Как создается прогноз погоды в 21 веке
![](/uploads/articles/0T7ureBY.jpg)
Современные методы прогнозирования интенсивно развиваются, для прогнозов широко используются статистические методы, модели машинного обучения (нейросети, метод опорных векторов SVM) и гидродинамические модели.
Прогностические модели погоды основаны на физических принципах, которые описывают движение атмосферных потоков и погодных явлений. В этих моделях используются данные наблюдений погоды, а также данные о солнечной активности, составе атмосферы и других факторах, которые могут так или иначе влиять на погоду.
Для прогнозирования могут быть использованы различные источники данных:
- радары (отслеживают облачность и осадки в радиусе до 250 км каждые 10 минут),
- спутники (находясь на геостационарной орбите производят съемку определенных участков Земли каждые 10-15 минут),
- наземная сеть постов измерения гидрометеорологических параметров окружающей среды (обсерватории, станции, посты, метеозонды),
и даже пользователи различных погодных приложений, например, Яндекс Погода (актуально для технологии прогноза Метеум – собственной разработки Яндекс), подтверждающие или опровергающие прогноз для конкретной точки на местности.
Каждый указанный выше источник информации о погоде важен для повышения точности прогнозирования. Если исключить из прогнозных моделей слой метеостанций, то качество прогноза упадёт на 7%, а если исключить спутниковые данные, то на 35-40%. Однако измерительные приборы не могут собрать всех данных с поверхности океанов, тропических лесов, пустынь из-за огромных масштабов этих территорий. Поэтому компьютерные модели заполняют «пробелы» - интерпретируют схожие данные, делают предположения. В настоящее время в мире насчитывается 11 глобальных моделей и несколько региональных. Все национальные метеослужбы мира (в России это Гидрометцентр) передают данные во Всемирную метеорологическую организацию, образуя в итоге единую глобальную сеть.
Одной из самых точных глобальных погодных моделей является модель ECMWF (The European Centre for Medium-Range Weather Forecasts), использующая более 40 миллионов наблюдений каждый день и прогнозирующая погоду на 10 дней вперед с высокой точностью.
Модель GFS (Global Forecast System), разработанная Национальным центром окружающей среды США, использует данные о погоде со всего мира, чтобы предсказывать погоду на 16 дней вперед.
Региональная модель NAM (North American Mesoscale Model) разработана для прогнозирования погоды в Северной Америке. Ее особенностью является то, что она учитывает более детальные данные о ландшафте, рельефе и географических особенностях региона, что позволяет улучшить точность долгосрочного прогноза погоды.
Прогнозная модель JMA (The Japan Meteorological Agency) разработана для прогнозирования погоды в Японии и Азиатско-Тихоокеанском регионе, учитывает влияние Азиатских муссонов и других факторов, характерных для этого региона.
Модель ПЛАВ разработали в Гидрометцентре России совместно с Институтом вычислительной математики. ПЛАВ способна выдавать как краткосрочные, так и долгосрочные прогнозы. Отечественная модель прогнозирования обновляется дважды в сутки и выдает прогнозы с шагом на местности 20 км, заблаговременностью до 10 суток и дискретностью 3 часа.
Повысить качество прогнозов можно с помощью нейросетей. Так, в ноябре 2023 года команда Google Deepmind официально представила свою модель прогнозирования погоды GraphCast. Её особенность заключается в том, что она способна рассчитывать погоду на 10 дней вперёд без понимания «физики» атмосферных процессов. Учёные обучали нейросеть на цифровых исторических архивах погоды за период с 1979 по 2017 годы. Сам же прогноз рассчитывается за минуту. В тестах GraphCast смог обойти самую передовую гидродинамическую модель прогнозирования погоды от Европейского центра среднесрочных прогнозов ECMWF.
Есть аналогичные разработки и в России. Метеум 2.0 - собственная технология прогноза Яндекс Погоды, с помощью машинного обучения составляющая прогноз и карту осадков с точностью до района, используя множество источников данных. Прогнозирование происходит на основе пяти глобальных моделей — европейских ECMWF и ICON, американской GFS, канадской CMC, японской JMA и собственной региональной модели на базе WRF с открытым исходным кодом. Срок прогноза - от нескольких минут до недель.
Достоверность прогнозов стабильно растет на протяжении последних десятилетий. Так в 1986 году модель Европейского центра среднесрочных прогнозов (ECMWF) прогнозировала поле давления на 3-е суток с точностью 90%. Сейчас этот показатель составляет 98-99%. За 20 лет показатель точности поля давления на семь суток увеличился с 60% до 80%.
Таким образом, прогнозирование погоды – это сложный и постоянно развивающийся процесс, который зависит от многих факторов. Различные модели используются для прогнозирования погоды в разных регионах и сферах жизнедеятельности, и их создание и усовершенствование требует постоянной работы и научных исследований. Точные прогнозы помогают подготовиться к изменениям погоды, снизить риски и повысить эффективность различных видов деятельности.