Новая прогнозная модель позволит Гидрометцентру определять аномалии жары за шесть месяцев

Фото: NASA Johnson, flickr.com

Результаты исследований, поддержанных грантом РНФ, опубликованы в журнале Supercomputing Frontiers and Innovations. Прогноз погоды — актуальная задача во все времена. Развитие компьютерных технологий, вычислительной математики и средств наблюдений за окружающей средой в XX–XXI веках позволило вывести качество прогноза погоды на самый высокий уровень за всю историю человечества. Специалисты-метеорологи всего мира разрабатывают компьютерные программы (математические модели), чтобы как можно точнее предсказывать погоду на дни, недели, месяцы и даже годы вперед. Крайне востребованы долгосрочные прогнозы, охватывающие временной диапазон от двух недель до полугода. Понимание того, что может произойти с погодой в ближайшие месяцы, позволяет специализированным службам лучше подготовиться к аномально низким температурам или продолжительной жаре. В первую очередь это важно для социально-экономического планирования, например в сельскохозяйственном или энергетическом секторе.

В новой работе российский ученый Ростислав Фадеев описал компьютерную программу (модель), объединившую в себе отечественную модель прогноза погоды SLAV (русскоязычная аббревиатура — ПЛАВ) и европейскую модель океана NEMO. Новая модель получила название SLNE по первым буквам моделей, взятых за основу ее создания. Кроме того, SLNE включает в себя модель SI3, дающую прогнозы состояния морского льда в Арктике и других регионах. В своей работе исследователь использовал программное обеспечение OASIS3-MCT, позволяющее синхронизировать обмен информацией между компонентами климатической системы. Все вычисления Ростислав Фадеев проводил на суперкомпьютере Главного вычислительного центра Росгидромета, имеющем в своем составе свыше 35 тысяч вычислительных ядер.

«С технической точки зрения моя работа заключалась в том, чтобы объединить имеющиеся модели в один программный комплекс. Однако ключевой вызов этой работы — получение согласованного с наблюдениями результата моделирования за приемлемое время. Прогноз погоды должен быть своевременным, поэтому необходимо отладить модель таким образом, чтобы она работала и качественно, и быстро. Понятие точности прогноза здесь объективно, поскольку в рамках тестирования мы проводим сравнение результатов прогнозирования по модели с широким кругом данных метеоизмерений, следуя стандартной методологии, утвержденной Всемирной метеорологической организацией (ВМО)», — рассказывает автор публикации Ростислав Фадеев, старший научный сотрудник Института вычислительной математики им. Г. И. Марчука РАН, заместитель заведующего кафедрой вычислительных технологий и моделирования в геофизике и биоматематике МФТИ и сотрудник Гидрометцентра России.

Разработанная компьютерная модель планируется для использования в среднесрочных (3–10 суток), субсезонных (2–6 недель) и долгосрочных (1–6 месяцев) прогнозах погоды и ее аномалий. Тот факт, что новая модель с высокой детализацией объединяет в себе основные компоненты климатической системы (атмосфера, океан, морской лед), дает ей преимущества перед однокомпонентными моделями. По словам ученого, для субсезонного и долгосрочного прогноза крайне важно воспроизводить как можно больше компонент климатической системы. Например, океан — это более инертная система, чем атмосфера. Процессы в нем происходят медленнее, а это крайне важно в долгосрочных прогнозах. А вот более быстрые процессы, происходящие в атмосфере, важнее для прогнозов погоды на короткий срок. Поэтому новая модель получается универсальной.

«На большой заблаговременности прогноза определяющую роль играют медленно изменяющиеся процессы: если зима была снежной, то можно ожидать, что прохладная погода продлится дольше обычного (пока не растает снег). Морской лед в Арктике — такой же запасающий холод тепловой резервуар, как и снег. Почва, помимо тепла, содержит воду. Если в течение продолжительного времени не было дождей, то почва высыхает, становясь более тепловосприимчивой. Из-за отсутствия испарения в течение дня ее поверхность нагревается больше обычного. Помимо региональных особенностей, в природе существуют дальние связи между процессами и явлениями. Поэтому успешность прогноза с большой заблаговременностью в значимой степени определяется тем, насколько полно и точно мы воспроизводим окружающий нас мир», — поясняет Ростислав Фадеев.

С другой стороны, чем больше компонентов — тем дольше работает модель. Прогноз погоды — это всегда компромисс между скоростью получения результата и его точностью. Поэтому усложнению таких моделей всегда сопутствует увеличение мощности используемых суперкомпьютеров. Тем не менее новая модель SLNE — один из уверенных шагов в развитии методов моделирования и прогнозирования погоды с различной заблаговременностью. Подобные модели применяются далеко не во всех ведущих метеорологических центрах мира. Трудоемкость их разработки объясняет использование во многих странах заимствованных систем прогнозирования погоды. В ближайший год-два компьютерная программа Ростислава Фадеева будет проходить проверку, которая определит, сможет ли ее в будущем использовать Гидрометцентр России в своей повседневной деятельности. Если все получится, то в России может быть создана своя мультимодельная система прогноза погоды и ее аномалий.