ECMWF – ryväsennusteista apua pitkiin sääennusteisiin

ennustaminen

ECMWF on jo vuosikymmenten ajan ollut erilaisissa vertailuissa paras globaali sääennustemalli  mitattiinpa ennusteiden osuvuutta millä mittarilla tahansa. Tarkimmat paikallismallitkin pärjäävät ECMWF:lle yleensä vain vuoristoalueilla, joissa  maastonmuodot aiheuttavat voimakkaita paikallisia ilmiöitä. Näissäkin ilmiöissä usein paras ennuste saadaan käyttämällä  pohjalla ECMWF:ää ja parantamalla sitä erilaisia tilastollisia matemaattisia malleja sekä meteorologista paikallistuntemusta hyväksi käyttäen.

ECMWF on keskittymässä jatkossa yhä pidempien ennusteiden kehittämiseen

ECMWF (European Centre for Medium-Range Weather Forecasts) on nimensä mukaisesti alunperin keskittynyt keskipitkiin sääennusteisiin eli 1-10 vrk ennusteisiin. Nykyään  viiden vuorokauden ennuste on jo yhtä tarkka kuin  toisen päivän ennuste oli muutamia vuosikymmeniä sitten. Ongelma pitkissä ennusteissa kuitenkin on se, että pienetkin virheet kertaantuvat moninkertaiseksi ennustusajan pidetessä.  Yli viiden vuorokauden ennusteissa paikallinen tarkkuus häviää usein nopeasti, sillä matalapaineet, säärintamat ja muut ”sääotukset” osataan  ennustaa  vain 300-500 km:n tarkkuudella.

Ryväsennusteissa sääennuste lasketaan moneen kertaan

Säänennustettavuus vaihtelee suuresti säätilanteesta riippuen. Ennustettavuutta pystytään ennustamaan ns. ryväsennusteiden avulla. Ryväsennusteista on lyhyellä ajalla tullut pidempien sääennusteiden ja ilmastoennusteiden tärkeä laskentamuoto.

Normaalissa sääennusteessa on totuttu yhteen totuuteen, joka silloin tällöin osoittautuu vääräksi. Suurin osa niin sanotuista pieleen menneistä ennusteista ei johdu niinkään huonosta ennusteeta, vaan siitä, että sääilmiön tarkka sijainti on ennustettu paikallisesti vähän väärin. Toisin sanoen matalapaineen keskus tai rintama onkin muutaman kymmenen kilometriä eri paikassa kuin laskettiin. Tällöin lopputuloksena ennustetun auringonpaisteen sijaan voikin sataa kaatamalla ja päinvastoin. Tällaista paikallisherkkyyttä voidaan arvioida laskemalla ennuste useampaan kertaan vähän erilaisilla alkuarvoilla.  ECMWF laskee normaalin ennusteen lisäksi 51 erilaista tietokone-ennustetta, niin että maapallon ilmakehän alkutila on vähän erilainen. Ilmakehän tarkka alkutilanne tiedetään vain suhteellisen harvaan tehtyjen havaintojen osalta.  Laskelmissa erilaiset alkutilanteet valitaan siten, että ne kussakin tilanteessa olisivat fysikaalisesti mahdollisia, mutta johtavat mahdollisimman erilaisiin ennusteisiin.  Näin saadaan yli 50 enemmän tai vähemmän erilaista sääennustetta. Mitä pitempään ennusteet ovat yksimielisiä, sitä pidemmälle ennustettavuus on hyvä. Samalla saadaan myös ennusteelle mahdolliset vaihteluvälit ja toteutumisen todennäköisyys. Ryväsennusteita käytetään sekä kartta- että piste-ennusteisiin. Kirjoitin aikoinani ”kevennetyn” jutun ryväsennusteista, superpalloista  ja  15 vuorokauden ennusteista. Voit lukea sen täältä.

Piste-ennusteen harha

Sääennusteista epäluotettavimpia ovat yhteen paikkaan laaditut piste-ennusteet. Ne ovat kuitenkin helppolukuisina kaikkein eniten käytettyjä ja varmasti monille ihan riittävän hyviä. Mikäli kuitenkin oma elinkeino tai harrastus on säästä riippuvainen, saa kartoista paljon apua  riskitekijöiden hahmottamiseen ja siihen, mihin suuntaan ennuste mahdollisesti voi heittää.  Sääkarttoja tulisi aina katsoa siten, että kaikki kartoilla nähty voi jo yhden vuorokauden ennusteissa heittää paikallisesti 100 kilometrillä. Eli aurinkoinen piste-ennuste voi kartalla paljastua epävarmaksi, mikäli ennustettavan alueen vieressä on liikkeellä pilviä tai jopa sateita. Vastaavasti ennustettu länsituuli voi toteuta itätuulena, jos matalapaineen keskus liikkuu vaikkapa 50 km ennustettua etelämpää ja itse sijaitaan juuri natalapainen keskuksen reitillä jne.  Tämä onkin tuuliennusteiden arkea etenkin yli vuorokauden ennusteissa, joissa matalapaineen keskuksen tarkka reitti  ja muoto usein jo vähän ”heittää”. Kartalla tällaiset riskit on helposti huomattavissa, mutta normaalit piste-ennusteet eivät kerro riskeistä välttämättä mitään.

Mikäli karttaennusteet tuntuvat liian työläiltä, voidaan tulevaisuudessa ryväsennusteiden avulla laatia erilaisia piste-ennusteita,  joissa keskitytään näyttämään haluttujen säätapahtumien riskejä ja todennäköisyyksiä. Toisaalta samalla myös menetetään iso osa piste-ennusteen helppolukuisuutta.

Kärjistetty esimerkki hetkellisestä piste- ja karttaennusteesta Ouluun. Piste-ennuste kertoo pilvisyyden olevan kyseisellä hetkellä 0 prosenttia eli sään olevan täysin selkeää. Karttaennuste kuitenkin paljastaa, että etelästä on uhkaamassa laaja pilvivyöhyke. Todellisuudessa tällaisessa tilanteessa selkeän sään ennusteen toteutuminen ei ole kovinkaan varmaa! Sääennusteessa kannattaa aina muistaa tekstissäkin mainittu 100 km:n sääntö ja esimerkin tilanteessa Oulussa pilvinen sää on melkein yhtä todennäköistä kuin selkeäkin. Pelkässä piste-ennusteessa kyseinen epävarmuus ei välity välttämättä lainkaan.

Karttannusteet

Itse meteorologina suosin karttaennusteita ja niistä katson aina ensin suursäätilan. Lasken mielessäni, montako sadealuetta tai säärintamaa liikkuu lähipäivien aikana oman alueeni yli. Vastaavasti painan mieleeni, minkä sadealueen etu- tai takapuolella on tuulisinta sekä liikkuuko oman alueeni läheltä matalapaineen keskuksia. Vasta, kun olen nämä hahmottanut, alan tarkkailla piste-ennusteita ja niiden kehitystä. Mikäli säällä on toimiisi suurta merkitystä, suosittelen samaa myös sinulle.

Eri tietokonelaskelmia voi käyttää myös ryväsennusteiden tavoin. Jos kaikki ennusteet ovat samaa mieltä, on ennustettavuus hyvä. Jos taas mallit ovat eri mieltä, ennustettavuus on epävarma. Tilanteissa, joissa kaikki mallit ovat erinäköisiä, kannattaa tilastojen valossa luottaa ECMWF:ään. Se on noin seitsemän kertaa kymmenestä lähimpänä totuutta. Erityisesti toisen ja kolmannen vuorokauden tuuliennusteissa ECMWF on melko ylivoimainen, sillä se osaa selvästi muita malleja paremmin ennustaa matalapaineen keskuksen reittiä ja toisaalta matalapaineen voimakkuuden muuttumista. Tästä syystä myös Sääneuvoksen kartat  käyttävät oletuksena ECMWF:ää.

Ryväsennusteita käytetään myös karttaennusteissa

ECMWF:n omilla sivuilla on mahdollista vertailla ryväsennusteiden vaihtelevuutta myös kartoilla. Voit esimerkiksi vertailla kaikkien ryväsennusteiden keskiarvoa varsinaiseen operatiiviseen ennusteeseen. Suora linkki kyseiseen palveluun töytyy täältä ja jatkossa myös Sääneuvoksen sivun alalaidan footerista.

Kuvan lähde: ECMWF.INT  Kuvaparin ensimmäisessä kuvassa näkyy ryväsennusteiden keskiarvo (isoviivat) ja hajonta (väritetyt alueet). Toisessa kuvassa varsinainen ECMWF:n operatiivinen ennuste (isoviivat) ja sen hajonta ryväksen jäseniin verrattuna. Mikäli näissä kahdessa kartassa on painekentässä suuria eroja, kannattaa luottaa enemmän ensimmäiseen karttaan. Niin kauan kuin matala- ja korkeapaineiden sijainnit molemmissa kartoissa ovat samat, on yksityiskohdat järkevää katsoa jälkimmäisestä kartasta. Operatiivinen laskelma voi muutaman kerran vuodessa olla yksin täysin omilla linjoilla ja silloin se on lähes aina väärässä.

Mikäli GFS  ja ECMWF ovat tyystin eri linjoilla, kannattaa katsoa yllämainitussa kuvaparista katsoa kumpaan luottaa enemmän. Mikäli kuvaparin ennusteissa matala ja korkeapaineet ovat suunnilleen samoilla paikoilla, voit luottaa ECMWF:ään.  Toisaalta, jos ECMWF:n ryväsennusteiden keskiarvo (eli vasen kartta) on lähempänä GFS: n matalapaineiden ja korkeapaineiden sijaintia,  kannattaa surffit  ja muutkin tekemiset suunnitella enemmän GFS:n karttojen perusteella.

Yli 2 viikon sääennusteet osuvat nappiin keskimäärin joka toisella kerralla😉

Pitkät ennusteet ovat  meidän leveyspiireillä edelleenkin arvauksen tasoa. Ryväsennusteista huolimatta yli 2 viikon ennuste osuu oikeaan vain vähän yli 50 prosenttisesti. Ennusteet löytävät kyllä yhden säätyypin muutoksen kohtuu hyvin, vaikka se tapahtuisi vasta 5 vuorokauden jälkeen, mutta mikäli ennustusjaksolla tapahtuu toinen tai useampi  säätyypin muutos, eivät laskelmat enää pysy perässä. Toisaalta mikäli säätyypissä ei tapahdu suuria muutoksia, ovat ryväsennusteihin perustuvat  ennusteet kohtuu hyviä vielä 2 viikon päähän.