Browsing by Subject "data-assimilaatio"

Sään ennustamisessa tärkeä työväline on numeerinen säämalli, jossa ilmakehän tilan kuvaaminen perustuu niin sanottujen perusyhtälöiden ratkaisemiseen. Niiden avulla lasketaan tuulen nopeuden, ilmanpaineen, lämpötilan ja kosteuden muutokset pienin aika-askelin eteenpäin. Numeerinen säämalli tarvitsee lähtötiedokseen laadultaan hyviä havaintoja ilmakehän todellisesta tilasta. Joka vuorokausi kymmenet in-situ- ja kaukohavaintojärjestelmät tekevät havaintoja ilmakehästä sen pintakerroksesta ylärajaan asti. Pelkät havainnot eivät kuitenkaan riitä antamaan tarpeeksi tarkkoja lähtötietoja säämallille. Ongelman ratkaisu on data-assimilaatiojärjestelmä. Se yhdistää laatukontrollin läpikäyneen havaintotiedon ja mallitiedon, jota kutsutaan ennakkokentäksi, ja luo niiden avulla analyysin ilmakehän todellisesta tilasta. Havaintojärjestelmäkokeiden (OSE) avulla testataan havaintojärjestelmien vaikutuksia data-assimilaatiojärjestelmän tuottamien analyysien ja niistä tuotettujen sääennusteiden laatuun. OSE:n avulla selvitetään, kuinka hyvin saatavilla olevia havaintoja käytetään hyväksi, tai kannattaako jokin uusi havaintojärjestelmä ottaa mukaan operatiiviseen ennustusjärjestelmään. Tämän tutkielman aluksi tutustutaan lyhyesti numeerisiin säämalleihin, havaintojärjestelmiin ja dataassimilaatiojärjestelmiin, minkä jälkeen tehdään yleinen kirjallisuuskatsaus havaintojärjestelmäkokeiden suorittamisesta. Sen jälkeen keskitytään Doppler-säätutkan tuottamien tutkasäteen suuntaisten tuulen nopeushavaintojen hyödyntämiseen rajoitetun alueen HIRLAM-säämallissa, mitä on tutkittu viime vuosina Ilmatieteen laitoksessa (IL). Kaukohavaintojärjestelmien käyttö on lisääntynyt viime vuosien aikana kehittyneiden analyysimenetelmien ansiosta. Tavanomaisten in-situ- havaintojärjestelmien raju vähentäminen dataassimilaatiossa ei näytä kuitenkaan vielä olevan mahdollista. Kaukohavainnot ovat useiden OSE-kokeiden perusteella parantaneet analyysiä ja ennusteita erityisesti alueilla, joissa tavanomainen havaintoverkosto on harva. Tutkatuulihavaintojen on ajateltu tuovan parannuksia rajoitetun alueen säämalleihin, sillä niiden avulla saadaan tärkeää lisätietoa tuulen ageostrofisista ominaisuuksista. Sen johdosta pienen mittakaavan sääilmiöiden kuten meri- ja rinnetuulien ennustettavuuden toivotaan paranevan. IL:ssa on kehitetty tutkatuulihavaintojen käsittely- ja mallintamismenetelmiä, minkä jälkeen on suoritettu OSE Suomen tutkaverkoston tuulihavainnoilla aikavälille 1.-29.2.2008 HIRLAMin operatiiviselle 3D-VAR dataassimilaatiojärjestelmälle. Kyseisen OSE:n aineisto on saatu käyttöön tähän tutkielmaan. Kontrolliassimilaatiossa CON ovat mukana kaikki operatiiviset havaintojärjestelmät ja koeassimilaatioon RAD_ALL on syötetty myös tutkatuulihavainnot. Tässä tutkielmassa OSE:n tulokset todennetaan TEMP-tuulihavaintojen avulla tutkimalla ennakkokentän ja analyysin harhaa sekä satunnaisvirhettä. Tulosten perusteella tutkatuulihavainnot parantavat ennakkokenttää ja analyysiä erityisesti keskitroposfäärissä, mutta alatroposfäärissä vaikutus analyysiin on lähes neutraali. Koska tutkatuulihavainnot ulottuvat n. 4-6 km korkeuteen, ne eivät vaikuta ylätroposfäärin analyysiin. Tulokset eivät kuitenkaan ole tilastollisen testin perusteella tilastollisesti merkitseviä. Parhaimmillaan RAD_ALLassimilaation voidaan osoittaa olevan CON-assimilaatiota parempi 20% merkitsevyystasolla. Lopuksi suoritettu tapaustutkimus osoittaa, että tutkatuulihavaintojen vaikutus näkyy tuulen nopeuden analyysi-inkrementtikentässä sekä jossain määrin myös lyhyessä 12h pintapaine-ennusteessa Suomen alueella. Tapaustutkimuksen perusteella tutkatuulihavaintojen vaikutus analyysiin ja ennusteeseen näyttäisi olevan lähes neutraali. OSE:n toistaminen kesäkuukaudelle voisi olla hyödyllistä, koska talvella ei esiinny esimerkiksi merituulia. Tämän tutkielman tulosten perusteella tutkatuulihavaintojen käyttäminen HIRLAMin 3D-VAR assimilaatiojärjestelmässä on hyödyllistä.