Browsing by discipline "Meteorologia"

Paikallisilla tekijöillä voi olla merkittävä vaikutus tienpinnan lämpötilaan. Työssä käydään läpi näitä tekijöitä ja tutkitaan niiden vaikutusta Ilmatieteen laitoksen tiesäämalliin. Herkkyyskokeilla tutkittuja paikallisia tekijöitä ovat tienpinnan albedo, päällysteen paksuus, tien kaltevuus ja varjostus. Tutkimuksessa tiesäämallia ajettiin 16 eri pisteessä käyttäen näitä tekijöitä kuvaaville suureille eri arvoja. Työssä vertaillaan myös tiesääennusteiden luotettavuutta eri paikoissa sijaitseville tiesääasemille. Lisäksi tutkitaan, miten tiesäämallilla voisi mallintaa siltapisteitä. Saatujen tulosten mukaan tärkein tienpinnan lämpötilaan vaikuttava tekijä on varjostus. Suurimmaksi varjostetun ja varjostamattoman pinnan lämpötilaeroksi saatiin 13 °C, mikä tarkoittaa jo merkittävää eroa liukkauden muodostumisen kannalta. Erityisesti auringon siirtyminen esteen taakse iltapäivällä aiheutti nopean lämpötilan laskun. Toiseksi tärkeimpiä tekijöitä ovat päällysteen paksuus ja kaltevuus, joiden merkitys on huomattavasti suurempi aurinkoisina kuin pilvisinä päivinä. Saatujen tulosten mukaan aurinkoisena päivänä päällysteen paksuuden muutos kahdesta senttimetristä kuuteen senttimetriin aiheutti kahden asteen eron vuorokauden suurimman ja pienimmän lämpötilan erotuksissa. Etelärinteen lämpötilan muutokseksi saatiin +0,40 °C kaltevuusastetta kohden ja pohjoisrinteen -0,46 °C kaltevuusastetta kohden. Pienin vaikutus tienpinnan lämpötiloihin aiheutui albedon muuttamisesta, jolla saatiin suurimmillaankin vain yhden asteen lämpötilaero. Tiesääennusteiden luotettavuudessa ei havaittu olevan eroa tasaisella maalla sijaitsevien tiesääasemien ja sillalla tai mäessä sijaitsevien tiesääasemien välillä. On kuitenkin mahdollista, että mallille annetun sääennusteen virheet peittivät paikallisten tekijöiden aiheuttamat erot alleen. Myös tiesäämallin taipumus ennustaa todellista kylmempiä lämpötiloja haittasi vertailua. Sillan lisääminen malliin onnistui muutamilla muutoksilla. Tämä muutti kuitenkin pintalämpötilaa enimmilläänkin vain 1,5 °C. Eri paksuisten siltojen lämpötilaprofiileilla oli eroa, sillä 20 cm paksuisen sillan keskiosan lämpötila mukautui paljon nopeammin lämpötilan muutoksiin kuin 50 cm ja 100 cm paksuisilla silloilla, joilla lämpötilaprofiilista tuli aaltomaisempi.

NASA:n EOS Aura -satelliitissa oleva Ozone Monitoring Instrument (OMI) on tuottanut vuodesta 2004 lähtien päivittäisen globaalin arvion maan pinnalle saapuvan UV-säteilyn voimakkuudelle. Tämän UV-tuotteen perustana on ilmakehästä ja maan pinnasta kohti satelliittia sironnut lyhytaaltoinen auringon säteily, joka sisältää tietoa UV-säteilyn vaimenemisesta pilvipeitteessä. OMI:n mittauksia ja säteilynkulkumallinnusta hyödyntäen mittausten tietoa pilvivaimennuksesta käytetään kirkkaan ilman laskennallisen UV-tuotteen korjaamiseksi. Tässä työssä tarkasteltiin pilvikorjauksen toimivuutta erilaisissa pilvisyystilanteissa vertaamalla OMI:n pilvikorjattua UV-indeksiä vastaaviin maanpinnalla Solar Light 501 -laajakaistaradiometrillä mitattuihin UV-indekseihin. Vuosina 2005-2011 Sodankylässä ja Jokioisissa tehdyt radiometrimittaukset kalibroitiin vastaavilla Brewer-spektrofotometrien mittauksilla, jolloin hyödynnettiin Solar Lightin hyvää ajallista kattavuutta ja Brewer-mittausten tarkkuutta OMI:n vertailusuureen muodostamisessa. Kalibrointimenetelmän avulla hieman epätarkemmista Solar Light -havainnoista onnistuttiin tekemään paremmin satelliittivertailuun sopiva UV-indeksi kuin tarkoista Brewer-mittauksista. Pilvipeitteen on aiemmin havaittu heikentävän UV-tuotteen tarkkuutta merkittävästi, mihin yksi syy on pilvikorjauksen oletus tasaisesta, homogeenisestä pilvipeitteestä, sillä todellisuudessa pilvipeite on usein huomattavasti monimutkaisempi. Algoritmin kehittämisen kannalta on siksi mielenkiintoista tarkastella erikseen tilanteita, joissa pilvipeite on mahdollisimman lähelle algoritmin oletuksen kaltainen. Tätä varten UV-aineisto luokiteltiin auringon paiste- ja pilvisyyshavaintojen sekä globaalisäteilymittausten avulla kolmeen pilvisyysluokkaan: kirkkaan ilman tilanteeseen, hajapilviseen ja täyspilviseen tilanteeseen. Täyspilvisen tilanteen oletettiin vastaavan likimain UV-algoritmin olettamaa tasaista, homogeenista pilvipeitettä. OMI:n UV-tuotteen ja pintahavaintojen vertailussa havaittiin OMI:n yliarvioivan UV-indeksiä Jokioisissa keskimäärin 25 % (Sodankylässä 19 %), kirkkaalla ilmalla 12 % (8 %) ja täyspilvisessä tilanteessa merkittävästi enemmän 59 % (39 %). Suhteellisesti suurempi yliarvio täyspilvisissä tilanteissa merkitsee UV-algoritmin pilvikorjauksen olevan liian vähäinen, vaikkakin varsinainen yliarvion syy jää osin avoimeksi. Koska pilvikorjauksen voisi olettaa toimivan melko hyvin tasaisissa, homogeenisissa pilvitilanteissa, on selvitettävä tarkemmin miten hyvin täyspilviset tilanteet vastaavat algoritmin olettamaa pilvipeitettä.

Meteorologisten suureiden, kuten lämpötilan, kaksi- tai kolmiulotteisia hilakenttiä tuotetaan analyysijärjestelmien avulla. Näitä kenttiä käytetään esimerkiksi päivittämään lähituntien sääennusteita ja tarkan resoluution vuoksi niiden avulla voidaan myös tutkia mm. mesoskaalan ilmiöitä. Ilmatieteen laitoksella on käytössään useita erilaisia analyysi- ja nowcast-malleja, joiden osuvuutta tässä tutkielmassa selvitetään. Tarkoituksena on luoda kokonaiskuva kolmen eri järjestelmän pinta-analyysien vahvuuksista ja heikkouksista Suomen alueella. Analyysivertailuun valikoitui malleja, joista kahden kehitykseen tai optimointiin on osallistuttu Ilmatieteen laitoksella (LAPS-analyysimalli ja pohjoismaiseen yhteistyöhön perustuva MEPS-nowcast) ja yhtä kehitetään Norjassa (ns. METNO-analyysi). METNO:n lämpötila-analyysissa hyödynnetään perinteisten havaintolähteiden lisäksi kansalaisten omistamien Netatmo-asemien keräämää havaintotietoa, minkä vuoksi se valikoitui mukaan verifiointiin. 434 Suomen alueella sijaitsevan Netatmo-aseman havaintoja päädyttiin myös osin käyttämään tutkielman verrokkiaineistona 197 suomalaisen SYNOP-aseman lisäksi, sillä näin voitiin hyödyntää malleille riippumatonta havaintoaineistoa METNO:n lämpötila-analyysia lukuun ottamatta. Suureista lämpötilan ja merenpintapaineen analyysit ovat laadukkaimpia perustuen tässä tutkimuksessa tehtyyn lineaariseen regressioanalyysiin, kun taas kosteuden ja tuulen kohdalla hajontaa mallin ja havaintojen välillä on runsaammin. Paineanalyysien välillä ei ole juurikaan eroja, kun taas selkein ero kyvykkyydessä on huomattavissa tuulianalyyseissa, joista LAPS-analyysien verifiointitulokset ovat parhaimmat. Kahdesta LAPS-versiosta MEPS-säämallia taustakenttänään käyttävä LAPS-analyysi on tässä tutkimuksessa myös laadukkain kosteuden tapauksessa sekä riippuvan että riippumattoman havaintovertailun perusteella. Maantieteellisesti haastavimmiksi alueiksi analyyseille on tutkimuksessa havaittu Lappi sekä LAPS-järjestelmän tapauksessa rannikkoalueet. Norjalaista lämpötila-analyysia voidaan pitää etenkin SYNOP-vertailun pohjalta analyyseista parhaimpana. Ilman laatuvarmistettua ja riippumatonta asemavertailua on kuitenkin vaikea määrittää, mikä on Netatmo-asemien tuoma lisäarvo analyysissa. Tulevaisuudessa laadukkaan ja riippumattoman havaintoaineiston käyttö täydentäisi hyvin tätä tutkimusta ja se voitaisiin suorittaa esimerkiksi pidättämällä pieni SYNOP-asemajoukko analyyseista.

Pitkittyneet kuivuus-, sade- ja hellejaksot ovat erityisen haitallisia maanviljelylle, ja näin ollen on hyödyllistä tutkia, kuinka ilmastomallit tuottavat tällaisia jaksoja sekä havaittuun ilmastoon nähden että tulevaisuudessa RCP8.5-päästöskenaarion (Representative Concentration Pathways) mukaan. Tutkittavana ovat kolmen viikon kuivat- ja sadejaksot sekä kahden viikon hellejaksot. Tässä työssä käytettiin kuuden globaalin kolmiulotteisen kytketyn ilmakehä-valtamerimallin simulaatioiden tuloksia. Mallien simuloimat lämpötilat ja sademäärät alueellistettiin kolmella eri menetelmällä: deltamuutosmenetelmällä, jossa havaintoaineistoa muokataan ilmastomallin ennustamilla muutoksilla, ja kahdella eri harhankorjausmenetelmällä, missä ilmastomallien tuloksia muokataan havaintoaineiston avulla. Ilmastomallien mukaan huhti-syyskuun keskilämpötila nousee Suomessa keskimäärin noin viisi astetta kaudesta 1981-2010 kauteen 2071-2100 sademäärän kasvaessa noin kymmenen prosenttia. Osittain sademäärän kasvamisen johdosta pitkät kuivat kaudet näyttävät vähenevän tulevaisuudessa ja lämpötilan nousun vuoksi hellejaksojen määrä nousee. Erityisen sateisten jaksojen määrän muutoksesta ei näy selviä merkkejä. Vertailukaudella 1981-2010 harhankorjausmenetelmät tuottivat sekä alueellisesti että kuukausikeskiarvoiltaan havaintoaineistoa tasaisempia jakaumia. Toisaalta deltamuutosmenetelmään nähden harhankorjausmenetelmillä muutokset vertailukaudesta tulevaisuuden jaksoon 2071-2100 olivat alueellisesti ja kuukausikeskiarvoiltaan vaihtelevampia. Varsinkin muutosten suuruutta tarkasteltaessa ilmastomallien välinen hajonta on suurta ja peittää osittain alleen menetelmien välisiä eroja. Paikallisesti muutosten suunta voi olla menetelmästä riippuen eri, jos muutokset alueella ovat pieniä. Erot muutosten luonteessa johtuvat ainakin osittain siitä, että deltamuutosmenetelmissä alueelliset ja ajalliset korrelaatiot pysyvät vertailukauden mukaisina mutta harhankorjauksessa vertailukausi ja tulevaisuuden jakso ovat toisistaan riippumattomat. Menetelmien väliset erot olivat suurimmat kahden viikon hellejaksojen määrissä, jotka molemmat harhankorjausmenetelmät yliarvioivat reilusti vertailukaudella havaintoaineistoon verrattuna. Harhankorjausmenetelmät myös kasvattivat jaksojen määrää ilmaston lämmetessä enemmän kuin deltamuutosmenetelmä, joskin ero oli suhteessa pienempi kuin ero vertailukauden hellejaksojen määrässä.

Tuulihavaintojen edustavuus riippuu mittauspaikan ympäristöstä. Havainnot tulisi tehdä 10 metrin korkeudessa hyvin avoimella ja tasaisella mittauspaikalla, jonka rosoisuus vastaa ideaalisen nurmikentän rosoisuutta 0,03 metriä. Tällaiset referenssimittauspaikat ovat harvinaisia. Suomen sääasemilla ympäristö vaihtelee avoimesta merestä rosoiseen metsään ja mittauskorkeudet ulottuvat vajaasta 10 metristä yli 40 metriin. Näillä asemilla mitatut tuulet tulee muuntaa potentiaalituuliksi, jotta eri asemien tuulet olisivat keskenään vertailukelpoisia. Suomen sääasemilla mitataan nyt myös tuulen nopeuden ajallista vaihtelua tuulen nopeuden hajontasuureen avulla. Sen suuruus riippuu ympäröivän maaston rosoisuudesta ja esteistä. Tutkielmassa käytän uutta hajontasuuretta yhdessä tuulen 10 minuutin keskiarvojen kanssa ja lasken kunkin mittauspaikan keskimääräisen turbulenssin intensiteetin eli tuulen nopeuden hajonnan ja keskiarvon suhteen kullekin tuulen suunnalle. Tämän avulla määritän mittauspaikkojen ympäristön rosoisuuden ja tuulen korjauskertoimet kullekin tuulisektorille. Korjauskertoimien avulla tuulihavainnot muunnetaan potentiaalituuliksi, joissa kunkin mittauspaikan mittauskorkeus ja ympäristön rosoisuus on korjattu vastaamaan 10 metrin referenssikorkeutta ja -rosoisuutta. Olen laskenut jokaiselle Suomen 168 tuulen mittauspaikalle niiden turbulenssin intensiteetit, rosoisuudet ja potentiaalituulen korjauskertoimet. Tutkielmassa tarkastelen, miten menetelmä toimii Suomessa erilaisilla asemilla ja eri vuodenaikoina sekä maalla että merellä. Hajontamittaukset vaikuttavat luotettavilta ja maa-alueiden rosoisuuksien vuodenaikavaihtelu vastaa hyvin kokemuksia. Merialueilla rosoisuus määritetään tutkielmassa Charnockin yhtälöllä turbulenssin intensiteetin sijaan, koska aallokon rosoisuus muuttuu koko ajan tuulen mukaan. Maa- ja merialueiden rosoisuuksista määritetyt korjauskertoimet vaikuttavat johdonmukaisilta ja niiden avulla lasketut potentiaalituulet ovat keskenään vertailukelpoisia.

Tämä työ käsittelee Suomen ilmastoa puutarhakasvien näkökulmasta painopisteen ollessa lämpöilmastollisissa piirteissä ja kasvien talvehtimiseen liittyvissä tekijöissä. Työssä esitellään puutarhakasvien, erityisesti monivuotisten puuvartisten kasvien selviytymiseen vaikuttavia tekijöitä, ja näiden pohjalta kartoitetaan ilmastollisia olosuhteita eri puolilla Suomea viimeisen noin viiden vuosikymmenen ajalta. Lisäksi pyritään arvioimaan tuleville vuosikymmenille ennustetun lämpenemisen aiheuttamia muutoksia Suomen puutarhatuotannon menestymismahdollisuuksissa. Nykyilmaston osalta tarkastelu perustuu vuosien 1960-2006 päivittäisiin lumi- ja lämpötilahavaintoihin kymmenellä havaintopaikalla lounaisrannikolta Koillismaalle. Puutarhakasvien kannalta hyödyllisiä ja haitallisia ilmaston piirteitä pyrittiin kuvaamaan erilaisilla indekseillä, ns. kynnystapahtumien ajankohdilla ja erinäisten raja-arvojen ylittymisillä. Tulevaisuuden jaksojen 2010-39 ja 2040-69 osalta tilannetta tarkasteltiin A2- ja B1-skenaariossa. Työssä käytettiin ns. delta-menetelmää, missä 19 ilmastomallin keskiarvona saadut arviot kuukausikeskilämpötilojen noususta lisättiin havaintopaikkojen päivittäisiin vuosien 1971-2000 lämpötilahavaintoihin. Olosuhteet puutarhakasvien menestymiselle vaihtelevat paljon tarkastelussa olleella kolmelle kasvimaantieteelliselle vyöhykkeelle sijoittuvalla alueella. 1990-luvun alusta lisääntyneet leudot talvet näkyvät hyvin talvehtimisoloja kuvaavissa muuttujissa. Toisaalta havaintopaikkojen pienilmastolliset tekijät korostuvat erityisesti alueiden hallatilanteita tarkasteltaessa. Tulevaisuuden osalta monien puutarhakasvien talven selviytymisedellytyksiin vaikuttavien tekijöiden voidaan odottaa yleisesti parantuvan ilmaston lämmetessä, tosin Suomen ilmastossa pakkasvahinkojen riski on silti olemassa. Toisaalta entisestään leudontuvat talvet lämpöjaksoineen tulevat lisäämään mahdollisuutta kasvien kylmänkestävyyden heikkenemisestä aiheutuville ongelmille. Myöhäisten hallojen esiintymisen aiheuttamat vahingot riippuvat niitä edeltäneen ajan kasvuolosuhteista. Tällöin kasvukauden alun ajankohdassa, sen alkupuolen lämpimyydessä ja hallojen esiintymisen ajankohdassa tapahtuvien muutosten nettovaikutus ratkaisee myöhäisten hallatilanteiden kukinnalle muodostavan riskin tulevaisuudessa. Tästä ei saatu yksiselitteisiä tuloksia tämän tutkimuksen puitteissa, sillä hallariskiä kuvaavan indeksin käyttäytyminen oli varsin epämääräistä.

Sää vaikuttaa moneen eri yhteiskunnan osa-alueen toimintaan, kuten liikennejärjestelmiin. Vaikeat sääolosuhteet heikentävät sekä liikennejärjestelmien täsmällisyyttä että turvallisuustasoa, ja aiheuttavat siten palvelutason alenemista. Rautatieliikenteessä vaikeat sääolosuhteet voivat aiheuttaa merkittäviä myöhästymisiä ja mittavia taloudellisia menetyksiä, mistä johtuen niiden tarkastelu on tärkeää. Tässä pro gradu -tutkielmassa tarkasteltiin, mitkä sääilmiöt vaikuttavat rautatieliikenteen täsmällisyyteen Suomessa tarkastelemalla vallitsevaa säätilaa tilanteissa, joissa rautatieliikenteen kaukoliikenteessä on havaittu myöhästymisiä tammikuun 2013 ja maaliskuun 2016 välisellä ajanjaksolla. Tarkastelun avulla pyrittiin myös selvittämään, mikä tai mitkä sääilmiöt aiheuttavat eniten rautatieliikenteen myöhästymisiä, ja mitkä tekijät vaikuttavat kyseessä olevan sääilmiön ennustettavuuteen ja sen kehittämiseen. Aineistona käytettiin VR Group Oy:ltä (Skyttä, 2016) saatua rautatieliikenteen täsmällisyystilastoa, johon on kirjattu säähän liittyville syykoodeille sää ja lumieste merkityt viiveet ja myöhästymiset. Osin täsmällisyystietoja on haettu myös Liikenneviraston avoimen rajapinnan Digitraffic-palvelusta käyttöluvalla Creative Commons Nimeä 4.0. Vallitsevan säätilan tarkasteluun ja myöhästymisten luokitteluun sääilmiöittäin käytettiin Ilmatieteen laitoksen ennusteita, varoituksia ja havaintoja. Tarkastelun perusteella merkittävimpiä rautatieliikenteen täsmällisyyteen vaikuttavia sääilmiöitä ovat lumisade ja pakkanen. Eniten löydettiin lumisateeseen liittyviä myöhästymistapauksia (111 kappaletta). Lumisateet liittyivät useimmiten keskileveysasteiden matalapaineiden okluusiorintamiin, joissa havaittiin suurimmat lumikertymät ja merkittävimmät myöhästymiset. Myös vesistöjen nostattamilla ja rannikkokonvergenssin voimistamilla lumikuuroilla on vaikutusta rautatieliikenteen täsmällisyyteen. Lumisateiden ennustamisessa ja vaikutusten ennakoinnissa tärkeintä on tunnistaa tapaukset, joissa luntaa kertyy laajoille ja rautatieliikenteen kannalta kriittisille alueille.

Tämän tutkielman tavoitteena oli selvittää erimittaisten sään ääri-ilmiöiden jaksojen (lämpötila ja sademäärä) ja sään ääri-ilmiöiden yhdistelmien esiintymistä sekä todennäköisyyttä Suomessa nykyisessä ilmastossa havaintojen (1950-2009) ja ilmaston sisäistä luonnollista vaihtelua kuvaavan ilmastomallikokeen, ns. Millennium0001-kontrolliajon (1200 vuotta) tulosten pohjalta. Tutkielmassa tarkastellaan sään ääri-ilmiöiden yhdistelmien esiintyvyyttä myös kirjallisuuden ja synoptisten tarkastelujen avulla sekä arvioidaan niiden esiintymisten mahdollisia muutoksia ilmaston lämmetessä. Aluksi tutkittiin, miten malliaineisto ja havainnot poikkeavat toisistaan tilastollisesti lämpötilojen ja sademäärien osalta, minkä jälkeen kontrolliajon tuottamia suureita korjattiin havaittua keskimääräistä ilmastoa vastaaviksi. Keskeiset tulokset johdettiin erimittaisille äärimmäisen kylmille tai kuumille jaksoille ja äärimmäisen sateisille jaksoille. Tutkitut kuukaudet olivat tammi- ja heinäkuu. Esimerkiksi vuorokauden keskilämpötila 25,5 °C ylittyy heinäkuussa keskimäärin suuren osan Etelä- ja Keski-Suomea peittävän hilaruudun (300 km x 300 km) alueella 0,2 %:n todennäköisyydellä, sademäärä 29,7 mm samoin 0,2 %:n todennäköisyydellä. Tammikuussa samassa hilapisteessä seitsemän vuorokauden kylmin jakso -30,2 °C ja sateisin jakso 50,1 mm toistuu kerran n. 500 vuodessa. Kuukauden keskilämpötiloille ja sademäärille tehtiin korrelaatioanalyysejä, joiden perusteella saatiin selville, että Suomessa vähäsateinen loppukevät (huhti-kesäkuu) tai pelkkä kesäkuu edesauttavat keskimääräistä lämpimämmän heinäkuun esiintymistä. Selityksenä voidaan pitää maaperän pientä kosteussisältöä. Korrelaatiot kesäkuun sademäärän ja heinäkuun keskilämpötilojen välillä vaihtelivat -0,26 ja -0,36 välillä tilastollisen merkitsevyystason ollessa yli 99,9 %. Ilmastonmuutos muuttaa sään ääri-ilmiöiden esiintyvyyttä ja voi mahdollisesti lisätä sään ääri-ilmiöiden yhdistelmien todennäköisyyttä tai yhteiskunnan ja luonnon haavoittuvuutta ääri-ilmiöille tai niiden yhdistelmille. Ääri-ilmiöt voivat aiheuttaa mittavia vahinkoja niin yhteiskunnalle kuin luonnollekin, joten tällaisiin tapahtumiin olisi tärkeää voida varautua etukäteen mahdollisten tuhojen minimoimiseksi. Olisikin tärkeää lisätä tutkimusta tästä aiheesta.

Tässä Pro Gradu-tutkielmassa selvitettiin kahden jälkiprosessointimenetelmän, Kalman-suodatuksen sekä MOS-käsittelyn (Model Output Statistics), vaikutusta vuorokauden päähän ulottuviin pintalämpötilaennusteisiin. Tutkimuksessa oli käytössä kolmen eri säänennustusmallin, Euroopan keskipitkien sääennusteiden keskuksen ennustemallin (ECMWF) sekä Ilmatieteen laitoksen HIRLAM- ja HIRLAM-MBE-ennustemallin, ennusteet 33 eri paikkakunnalle Suomessa vuosien 2008-2009 ajalta sekä niitä vastaavat lämpötilahavainnot. Tutkimuksessa pyrittiin selvittämään, miten jälkiprosessointi vaikuttaa kunkin ennustusmallin lämpötilaennusteiden laatuun, jonka lisäksi ECMWF:n ennustemallin osalta pyrittiin selvittämään, löytyykö suursäätilasta yhteneväisyyksiä niissä tapauksissa, joissa mallin ennustevirhe on ollut suuri. Aineisto tutkittiin koko maan kattavana kokonaisuutena, jonka lisäksi se jaettiin myös alueellisesti sekä vuodenaikojen perusteella ajallisesti osiin. Tutkimuksessa laskettiin ennustemallien lämpötilaennusteista sekä niitä vastaavista havainnoista ennusteille keskivirhe, absoluuttinen keskivirhe, neliöllinen keskivirhe sekä osuvuus. Niiden tarkastelusta käy ilmi, että sekä MOS-menetelmä että Kalman-suodatus ovat varsin käyttökelpoisia menetelmiä lämpötilaennusteiden parantamiseksi. Esimerkiksi ECMWF-ennustemallin lämpötilaennusteen osuvuus koko tutkimuksen aineistossa paranee Kalman-suodatinta käyttämällä 80 prosentista 84 prosenttiin ja missään tutkimuksen aineiston osassa Kalman-suodatin ei tilastollisesti huonontanut ennustetta verrattuna suodattamattomaan malliin. Toisaalta yksittäistapauksissa, joissa suursäätila on nopeasti vaihtunut, on Kalman-suodatin myös huonontanut yksittäistä ennustetta. Eniten Kalman-suodatin, samoin kuin MOS-menetelmä, parantaa lämpötilaennusteita tilanteissa, joissa esiintyy suuri systemaattinen ennustevirhe. Ennustemallien hilapisteikön rajallisuudesta johtuen, suuri systemaattinen ennustevirhe esiintyy säännöllisesti esimerkiksi joillakin rannikkoasemilla tai havaintoasemilla, joiden ympäristössä maaston muodot vaihtelevat paljon. Esimerkiksi Kilpisjärven havaintoasemalla Enontekiössä ennusteiden osuvuus parani kaikilla ennustemalleilla Kalman-suodatuksen jälkeen yli 20 prosenttiyksikköä. Suurten ennustevirheiden ja suursäätilan välistä riippuvuutta tutkittiin vain ECMWF:n ennustemallista sekä sen Kalman-suodatetusta aineistosta. Tätä varten valittiin kustakin aineiston osasta 20 suurimman ennustevirheen käsittävää tapausta. Näiden tapausten päivämääristä määritettiin keskimääräiset jakaumat Euroopan alueella pintapaineesta, 850 hPa:n painepinnan lämpötilasta, 700 hPa:n painepinnan kosteudesta, 500 hPa:n painepinnan geopotentiaalikorkeudesta sekä 300 hPa:n painepinnan tuulivektoreista. Lisäksi edellä mainituista määritettiin anomaliajakaumat samalla alueella suhteessa normaalijaksoon 1968–1996, käyttäen Yhdysvaltain liittovaltion sää- ja valtamerentutkimusorganisaation NOAA:n kehittämän säänennustusmallien ja havaintojen uudelleenassimilointimenetelmän aineistoa. Lupaavimmat tulokset suursäätilan ja ennustevirheiden välisestä riippuvuudesta saatiin talviaikana sekä kevätaikana iltapäivän ennusteissa, mutta tarkempia johtopäätöksiä varten tarvitaan vielä lisätutkimuksia. Tutkimuksesta käy ilmi, että Kalman-suodatin on säämallien lämpötilaennusteiden jälkiprosessoinnissa erittäin käyttökelpoinen menetelmä sekä meteorologin apuna että Ilmatieteen laitoksen sääennusteiden tuotantoprosessin kannalta. Erityisen paljon Kalman-suodatus parantaa Hirlam- ja Hirlam-MBE-mallin lämpötilaennusteita sekä ennusteita alueilla, joissa esiintyy suuri systemaattinen ennustevirhe. Toisaalta huonoimmillaan Kalman-suodatin on tilanteissa, joissa lämpötilatrendi muuttuu äkisti. On kuitenkin erittäin suositeltavaa, että Kalman-suodatus otetaan mahdollisimman nopeasti osaksi Ilmatieteen laitoksen sääennusteiden tuotantoprosessia.

Kokonaismaanpuolustus on sotilaallisen toiminnan lisäksi myös laajalti siviilialojen toimintaa, jolla turvataan valtion itsenäisyyden lisäksi kansalaisten elinmahdollisuudet ja turvallisuus. Kokonaisturvallisuudessa varaudutaan yhteiskunnan elintärkeisiin toimintoihin kohdistuviin uhkiin ja riskeihin, joka antaa pohjan myös kokonaismaanpuolustuksen toteuttamiselle. Nykyaikainen sää- ja olosuhdepalvelu on huomattavasti laajempi kokonaisuus kuin julkisudessa yleisimmin nähty yleinen sääennustus tai ilmastonmuutoksen tutkimus. Näillä toki on oma roolinsa myös kokonaismaanpuolustuksen kannalta, mutta palvelutarve ja – valikoima on laajentunut huomattavasti perinteisestä sääpalvelusta kattamaan myös vaikkapa avaruussääpalvelun. 2000-luvun sää- ja olosuhdepalvelu tuottaa kohdennettuja palveluita Puolustusvoimien lisäksi myös esimerkiksi pelastustoimen, meripelastuksen ja energiahuollon tueksi normaalioloissa, mutta myös häiriöihin ja poikkeusoloihin varautumisessa. Yhteiskunnan elintärkeiden toimintojen ja kansallisen riskiarvion kautta löydetään yhtymäkohdat sääpalvelun merkityksestä kokonaisturvallisuuteen sekä kokonaismaanpuolustukseen. Nähdään, että nykyaikainen yhteiskunta on paitsi hyvin teknologiariippuvainen myös, osin juuri siitä syystä, myös kovin sääriippuvainen. Myös Puolustusvoimien toiminta on siirtynyt ja siirtymässä yhä enemmän moderniin teknologiaan pohjautuvaksi. Erilaiset laitteet ja sensorit tarvitsevat tuekseen lisääntyvässä määrin myös sää- ja olosuhdepalveluita.