Гидрометеорологические исследования и прогнозы. 2025. № 2 (396). С. 169-173

169

УДК 551.509.52

Технология наукастинга скорости порывов ветра

в летний период на основе данных дистанционного

зондирования атмосферы и численных прогнозов погоды

Киктёв Д.Б., Муравьев А.В., Смирнов А.В.

Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия

В период май‒сентябрь 2024 года проводились испытания технологии

наукастинга порывов ветра на основе трех типов информации: 1) наукасты

(прогностические поля) порывов ветра до 150 мин в области обзоров ра-

диолокаторов ДМРЛ-С в 10-минутных интервалах (по 144 прогноза ежесу-

точно); 2) поля прогнозов (мезопрогнозы) средней скорости и порывов

ветра на 720 мин через каждые 3 часа с помощью модели COSMO-Ru/2.2

(8 прогнозов ежесуточно в 10-минутной дискретности); 3) наблюдения ав-

томатических метеорологических станций (AMС) в 10-минутных интерва-

лах (по 144 телеграмм ежесуточно). В выборках для каждой заблаговре-

менности содержалось примерно по 20600 полей наукастов и по 1150 полей

мезопрогнозов, а для всех сроков наблюдений ‒ 21024 одновременных

станционных сообщений. Области охвата всеми типами информации рас-

положены в Центральном федеральном округе (ЦФО) и имеют большое

взаимное перекрытие (рисунок).

Машинное обучение: алгоритм "Случайный лес". Технология

наукастинга порывов на срок до 2.5 часов тестировалась с применением

алгоритма машинного обучения "Случайный лес". Для построения решаю-

щих правил использовалась информация последнего доступного оператив-

ного ЧПП модели COSMO-Ru/2.2, представленного с 10-минутной детали-

зацией внутри периода прогноза. Расчет ЧПП системы COSMO-Ru/2.2 на

срок до 12 часов проводился восемь раз в сутки по начальным данным за

00, 03, ..., 21 ч ВСВ.

В качестве предикторов выбирались шесть параметров ЧПП: макси-

мальная отражаемость, высота верхней границы облачности, высота нуле-

вой изотермы, средняя скорость ветра на высоте 1 км, средняя скорость

ветра на высоте 3 км, средняя скорость ветра на 10 метрах. В обучающую

выборку включались попадающие на период наукастинга 10-минутные

поля скорости порывов и шести предикторов из последнего численного

прогноза модели COSMO-Ru/2.2.

Предварительно модельные значения предикторов и предиктанта

"агрегировались" – осреднялись по окрестным узлам сетки в окнах опреде-

ленных размеров, при этом для максимальной отражаемости и высоты ВГО

отбирались максимальные значения в некоторых окрестностях; все пара-

метры агрегирования подбирались экспериментально.

170

Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

а)

б)

Рисунок. Зоны обзора радиолокаторов и расчетная область для наукастинга

скорости порывов ветра (а); распределение AMС (б, точки), максимальные

значения оси х зоны наукастинга (б, сиреневая линия) и зоны мезопрогноза

(б, зеленая линия) в повернутой системе координат модели COSMO2/2. Вы-

делен четырехугольник, окаймляющий сеть АМС (б, красный цвет).

По агрегированным значениям в каждой точке сетки с помощью алго-

ритма «Случайный лес» строятся обобщенные связи, "наилучшим" обра-

зом обеспечивающие восстановление значений предиктанта для региона

прогноза в целом. Для этих целей создается ансамбль из 200 решающих

деревьев регрессионного типа и в итоговом прогнозе обобщаются ответы

множества деревьев.

Киктев Д.Б., Муравьев А.В., Смирнов А.В.

171

Авторская особенность предложенной технологии состоит в следую-

щем. На начальном этапе прогноза часть модельных предикторов заменя-

ется результатами пространственно-временной экстраполяции радиолока-

ционных характеристик, полученных с помощью модели pySTEPS [5] в

приложении к композитным радарным полям максимальной отражаемости

и высоты верхней границы облачности. "Замена" обусловлена тем, что мо-

дель pySTEPS, предназначенная исходно для прогноза осадков, способна

воспроизводить структуру и этих полей [2].

Условия верификации. Для верификации исходные мезопрогнозы

преобразуются в пространственный формат наукастов с помощью обрезки

границ и интерполяции методом "ближайшего соседа". Качество наука-

стинга оценивается по дихотомическим полям из нулей и единиц, при этом

единицей маркируются категории порывов относительно следующих по-

рогов: 15 м/с как "неблагоприятное метеорологическое явление", 20 м/с –

как "сильный ветер" и более 25 м/с ‒ как "очень сильный" ветер [4]. За ос-

новную меру качества принята оценка "по пространственным долям" (FSS,

[1, 3, 6]), рассчитываемая в квадратных окнах со стороной от нуля км

(поточечное сравнение) до 40 км на километровой сетке верификации раз-

мером 978×978.

Очевидно априори, что различие типов исходной информации по зна-

чениям скорости порывов, по пространственной структуре и по времен-

ному регламенту выдачи оказывает критичное воздействие на статистиче-

скую значимость результатов оценок.

Приведем пример распределения единиц в наблюдениях сети АМС,

призванных служить основной мерой "истинности прогнозов". Так, среди

примерно 20600 станционных сообщений обнаружено 549 сообщений с по-

рывами не менее 15 м/с (менее 3 %) и 119 сообщений с порывами не менее

20 м/с (менее 0.1 %). Распределение сообщений по количеству станций, од-

новременно зафиксировавших такой порыв в интервале 10 мин, выглядит

следующим образом. По одному и двум порывам (т. е. на одной-двух стан-

циях) было зафиксировано в 497 сообщениях (около 91 % от 549). По три

порыва ‒ в 19 сообщениях, по четыре ‒ в 15, по 5 и 6 порывов ‒ в 13 сооб-

щениях. Более 10 станций (с максимумом 13 станций) сообщили одновре-

менно о порывах такой силы в четырех случаях. В сообщениях о порывах

не менее 20 м/с единственный порыв отмечен в 111 сообщениях (93 %), 2

порыва ‒ в 4 сообщениях, 3 и 4 порыва отмечены в 2 сообщениях. Крайне

разреженным и эпизодическим сообщениям АМС о существенных поры-

вах соответствуют иногда тысячи и десятки тысяч единиц в полях наука-

стинга и мезопрогноза.

В то же время общие характеристики наукастов с порывами из модели

машинного обучения могут заметно отличаться от характеристик полей с

такими же порывами из системы ЧПП. Так, для каждой заблаговременно-

сти в интервале от 10 до 150 минут обнаружено примерно 350‒400 полей

172

Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

наукастинга с порывами не менее 20 м/с, при этом максимальное количе-

ство точек с порывами изменяется с заблаговременностью в интервале при-

мерно 20‒30 тысяч. Количество аналогичных полей в мезопрогнозах для

этих же заблаговременностей изменяется от 240 до 420 полей при размахе

максимального количества точек примерно от 7 до 30 тысяч. Напомним,

для каждой заблаговременности полные выборки наукастов и мезопрогно-

зов имеют несопоставимые объемы порядка 20600 и 1150 полей соответ-

ственно. В дополнение к этому возникающие контрасты пространственных

распределений порывов в парах синхронизованных полей могут приводить

к вырождению рассчитываемых показателей FSS.

Для сглаживания столь сильного пространственно-временного разно-

образия поля и станционные наборы обобщались по часовому интервалу:

при этом единичное значение присваивается точке по дизъюнкции – если

в течение пяти 10-минутных интервалов времени после срока наукастинга

хотя бы в одном случае порыв данной категории наблюдался.

Результаты испытаний. В ходе испытаний проведены визуальные

сопоставления полей прогнозов с данными ЧПП и АМС, проанализиро-

ваны случаи сильных порывов, зафиксированных во всех трех типах

информации. Для финальных выводов отобраны примеры наукастинга по-

рывов не менее 20 м/с, в качестве контроля использованы поля наукастинга

на 10 мин ("поля первого приближения"). Результаты представлены в таб-

лице.

Таблица. Количество пар с оценкой FSS >0.5 в окнах со сторонами 0‒40 км

Усл. заблаго-

временность

Кол-во

пар

Окна со стороной (в км)

277

209

171

126

106

289

221

183

134

118

293

233

194

154

127

109

297

242

201

164

135

114

453

419

398

372

357

335

307

290

270

245

182

135

101

Отметим, что снижение количества пар сравниваемых полей с ростом

заблаговременности характеризует "неустойчивость" разработанной про-

гностической системы в интервале полутора часов. При этом доля "каче-

ственных" прогнозов в окнах до 40×40 км уменьшается от 66 (297/453) до

20 %.

Киктев Д.Б., Муравьев А.В., Смирнов А.В.

173

Таким образом, качество прогностической системы (по значению

FSS > 0.5) в пространственном масштабе до 40×40 км и в часовом обобще-

нии превышает 50 % лишь в интервале прогноза до получаса (201/398 >

0.505). Вывод основан на предположении, что прогнозы системы наука-

стинга на 10 минут более-менее точно отражают реальность и могут ис-

пользоваться в верификации в качестве "первого приближения".

Центральная методическая комиссия по гидрометеорологическим и

гелиогеофизическим прогнозам (ЦМКП) Росгидромета решением от

20 декабря 2024 г. рекомендовала:

‒ использовать в ФГБУ «Гидрометцентр России» технологию наука-

стинга скорости порывов ветра в качестве вспомогательного прогностиче-

ского метода в теплый период года (май‒сентябрь) для территории Цен-

трального региона России;

‒ авторам продолжить развитие технологии наукастинга.

Список литературы

1. Киктев Д.Б., Муравьев А.В., Бундель А.Ю. Методические рекомендации по верифи-

кации метеорологических прогнозов. М.: АМА ПРЕСС, 2021. 94 с.

2. Киктев Д.Б., Муравьев А.В., Смирнов А.В. Наукастинг параметров и явлений по-

годы: инструменты, возможности и ограничения // Метеорология и гидрология. 2024. № 7.

C. 81-92.

3. Муравьев А.В., Киктев Д.Б. Качество, предсказуемость и полезность в задачах ра-

диолокационного наукастинга осадков // Метеорология и гидрология. 2024. № 7. C. 93-107.

4. РД 52.27.724-2019 Наставление по краткосрочным прогнозам погоды общего назна-

чения. М.: Гидрометцентр России», 2019. 66 с.

5. Pulkkinen S., Nerini D., Hortal A.P., Velasco-Forero C., Seed A., Germann U., Foresti L.

Pysteps: an open-source Python library for probabilistic precipitation nowcasting (v1.0) // Geosci.

Model Dev. 2019. Vol. 12. P. 4185-4219.

6. Roberts N., Lean H. Scale-selective verification of rainfall accumulations from high reso-

lution forecasts of convective events // Mon. Wea. Rev. 2008. Vol. 136. P. 78-97.