Ансамблевая модель
В нашем приложении появилась ансамблевая модель – EC-ENS. Вы можете посмотреть EC-ENS на любом споте.
Обязательно проверяйте Ансамбли, если вам нужен прогноз дольше, чем 3 дня.
Обязательно проверяйте Ансамбли, если вам нужен прогноз дольше, чем 3 дня.
Погода зависит от сотни факторов: скорость ветра, облачность, давление, влажность, осадки, рельеф местности и др. Все эти факторы можно отразить в количественном виде: метры в секунду, миллиметры ртутного столба и прочее. Если соотнести эти показатели между собой в виде уравнений, то можно получить математическую модель погоды.
Прогнозная модель может ошибиться. Невозможно полностью отразить все процессы в атмосфере. А еще совершенно случайно может появиться погрешность в вводных данных. Например, скорость ветра была 5,6 м/с – а датчики отразили 5,7 м/с.
В общем, прогноз может ошибаться. Поэтому метеорологи применяют так называемый вероятностный подход к прогнозированию – они смотрят на ансамбли моделей.
Прогнозная модель может ошибиться. Невозможно полностью отразить все процессы в атмосфере. А еще совершенно случайно может появиться погрешность в вводных данных. Например, скорость ветра была 5,6 м/с – а датчики отразили 5,7 м/с.
В общем, прогноз может ошибаться. Поэтому метеорологи применяют так называемый вероятностный подход к прогнозированию – они смотрят на ансамбли моделей.
Как проверить, насколько модели в сегодняшней погодной ситуации можно доверять?
Представьте, что мы взяли прогнозную модель – например, европейскую ECMWF. Мы внесли туда имеющие данные о влажности, температуре и т.д. – и получили прогноз погоды на 10 дней. Вот он на картинке. Можем ли мы ему доверять?
Метеорологи придумали такую вещь – они снова вбивают в ту же самую модель начальные условия, но уже чуть-чуть измененные. Например, скорость ветра была 3 м/с, а внесли 3,3 м/с. Таким же образом немного меняют параметры самой модели.
С новыми данными мы получаем новый прогноз. И так 40 раз. Получаем 40 разных прогнозов.
Если прогнозы сильно расходятся – значит, мы не можем доверять нашему изначальному прогнозу. Потому что стоит чему-то чуть-чуть измениться (а в природе может произойти всякое), и всё уже будет по-другому – значит, модель в данном случае не поможет.
А вот если все прогнозы держатся более-менее недалеко друг от друга – значит, даже если в атмосфере что-то немного поменяется, модели можно доверять с большей степенью вероятности.
Представьте, что мы взяли прогнозную модель – например, европейскую ECMWF. Мы внесли туда имеющие данные о влажности, температуре и т.д. – и получили прогноз погоды на 10 дней. Вот он на картинке. Можем ли мы ему доверять?
Метеорологи придумали такую вещь – они снова вбивают в ту же самую модель начальные условия, но уже чуть-чуть измененные. Например, скорость ветра была 3 м/с, а внесли 3,3 м/с. Таким же образом немного меняют параметры самой модели.
С новыми данными мы получаем новый прогноз. И так 40 раз. Получаем 40 разных прогнозов.
Если прогнозы сильно расходятся – значит, мы не можем доверять нашему изначальному прогнозу. Потому что стоит чему-то чуть-чуть измениться (а в природе может произойти всякое), и всё уже будет по-другому – значит, модель в данном случае не поможет.
А вот если все прогнозы держатся более-менее недалеко друг от друга – значит, даже если в атмосфере что-то немного поменяется, модели можно доверять с большей степенью вероятности.
Если на графике разброс между линиями большой – стоит меньше полагаться на прогноз. А если линии держатся рядом – то детерминированному прогнозу (то есть, основному прогнозу по модели ECMWF) стоит доверять.