Tutkimus tuotti uutta tietoa havaintoihin perustuvan ja numeerisen säänennustusmallin eroista

Sääennusteiden tekemisessä käytetään usein numeerisia säänennustusmalleja, jotka pohjautuvat ilmakehää kuvaavien yhtälöiden ratkaisemiseen. Ilmatieteen laitoksen ja Turun yliopiston yhteistyössä fysikaalisiin yhtälöihin pohjautuvaa HARMONIE-AROME -säänennustusmallia verrattiin täysin havaintoihin pohjautuvaan regressiomalliin.

Siinä missä numeerinen säänennustusmalli, kuten HARMONIE-AROME, käyttää säähavaintoja ainoastaan ennusteen alkutilanteen luomiseen ja ennusteen mukauttamiseen, regressiomallin ennuste pohjautuu täysin havaintoihin. Malli "koulutetaan" suurella määrällä havaintoja erilaisista ympäristöistä, ja malli laskee riippuvuuksia maankäytön, korkeuserojen ja vesialueiden läheisyyden sekä lämpötilavaihtelun välille. Näiden yhteyksien ja havaintojen avulla mallilla saadaan luotua alueellisesti jatkuva lämpötilakartta koko tutkitulle alueelle.

Vertailussa tutkittiin mallien eroavaisuuksia vuoden 2018 heinäkuussa koetun lämpimän jakson yölämpötilojen mallinnuksessa. Regressiomallin kouluttamiseen käytettiin havaintoja 71:stä ympäri Turun aluetta sijoitetusta säämittarista, jotka ovat osa Turun yliopiston maantieteen osaston TURCLIM-projektia. Koska samoja havaintoja käytettiin myös mallien tulosten tarkkuuden arvioinnissa, mallin tarkkuus laskettiin useassa vaiheessa vaihdellen sitä, mitä asemia käytettiin kouluttamisessa ja mitä arvioinnissa. Näin yhtäkään asemaa ei samaan aikaan käytetty sekä mallin kalibroinnissa että arvioinnissa. Edellä mainittujen 71:n havaintopisteen lämpötilojen lisäksi regressiomallin tarkkuuden arvioinnissa käytettiin lämpötiloja kolmelta Turun keskustasta merkittävästi kauempana sijaitsevalta havaintopisteeltä. Näitä keskustasta 30-40 kilometrin päässä sijaitsevia havaintopisteitä käytettiin ainoastaan regressiomallien tarkkuuden arvioinnissa.

HARMONIE-AROME-mallissa käytettiin 750 metrin vaakasuoraa erottelutarkkuutta, mikä on huomattavasti tarkempi kuin päivittäisissä sääennustuksissa käytetty 2,5 kilometrin resoluutio.

Maankäytön kuvaus on oleellista molemmissa malleissa

Regressiomalli pärjäsi mallinnettujen lämpötilojen vertailussa hieman numeerista sääennustusmallia paremmin. HARMONIE-AROME-mallille ja muille numeerisille säänennustusmalleille ominainen yölämpötilojen arvioiminen liian korkeiksi näkyi myös tässä tutkimuksessa. Erityisen hyvin tämä ilmeni silloin, kun säätilanne Turussa oli selkeä ja tyyni tai heikkotuulinen. Tuulisina ja pilvisinä öinä mallit pärjäsivät jotakuinkin yhtä hyvin.

Molemmat mallit onnistuivat mallintamaan maankäytön eroista johtuvaa lämpötilavaihtelua pääsääntöisesti hyvin. Suurimmat erot havaintoihin verrattaessa syntyivät molemmilla malleilla silloin, kuin havaintomittarin välitön ympäristö poikkesi merkittävästi muusta hieman etäämmällä sijaitsevasta lähiympäristöstä.

Regressiomalli ei sovellu sääennustukseen samalla tavoin kuin numeerinen säänennustusmalli, sillä se tarvitsee havainnot mittareilta ennen kuin se pystyy laskemaan lämpötiloja mallinnetulle alueelle. Tämä tutkimus kuitenkin antaa tutkijoille tietoa eri työkalujen tarkkuudesta kaupunkiolosuhteita tutkittaessa. Tuloksista voidaan myös päätellä, että ympäristön tarkka kuvaaminen mallille on tärkeää, jotta mallin antama ennuste saadaan täsmällisemmäksi.

Lisätietoja:

Tutkija Olli Saranko, Ilmatieteen laitos, puh. 050 529 9520, olli.saranko@fmi.fi

Tieteellinen artikkeli on julkaistu Journal of Applied Meteorology and Climatology -lehdessä (vaatii lehden tilauksen).

Viite: Saranko, O., J. Suomi, A. Partanen, C. Fortelius, C. Gonzales-Inca, and J. Käyhkö, 2024: Comparison of Physically Based and Empirical Modeling of Nighttime Spatial Temperature Variability during a Heatwave in and around a City. J. Appl. Meteor. Climatol., 63, 1053–1074, https://doi.org/10.1175/JAMC-D-23-0149.1.