Tropisk cyklonprognosmodell
En tropisk cyklonprognosmodell är ett datorprogram som använder meteorologiska data för att förutsäga aspekter av det framtida tillståndet för tropiska cykloner . Det finns tre typer av modeller: statistisk, dynamisk eller kombinerad statistisk-dynamisk. Dynamiska modeller använder kraftfulla superdatorer med sofistikerad matematisk modelleringsprogramvara och meteorologiska data för att beräkna framtida väderförhållanden . Statistiska modeller förutsäger utvecklingen av en tropisk cyklon på ett enklare sätt, genom att extrapolera från historiska datauppsättningar, och kan därför köras snabbt på plattformar som persondatorer . Statistisk-dynamiska modeller använder aspekter av båda typerna av prognoser. Fyra primära typer av prognoser finns för tropiska cykloner: spår , intensitet, stormflod och nederbörd . Dynamiska modeller utvecklades inte förrän på 1970- och 1980-talen, med tidigare insatser fokuserade på stormflodsproblemet.
Spårmodeller visade inte prognosskicklighet jämfört med statistiska modeller förrän på 1980-talet. Statistisk-dynamiska modeller användes från 1970-talet till 1990-talet. Tidiga modeller använder data från tidigare modellkörningar medan sena modeller producerar utdata efter att den officiella orkanprognosen har skickats. Användningen av konsensus-, ensemble- och superensembleprognoser minskar felen mer än någon enskild prognosmodell. Både konsensus- och superensembleprognoser kan använda vägledningen från globala och regionala modellkörningar för att förbättra prestandan mer än någon av deras respektive komponenter. Tekniker som används vid Joint Typhoon Warning Center indikerar att superensemble-prognoser är ett mycket kraftfullt verktyg för spårprognoser.
Statistisk vägledning
Den första statistiska vägledningen som användes av National Hurricane Center var Hurricane Analog Technique (HURRAN), som var tillgänglig 1969. Den använde den nyutvecklade nordatlantiska tropiska cyklondatabasen för att hitta stormar med liknande spår. Den flyttade sedan deras spår genom stormens nuvarande väg och använde plats, riktning och rörelsehastighet samt datum för att hitta lämpliga analoger. Metoden klarade sig bra med stormar söder om 25:e breddgraden som ännu inte vänt norrut, men dåligt med system nära eller efter återuppbyggnad. Sedan 1972 har den statistiska modellen Climatology and Persistence (CLIPER) använts för att generera tropiska cyklonspårprognoser. I en tid präglad av skickliga dynamiska prognoser används CLIPER nu som baslinje för att visa modell- och prognosmakares skicklighet. Statistical Hurricane Intensity Forecast (SHIFOR) har använts sedan 1979 för prognos av tropisk cyklonintensitet. Den använder klimatologi och uthållighet för att förutsäga framtida intensitet, inklusive den nuvarande julianska dagen , nuvarande cyklonintensitet, cyklonens intensitet för 12 timmar sedan, stormens initiala latitud och longitud, såväl som dess zonal (öst-väst) och meridional (nord-sydlig) ) rörelsekomponenter.
En serie statistiskt-dynamiska modeller, som använde regressionsekvationer baserade på CLIPER-utdata och den senaste utdata från primitiva ekvationsmodeller som kördes vid National Meteorological Center, då National Centers for Environmental Prediction, utvecklades mellan 1970- och 1990-talen och fick namnet NHC73, NHC83, NHC90, NHC91 och NHC98. Inom området för tropiska cyklonspårprognoser , trots den ständigt förbättrade dynamiska modellstyrningen som skedde med ökad beräkningskraft, var det inte förrän under decenniet av 1980-talet när numeriska väderförutsägelser visade skicklighet , och förrän på 1990-talet när den konsekvent överträffade statistiska eller enkla dynamiska modeller. 1994 skapades en version av SHIFOR för nordvästra Stilla havet för tyfonprognoser , känd som Statistical Typhoon Intensity Forecast (STIFOR), som använde 1971–1990 data för den regionen för att utveckla intensitetsprognoser till 72 timmar in i framtiden .
När det gäller intensitetsprognoser använder Statistical Hurricane Intensity Prediction Scheme (SHIPS) relationer mellan miljöförhållanden från Global Forecast System (GFS) såsom vertikal vindskjuvning och havsyttemperaturer , klimatologi och persistens (stormbeteende) via flera regressionstekniker att komma med en intensitetsprognos för system i norra Atlanten och nordöstra Stilla havet. En liknande modell utvecklades för nordvästra Stilla havet och södra halvklotet, känd som Statistical Intensity Prediction System (STIPS), som står för landinteraktioner genom ingående miljöförhållanden från Navy Operational Global Prediction System (NOGAPS) modellen . Versionen av SHIPS med en inlandsförfallskomponent är känd som Decay SHIPS (DSHIPS). Logistic Growth Equation Model (LGEM) använder samma indata som SHIPS men inom ett förenklat dynamiskt prediktionssystem. Inom prognoser för tropisk cyklonnederbörd utvecklades modellen Rainfall Climatology and Persistence (r-CLIPER) med hjälp av mikrovågsnederbördsdata från polära satelliter i omloppsbana över havet och första ordningens nederbördsmätningar från land, för att komma fram till en realistisk nederbördsfördelning för tropiska cykloner baserade på National Hurricane Centers spårprognos. Den har varit i drift sedan 2004. En statistisk-parametrisk vindradiemodell har utvecklats för användning vid National Hurricane Center och Joint Typhoon Warning Center som använder klimatologi och uthållighet för att förutsäga vindstrukturen fem dagar in i framtiden.
Dynamisk vägledning
Under 1972 utvecklades den första modellen för att förutse stormflod längs USA:s kontinentalsockel , känd som Special Program to List the Amplitude of Surges from Hurricanes (SPLASH). 1978 började den första orkanspårningsmodellen baserad på atmosfärisk dynamik – den rörliga finmaskiga (MFM) modellen – att fungera. Quasi-Lagrangian Limited Area (QLM)-modellen är en primitiv ekvationsmodell på flera nivåer som använder ett kartesiskt rutnät och det globala prognossystemet (GFS) för randvillkor. I början av 1980-talet visade sig assimileringen av satellitbaserade vindar från vattenånga, infraröd och synliga satellitbilder förbättra tropiska cyklonspårprognoser. Orkanmodellen Geophysical Fluid Dynamics Laboratory (GFDL) användes för forskningsändamål mellan 1973 och mitten av 1980-talet. När det väl fastställdes att det kunde visa skicklighet i orkanförutsägelser, förvandlade en flerårig övergång forskningsmodellen till en operativ modell som kunde användas av National Weather Service för både spår- och intensitetsprognoser 1995. År 1985, sjön sjön och Overland Surges from Hurricanes (SLOSH) Model hade utvecklats för användning i områden i Mexikanska golfen och nära USA:s östkust, som var mer robust än SPLASH-modellen.
Beta-advektionsmodellen (BAM) har använts operativt sedan 1987 med hjälp av styrvindar i medeltal genom lagret 850 hPa till 200 hPa och Beta-effekten som får en storm att driva nordväst på grund av skillnader i corioliseffekten över den tropiska cyklonen . Ju större cyklonen är, desto större blir sannolikt påverkan av betaeffekten. Från och med 1990 kördes tre versioner av BAM i drift: BAM grunda (BAMS) medelvindar i ett 850 hPa till 700 hPa lager, BAM Medium (BAMM) som använder medelvindar i ett 850 hPa till 400 hPa lager, och BAM Deep (BAMD) som är samma som BAM före 1990. För en svag orkan utan välutvecklad central åskvädersaktivitet fungerar BAMS bra, eftersom svaga stormar tenderar att styras av låga vindar. När stormen blir starkare och den tillhörande åskväderaktiviteten nära dess centrum blir djupare, blir BAMM och BAMD mer exakta, eftersom dessa typer av stormar styrs mer av vindarna i den övre nivån. Om prognosen från de tre versionerna är likartad kan prognosmakaren dra slutsatsen att osäkerheten är minimal, men om versionerna varierar mycket så har prognosmakaren mindre förtroende för det spår som förutspåtts på grund av den större osäkerheten. Stora skillnader mellan modellförutsägelser kan också indikera vindskjuvning i atmosfären, vilket också kan påverka intensitetsprognosen.
Vic Ooyama Barotropic (VICBAR)-modellen testades 1989 och 1990 och använde en kubisk-B splinerepresentation av variabler för objektiv analys av observationer och lösningar på grundvattenpredikteringsekvationerna på kapslade domäner, med randvillkoren definierade som de globala prognosmodell. Den implementerades operativt som LBAR-modellen (Limited Area Sine Transform Barotropic) 1992, med användning av GFS för gränsförhållanden. År 1990 hade Australien utvecklat sin egen stormflodsmodell som kunde köras på några minuter på en persondator. Japan Meteorological Agency (JMA) utvecklade sin egen Typhoon Model (TYM) 1994, och 1998 började byrån använda sin egen dynamiska stormflodsmodell .
Hurricane Weather Research and Forecasting (HWRF)-modellen är en specialiserad version av Weather Research and Forecasting- modellen (WRF) och används för att förutse spåret och intensiteten av tropiska cykloner . Modellen utvecklades av National Oceanic and Atmospheric Administration (NOAA), US Naval Research Laboratory , University of Rhode Island och Florida State University . Den togs i drift 2007. Trots förbättringar i spårprognoser fortsätter förutsägelser av intensiteten hos en tropisk cyklon baserad på numeriska väderförutsägelser att vara en utmaning, eftersom statistiska metoder fortsätter att visa högre skicklighet jämfört med dynamisk vägledning. Förutom den specialiserade vägledningen, global vägledning som GFS, Unified Model (UKMET), NOGAPS, Japanese Global Spectral Model (GSM), European Centre for Medium-Range Weather Forecasts- modellen, Frankrikes Action de Recherche Petite Echelle Grande Echelle (ARPEGE) och Aire Limit´ee Adaptation Dynamique Initialisation (ALADIN)-modeller, Indiens modell för National Center for Medium Range Weather Forecasting (NCMRWF), Koreas Global Data Assimilation and Prediction System (GDAPS) och Regional Data Assimilation and Prediction System (RDAPS), Hong Kong /Kinas modell för operationella regionala spektralmodeller (ORSM) och den kanadensiska modellen för global miljö med flera skala (GEM) används för spår- och intensitetsändamål.
Aktualitet
Vissa modeller producerar inte utdata tillräckligt snabbt för att användas för prognoscykeln direkt efter att modellen börjar köras (inklusive HWRF, GFDL och FSSE). De flesta av ovanstående spårmodeller (förutom CLIPER) kräver data från globala vädermodeller , såsom GFS, som producerar utdata cirka fyra timmar efter de synoptiska tiderna 0000, 0600, 1200 och 1800 Universal Coordinated Time (UTC). För hälften av sina prognoser utfärdar NHC prognoser bara tre timmar efter den tiden, så vissa "tidiga" modeller – NHC90, BAM och LBAR – körs med en 12 timmar gammal prognos för den aktuella tiden. "Sena" modeller, såsom GFS och GFDL, slutar efter att rådgivandet redan har utfärdats. Dessa modeller interpoleras till den aktuella stormpositionen för användning i följande prognoscykel – till exempel GFDI, den interpolerade versionen av GFDL-modellen.
Konsensusmetoder
Att använda en konsensus av prognosmodeller minskar prognosfel. Trackwise är GUNA-modellen en konsensus av de interpolerade versionerna av GFDL, UKMET med kvalitetskontroll tillämpad på cyklonspåraren, United States Navy NOGAPS och GFS-modeller. Den version av GUNA som korrigerats för modellbias är känd som CGUN. TCON-konsensus är GUNA-konsensus plus Hurricane WRF-modellen. Den version av TCON som korrigerats för modellbias är känd som TCCN. Ett eftersläpat medelvärde av de två senaste körningarna av medlemmarna inom TCON plus ECMWF-modellen är känt som TVCN-konsensus. Den version av TVCN som korrigerats för modellbias är TVCC-konsensus.
I början av 2013 ersatte NAVGEM NOGAPS som marinens primära operativa globala prognosmodell. För säsongen 2013, och tills modellverifiering kan ske, används den inte i utvecklingen av några konsensusprognoser.
För intensitet är en kombination av modellerna LGEM, interpolerad GFDL, interpolerad HWRF och DSHIPS känd som ICON-konsensus. Det eftersläpade genomsnittet av de två senaste modellerna inom ICON-konsensus kallas IVCN-konsensus. Över det nordvästra Stilla havet och södra halvklotet bildas en STIPS-konsensus med tio medlemmar från produktionen av NOGAPS, GFS, den japanska GSM, Coupled Ocean/Atmosphere Mesoscale Prediction System (COAMPS), UKMET, den japanska TYM, GFDL med NOGAPS gränsvillkor, Air Force Weather Agency (AFWA) Model, Australian Tropical Cyclone Local Area Prediction System och Weber Barotropic Model.
Ensemblemetoder
Ingen modell är någonsin perfekt exakt eftersom det är omöjligt att lära sig exakt allt om atmosfären i tid, och atmosfäriska mätningar som görs är inte helt korrekta. Användningen av ensemblemetoden för prognoser, oavsett om det är en ensemble med flera modeller, eller flera ensemblemedlemmar baserade på den globala modellen, hjälper till att definiera osäkerheten och ytterligare begränsa fel.
JMA har producerat ett 11-medlemmars ensembleprognossystem för tyfoner känt som Typhoon Ensemble Prediction System (TEPS) sedan februari 2008, som körs ut till 132 timmar in i framtiden. Den använder en version med lägre upplösning (med större rutnätsavstånd) av sin GSM, med tio störda medlemmar och en icke-störd medlem. Systemet minskar felen med i genomsnitt 40 kilometer (25 mi) fem dagar in i framtiden jämfört med dess högre upplösning GSM.
Florida State Super Ensemble (FSSE) produceras från en serie modeller som sedan använder statistiska regressionsekvationer som utvecklats under en träningsfas för att minska deras fördomar, vilket ger prognoser bättre än medlemsmodellerna eller deras genomsnittliga lösning. Den använder 11 globala modeller, inklusive fem utvecklade vid Florida State University , Unified Model, GFS, NOGAPS, United States Navy NOGAPS, Australian Bureau of Meteorology Research Center (BMRC) modell och kanadensiska Recherche en Prévision Numérique (RPN) ) modell. Det visar betydande skicklighet i spår, intensitet och nederbördsförutsägelser för tropiska cykloner.
Systematic Approach Forecast Aid (SAFA) utvecklades av Joint Typhoon Warning Center för att skapa en selektiv konsensusprognos som tog bort mer felaktiga prognoser vid en 72-timmars tidsram från övervägande med hjälp av den amerikanska flottans NOGAPS-modell, GFDL, Japan Meteorological Agencys globala och tyfonmodeller, samt UKMET. Alla modeller förbättrades under SAFAs femåriga historia och att ta bort felaktiga prognoser visade sig vara svåra att göra i driften.
Solfläcksteori
En rapport från 2010 korrelerar låg solfläcksaktivitet med hög orkanaktivitet . Genom att analysera historiska data fanns det en 25 % chans att minst en orkan skulle träffa det kontinentala USA under ett solfläcksår; en chans på 64 % under ett år med låg solfläck. I juni 2010 använde inte orkanförutsägarna i USA denna information.
Orkanprognosmodellens noggrannhet
Noggrannheten hos orkanprognosmodeller kan variera avsevärt från storm till storm. För vissa stormar är faktorerna som påverkar orkanspåret relativt enkla, och modellerna är inte bara exakta utan de ger liknande prognoser, medan för andra stormar är faktorerna som påverkar orkanspåret mer komplexa och olika modeller ger väldigt olika prognoser.
