Гидрометеорологические исследования и прогнозы. 2025. № 2 (396). С. 163-168

163

УДК 551.509

Технология сезонного прогнозирования

на базе версии модели INM-CM6,

включающей дополнительный модуль расчета

сверхдолгосрочных прогнозов

Хан В.М.^1,2, Тищенко В.А.¹, Круглова Е.Н.¹,

Реснянский Ю.Д.¹, Субботин А.В.¹, Грицун А.С.²,

Володин Е.М^2,1, Тарасевич М.А^2,1, Брагина В.В.^2,1

¹Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия;

²Институт вычислительной математики имени Г.И. Марчука РАН, г. Москва, Россия

В рамках реализации важнейшего инновационного проекта госу-

дарственного значения «Единая национальная система мониторинга

климатически активных веществ» (ВИП ГЗ) в ФГБУ «Гидрометцентр

России» совместно с ФГБУН «ИВМ РАН» в 2023 году разработана система

глобального ансамблевого сезонного прогноза на основе климатической

модели INM-CM5 [2, 3, 6]. Данная система сезонного прогнозирования

успешно прошла испытания и была рекомендована ЦМКП Росгидромета к

внедрению в прогностическую практику ФГБУ «Гидрометцентр России» и

Северо-Евразийского климатического центра в ноябре 2023 года [5]. Одно-

временно проводились работы по усовершенствованию модели Земной си-

стемы и созданию новой версии INM-CM6 с увеличенным пространствен-

ным разрешением, улучшенным описанием физических процессов на

подстилающей поверхности, усовершенствованиями в описании облачно-

сти и параметризации конденсации и улучшенной вычислительной эффек-

тивностью блока океана.

Модель в версиях INM-CM5 и INM-CM6 состоит из основных блоков:

блока динамики атмосферы, аэрозольного блока, блока динамики океана и

динамики и термодинамики морского льда. В версии INM-CM5 разреше-

ние модели в атмосферном блоке составляет 2º×1.5° по долготе и широте,

73 сигма-уровней до высоты около 60 км, а в океанском блоке ‒ 0.5º×0.25°

по долготе и широте и 40 сигма-уровней по вертикали. В версии INM-CM6

разрешение модели в атмосферном блоке составляет 1.25º×1° по долготе и

широте, 73 вертикальных сигма-уровней и такие же, как в INM-CM5, пара-

метры сеточной области океанского и ледового блоков.

В версии INM-CM5 начальные состояния атмосферы, океана и суши

для сезонных прогнозов задаются в виде аномалий: "климатология модели

+ аномалия реанализа или текущего анализа на момент старта прогноза".

Для построения начальных состояний используются данные реанализа

ERA5 для атмосферы и деятельного слоя суши, а также анализы SODA3.4.2

164

Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

и СУОД ГМЦ для океана и морского льда [1, 4]. Прогностический ан-

самбль включет 20 реализаций.

В версии INM-CM6 начальные состояния задаются в терминах абсо-

лютных значений с использованием таких же источников атмосферных и

океанских данных, как в предыдущей версии INM-CM5: в блоке динамики

атмосферы (температура и влажность воздуха, горизонтальные компо-

ненты скорости ветра), в блоке динамики океана и динамики и термодина-

мики морского льда (температура и солёность океана, сплоченность и тол-

щина морского льда, уровень моря). Для остальных полей способ

инициализации по сравнению с INM-CM5 не изменился. Прогностические

ансамбли включают 10 реализаций для ретроспективных прогнозов (1991–

2020 гг.) и 30 реализаций для квазиоперативных прогнозов (2022–2024 гг.).

Расчеты с INM-CM5 и INM-CM6 производились на вычислительном

комплексе Сray XC40.

Согласно Плану испытаний ЦМКП проводились оперативные испы-

тания технологии на основе новой версии модели INM-CM6 для периода

с 2022 года по март 2024 года, а также оценивались прогнозы на ретроспек-

тивной выборке за период с 1991 по 2020 год. В качестве объекта прогно-

зирования рассматривались среднемесячные и среднесезонные аномалии

для нескольких метеорологических параметров, включая давление на

уровне моря (MSLP), высоту геопотенциала на уровне 500 гПа (H500), тем-

пературу на уровне 850 гПа (T850) и у земной поверхности (T2m), а также

осадки (Prec).

В процессе испытаний проводилось сопоставление оценок по двум

версиям прогностической модели.

Оценки ретроспективных прогнозов по версии модели INM-CM6.

Анализ оценок качества рассматриваемых метеорологических параметров

для месячных детерминистских прогнозов с нулевой, месячной и трёхме-

сячной заблаговременностью и для сезонных детерминистских прогнозов

c нулевой и месячной заблаговременностью с использованием критериев

ACC, RMSE, MSSS по пяти различным регионам (земной шар, внетропи-

ческая зона Южного полушария, тропическая зона, внетропическая зона

Северного полушария, Северная Евразия) показал следующее.

Месячные и сезонные прогнозы с нулевой заблаговременностью обла-

дают наивысшим качеством среди прогнозов большей заблаговременно-

сти. Диапазон изменчивости составляет для T2m по MSSS от 0.06 (Север-

ная Евразия) до 0.41 (тропики), для RMSE от 1.9 (Северная Евразия) до 0.39

(тропики) для месячных прогнозов нулевой заблаговременности. Для

сезонных прогнозов нулевой заблаговременности диапазон изменчивости

составляет для T2m по MSSS от 0.08 (Южные экстратропики) до 0.50 (тро-

пики), для RMSE от 1.29 (Северная Евразия) до 0.34 (тропики). Результаты

месячных прогнозов с 2 и 3-месячной заблаговременностью оказываются

хуже, особенно в северных регионах.

Хан В.М., Тищенко В.А., Круглова Е.Н., Реснянский Ю.Д. и др.

165

Анализ оценок качества вероятностных прогнозов проводился для

всех параметров для месячных прогнозов с нулевой, месячной и трёхме-

сячной заблаговременностью и для сезонных прогнозов с нулевой и месяч-

ной заблаговременностью на основе показателей ROC_B (Below Normal),

ROC_N (Near Normal) и ROC_A (Above Normal) по пяти различным

регионам (земной шар, внетропическая зона Южного полушария,

тропическая зона, внетропическая зона Северного полушария, Северная

Евразия).

В качестве примера ниже представлены выводы для приземной темпе-

ратуры (T2m) по земному шару:

‒ месячные прогнозы с нулевой заблаговременностью (1 мес.) имеют

наивысшие ROC оценки для всех градаций (ниже нормы, около нормы и

выше нормы);

‒ сезонные прогнозы с нулевой заблаговременностью (1‒3 мес.) также

демонстрируют высокие ROC оценки, ненамного уступая месячным про-

гнозам: 1‒3-месячный прогноз имеет ROC_B = 0.75, ROC_A = 0.74;

‒ по мере увеличения заблаговременности наблюдается снижение ка-

чества прогноза. Для ROC_B и ROC_А от 0.73 (1 мес.) до 0.66 (4 мес.).

Региональные особенности:

‒ тропическая зона имеет самые высокие ROC значения для всех типов

прогнозов и всех градаций, что указывает на высокую надежность прогно-

зов в этом регионе. Например, для месячного прогноза ROC_B и ROC_A

составляют 0.81. Для 1‒3-месячных прогнозов ROC_B и ROC_A состав-

ляют 0.82. ROC_N имеет меньшие значения по сравнению с крайними гра-

дациями. Для месячных прогнозов ROC_N падает от 0.65 до 0.58 по мере

увеличения заблаговременности;

‒ внетропическая зона Северного полушария и Северная Евразия

имеют наиболее низкие значения ROC, особенно для прогнозов с большой

заблаговременностью;

‒ для внетропической зоны Южного полушария результаты оценок

чуть выше оценок по экстратропикам Северного полушария.

Краткое сравнение оценок качества версий INM-CM6 и INM-

CM5. Проводилось сравнение качества исторических прогнозов по двум

версиям модели Земной системы (INM-CM5 и INM-CM6). Рассчитывалась

оценка статистической значимости изменения оценок ACC, ROC_A,

ROC_B. Вычислялась серия разностей показателей, рассчитанных для

INM-CM6 и INM-CM5. Затем методом бутстрепа был вычислен 95%-ный

доверительный интервал средней разности (10 000 выборок). Если нижняя

граница доверительного интервала оказывалась больше нуля, то считалось,

что новая модель значимо лучше.

Анализируя разности коэффициентов пространственной корреляции

(ACC) для моделей INM-CM6 и INM-CM5 по переменным Н500, MSLP,

T2m, Prec можно выделить следующие особенности.

166

Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

В большинстве месяцев наблюдаются положительные разности, что

говорит о том, что INM-CM6 в целом дает более высокие значения ACC по

сравнению с INM-CM5 (например, месяц 1, 2, 5, 8, 9, 12). Модель INM-CM6

показывает лучшие результаты по сравнению с INM-CM5 для Н500, Prec

и T2m, тогда как для MSLP наблюдаются близкие значения оценок для

1 месяца прогнозов и доминирование отрицательных оценок бутсреп ана-

лиза для сезонных прогнозов.

Отрицательные значения наблюдаются в июне (-0.026) и ноябре

(-0.127), что указывает на худшее качество ретроспективных прогнозов мо-

дели INM-CM6 по сравнению с INM-CM5.

В апреле и ноябре все переменные (кроме T2m в 4 месяце) показывают

отрицательные разности, что может указывать на слабые стороны

INM-CM6 в эти периоды. Особенно это выражено для ноября у MSLP

(-0.145) и Н500 (-0.127).

Сезонные прогнозы, как правило, имеют меньшие разности оценок,

что может указывать на снижение роли отличий в процедуре подготовки

начальных данных для разных версий моделей при интегрировании на се-

зонных интервалах времени.

Для переменных T2m и Prec наблюдается относительная близость в

оценках в нескольких месяцах года, с небольшими колебаниями, что может

указывать на их меньшую чувствительность к изменениям в настройках

разных версий модели.

Для января, февраля, мая и августа характерны наивысшие значения

разностей оценок для всех переменных, что может указывать на более

успешное прогнозирование климатических паттернов новой версией мо-

дели в эти месяцы года.

Результаты показывают, что модель INM-CM6 в целом улучшает про-

гнозы по сравнению с ее предыдущей версией, однако необходимо учесть

особенности для конкретных переменных и периодов прогнозирования.

Оценки квазиоперативных прогнозов. На квазиоперативной вы-

борке для сезонных прогнозов по Северной Евразии с нулевой заблаговре-

менностью по модели INM-CM6 параметр RMSE для Т2m варьировался в

диапазоне от 0.66 до 1.76, MSSS от -0.67 до 0.70, АСС от -0.23 до 0.6. Сред-

ние значения за испытуемый период составили: АСС=0.18; RMSE=1.16;

MSSS=0.23. По старой версии модели (INM-CM5) RMSE для Т2m варьи-

ровался в диапазоне от 0.78 до 1.95, MSSS от -0.52 до 0.55, АСС от -0.3 до

0.47. Средние значения за испытуемый период для старой версии модели

составили: АСС=0.13; RMSE=1.25; MSSS=0.12. Уровень статистической

значимости разностей оценок по разным версиям модели рассчитывался с

использованием критерия Вилкоксона и составил 0.264 (ACC), 0.038

(RMSE), 0.045 (MSSS).

Для осадков по модели INM-CM6 параметр RMSE варьировался в диа-

пазоне от 0.47 до 0.97, MSSS от -1.04 до 0.20, АСС от -0.1 до 0.43. Средние

Хан В.М., Тищенко В.А., Круглова Е.Н., Реснянский Ю.Д. и др.

167

значения за испытуемый период составили: АСС=0.15; RMSE=0.68;

MSSS= -0.21. Для сравнения, по модели INM-CM5 параметр RMSE для

осадков варьировался в диапазоне от 0.46 до 1.0, MSSS от -0.54 до 0.06,

АСС от -0.15 до 0.29. Средние значения оценок за испытуемый период для

старой версии модели составили: АСС=0.07; RMSE=0.68; MSSS= -0.22.

Уровень статистической значимости разностей по критерию Вилкоксона

составил: 0.01 (ACC), 0.4 (RMSE), 0.33 (MSSS).

Сравнение качества квазиоперативных сезонных прогнозов

по версиям INM-CM5 и INM-CM6 c аналогичными прогнозами зару-

бежных метеоцентров. В ходе испытаний успешность ансамблевых про-

гнозов моделей INM-CM5 и INM-CM6 сопоставлялась с прогнозами зару-

бежных метеоцентров, участвующих в проектах WMO LC LRF MME и

COPERNICUS. Анализ сезонных прогнозов различных моделей по трем

показателям (ACC, RMSE и MSSS) позволяет выделить сильные и слабые

стороны каждой модели, а также оценить их эффективность в прогнозиро-

вании метеорологических переменных на сезонных интервалах времени.

Модель TCC является лидером среди всех участников по всем трем

метрикам (ACC, RMSE и MSSS) для прогнозов Т2m на территории Север-

ной Евразии. Модели ECMWF, UKMO и JMA стабильно занимают 2‒4

места по всем трем метрикам, что говорит о высоком уровне надежности и

точности их прогнозов. Модели INM-CM6, INM-CM5, CMCC и DWD за-

нимают средние позиции, указывая на достаточно хорошее качество про-

гнозов, хотя и уступают TCC, ECMWF, UKMO и JMA. Модели ECCC, MFR

и NCEP занимают нижние позиции по всем показателям.

В период с начала 2022 до начала 2024 года оценки качества прогнозов

по модели INM-CM6 для Т2m Северной Евразии занимали 4‒6 места среди

11 лучших мировых моделей, а для осадков – 5‒7 места.

Лучшие результаты достигаются при меньшей заблаговременности

прогнозов. Прогнозы с нулевой заблаговременностью для месячных и се-

зонных прогнозов наиболее успешны.

Несмотря на географические и климатические особенности, прогнозы

для тропического региона наиболее успешны для всех типов прогнозов и

градаций.

В новой версии модели сохраняется проблема в прогнозировании

условий около нормы (ROC_N). Значения ROC для этой градации ниже по

сравнению с градациями «ниже нормы» и «выше нормы».

Хотя INM-CM6 в целом показывает обнадеживающие результаты для

Н500, T850, T2m и Prec, существуют месяцы, требующие более глубокого

анализа и понимания причин снижения качества. Обе версии модели пока-

зывают различную устойчивость в зависимости от прогнозируемой пере-

менной, что стоит учитывать при применении результатов.

В целом, можно сделать вывод, что модель INM-CM6 демонстрирует

лучшее качество прогнозов по сравнению с моделью INM-CM5, хотя

168

Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

тщательная работа по уменьшению ошибок в прогнозах по-прежнему необ-

ходима, особенно в отношении давления на уровне моря и осадков.

Своим решением от 11 сентября 2024 года ЦМКП рекомендовала:

‒ внедрить в прогностическую работу ФГБУ «Гидрометцентр

России» технологию сезонного прогнозирования на базе версии модели

INM-CM6, включающей дополнительный модуль расчета сверхдолгосроч-

ных прогнозов;

‒ внедрить в прогностическую работу СЕАКЦ технологию сезон-

ного прогнозирования на базе версии модели INM-CM6, включающей до-

полнительный модуль расчета сверхдолгосрочных прогнозов.

Список литературы

1. Вильфанд Р.М., Зеленько А.А., Реснянский Ю.Д., Струков Б.С., Цырульников М.Д.

Усвоение океанографических данных как одна из ключевых задач оперативной

океанологии // Гидроакустика. 2023. № 53(1). С. 107-117.

2. Володин Е.М. Воспроизведение современного климата моделью климатической

системы INMCM60 // Известия РАН. ФАО. 2023. Том 59, № 1. С. 19-26.

3. Володин Е.М., Мортиков Е.В., Кострыкин С.В. и др. Воспроизведение современного

климата в новой версии модели климатической системы ИВМ РАН // Известия РАН. ФАО.

2017. Том 53, № 2. С. 164-178.

4. Реснянский Ю.Д., Зеленько А.А., Степанов В.Н., Струков Б.С., Хан В.М., Володин

Е.М., Грицун А.С., Тарасевич М.А., Брагина В.В. Верификация сезонных прогнозов

температуры поверхности океана и ледовых характеристик на основе модели Земной

системы ИВМ РАН // Гидрометеорологические исследования и прогнозы. 2024. № 4 (394).

С. 6-38.

5. Хан В.М., Круглова Е.Н., Тищенко В.А., Куликова И.А., Субботин А.В., Грицун А.С.,

Володин Е.М., Тарасевич М.А., Брагина В.В. Верификация сезонных ансамблевых прогнозов

на базе модели земной системы INM-CM5 // Метеорология и гидрология. 2024. № 7.

С. 40-56.

6. Bragina V., Volodin E., Chernenkov A. et al. Simulation of climate changes in Northern

Eurasia by two versions of the INM RAS Earth system model // Clim. Dyn. 2024. Vol. 62. Р. 7783-

7797.