Tutkimusta kolmella toimialalla

Meteorologian ja meritieteen tutkimusohjelmassa tehdään meteorologista, ilmakehätieteellistä ja fysikaalista meritieteellistä perus- ja soveltavaa tutkimusta. Tutkimuskohteina ovat muun muassa eri aikaskaalojen ennustemallit, tutkimusaloihin liittyvät tieteelliset sovellukset ja kaukokartoitushavainnot sekä ilmastonmuutoksen vaikutukset ja niihin sopeutuminen.
 
Ilmastontutkimusohjelmassa tehdään ilmastojärjestelmän eri osiin liittyvää perus- ja soveltavaa tutkimusta. Tutkimuksen kohteina on erityisesti mennyt, nykyinen ja tuleva ilmasto sekä ilmakehän koostumus ja sen vaikutukset ilmastonmuutokseen ja ilmanlaatuun. Osa ohjelman työntekijöistä työskentelee Kuopion toimipisteessä.
 
Avaruus- ja kaukokartoituskeskus vastaa polaarialueiden ja lähiavaruuden tutkimuksesta ja toimintaan liittyvästä teknologian kehittämisestä. Tutkimuksen kohteina ovat erityisesti arktinen tutkimus sekä kaukokartoitus, uudet havaintomenetelmät ja avaruus. Avaruus- ja kaukokartoituskeskukseen kuuluvat Arktinen avaruuskeskus ja Sodankylän toimipiste.

Tiedeuutiset

Vuosittain julkaisemme noin 350 kansainvälisesti ennakkotarkastettua julkaisua.

Tiedeuutisissa kerromme Ilmatieteen laitoksen tutkimuksista ja niiden tärkeimmistä tuloksista kansantajuisesti.

« Takaisin

Koneoppimismenetelmillä aiempaa tarkempia sään kausiennusteita

Koneoppimismenetelmillä aiempaa tarkempia sään kausiennusteita

Tilastollisia koneoppimismenetelmiä sovellettiin tutkimuksessa uudella tavalla kolmen kuukauden pituisten lämpötilaennusteiden tekemiseksi. Tulokset osoittavat, että etenkin kesä- ja syyskausien ennustettavuus Skandinavian alueella on yllättävän hyvä ja parempi kuin aiemmin on tiedetty.

Sään kausiennusteita voidaan käyttää säätilanteille herkkien elinkeinojen apuna. Esimerkiksi tuuli- ja aurinkovoima sekä maanviljelys voivat hyötyä tarkentuvista ennusteista. Lomasuunnitelmia tehdessä voi olla myös kiinnostavaa tietää, onko odotettavissa vaikkapa tavanomaista lämpimämpi tai kylmempi kesä.

Uutena tuloksena tutkimuksessa havaittiin, että kolmen kuukauden keskilämpötilaennusteet tarkentuvat, kun koneoppimismallin lähtötietona hyödynnetään ennustesignaaleja kauempaa menneisyydestä.

"Puolen vuoden tai jopa vuoden takaiset valtamerten pintalämpötilat vaikuttavat tuleviin Euroopan säihin, toki vähemmän kuin juuri edeltävän jakson ennustesuureet", kertoo Ilmatieteen laitoksen tutkija Matti Kämäräinen.

Valtamerten lämpötilat muuttuvat vuositasolla hitaasti, jolloin niiden käyttäminen tilastollisen kausiennustemallin lähtötietona on kannattavaa. Vieläkin hitaammat, jopa vuosikymmeniä pitkät värähtelyjaksot erityisesti Pohjois-Atlantilla ovat myös tärkeitä Euroopan paikallisilmastoon vaikuttavia tekijöitä, ja näiden merkityksestä saatiin tutkimuksessa uutta tietoa. Osoittautui, että myös näitä vuosikymmenskaalan värähtelyjä kannattaa käyttää kausiennusteiden pohjatietoina.

Lisäksi aiemmista tutkimuksista tiedetään, että stratosfäärin eli yläilmakehän tuulet pohjoisella pallonpuoliskolla vaikuttavat Euroopan alueella tulevien kuukausien lämpötiloihin. Tämä tulos vahvistettiin tutkimuksessa.

Tällä hetkellä Ilmatieteen laitoksella käytettävät Euroopan keskipitkien sääennusteiden keskuksen (ECMWF) pitkän ajan kausiennusteet tuotetaan jatkamalla sääennustemallien ajoja useita kuukausia tulevaisuuteen, ja näistä ajoista lasketaan kolmen kuukauden keskilämpötilan kaltaisia suureita kuvaamaan lähitulevaisuutta. Näissä ennusteissa on monia epävarmuuksia, minkä lisäksi niiden tuottaminen on laskennallisesti hyvin raskasta vaikka käytössä olisi supertietokoneitakin.

Vaihtoehtoinen tapa tuottaa kolmen kuukauden ennusteita ovatkin juuri tilastolliset mallit ja koneoppiminen.

"Tilastolliset mallit ovat laskennallisesti keveitä ja niiden rakentaminen, kehittäminen ja käyttäminen on joustavaa. Vähintään koneoppimismallit tuottavat uusia näkökulmia raskaiden dynaamisten mallien tulosten rinnalle, ja parhaimmillaan niiden ennusteet voivat olla huomattavastikin tarkempia ja siksi mielenkiintoisia ja hyödyllisiä", Matti Kämäräinen toteaa.

Lisätietoja:

Tutkija Matti Kämäräinen, Ilmatieteen laitos, p. 050 380 2868, matti.kamarainen@fmi.fi
Ryhmäpäällikkö Antti Mäkelä, Ilmatieteen laitos, p. 050 301 1988, antti.makela@fmi.fi

Kämäräinen, M., P. Uotila, A. Y. Karpechko, O. Hyvärinen, I. Lehtonen, and J. Räisänen, 2019: Statistical Learning Methods as a Basis for Skillful Seasonal Temperature Forecasts in Europe. J. Clim., 32, 5363–5379, https://doi.org/10.1175/JCLI-D-18-0765.1


Lisää tiedeuutisia arkistossamme