Гидрометеорологические исследования и прогнозы. 2025. № 3 (397). С. 166-169

166

УДК 551.509+551.467

Метод сезонных прогнозов температуры

поверхности океана и состояния морского льда

на основе модели Земной системы ИВМ РАН

и системы подготовки данных Гидрометцентра России

Реснянский Ю.Д.¹, Зеленько А.А.¹, Степанов В.Н.¹,

Струков Б.С.¹, Хан В.М.^1,2, Володин Е.М.^2,1, Грицун А.С.²,

Тарасевич М.А.^2,1, Брагина В.В.^2,1

¹Гидрометеорологический научно-исследовательский центр

Российской Федерации, г. Москва, Россия;

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

Метод сезонных прогнозов температуры поверхности океана и состояния

морского льда на основе модели Земной системы ИВМ РАН и системы подготовки

данных Гидрометцентра России разработан Гидрометцентром России совместно с

Институтом вычислительной математики им. Г.И. Марчука Российской академии

наук в рамках реализации Важнейшего инновационного проекта государственного

значения (ВИП ГЗ). Метод испытывался в соответствии с Программой испытаний,

утвержденной директором ФГБУ «Гидрометцентр России» 08.02.2024 года.

Прогностическая технология

Прогностическая технология, обеспечивающая реализацию метода, построена

на базе глобальной модели Земной системы ИВМ РАН [10, 16, 17] и системы гене-

рации ансамбля начальных состояний [2]. Исходными для определения начальных

состояний являются данные реанализа ERA5 [14] для атмосферы и деятельного

слоя суши, а также данные SODA3.4.2 [11] (ретроспективные прогнозы) и

Системы усвоения океанографических данных (СУОД) Гидрометцентра России

[1, 3, 7] (квазиоперативные прогнозы) для океана и морского льда.

Сезонные прогнозы составлялись с использованием двух версий модели Зем-

ной системы ИВМ РАН: INM-CM5 и INM-CM6. Прогнозы включали в себя ансам-

бли из 20 реализаций в версии INM-CM5 и 10–30 реализаций в версии INM-CM6.

Объектом прогнозирования, наряду с метеорологическими переменными, явля-

лись среднемесячные аномалии – отклонения от соответствующих модельных или

контрольных норм температуры поверхности океана (ТПО) и характеристики мор-

ских льдов на сроки до 6–9 месяцев. Основные сведения о модели и прогностиче-

ской технологии представлены в статьях [4, 6, 8, 9, 18].

Результаты испытаний

Качество метода для двух версий прогностической модели оценивалось по ре-

зультатам ретроспективных прогнозов за 1991–2019 гг. для INM-CM5, 1991–2020 гг.

для INM-CM6 и по результатам квазиоперативных прогнозов за 2021–2023 гг. для

INM-CM5 и за 2022–2024 гг. для INM-CM6. Рассматривались показатели качества,

рекомендуемые ВМО для оценки долгосрочных прогнозов [15]. Оценки успешно-

сти прогнозов ТПО рассчитывались по акватории Мирового океана и его отдельных

Реснянский Ю.Д., Зеленько А.А., Степанов В.Н., Струков Б.С. и др.

167

районов (тропики, район Эль-Ниньо). Оценки ледовых прогнозов рассчитывались

для Арктики и Антарктики.

Ретроспективные прогнозы. Ретроспективные прогнозы ТПО, составляв-

шиеся по двум версиям модели Земной системы INM-CM5 и INM-CM6, оказались

успешными (значимые коэффициенты корреляции аномалий ACC > 0,37, преиму-

щественно положительные значения показателя качества по среднему квадрату

ошибки для сравнения с климатическим прогнозом MSSS) для заблаговременно-

стей до 3 месяцев для Мирового океана и до 4 месяцев для тропической зоны и

района Эль-Ниньо. Значения ACC слабо зависели от стартовой даты прогнозов и

уменьшались с ростом заблаговременности. Наиболее успешными оказались про-

гнозы по району “Эль-Ниньо-3.4” с ACC 0,73–0,86 для прогнозов на первый месяц

и 0,40–0,69 для прогнозов на четвертый месяц. Прогнозы по INM-CM6 системати-

чески обыгрывали прогнозы по INM-CM5 на 0,1–0,3 единиц ACC.

Степень успешности ретроспективных прогнозов площади льда в Арктике

(метод определения площади см. в [12]), оцениваемая по показателям ACC и MSSS,

существенно зависела от начальных сроков прогнозирования. Наибольший интер-

вал заблаговременностей с успешными прогнозами получился для сентябрьских

стартовых дат с наименьшей ледовитостью в момент старта прогноза. Для объема

арктических льдов более успешные по АСС и MSSS ретроспективные прогнозы

получились только для осенних стартовых дат (сентябрь–декабрь).

Более подробная информация о верификации ретроспективных сезонных

прогнозов ТПО и ледовых характеристик на основе модели Земной системы ИВМ

РАН представлена в [5].

Квазиоперативные прогнозы. Оценки квазиоперативных прогнозов прово-

дились для отдельных прогностических расчетов, выполняемых в 2021–2024 гг. по

двум версиям модели ИВМ РАН. Более высокие показатели АСС для ТПО по мо-

дели INM-СМ6 в сравнении с INM-СМ5 получились и в квазиоперативных про-

гнозах. Типичные в этот период значения АСС получились даже выше, чем в ре-

троспективных прогнозах, в ряде случаев достигая 0,8–0,9.

Средние по Мировому океану оценки ACC квазиоперативных прогнозов ТПО

по INM-CM5 ожидаемо снижались с ростом заблаговременности, изменяясь от

0,38–0,61 для первого прогностического месяца до 0,13–0,30 для шестого прогно-

стического месяца. Для тропической зоны (20° ю. ш. – 20° с. ш.) от 0,39–0,81 для

первого прогностического месяца до 0,10–0,50 для шестого прогностического ме-

сяца. Такие прогнозы можно считать успешными (значимые пространственные

ACC > 0,27) для заблаговременностей до 4 месяцев для Мирового океана и до 5

месяцев для тропической зоны.

Для Мирового океана зависимость оценок прогнозов ТПО от приуроченности

стартового месяца к тому или иному сезону не особенно выражена, в то время как

в районе Эль Ниньо (Nino-3.4) менее успешными получаются прогнозы от старто-

вых месяцев с ноября по февраль вследствие, вероятно, попадания прогностиче-

ского интервала в диапазон так называемого весеннего прогностического барьера

[13].

Значения площади арктических льдов в серии квазиоперативных прогнозов с

моделью INM-CM5 за 2022–2023 гг. получились преимущественно завышенными

(на 10–15 %) в сравнении с данными NSIDC (Национального центра по снегу и

льдам США). Отличия прогнозируемых значений от данных NSIDC оказались

наибольшими для зимних месяцев с января по апрель (более 10 %) и наименьшими

168 Результаты испытания новых и усовершенствованных технологий, моделей

и методов гидрометеорологических прогнозов

для мая 2022 г. (0–8 %) и сентября 2023 г. (2–10 %). Преимущественно завышен-

ными оказались и прогнозы площадей в Антарктике с еще большими в сравнении

с Арктикой типичными отклонениями от данных NSIDC в 15–30 %.

Показатели качества АСС для сплоченности льдов в Арктике испытывали

большие колебания от срока к сроку и нередко получались отрицательными. Вме-

сте с тем отчетливо просматривалось повышение качества прогнозов по модели

INM-CM6 в сравнении с INM-CM5. Число прогнозов сплоченности со значимыми

положительными АСС по модели INM-CM6 за этот период превышало 20, тогда

как ни один из прогнозов по модели INM-CM5 таких значимых оценок не имел.

Вероятностные оценки квазиоперативных прогнозов сплоченности льдов в

Арктике в терминах показателя ROC характеризуются значениями ROC = 0,50–

0,59 для градации «ниже нормы», ROC = 0,55–0,71 для градации «норма» и ROC =

0,55–0,75 для градации «выше нормы». Таким образом, оценки прогнозов во всех

трех градациях оказываются выше случайных с наилучшими результатами для

градации «выше нормы».

Качество прогнозов ТПО и ледовых характеристик по INM-CM6 в большин-

стве случаев превосходило качество прогнозов по INM-CM5. Из сравнения оценок

прогнозов ТПО и ледовых условий с оценками зарубежных центров следует, что

оценки качества прогнозов по модели INM-CM6 сопоставимы с таковыми по за-

рубежным моделям, подтверждая соответствие построенной на модели ИВМ РАН

прогностической системы мировому уровню успешности прогнозов и о наличии у

неё эффективного прогностического по- тенциала на сезонных масштабах вре-

мени.

Выводы

По итогам рассмотрения представленного метода Центральная методиче-

ская комиссия по гидрометеорологическим и гелиофизическим прогнозам

(ЦМКП) Росгидромета на заседании 26 июня 2024 г. сочла целесообразным:

«Одобрить и рекомендовать к внедрению в прогностическую работу ФГБУ «Гид-

рометцентр России» и Северо-Евразийского климатического центра (СЕАКЦ) Ме-

тод сезонных прогнозов температуры поверхности океана и состояния морского

льда на основе модели Земной системы ИВМ РАН и системы подготовки данных

Гидрометцентра России наряду с использованием ранее внедренных в ФГБУ

«ААНИИ» методов прогнозирования ледовых условий в Северном Ледовитом

океане и его морях». Внедрение метода с сентября 2024 г. подтверждено актом

ФГБУ «Гидрометцентр России» № 2 ЦМКП/2024 от 10 сентября 2024 года.

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 океа-

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

2. Воробьева В. В., Володин Е. М. Экспериментальные исследования сезонной пред-

сказуемости погоды, выполненные на основе климатической модели ИВМ РАН // Матема-

тическое моделирование. 2020. Том 32, № 11. С. 47-58. DOI: https://doi.org/10.20948/mm-

2020-11-04.

3. Думанская И.О., Зеленько А.А., Мысленков С.А., Нестеров Е.С., Попов С.К., Реснян-

ский Ю.Д., Струков Б.С. Морские гидрологические прогнозы и оперативная океанология в

Гидрометцентре России // Гидрометеорологические исследования и прогнозы. 2019. № 4

(374). С. 149-183.

Реснянский Ю.Д., Зеленько А.А., Степанов В.Н., Струков Б.С. и др.

169

4. Емелина С.В., Хан В.М., Семенов В.А., Воробьева В.В., Тарасевич М.А., Володин Е.М.

Использование сезонных гидродинамических прогнозов модели INM -CM5 для оценки сро-

ков начала пыления березы // Известия РАН. ФАО. 2023. Том 59, № 4 . С. 407-416.

DOI: 10.31857/S0002351523040053.

5. 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 темпе-

ратуры поверхности океана и ледовых характеристик на основе модели Земной системы

ИВМ // Гидрометеорологические исследования и прогнозы. 2024. № 4 (394). С. 6-38. DOI:

https://doi.org/10.37162/2618-9631-2024-4-6-38.

6. Реснянский Ю.Д., Зеленько А.А., Струков Б.С., Степанов В.Н., Хан В.М., Воробьева

В.В., Тарасевич М.А., Грицун А.С., Володин Е.М. Оценка успешности воспроизведения оке-

анографических полей в ретроспективных прогнозах по модели Земной системы INM-CM5

// Метеорология и гидрология. 2024. № 3. С. 5-20. DOI: 10.52002/0130-2906-2024-3-5-20.

7. Струков Б.С., Реснянский Ю.Д., Зеленько А.А. Релаксационный метод усвоения дан-

ных по сплоченности морского льда в модели NEMO–LIM3 с несколькими категориями ле-

дяного покрова // Метеорология и гидрология. 2020. № 2. С. 65-77.

8. Тищенко В.А., Хан В.М., Реснянский Ю.Д., Е.М. Володин Е.М., Грицун А.С., Воробь-

ева В.В., Тарасевич М.А. Метод сверхдолгосрочного прогнозирования состояния климати-

ческой системы на основе климатической модели ИВМ РАН INM-CM5 и системы подго-

товки данных Гидрометцентра России // Результаты испытания новых

усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов.

2024. Информационный сборник № 51. С. 37-44.

9. Хан В.М., Тищенко В.А., Круглова Е.Н., Субботин А.В., Реснянский Ю.Д., Володин

Е.М., Грицун А.С., Воробьева В.В., Тарасевич М.А. Система сезонного метеорологического

прогноза на базе модели INM-CM5 // Результаты испытания новых и усовершенствованных

технологий, моделей и методов гидрометеорологических прогнозов. 2024. Информацион-

ный сборник № 51. С. 21-36.

10. Bragina V., Voldin E., Chernenkov A., Tarasevich M. Simulation of climate changes

in Northern Eurasia by two versions of the INM RAS Earth system model // Climate Dynamics.

2024. P. 7783-7797. https://doi.org/10.1007/s00382-024-07306-y.

11. Carton J.A., Chepurin G.A., Chen L. SODA3: A New Ocean Climate Reanalysis // J.

Clim. 2018. Vol. 31. P. 6967-6983. DOI: 10.1175/JCLI-D-18-0149.1.

12. Comiso J.C., Bliss A.C., Gersten R. Parkinson C.L., Markus T. Current State of Sea Ice

Cover. 2024. https://earth.gsfc.nasa.gov/cryo/data/current-state-sea-ice-cover, last access: 08-02-

2024.

13. Duan W., Wei Ch. The ‘spring predictability barrier’ for ENSO predictions and its pos-

sible mechanism: results from a fully coupled model // Int. J. Climatol. 2013. Vol. 33(5). P. 1280-

1292. DOI: 10.1002/joc.3513.

14. Hersbach H., Bell B., Berrisford P., Hirahara S. The ERA5 global reanalysis // Q.J.R.

Meteorol. Soc. 2020. Vol. 146. P. 1999-2049.

15. Standardized Verification System (SVS) for Long-Range Forecasts (LRF). New Attach-

ment II-9 to the Manual on the GDPS // WMO-No. 485. Vol. I. Geneva: WMO, 2002. 21 p.

16. Volodin E.M., Gritsun A.S. Simulation of Possible Future Climate Changes in the 21st

Century in the INM-CM5 Climate Model // Izvestiya Atmospheric and Ocean Physics. 2020. Vol.

56, no. 3. P. 218-228. DOI: 10.1134/S0001433820030123.

17. Volodin E.M., Mortikov E. V., Kostrykin S. V. et al. Simulation of the present-day climate

with the climate model INMCM5 // Climate Dynamics. 2017. Vol. 49, no. 11. P. 3715-3734.

18. Vorobyeva V.V., Volodin E.M. Evaluation of the INM RAS climate model skill in climate

indices and stratospheric anomalies on seasonal timescale // Tellus A: Dynamic Meteorology and

Oceanography. 2021. Vol. 73, no. 1. Р. 1-12.