим акронимам. Это тип числовой математической модели, которая используется для прогнозирования погоды. Она была создана и в настоящее время используется Национальным управлением океанических и атмосферных исследований США и представляет собой математическую модель, которая обновляется в течение 4 раз в день. В зависимости от данных, полученных от различных метеорологических переменных, прогнозы могут быть сделаны заранее до 16 дней.
Хорошо известно, что эти прогнозы не полностью надежны, поскольку динамику атмосферы можно легко изменить. Характеристики атмосферы и преобладающая погода зависят от значения многих переменных одновременно. На большинство из этих переменных напрямую влияет количество солнечной радиации, воздействующей на нашу планету. В соответствии с количество солнечной радиации и остальные переменные изменяются, начиная с температуры и ветрового режима.
Допустимо, что прогнозы модели GFS не обеспечивают нам высокой надежности через 7 дней. Можно даже сказать, что через 3-4 дня это уже не совсем точно. Большинство национальных метеорологических институтов и агентств отказываются от большинства результатов этой модели, особенно тех, которые превышают 10 дней спустя.
Модели численного прогноза погоды
Чтобы иметь возможность предсказывать погоду, необходимы различные численные модели. Эти числовые модели принимают значения атмосферных переменных, и с помощью сложных уравнений состояние этих переменных может быть известно в ближайшем будущем. Существует 4 числовых модели прогнозов погоды, которые наиболее широко используются на планете:
Это наиболее часто используемые модели для метеорологического прогнозирования в среднесрочной перспективе и в синопическом масштабе.
Европейская модель GFS
Как только мы узнаем функцию этого типа модели метеорологического прогнозирования, мы должны исходить из различий, существующих в разных частях мира. В частности, вы должны взглянуть на европейскую модель GFS. И что это за модель Он имеет множество преимуществ перед лучшим соперником, созданным правительством Соединенных Штатов Америки. Если мы сейчас сравним обе модели, то это дебаты, которые закончатся. Они оба обладают очень хорошими характеристиками и достаточно хорошо предсказывают. Корпорация, работающая независимо друг от друга, еще не провела объективных тестов, чтобы определить, какая из двух моделей лучше всего способна предсказывать погоду.
Большинство экспертов говорят, что европейская модель GFS намного лучше, чем американская, с точки зрения моделирования данных. Аргумент, который они используют, состоит в том, что он значительно полнее и предоставляет больший объем проверенной информации. Чтобы дать пример, чтобы вы могли видеть разницу между европейской и американской моделями, европейская модель способна проводить 50 симуляций атмосферы за цикл прогноза, в то время как в Северной Америке можно запускать только 20 моделирования за раз.
Модель GFS в Испании
В нашей стране тоже есть такая модель прогноза погоды. В этой модели каждое моделирование выполняется в нескольких частях. Посмотрим, что это за части:
На территории Испании эта модель обычно используется примерно 4 раза в день, чтобы иметь возможность хорошо оценить краткосрочные прогнозы. Можно сказать, что он используется в 0 часов, 6, 12 и 18 часов. Что касается обновления карт, которые можно просмотреть для просмотра результатов прогнозов, они выполняются в реальном времени с 3:30, 9:30, 15:30 и 21:30 UTC.
Следует принимать во внимание, что у этого типа моделей метеорологического прогнозирования есть свои недостатки, поскольку атмосферные переменные не имеют фиксированной работы. Таким образом, мы видим, что многочисленные прогнозы погоды не соответствуют прогнозам поскольку эволюцию атмосферы не всегда так легко предсказать. Некоторые закономерности, такие как формирование штормов или антициклонов, могут быть довольно простыми. Однако спрогнозировать смещение этих воздушных масс труднее.
Я надеюсь, что с этой информацией вы сможете больше узнать о модели GFS, ее характеристиках и важности.
Содержание статьи соответствует нашим принципам редакционная этика. Чтобы сообщить об ошибке, нажмите здесь.
Gfs погода что это
Погоду не выбирают. В отличие от прогнозов погоды. Но можно ли быть уверенным в их правоте? Еще совсем недавно все прогнозы были «макро» и уже поэтому заведомо неточными. Сегодня ситуация иная: к масштабу «макро» можно добавить «мезо» и «микро», чтобы получить объективную картину. Ведь это только в стихах у природы нет плохой погоды…
Текст Федора Дружинина
Тихая революция
Как много изменилось за последние 15 лет в мире морских метеопрогнозов!
1998 год. Финляндия. Мой первый поход на яхте Л-6 за границу. Капитан и старпом стоят у стенда в марине Котки, изучая факсимильную карту погоды, только что вывешенную менеджером марины. Загадочные кривые изолиний, жирные дуги фронтов и логарифмическая шкала скорости ветра в углу – все это выглядит для меня так же, как курс ядерной физики для неандертальца. Впрочем, и опытные яхтсмены явно испытывают проблемы: ясно, что на нас движется холодный фронт, но какой силы будет ветер, определить по карте сложно. В ход идет вывешенный рядом текстовый прогноз. Принято решение выходить, хотя перспективы на ветер очень туманные: от 4 до 6 баллов. Ясно одно: шторма не будет, и это уже хорошо. Во время перехода штурман внимательно следит за показанием барографа, не забывая заводить его, записывает в журнал изменения атмосферного давления, облачности и видимости. По изменению характера облачности и барической тенденции мы оцениваем происходящее в атмосфере – слава богу, все примерно совпадает с прогнозом…
Теперь все по-другому, и это результат нескольких тихих, но настоящих революций в метеорологии. Ушли в прошлое бумажные карты погоды, а вывешивание распечаток в офисах марин стало скорее традицией, чем необходимостью. Сначала в наиболее продвинутых странах, а затем и повсеместно свежие метеопрогнозы стали доступны в Интернете.
Обычным делом стало и получение погодной информации в GRIB-файлах – формате обмена данными о погоде между метеослужбами разных стран, который оказался удобен для получения информации в интересующем шкипера регионе, что экономило дорогой мобильный и спутниковый интернет.
GRIB (gridded binary) – это формат, который разрабатывался для обмена и хранения архивной погодной информации. С шагом в один или несколько часов он описывает изменяющиеся погодные условия в «узлах» заданной географической сетки. GRIB-файлы могут содержать информацию об атмосферном давлении, ветре, осадках, температуре, направлении и скорости течения, высоте волн, десятки других параметров.
Наверное, 90%, если не 99, шкиперов
в наши дни пользуются для получения прогнозов
GRIB-файлами.
Удобный интерфейс, неплохая детализация, и платить не надо. Казалось бы, GRIBы должны вытеснить из арсенала яхтсмена все другие источники прогноза, однако многих шкиперов (и меня в том числе), поверивших было в GRIB-файлы, как в святой Грааль яхтенной метеорологии, вскоре постигло разочарование. GRIBы систематически занижали показания ветра, игнорировали «зоны ускорения» и 40-узловые шквалы. При этом яхтенные учебники не поспевали за новыми тенденциями, а самые авторитетные шкиперы и инструкторы не могли объяснить, как может врать 24-часовой прогноз, выданный не кем-нибудь, а Национальным управлением океанических и атмосферных исследований США (NOAA)? Преподавая курс метеорологии в парусной школе, я в числе прочего всегда говорил, что «грибам» не надо верить на 100%, но на вопрос «Почему?» всегда придумывал какие-то обтекаемые ответы.
Разгадка забрезжила, когда я на личном опыте убедился, что по какой-то причине прогнозы хорватских и словенских синоптиков точно предсказывают антициклоническую бору, в то время как GRIB-файлы из программ GRIB.US и zyGRIB показывают лишь легкий ветер. Та же история повторилась в Норвегии: сайт yr.no оказался в разы точнее GRIB-файлов.
Внимательное изучение сайтов метеорологических ведомств привело меня к открытию мира погодных математических моделей, используемых в прикладной метеорологии и лежащих в основе получаемых яхтсменами прогнозов.
GFS и GRIB
Самой распространенной моделью, используемой в прикладной метеорологии и лежащей в основе получаемых яхтсменами прогнозов, является модель GFS. Собственно, данные, полученные по этой модели, вы и скачиваете из GRIB.US, zyGRIB или pocketGRIB.
GFS расшифровывается как Global Forecast System (Глобальная система прогнозирования). Эта метеорологическая модель создана американским государственным агентством NCEP (National Centers for Environmental Prediction), которое является подразделением всесильного NOAA.
GFS-модель обновляется четыре раза в день (00:00, 06:00, 12:00 и 18:00 UTC). Разрешение (сетка) этой модели невелика: хотя сама модель имеет разрешение 27–35 км, в GRIB-файлах используется сетка в 0.5 градуса (примерно 50 км).
У GFS несколько достоинств: во-первых, эти данные предоставляются американцами бесплатно. Во-вторых, прогнозы в GFS делаются аж на 384 часа вперед. В-третьих, прогнозы этой модели покрывают весь земной шар.
Существует множество бесплатных и недорогих программ, которые могут скачивать GRIB-файлы
с данными модели GFS.
Нужно лишь выбрать мышкой на карте интересующий вас регион, нажать кнопку Download – и у вас на руках подробный прогноз погоды.
Популярные браузеры – программы zyGRIB (Windows) и pocket GRIB (Apple). Набирает популярность и погодный модуль к пакету Navionics for iPad. Что выбрать? В принципе все «просматривающие» программы устроены примерно одинаково. Подводя мышь к интересующей вас точке, вы можете узнать скорость ветра, высоту волн, температуру, другие параметры. Также можно прокручивать время на карте вперед и назад (обычно с интервалом в 3 или 6 часов), наблюдая за развитием погодных условий. Заметим к месту, что, кроме программ-браузеров загруженные GRIB-файлы можно подгружать в навигационные картографические программы, такие как MaxSea, Navionics for iPad/iPhone.
Немного науки
Глобальные изменения погоды в крупном масштабе – над целыми странами и континентами – во многом зависят от горизонтальной циркуляции воздуха в атмосфере. Циклоны, антициклоны, фронты – все это явления синоптического или макромасштаба.
В среднем масштабе, или мезомасштабе, помимо циркуляции воздуха на погоду существенно влияет рельеф земной поверхности. Кроме того, ее изменения в значительной мере обусловлены воздействием вертикальных движений воздуха – конвекцией. Образование морских бризов, катабатические ветры (бора) – это явления мезомасштаба.
Наконец, в микромасштабе изменения погоды связаны с разнообразием местных ландшафтов и даже с влиянием человека: городская застройка, вырубка леса и т. п.
Еще в 1904 году норвежский физик и метеоролог Виильгельм Бьеркнес указал, что для описания атмосферных процессов можно использовать систему из 7 уравнений гидротермодинамики с 7 неизвестными. Решение этой системы уравнений для построения модели атмосферы составляет суть метода числового прогнозирования.
Так называемая квазигидростатическая модель атмосферы требует шага сетки модели более 10 км, что позволяет вносить существенные упрощения в систему уравнений.
С этими упрощениями можно рассчитывать модели макромасштаба, к которым можно отнести модель GFS. Но если шаг менее 10 км, то систему уравнений необходимо использовать без упрощений, и в этом случае модель атмосферы принято называть негидростатической. Для таких вычислений требуется большая компьютерная мощность и подробные топографические карты местности.
В конце XX века мощность компьютеров наконец-то достигла пределов, когда появилась возможность оперативно создавать негидростатические модели. Соответственно стали доступны мезомасштабные прогнозы для отдельно взятого региона. Вплоть до шага в 300 метров и такой деталировкой, как усиление ветра у мысов, заходы ветра у берега… Понятно, что такими подсказками не замедлили воспользоваться профессиональные гонщики, скажем, America’s Cup.
Макро- и мезомасштаб
Итак, системы прогнозов в макромасштабе дают представление, как будет развиваться погода с точки зрения глобальных процессов. Среди этих систем модель GFS, европейская модель ECMWF, российская СМ и некоторые другие. Именно эти системы используются для составления знакомых всем, кто изучал яхтенную метеорологию, синоптических карт с дугами фронтов и лабиринтами изобар. Использование карт и GRIB-файлов с данными макромасштаба целесообразно, когда надо ознакомиться с общими тенденциями развития погоды на следующие несколько дней.
Системы прогнозирования мезомасштаба используют более точные региональные модели и способны предсказывать местные явления, которые проскакивают между пальцев глобальных прогнозов. За это приходится платить существенным сокращением срока прогнозирования, обычно мезомасштабные прогнозы даются на ближайшие 48 часов.
Каждая уважающая себя морская держава в наши дни делает свои оперативные региональные прогнозы. Из наиболее доступных яхтсменам можно выделить следующие
Прогноз в «облаках»
Придирчивый читатель, наверное, уже кривит губы: ну и что нового? Все опытные яхтсмены знают, что GRIBы врут, что нужно пользоваться местными прогнозами и что prognoza.hr хорошо предсказывает бору. О чем статья-то?
Отвечаю – о переменах. Если вы не жили последние два года в каменной пещере, высекая обсидиановым топором лодку-долбленку, то наверняка хотя бы краем уха слышали термин cloud computing, или «облачные системы». Не слышали? Тогда мы живем с вами в соседних пещерах, потому что я тоже пропустил эту очередную революцию в мире компьютеров и тесно связанным с ним миром метеорологии.
Если вкратце, то суть в том, что ураганными темпами стали развиваться услуги предоставления через Интернет вычислительной мощности по запросу пользователя. До свидания, привычный «майкрософт офис», теперь все приложения могут жить где-то в «облаке» – гигантской компьютерной «ферме», расположенной неизвестно где – то ли в США, то ли в Таджикистане. Впрочем, вам все равно, где расположен сервер. Вам вполне хватает того, что где бы вы ни были, вы имеете доступ к своему приложению через обычный интернет-браузер.
Развитие «облачных» систем привело к созданию гигантских серверных центров, и вот одно из следствий этого: чтобы посчитать прогноз погоды, уже не нужно строить суперкомпьютер или серверный кластер, достаточно зайти на сайт «облачного хостинга», заплатить несколько долларов кредиткой, и в вашем распоряжении – мощности, достаточные, чтобы посчитать прогноз на сегодня для вашего любимого города.
Мы оказались в эпохе, когда любой студент-программист может взять бесплатную программу, скачать с американского сайта USGS.gov топографическую карту, купить машинное время в «облачной системе» и начать делать свои собственные прогнозы погоды.
Фирмы, предоставляющие услуги метеопрогнозов на заказ, не могли не отреагировать на такие перемены. Сразу несколько компаний выступили с предложением за вполне умеренные деньги рассчитать прогноз на интересующий вас регион с сеткой 4 км (!) или даже точнее.
О чем нужно помнить, заказывая оперативный прогноз мезомасштаба? О том, что одну и ту же модель разные синоптики могут настроить совершенно по-разному и получить, само собой, разные прогнозы. Метеорология все еще остается наукой, и точность прогнозов зависит не только от компьютера, но и от квалификации метеоролога, вводящего данные и интерпретирующего результаты. Более того, в зависимости от интересующих параметров модель может быть «заточена» на прогноз температуры в ущерб, например, скорости ветра. Поэтому внимательно подходите к вопросу выбора поставщика прогнозов и отдавайте предпочтение тем сервисам, которые успели хорошо зарекомендовать себя применительно именно к яхтингу. И чего точно не стоит делать, так это не бросаться в другую крайность и начинать опираться только на полученный за 5 долларов индивидуальный прогноз. Бывает, что ошибаются даже суперкомпьютеры.
«Грибной» суп
Сегодня в Интернете можно найти десятки, если не сотни сайтов, предлагающих платные и бесплатные прогнозы. Из популярных платных сервисов, не вошедших в наш обзор, упомянем следующие: previmeteo360.com, хорошо известный серферам www.windguru.cz в режиме WindGuru «Pro», сайт «Грибы на заказ» – http://www.gribfiles.com.
Получив тот или иной прогноз, обязательно посмотрите, на какой модели он базируется, прежде чем сравнивать его с другими прогнозами. Один мой знакомый утверждал, что сайт passageweather.com точнее и правильнее предсказывает погоду, чем GRIB-файлы, полученные через GRIB.US. Спор завершило сравнение скромной надписи в углу погодной карты passageweather с описанием полученного GRIB-файла: оба источника содержали данные, рассчитанные по одной и той же модели GFS. Неприятным открытием для моего приятеля стало также то, что примерно 80% сайтов, рисующих погодные карты и дающих прогнозы по городам и странам, также «выдергивают» эти данные из модели GFS, совершенно пренебрегая чуть менее доступными, но более точными мезомасштабными моделями.
Формируя свой «портфель прогнозов» перед отправлением в дальний поход или на регату, постарайтесь включить в него 3–5 источников, использующих разные модели. Например, «портфель» автора этих строк на Адриатику на следующую весну выглядит так:
– GRIB-файлы модели GFS (для общей картины);
– профессиональная модель predictwind.com (MM5/WRF);
– windguru «PRO» (WRF);
– prognoza.hr (ALADIN);
– GRIB-файлы yr.no (HIRLAM).
Переход Гибралтар-Канары я планировал, используя:
– GRIB-файлы модели GFS;
– модели GFS и CMC в predictwind.com;
– сайт aemet.es;
– текстовые GMDSS прогнозы, содержащие предсказания о перемещении центра тропического шторма к западу от Канар.
Перебор, скажете вы? Возможно. Если вы не гоняетесь или не скованы рамками сроков перегона яхты, вам будет достаточно бесплатных GRIB-файлов и местного прогноза prognoza.hr. Тем не менее опыт моих знакомых яхтсменов, попробовавших платные сервисы, говорит, что отказываться от них они не собираются, ведь к хорошему так быстро привыкаешь!
Сокращенный вариант. Опубликовано в Yacht Russia №1-2 (49), 2013 г.
Как машины предсказывают нам погоду
Представьте себе мир, в котором мы не умеем предугадывать погоду. Ваша мама постоянно говорит вам надеть шапку и взять зонтик. Пассажиры угодившего в шторм самолёта разливают Просекко прямо себе на джинсы. Ужасающая картина.
Систематически наблюдать за погодой человеки начали еще во времена Аристотеля. Тогда были обнаружены первые закономерности, правда на уровне примет типа «ветер с юга приносит дождь». А что вы хотели, сами бы попробовали жить две тысячи лет назад.
Потом средневековье. Империям хотелось эффективнее нагибать колонии и меньше при этом гибнуть самим (неприятная штука, избегайте). Мореплаватели прокачали техники предсказания погоды, но они всё равно оставались скорее искусством, а не наукой. Они даже не знали об атмосферном давлении — главной составляющей современной погоды.
Современная гидрометеорология началась когда физики открыли термодинамику и гидродинамику.
Американец Кливленд Эббе в 1873 году опубликовал работу «Физическая основа долгосрочного прогнозирования погоды» («The physical basis of long-range weather forecasting»), в которой впервые призвал всех задуматься над математическим описанием погоды.
Банально, но для его современников это звучало как если бы я вам сейчас предложил задуматься об аппарате предсказания продолжительности жизни. Все бы умерли прямо сегодня, но со смеху.
А вот норвержец Вильгельм Бьеркнес не смеялся. В 1904 он дописал статью, заложившую базу всей метеорологии — «Проблема прогнозирования погоды как проблема механики и физики» («The problem of weather forecasting as a problem in mechanics and physics»).
Он впервые выделил пять основных составляющих прогноза погоды:
Они с нами и по сей день. Хотя сегодня мы знаем, что на атмосферу влияет гораздо больше сил. Это и солнечная радиация, и городская застройка, и загрязнение воздуха. Современные модели умеют учитывать даже эти факторы, о них мы еще поговорим.
Помимо пяти составляющих, Бьеркнес составил и семь уравнений, которыми можно было достаточно точно прогнозировать процессы в атмосфере. Естественно, дифференциальных.
Дифференциальные уравнения полезны чтобы строить теории или мучить студентов на экзаменах, но на практике от них нет никакого толку. Компьютеры их решать не умеют, а вручную найти ответы можно только с серьезными допущениями и за неделю напряженной работы.
То есть я бы мог предсказать вам погоду на завтра, но только через неделю. Не очень полезно, да?
Зато в 1922 году англичанин Льюис Ричардсон, вдохновленный этими уравнениями, решил сделать их практически применимыми.
Он разложил их в систему и стал искать ответ численными методами. По иронии судьбы, его главная заслуга оказалась и главным провалом. Он получил абсолютно абсурдный вывод, что на следующий день давление в Европе изменится на 14.5 гПа (109 мм ртутного столба). Если бы это произошло в реальности — бабушки с гипертонией массово бы полегли в больницы.
Современники засмеяли результаты Ричардсона. Эксперты обвиняли его в том, что полез в «их метеорологию», не имея в ней ни малейшего опыта. Прям как у меня каждый раз в комментариях.
Только спустя годы математики докажут, что уравнения Ричардсона были абсолютно верными, а причиной абсурдного результата стала ошибка в начальных условиях.
А еще через тридцать лет произойдёт бум вычислительной техники. Появятся первые компьютеры, на которых будут реализованы математические модели численного предсказания погоды. В их основу и лягут те самые уравнения Ричардсона.
Так начнётся вычислительная метеорология, какой мы знаем её сейчас и слышим каждый день по телевизору и в интернете.
Кто хочет подробнее окунуться в историю без моих глупых шуточек, вот главная статья в интернете по этой теме:The origins of computer weather prediction and climate modeling
Современный прогноз погоды
Начиная писать этот пост, я думал современные метеорологи используют какую-нибудь огромную нейросеть, которая постоянно пожирает новые данные об измерениях, а на выходе говорит брать зонтик или нет. Как же я ошибался.
Атмосфера Земли — яркий пример математической Теории Хаоса. Система, в которой еле заметные изменения ведут к огромным последствиям. Нейросети же наоборот, ищут крупные закономерности в данных, полностью игнорируя мелкие отличия и выбросы. Другими словами, они смотрят вообще не туда.
Для предсказания погоды нужны модели суровой реальной гидродинамики.
Представьте, что вы налили огромную ванну воды и вылили туда стакан кипятка. Жидкости начали активно смешиваться, образуя вихри и передавая тепло. Потеплевшие массы воды начали двигаться и подниматься наверх. Вокруг начали расходиться волны, отражаться от краёв и пересекаться между собой, образуя новые всплески.
Вам нужно рассчитать что произойдет с пылинкой на другом конце ванной.
То же самое с атмосферой, просто чуть побольше и посложней. Атмосфера не останавливается ни на минуту. У неё нет начального состояния, поэтому нам нужно постоянно собирать о ней данные и быстро делать выводы.
Сегодня у нас три основных источника данных — наземные станции, метеозонды и спутники.
Наземные метеостанции бывают какие угодно. Огромные мачты в полях, плавающие буйки в море, шарообразные радары (в аэропортах такие любят). Но самый распространённый вид, который вы можете встретить просто по пути на дачу — вот такие поля, похожие на пасеку. Только с метеорологами вместо пчёл.
Они собирают данные о давлении, скорости ветра, температуре, влажности, количестве осадков, высоте снежного покрова, видимости и яркости солнца. Всё это пригодится для моделирования.
Метеозонды — большие резиновые шарики с оборудованием. Два раза в сутки их запускают на всех метеорологических станциях, которые есть в каждом городе. По радиоканалу они передают данные о давлении, влажности и ветре, которые сильно помогают нам понять что творится в атмосфере. Метеозонд взлетает до 25 км и улетает от точки старта на 50-100. Потом взрывается. Продаётся за 10 баксов на ибей.
Метеорологический спутник — дорогущая бочка с камерами, висящая на орбите 38500 км. Европейский спутник Meteosat может вполне поместиться у вас в комнате. Один такой малыш весит около полутора тонн и занимает 3.5 метра по высоте и ширине. Кучка таких ребят постоянно фотографирует Землю и выкладывает фотки в инстаграм с хештегами #space #weather #cozy. Нет. Просто несколько раз в день высылает пачкой на Землю.
Так как мы живем на планете, где страны всё еще не доверяют друг другу даже в погоде, у каждой есть своя сеть метеоспутников: Meteosat у Европы, GOES у США, MTSAT у Японии, Fengyun у Китая, GOMS у России, и даже у Индии есть KALPANA. Все они делятся между собой информацией, но держат свою сеть на случай если кому-то вдруг захочется поиграть в ракетки.
Если вы тоже хотите наблюдать за Землёй, вам достаточно запустить всего 5-6 таких штук. Приверженцам идеи Плоской Земли хватит и двух.
Эти методы основные, но есть и специализированные — запуск специальных шаров-метеозондов и даже целых самолётов-лабораторий. Их используют для исследований атмосферы по мере необходимости.
Сейчас набирает популярность сбор данных через домашние метеостанции. Каждый может купить такую в китае и поставить у себя на окне. Есть даже специальные сайты, которые агрегируют их показания и делают по ним прогноз — OpenWeatherMap или Weather Underground, например.
Но настоящие метеорологические центры данные с домашних приборов не используют, даже несмотря на то что их много. Все используемые метеорологичекие приборы в мире откалиброваны одинаково. +10 градусов на приборе в Оклахоме и в Оклахомске — это одни и те же +10. У домашних же приборов катастрофический разброс показаний. Никто их не калибрует и за качество не отвечает.
Вообще Росгидромет запрещает заниматься погодой без лицензии. То есть считать её можно, но называть это «прогнозом» нельзя.
Математические модели атмосферы
Каждый раз улыбаюсь, когда в новостях пишут «синоптики предсказали нам…». Сразу представляю себе таких старцев в мантиях, которые раз в день собираются у костра чтобы «предсказать» нам погоду. Нет, всё не так (а жаль).
Хорошо обученный кожаный специалист вручную может хорошо посчитать погоду на сегодня. Может чуть хуже на завтра. Но дальше всё, уже требуется помощь компьютеров.
Те, кого называют «синоптиками», чаще всего огромные гудящие шкафы фирмы IBM. Собранные данные о текущей погоде загружаются эти шкафы, где крутятся модели численного прогнозирования погоды (Numerical Weather Prediction). Они-то и считают что будет происходить с атмосферой далее.
Но живые синоптики всё еще нужны. Они делают прогнозы там, где есть ответственность. Вся авиация (у нас и на западе) летает только по «живым» прогнозам. Для этого они используют весь свой опыт и доступные данные, в том числе предсказанные машиной.
Выделяют два основных вида моделей:
Глобальные считать сложно и дорого, ведь надо моделировать атмосферу всего земного шара. Причем делают это до сих пор на CPU, видеокарты почти не используют. Достаточное количество мощности и желания этим заниматься есть только в нескольких центрах в США и Европе.
Дело в том, что Земля — шар. Эффект Кориолиса никто не отменял. Погодные штуки, которые происходят на одном полушарии, редко перелетают через экватор.
Теперь даже интересно как этот эффект объясняют адепты теории плоской Земли
Мы можем считать погоду только для одного полушария, как будто другого не существует. И это работает. Полушарные модели есть у всех крупных стран — UKMET у Англии, EUMETSAT у Франции, CMC у Канады, JMA у Японии, ПЛАВ (SLAV) у России (какая ирония в названии). Всего их около 15 штук.
Кроме глобальных, есть локальные модели. Они считают погоду на определенном участке Земли и понятия не имеют что происходит вокруг. Поэтому они требуют чтобы им рассказали прогноз глобальных моделей на их границах. Вдруг там чо.
Зато локальные модели могут точнее моделировать хитрые особенности местности — горы, водоёмы, снежный покров. Для какого-нибудь мелкого озера можно задать его глубину и другие свойства. Снежный или ледяной покров вообще очень сильно влияет на прогноз погоды, и глобальные модели на этом всегда жутко тупят. Всегда сверяйтесь с локальными прогнозами.
Современные модели учитывают целую кучу климатических процессов, о которых я даже не догадывался. Они даже погружаются на метр под землю. Вот лишь малая часть, чисто схематически:
Некоторые процессы до сих пор не изучены до конца. Например, мы всё еще плохо моделируем физику внутри облаков.
Больше скучных технических подробностей можно найти в википедии: Global Circulation Model
Глобальные модели: GFS vs ECMWF
Вот где битва похлеще Бетмена против Супермена — американская GFS против европейской ECMWF.
На самом деле ECMWF — это название организации, которая разрабатывает кучу разных моделей — IFS, HRES, и.т.д. Но во всех статьях их называют просто «модели ECMWF», вот и я так буду, не занудствуйте.
Обе модели делают одно и то же — моделируют атмосферу всего земного шара и предсказывают как она будет изменяться со временем. Они даже используют одни и те же данные.
Коротко — европейская ECMWF считается лучше американской GFS. Но не спешите с выводами, я специально сказал «считается».
Самый большой скандал в истории их противостояния произошел в 2012 году, когда Америка готовилась к урагану Сэнди. Американская модель предсказала, что ураган развеется, не дойдя до побережья США. Европейская же модель забила тревогу, объявив, что через 4-7 дней ураган-таки дойдёт и нужна срочная эвакуация.
Представьте какой нелегкий выбор стоял перед американскими метеорологами.
Начались серьезные дебаты по поводу качества американской модели: «Are Europeans Better Than Americans at Forecasting Storms?». В 2015 и 2017 в модель GFS были внесены серьезные изменения для повышения точности.
Ни разу не встречал таблицу сравнения двух моделей, решить нарисовать сам. По ней вы даже сможете понять в будущем чей перед вами прогноз.
50 км)
Каждая модель делит земной шар на сетку. Чем меньше в ней клеточки — тем точнее прогноз, но тем сложнее его считать.
25 км)
Даже такая точность не всегда достаточна для больших городов. Тут и приходят на помощь локальные модели.
Американцам жизненно важно предугадывать тропические шторма.
Европейцам, очевидно, важнее что происходит внутри континента.
Популярный сайт windguru.czотображает результаты именно по американской модели. Его любят всякие кайтеры и сёрферы.
Гисметео, Yahoo, Яндекс (раньше) и другие популярные ресурсы берут данные Foreca, которая работает на европейской модели.
Большинство популярных сайтов с прогнозами в интернете, отображают данные либо из американской GFS, либо из европейской ECMWF. Только официальные службы делают свои прогнозы по собственным локальным моделям, о которых поговорим чуть ниже. В общем погода на Yahoo будет всегда отличаться от Росгидромета.
Разница между прогнозами моделей хорошо видна на сайте windy.com. Там в правом нижнем углу есть переключатель, поиграйтесь.
Точность прогноза погоды
За 50 лет своей истории точность моделей поднялась от 40% до современных 95%. Такой рост объясняется ростом производительности компьютеров, увеличением количества спутников на орбите, и уточнением самих физических моделей.
Кто-то однажды сказал мне: «Раз точность прогноза погоды всего 50%, чем эти синоптики там вообще занимаются? Монетку бросают?»
Я дал ему монетку и попросил сказать мне температуру, количество осадков и направления ветра в следующий четверг.
Он ушел и не вернул мне евро 🙁
То есть когда вы смотрите утром температуру, с вероятностью 95% она будет такой весь день. Весьма неплохо. Точность же через неделю будет примерно 75% — как раз те самые 2-3%, умноженные на 7 дней.
Температуру мы научились предсказывать максимально точно. Главная проблема сегодня — это осадки. Современные модели предсказывают их очень плохо, максимум 80%.
Интересная особенность: точность прогноза летом заметно ниже, чем зимой. Примерно на один процент. Сезонная точность пятидневного прогноза по моделям GFS и ECMWF плавает вот так:
По нему еще видно, что GFS постоянно проигрывает ECMWF, но всего на какие-то пол процента. Другие модели могут отличаться намного сильнее.
Но все эти проценты не означают, что одна из моделей всегда лучше другой. Локальные факторы катастрофически влияют на точность. Рельеф, городская застройка, загрязнение воздуха или просто местные особенности климата могут привести к тому, что «хорошая» европейская модель начнет нагло вам врать, а американская покажет огромную точность. А может и наоборот.
Для решения проблемы с точностью в конкретных местах, применяют локальные модели.
Локальные модели
Глобальные модели хороши и полезны, но квадратов по 50 км бывает просто недостаточно, чтобы адекватно предсказать погоду в условном Усть-Урюпинске, который окружен горами, стоит на берегу реки и постоянно покрывается снегом.
Здесь на помощь приходят локальные модели.
Они специально заточены на работу с конкретным квадратом — городом, страной или целым полушарием. Им можно выставить какое угодно разрешение, но чаще всего это квадраты до 5 км. Зависит от того, сколько у вас есть мощностей.
Так как локальная модель не может знать что творится за пределами своей области, ей необходимо знать прогноз одной из глобальных моделей. Без него ей никак. Зато всё что внутри — аналогично. Скармливаете ей текущие наблюдения, получаете результат прогноза.
Именно локальные прогнозы вы слышите по телевизору и из других официальных источников. Интернет-сервисы, в свою очередь, чаще всего используют результаты глобальных моделей GFS и ECMWF.
Самая популярная среди исследователей — моделька WRF (Weather Research and Forecasting), произошедшая от американской GFS. Она максимально простая, по сравнению с реально используемыми моделями, зато открытая и популярная. На ней часто проводят разные эксперименты или используют частные компании (например, Яндекс) для своих прогнозов погоды.
WRF написана на Fortran и выложена на гитхаб. Любой может скачать и запустить: github.com/NCAR/WRFV3. Как типичный представитель OpenSource, она не работает из коробки и требует страданий и напильника. Самые стойкие, говорят, справляются за вечер.
Так что если вы вдруг по какой-то причине захотите делать свой прогноз погоды (как делает Яндекс для Московской Области, например), просто скачивайте WRF, находите данные и загружаете компьютер на ночь. На современной мощной машине он посчитается часов за десять. Вот мини-статья по теме: «Прогноз погоды своими руками».
Друзья из Росгидромета говорят, что в продакшене WRF не используют, слишком мутны там вопросы лицензирования. Зато для экспериментов частенько.
Локальные модели легко допиливать под собственные нужды и дополнять новыми данными.
Вот есть в Усть-Урюпинске озеро. Глобальные модели понятия не имеют о мелких водоёмах. Однако это озеро влияет на климат в Усть-Урюпинске больше, чем все атмосферные явления на Земле. Испарения, облака. Прогноз говорит +10, а на улице +20. Нормально?
Для этого и нужны локальные модели и живые метеорологи, которые измерят, запишут и внесут коррективы.
Прогноз нескольких вариантов событий
В последние 10 лет набрала популярность свежая идея — ансамблевые методы. От слова ансамбль, да. Ай нанэ нанэ.
Их смысл в том, что прогноз рассчитывается не один раз, а несколько. По слегка изменённым входным данным.
Вспомните про теорию хаоса — мелкие изменения и большие последствия. Атмосфера для нас всё еще именно такая. Все процессы в ней до конца не изучены. Будь у нас хоть бесконечные CPU, мы всё равно не смогли бы учесть каждую деталь.
Зато мы можем специально вносить возмущения в данные и смотреть как это повлияет на прогноз. Скорость ветра была 5 м/с, а что если она была 7 м/с? Может если давление случайно упадёт на пару паскалей, в небе образуются облака, которые изменят всю картину происходящего?
Насчитать целую кучу вариантов, чтобы было из чего выбрать!
В европейской модели ECMWF проводится 50 дополнительных «гипотетических» симуляций, в американской GFS — 20. Еще одна причина, почему европейская модель считает прогноз целых шесть часов, а американская справляется всего за три. Но когда стоит вопрос о надвигающемся урагане, каждый гипотетический исход важен.
Занятная визуализация зависимости вызовов такси от осадков в Москве. Вот вам и практическое применение — можно заранее перебрасывать таксистов в районы, где будет большой спрос.
Может всё-таки нейросеть?
С расцветом нейросетей все стали активно пытаться их применить к погоде. Даже хотел заменить ими модели, но я уже объяснял почему это невозможно.
Был один хитрый способ — корректировать нейросетями результаты имеющихся моделей. Его придумали далеко не вчера, и самые продвинутые региональные метеослужбы через него уже прошли (инфа из первых рук).
Суть в чем. Всех данных о планете не собрать. Систематические отклонения есть в любой модели. В моем городе, например, если обещают дождь через неделю, почти всегда он будет на пару дней раньше. Летом температура постоянно на два градуса ниже, чем в прогнозе — я уже привык. Вы наверняка замечали у себя такие закономерности.
Раз эти отклонения постоянны, можно попытаться их как-то учесть. Посмотреть какой был прогноз и как оказалось в реальности. Потом скормить разницу любимому алгоритму машинного обучения. Подойдёт любой, они все отлично выявляют закономерности.
Машина не предсказывает, она корректирует прогноз. Находит в нём повторяющиеся ошибки, о которых человек может даже не догадываться.
Последним с этой идеей нашумел Яндекс, громко анонсировав в 2017 годусвою систему Метеум. У них отличные маркетологи, которые смогли продать это как уникальную фичу. В Росгидромете по-дружески улыбнулись.
Метеум берёт три прогноза: GFS, Foreca (ECMWF) и считает свой по модели WRF. Эти прогнозы сверяются с реальными наблюдениями в нескольких точках города, собранных по метеостанциям. Официальным или пользовательским — не важно, всё сгодится.
Машина находит в данных «до» и «после» повторяющиеся закономерности, и выдаёт гиперлокальный прогноз «с точностью до дома», как заявляет пресс-релиз. Только для Москвы.
Вроде даже работает. Прогноз в разных точках Москвы заметно отличается.
Смущает одно — Яндекс отчаянно скрывает измерения точности своей системы, за что получает тапками от экспертов. Мол, мы пробовали это еще пять лет назад, оно работает хорошо только там, где стоит метеостанция. Если бы ваша модель была хоть на сотую долю процента лучше современных, стали ли вы это скрывать?
Вопрос до сих пор остаётся открытым. Но приложенька удобная, сам пользуюсь.
Заключение
Когда же у нас наконец будет штука, как из «Назад в Будущее», говорящая, что «дождь закончится через 23 секунды»? Сам такую хочу, но вынужден всех расстроить. Даже если мы с вами и доживём, в таком возрасте нам уже будет насрать на погоду.
Прогресс в этой области идёт медленно и тяжело. Мы мало знаем о собственной атмосфере, мы не измерили каждую точку земного шара, чтобы учесть это в моделях. Любая новостройка у вас за окном уже влияет на погоду во всём районе. Слишком мало данных, слишком мало физиков, слишком мало метеорологов — нам есть куда расти.
Зато мы можем совершенствовать наши сервисы. Однажды я приехал в Москву и собирался пойти погулять. Яндекс.Погода прислала мне пуш-уведомление на телефон, что за окном дождик, но он закончится в течении получаса, лучше пережди немножко.
Да, наши модели неточны. Зато они дают нам кучу интересных данных, которые мы можем начать использовать прямо сейчас. Просто попробуйте. Всем до скорого.
Читайте также
Я в своей жизни ещё ни разу не встречал проекта, где бы всё было сделано по правилам проектирования архитектуры, с…
Совсем недавно британская компания MicroBlink выпустила приложение PhotoMath, способное распознавать текст математических примеров из учебника или с экрана (работает чуть…