Prognosmodell och data assimilation


Vädermodell för våra prognoser

Väderprognosen.se prognoser bygger på våra egna väderprognoser. På detta vis är vi oberoende av prognoser från andra institut, ex. SMHI.
Vår modell är en state-of-the-art högupplöst väderprognosmodell med horisontell upplösning ned till 3 km, dvs molnupplösande horisontell skala. Bättre än de flesta prognosmodeller på marknaden idag. Modellen, Weather Research and Forecasting model, WRF v3.3.1, är utvecklad av National Center for Atmospheric Research, NCAR, och används också bl.a. av NCEP (USA:s motsvarighet till SMHI) och Air-Force Weather Agency, AFWA.
Vi använder vår modell till både de deterministiska prognoserna, d.v.s. vanliga prognoser, men också till våra ensembleprognoser, dvs. våra egna sannolikhetsprognoser.
För närvarande kör vi endast deterministiska körningar, fyra stycken per dygn med 00z, 06, 12, och 18z som analystidsläge. Prognosernas längd är för alla prognoser 48 timmar.

Data-assimilation och observationer

För att få en så bra prognos som möjligt behövs två viktiga komponenter. 1) En bra prognosmodell som kan simulera alla atmosfärens rörelser och processer och 2) en så korrekt som möjlig analys av starttillståndet av atmosfären. Att en prognos blir fel beror på de respektive felen, modellfel och analysfel.

Väderprognosen.se har använder sig av avancerad data-assimilering för att finna ett så korrekt starttillstånd som möjligt. Metoderna som vi kan använda är 3D variationell och hybrid data assimilering (båda ingår i WRFDA). Data assimilering kan enkelt förklaras att en kort prognos (kallas första-gissning), i regel 6-timmars, uppdateras med observationer som är giltiga vid analystiden. Detta sker på ett statistiskt korrekt sätt där första gissningen och observationerna utgör två termer, med respektive fel, i en cost-funktion som minimeras för att finna en bästa startanalys(-inkrement).

 




Felen för observationer vet man från mätningar m.m. När det gäller första gissningen blir det svårare att uppskatta felen. Vanligtvis approximeras dessa fel utifrån senaste månadens statistik av modellprognoserna. Felen blir således statiska (3D variationell data-assimilering som vi använder f.n.) och beskriver inte det faktiska flödet i atmosfären vid analystillfället.
Väderprognosen.se har därför, som första i Sverige (?), infört och testat s.k. Hybrid data-assimilering. Väderprognosen.se kan utnyttja denna metod när vi kör ensembleprognoser. Denna metod tar till hänsyn till det aktuella flödet i atmosfären utifrån ensemblekörningen. På detta sätt kan vi få en bättre analys där informationen från observationerna sprids bättre och uppdaterar första gissningen mer korrekt.

Senaste körningen, 20150331-00 z

Här nedan ges utdata från senaste körningen. Det är vilka observationer som har använts, hur skillnaden mellan första gissningen och analysen blev etc.

Skillnad analys (AN) och första-gissning (FG):
  Domän 1:  domän 2:

Costfunktionstermer:
  Domän 1:  Domän 2:

Senaste använda observationer:
  Domän 1:  domän 2:

Antal observationer assimilerade (förkastade):
Domän SYNOP Metar Buoy Sondering SATEM
1 0(0) () () 0(0) ()
2 0(0) () () 0(0) ()