Изложены результаты испытаний системы наукастинга порывов приземного ветра, проведенных в мае-сентябре 2024 года в Гидрометцентре России с применением алгоритма машинного обучения “Случайный лес” к выходной продукции статистической модели наукастинга pySTEPS и системы численного прогноза погоды COSMO-Ru2.2. Оценена значимость наблюдений автоматических метеостанций Центрального федерального округа в качестве контрольных данных для наукастинга порывов ветра. Выявлены некоторые систематические особенности численных прогнозов порывов в период испытаний. Обсуждаются проблемы синхронизации данных от различных источников, детально анализируется погодная ситуация с заметными порывами на территории Московской области, приводятся оценки качества с помощью показателя FSS. В разработанной версии системы наукастинга, на накопленной информационной базе и по значениям показателя FSS горизонт полезного прогноза порывов ветра ограничен 30 минутами.
Идентификаторы и классификаторы
- SCI
- Науки о Земле
Сопоставление карты мезопрогноза на рис. 12 с картой наукастинга на рис. 11 (панель leadt=10) подтверждает некоторые, возможно, систематические особенности системы наукастинга, включая заметную сглаженность формируемых полей (по линии Тула ‒ Курск) и потерю некоторых существенных элементов синоптического положения как вне обзора локаторов, так и внутри (потеря полосы на линии Волоколамск ‒Брянск). Очевидно, пространственная фильтрация, проводимая как в модели pySTEPS, так и в алгоритмах машинного обучения, приводит к систематическому занижению максимальных и близких к максимуму значений порывов (что наиболее отчетливо наблюдается здесь в районе около Тулы).
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Киктев Д.Б., Муравьев А.В., Бундель А.Ю. Методические рекомендации по верификации метеорологических прогнозов. М.: АМА ПРЕСС, 2021. 94 с.
2. Киктев Д.Б., Муравьев А.В., Смирнов А.В. Технология наукастинга скорости порывов ветра в летний период на основе данных дистанционного зондирования атмосферы и численных прогнозов погоды // Гидрометеорологические исследования и прогнозы. 2025. №2 (396). С. 169-173. EDN: LAAXGH
3. Методическое письмо об итогах работы сети ДМРЛ Росгидромета в 2020 г. Долгопрудный: Центральная аэрологическая обсерватория, 2021. 88 с.
4. Муравьев А.В., Бундель А.Ю., Киктев Д.Б., Смирнов А.В. Опыт пространственной верификации радиолокационного наукастинга осадков: определение и статистика объектов, ситуаций и условных выборок // Гидрометеорологические исследования и прогнозы. 2022. № 2 (384). С. 6-52. EDN: DTQQRV
5. Муравьев А.В., Киктев Д.Б. Качество, предсказуемость и полезность в задачах радиолокационного наукастинга осадков // Метеорология и гидрология. 2024. № 7. C. 93-107. EDN: OWWTPJ
6. Муравьев А.В., Киктев Д.Б., Смирнов А.В. Наукастинг порывов ветра с помощью численных прогнозов, данных радиолокации и машинного обучения: определения и термины, инструменты наблюдений и модели // Гидрометеорологические исследования и прогнозы. 2025. №3 (397). С. 8-31. EDN: SRFAHI
7. Программный комплекс вторичной обработки информации доплеровского метеорологического радиолокатора ДМРЛ-С (шифр “ГИМЕТ-2010”) версия 02: Свидетельство о государственной регистрации программы для ЭВМ. Правообладатель: ФГБУ “ЦАО”, номер регистрации: 2018665447, дата регистрации: 05.12.2018.
8. РД 52.27.724-2019 Наставление по краткосрочным прогнозам погоды общего назначения. М.: Гидрометцентр России“, 2019. 66 с.
9. Forecast Verification in Atmospheric Science. A Practitioner’s Guide: Second Ed. / I. Jolliffe, D. Stephenson (Eds.). John Wiley & Sons Ltd. 2012. 274 p.
10. Kislov A., Matveeva T. An Extreme Value Analysis of Wind Speed over the European and Siberian Parts of Arctic Region // Atmospheric and Climate Sciences. 2016. Vol. 6. P. 205-223.
11. Palutikof J.P., Brabson B.B., Lister D.H., Adcock S.T. A review of methods to calculate extreme wind speeds // Meteorol. Appl. 1999. Vol. 6. P.119-132. EDN: FOIXQN
Выпуск
Другие статьи выпуска
Проведен анализ изменения параметров промерзания почвы (глубины промерзания почвы и сроков промерзания) на территории Архангельской области за период 1961-2020 гг., а также за 30-летия в рамках этого периода (1961-1990, 1971-2000, 1981-2010, 1991-2020 гг.). Установлено уменьшение глубины промерзания в течение всех периодов, за исключением 1961-1990 гг. Рассчитаны коэффициенты линейного тренда для глубины промерзания почвы. Установлена тенденция смещения дат наступления первого и устойчивого промерзания на более поздние сроки.
На длинных рядах (за период 1958-2024 гг.) проведено исследование статистической структуры поля запасов продуктивной влаги в метровом слое почвы под зерновыми культурами для Европейской территории России, оценено влияние наблюдаемых изменений климата на режим влажности почвы. Показано, что в XXI веке увлажнение почвы выше, чем в период 1958-1999 гг., и наблюдаемые в настоящее время климатические изменения носят в основном положительный характер для сельскохозяйственной отрасли России. Построены кривые сезонного хода запасов продуктивной влаги в метровом слое почвы по современным данным, что может быть применимо в оперативной агрометеорологической практике. Проанализированы основные причины изменений - увеличение повторяемости теплых зим и цикличность климатической системы.
Анализируются два подхода к оценке засушливых условий: широко используемый в отечественной агрометеорологической практике гидротермический коэффициент Селянинова (ГТК) и стандартизированный индекс осадков и испаряемости (SPEI). Дается оценка повторяемости экстремальных засух в земледельческих районах Европейской территории России и Средней Азии в 1991-2020 гг. Приводятся результаты сопоставления временных рядов индексов с влагозапасами в почве. Статистика засух по ГТК и по индексу SPEI за исследуемый период демонстрирует похожие результаты, но индекс SPEI в среднем имеет незначительно более высокие коэффициенты корреляции с данными наблюдений, чем ГТК. Даны рекомендации по использованию индексов ГТК и SPEI в оперативной прогностической и исследовательской практике в работе Северо-Евразийского климатического центра.
Представлены результаты исследования и апробации усовершенствованной методики прогноза максимальных уровней воды в весенний период года с использованием регрессионного анализа. Объектом исследования выбраны реки Жайык-Каспийского (Урало-Каспийского) бассейна, относящиеся к казахстанскому типу с весенним половодьем. К факторам формирования весеннего стока (температурный режим, количество осадков зимнего периода, гидрологический режим рек на момент прогноза) в качестве дополнительных предложены предикторы: продолжительность и расходы воды на конец половодья предшествующего года, а также минимальный зимний сток. Учет этих факторов позволил повысить точность долгосрочного прогноза максимального уровня воды весеннего половодья.
Предлагается набор методов краткосрочного и среднесрочного прогнозирования уровней воды на реках России. В методах используются данные наблюдений на речных гидрологических постах. Прогноз выражается в виде линейной зависимости от наблюдавшихся уровней воды и корректируется путем замены его экстремальных значений допустимым минимумом или максимумом. В первом методе экстраполяции гидрографа учитываются только уровни воды, наблюдавшиеся в прогнозируемом створе. Во втором более общем методе дополнительно учитываются уровни воды, наблюдавшиеся в речном створе, расположенном выше по течению. В третьем еще более общем методе дополнительно учитываются уровни воды, наблюдавшиеся в створе, расположенном на притоке. Проверка методов на независимом материале показала, что каждый из них может давать удовлетворительные прогнозы для большого количества речных створов. Даны рекомендации по внедрению представленных методик в практику оперативных гидрологических прогнозов Росгидромета.
Исследована точность прогноза высоты ветровых волн в акватории Цемесской (Новороссийской) бухты с использованием спектральной модели WAVEWATCH III и прогноза ветра GFS (0.25°). Сравнение модельных расчетов с натурными измерениями, выполненными на пирсе Шесхарис в период декабрь 2023 - август 2025 гг., показало, что качество прогноза высоты волн для заблаговременности до трех суток удовлетворительное. Среднеквадратическая ошибка для прогноза высоты значительных волн составляет 0.17-0.22 м, коэффициент корреляции - 0.85-0.9, систематическая ошибка отрицательная (₋0.09 -₋0.13 м). Минимальные ошибки получены для заблаговременности 15 ч. Анализ сезонной изменчивости показал повышение точности прогноза в осенне-зимний период и снижение в весенне-летний сезон из-за влияния локальных ветровых эффектов. Установлено, что при ветрах с моря модель воспроизводит высоту волн точнее, чем при ветрах с суши. Полученные результаты могут быть использованы для повышения точности оперативных систем прогнозирования волнения и обеспечения безопасности морских операций в акватории Цемесской бухты.
Для условий горного ледника Эльбруса протестирована новая специализированная модель снежного покрова промежуточной сложности SnowDraw, направленная на климатический прогноз динамики ледников и речного стока в горных районах. Верификация модели на данных прямых наблюдений на леднике показала высокое качество воспроизведения сезонной динамики и водозапаса снежного покрова. Сравнение результатов представленной модели с другими доступными моделями различного уровня комплексности (NoahMP, SNOWPACK) показало, что она является вычислительно эффективным и качественным инструментом для прогноза динамики снежного покрова и оледенения в горах. Использование представленной модели в качестве блока параметризации горного оледенения IGRICE позволило получить оценки многолетнего распределения снежного покрова и величины снеговой компоненты стока для оледенения Эльбруса.
Действующая в Гидрометцентре России технология прогнозирования метеорологического показателя рассеивания загрязнений (МПРЗ) основана на использовании прогнозов конфигурации COSMO-Ru6ENA. В связи с переходом на применение прогнозов системы ICON-Ru с шагом горизонтальной сетки 6 км проведены сравнения модельных расчетов температуры и ветра на изобарических поверхностях 1000, 925 и 850 гПа двух конфигураций COSMO-Ru6ENA и ICON-Ru13/6N29 с данными радиозондирования на ЕТР. Установлено преимущество прогнозов ICON-Ru по сравнению с COSMO-Ru на тестируемой выборке. Совместный анализ прогнозов метеорологических характеристик ICON-Ru с данными наблюдений на Останкинской телебашне и в пункте радиозондирования выявил характерные особенности прогнозов вертикальных профилей температуры и скорости ветра, имеющие практическое значение для прогнозирования условий рассеивания примеси. Верификация прогнозов МПРЗ проводилась по данным измерений концентраций загрязнений на телебашне и измерений на наземных станциях контроля ГПБУ «Мосэкомониторинг» для эпизода неблагоприятных метеорологических условия в конце марта 2025 года. Результаты подтверждают связь МПРЗ-1 типа (слабое рассеивание) с повышением концентраций загрязняющих веществ на станциях городского типа и указывают на обоснованность использования данных системы ICON-Ru для прогноза МПРЗ.
Целью исследований является выбор набора радиолокационных параметров, характеризующих фронтальную кучево-дождевую облачность во время регистрации гроз и града метеорологическими станциями в районе Новосибирска. За период с 2021 по 2023 год проанализированы 1883 случая с грозой и 67 с градом. Рассчитаны статистические характеристики радиолокационных параметров облачности для случаев с грозой и случаев с грозой с градом. Показано их различие и рассчитаны пороговые значения по данным ДМРЛ-С Новосибирск. В число рассмотренных параметров включены, кроме уже зарекомендованных на практике идентификации конвективных явлений, такие параметры, как турбулентность и вертикально интегрированная водность.
Статистика статьи
Статистика просмотров за 2026 год.
Издательство
- Издательство
- ГИДРОМЕТЦЕНТР РОССИИ
- Регион
- Россия, Москва
- Почтовый адрес
- 123376, Россия, Москва, Большой Предтеченский переулок, д.13, строение 1
- Юр. адрес
- 123376, г Москва, Пресненский р-н, Большой Предтеченский пер, д 13 стр 1
- ФИО
- Борщ Сергей Васильевич (ДИРЕКТОР)
- E-mail адрес
- hmc@mecom.ru
- Контактный телефон
- +7 (499) 2523448