WMO RA VI WMO RA II RCC-Network ЭКСТРЕМАЛЬНЫЕ МЕТЕОРОЛОГИЧЕСКИЕ ЯВЛЕНИЯ НА ВНУТРИСЕЗОННЫХ МАСШТАБАХ ВРЕМЕНИ ОСНОВНЫЕ ОПРЕДЕЛЕНИЯ Москва, 2021 ТЕРМИНОЛОГИЯ В терминологии, связанной с определением Экстремальных Метеорологических Явлений (ЭМЯ), много неоднозначностей и неопределенностей. В соответствии с общепринятыми представлениями, ЭМЯ – это явления редкой повторяемости с точки зрения интенсивности, продолжительности или времени возникновения [Киктев, Толстых и Мирвис, 2014]. При этом «редкость» явления рассматривается как определяющее свойство «экстремальности». В практике краткосрочных прогнозов погоды (до 3-х суток), где объектами прогнозирования являются мгновенные состояния атмосферы, наиболее употребительными и распространенными являются термины неблагоприятные метеорологические явления (НМЯ) и опасные метеорологические явления (ОМЯ). При этом НМЯ ассоциируются с явлениями, которые по своим характеристикам (интенсивности, продолжительности) значительно затрудняют деятельность отдельных отраслей экономики, а к ОПМ относятся явления погоды, которые интенсивностью, продолжительностью и временем возникновения представляют угрозу безопасности людей, а также могут нанести значительный ущерб отраслям экономики [Руководящий документ РД 52.27.724-2009, 2009]. ТЕРМИНОЛОГИЯ В отличие от краткосрочных прогнозов, объектами прогнозирования долгосрочных метеорологических прогнозов (ДМП) обычно являются осредненные за тот или иной интервал времени (месяц, сезон) аномалии метеорологических величин и/или вероятности их категорий. Крайние категории (например, выше 90го или ниже 10-го процентиля) могут трактоваться как «экстремальные» [Киктев, Толстых и Мирвис, 2014]. Оценка вероятностей экстремальных категорий предъявляет высокие требования к размерам прогностических ансамблей. В настоящее время в ведущих мировых метеорологических центрах при составлении ДМП используются ансамбли с размерностью порядка сотен прогностических реализаций. Долгосрочные прогнозы экстремальных средних за период прогноза аномалий выпускаются, например, ЕЦСПП, Азиатско-тихоокеанским климатическим центром (APCC), Международным институтом климата и общества (IRI), Метеорологической службой Франции (Meteo-France). При этом экстремумы в средних сезонных значениях прогнозируются как вероятности попадания в верхний и нижний 15%-10%-ные «хвосты» многолетнего распределения аномалий прогнозируемой величины. При этом ассоциация выпускаемых долгосрочных прогнозов ЭМЯ с деятельностью отдельных отраслей экономики или их влиянием на общество представляется затруднительной и требует проведения специальных исследований. КЛИМАТИЧЕСКИЕ ИНДЕКСЫ Помимо экстремумов как крайних категорий средних за период значений рассматриваются также экстремумы на фоне внутрисезонной и внутримесячной изменчивости, идентифицируемые с помощью различных климатических индексов (экстремальные значения средней суточной, максимальной и минимальной температуры, волны тепла и холода, индексы циркуляции и т.д.) [Pepler et al., 2015]. Обширный набор такого рода ежегодных индексов, рассчитываемых на основе ежесуточных рядов данных для приземной температуры и осадков, был рекомендован Экспертной группой по выявлению климатических изменений, мониторингу и индексам (http://etccdi.pacificclimate.org/) в рамках проекта CLIVAR. Модифицированный набор такого рода индексов приводится в таблице. КЛИМАТИЧЕСКИЕ ИНДЕКСЫ Индекс Определение Единицы измерения TX90p % R10 Доля дней (%) со средней суточной температурой TX>90-го процентиля за рассматриваемый период Доля дней (%), когда температура TX<10-го процентиля за рассматриваемый период Волны тепла: Число дней в рассматриваемом периоде, когда по меньшей мере в течение пяти последовательными дней TX> 90-го процентиля Волны холода: число дней в рассматриваемом периоде, когда в течение по меньшей мере в течение пяти последовательных дней TN<10-го процентиля Максимальное значение суточной суммы осадков, отмечавшееся в течение рассматриваемого периода Максимальное значение суммы осадков, отмечавшееся в течение 5-ти последовательных дней в течение рассматриваемого периода Сумма осадков, деленная на число дней с осадками ≥ 1 мм в течение рассматриваемого периода Число дней, когда суточные суммы осадков > 10 мм R20 Число дней, когда суточные суммы осадков > 20 мм Дни CDD Максимальная продолжительность непрерывного сухого периода, когда суточные суммы осадков < 1 мм Максимальная продолжительность непрерывного влажного периода, когда суточные суммы осадков >= 1 мм Общее количество осадков за рассматриваемый период Дни TX10p WSDI CSDI R1day R5day SDI CWD PRCP % Дни Дни мм мм мм/день Дни Дни мм ИНДЕКС ЭКСТРЕМАЛЬНОСТИ EFI В прогностической практике один из наиболее перспективных подходов к идентификации экстремальных явлений связан с использованием индекса экстремальности EFI (Extreme Forecast Index). Основные формулировки и преимущества данного индекса подробно описаны в работах [Lalaurette, 2003; Zsoter, 2006]. В общем виде EFI определяется как интегральная мера различия между конкретным модельным прогностическим и соответствующим модельным климатическим вероятностными распределениями того или иного 1 2 p − F f ( p) метеорологического параметра: EFI = π ∫ 0 p (1 − p ) dp где Ff ( p) - функция, обозначающая долю членов ансамбля, лежащих ниже pквантиля климатической записи. Множитель 1 / p(1 − p) используется, чтобы придать больший вес хвостам распределения. Использование двух этих модельных распределений позволяет оценить степень необычности конкретной прогнозируемой ситуации в контексте модельного климата и учесть систематические ошибки прогностической модели. Важным преимуществом данного индекса является то, что он рассчитывается в вероятностном пространстве и не зависит от масштаба физической переменной, а также конкретных пороговых значений. ИНДЕКС ЭКСТРЕМАЛЬНОСТИ EFI Одна из проблем практического использования индекса EFI связана с его чувствительностью к выбору методов численного интегрирования уравнения. Как показали результаты сравнения различных расчетных схем индекса [Киктев и др., 2020], на практике наиболее целесообразно использовать эмпирические функции распределения вероятностей.. При этом весь интервал, в котором заключены элементы выборки, включая прогнозы и модельный климата, разбивается на MB интервалов, для которых определяются относительные частоты событий X<x: F и H соответственно. Заменяя дифференциалы, входящие в формулу (1), конечными разностями, получим: где = 3,14159265, а число интервалов MB = 2 MB ( H Bi − FBi ) 20 (может меняться в зависимости от EFI = MB * π i =1 H Bi (1 − H Bi ) объема выборки). Bi Bi ∑ Волны тепла, индекс WSDI Эмпирические распределения можно рассматривать как приблизительную оценку истинных функций распределения совокупности и соответственно индекса EFI. ЛИТЕРАТУРА • • • • • • • • Киктев Д.Б. Об индексе экстремальности для задач долгосрочного прогноза погоды, - Проблемы экологического мониторинга и моделирования экосистем, 2011, т.24, с.179-193. Киктев Д.Б., Толстых М.А., Мирвис В.М. О предсказуемости экстремальных метеорологических явлений на временных масштабах до сезона. - Экстремальные паводки в бассейне р. Амур: причины, прогнозы, рекомендации (сб. докладов), М. 2014, с. 54 – 66. Киктев Д.Б., Круглова Е.Н., Куликова И.А. Об оценке индекса экстремальности EFI. Метеорология и гидрология, 2020, № 1, с. 5-22. DOI: 10.3103/S106837392001 Руководящий документ РД 52.27.724-2009 «Наставление по краткосрочным прогнозам погоды общего назначения». – Москва, Федеральная служба по гидрометеорологии и мониторингу окружающей среды, 2009, 62 с. Dutra, E., Diamantakis, M., Tsonevsky, I., Zsoter, E., Wetterhall, F., Stockdale, T., Richardson, D. and Pappenberger, F. The extreme forecast index applied to seasonal forecasts. - ECMWF Technical Memoranda. Technical Memorandum, 2013, no.703, 12 p. Lalaurette F. Early detection of abnormal weather conditions. using a probabilistic extreme forecast index. - Quarterly Journal of The Royal Meteorological Society, 2003, vol. 129(594), p. 3037–3057. Pepler, A. S., Díaz L. B., Prodhomme C., Doblas-Reyes F. J., and Kumar A. The ability of a multi-model seasonal forecasting ensemble to forecast the frequency of warm, cold and wet extremes. - Weather and Climate Extremes, 2015, vol. 9, p. 68–77, https://doi.org/10.1016/j.wace.2015.06.005. Zsoter E. Recent developments in extreme weather forecasting. - ECMWF Newsletter, 2006, vol. 107(107), pp. 8–17.