Содержание к диссертации
Введение
Глава 1. Обзор литературы 9
1.1. Введение 9
1.2. Обзор методов долгосрочных прогнозов погоды 12
1.3. Синоптические методы 13
1.4. Физико-статистические методы долгосрочного прогноза погоды 22
1.5. Вероятностные методы статистических долгосрочных прогнозов .30
1.6. Гидродинамические методы долгосрочного прогноза погоды 34
1.7. Биологические методы долгосрочного прогноза погоды 42
1.8. Методы долгосрочного прогноза погоды, учитывающие внешние воздействия к системе Земля-Атмосфера 43
1.9. Взаимодействие океана и атмосферы в задаче долгосрочного прогноза погоды 49
1.10. Метод аналогов 54
1.11. Макроциркуляционный метод 56
1.12. Индексы циркуляции и макропогоды 58
1.13. Классификация атмосферных процессов 59
1.14. Успешность долгосрочных прогнозов погоды 63
Глава 2. Метод типовых макропроцессов, история, принципы развития, используемый материал 69
2.1. История разработки и применения метода 69
2.2. Основные принципы и подходы, положенные в основу метода 70
2.3. Достоинства, ограничения и пути развития метода 75
2.4. Используемые базы данных 77
Глава 3. Распознавание и классификация и типовых макропроцессов в задаче прогноза погоды на месяц 81
3.1. Алгоритмы распознавания 81
3.2. Классификация макропроцессов 85
3.3. Вероятностное представление прогнозов 89
3.4. Технология составления прогноза 95
Глава 4. Оценка качества прогнозов на месяц полей аномалий приземного давления, температуры и осадков 102
4.1. Методика оценки качества прогнозов 102
4.2. Статистики, применяемые для оценки качества прогнозов 105
4.3. Анализ результатов оценки качества прогнозов 107
4.4. Выводы 113
Заключение 115
Список литературы
- Физико-статистические методы долгосрочного прогноза погоды
- Основные принципы и подходы, положенные в основу метода
- Вероятностное представление прогнозов
- Статистики, применяемые для оценки качества прогнозов
Введение к работе
Актуальность работы.
Для эффективной организации экономической деятельности в различных отраслях экономики необходимо знание прогноза погоды на месяц, сезон и год. За последние сто лет насчитывается множество попыток создать методы прогнозов погоды на сроки от одного месяца до года для различных регионов земного шара. В связи с недостаточным пониманием процессов и влияющих факторов в атмосфере на временных масштабах месяц и более, данный вид прогнозов пока еще имеет эффективность не достаточную для удовлетворения предъявляемых к нему требований. Динамическая неустойчивость атмосферы и внешние воздействия приводят к тому, что прогноз последовательных состояний атмосферы ограничен несколькими днями. Этот предел равный примерно двум неделям можно рассматривать как предел предсказуемости синоптических масштабов. Отсутствие синоптической предсказуемости для интервала свыше двух недель недостаточно для того, чтобы считать непредсказуемыми некоторые статистические характеристики внутренней динамики, такие как средние за месяц. Очевидно, что некоторые компоненты атмосферного потока могут сохраняться в нелинейной памяти в течение времени, превышающего предел детерминистической предсказуемости синоптических масштабов. Следовательно, нелинейная динамическая схема прогноза может предсказать эволюцию крупномасштабных составляющих на больший период, чем процессов синоптических масштабов. Прогноз на месяц означает прогноз «фаз циркуляционных режимов», или сроков перестроек, что представляется одной из самых трудных задач метеорологической науки.
Синоптико-статистические методы долгосрочных прогнозов, как правило, нацелены на прогноз именно смены циркуляционных режимов. В качестве одного из самых эффективных синоптико-статистических методов в России получил признание и распространение макроциркуляционный метод долгосрочного прогнозирования. Основы макроциркуляционного метода долгосрочных прогнозов погоды были разработаны в сороковых годах двадцатого века Г.Я. Вангенгеймом, а в современном виде сформулированы А.А. Гирсом. Начиная с 1945 года, макроциркуляционный метод применяется в ААНИИ для разработки долгосрочных прогнозов погоды в Арктике с заблаговременностью от 3 до 10 месяцев. В основу метода положены физические закономерности развития общей циркуляции атмосферы на пространстве всего Северного полушария.
В качестве развития идей Вангенгейма-Гирса, в РГГМУ под руководством Савичева А. И. был разработан синоптико-статистический метод долгосрочного прогноза погоды, который получил название «метода типовых макропроцессов». В последние десять лет метод интенсивно совершенствовался на базе внедрения ырвых идей по распознаванию и классификации крупномасштабных синоптических процессов Северного полушария.
Одной из проблем синоптико-статистических методов долгосрочного прогноза погоды является недостаточное качество алгоритмов, предназначенных для оценки меры близости двух макропроцессов. В настоящей работе представлен современный подход к решению проблемы прогноза погоды на месяц, в котором реализованы оригинальные методики сопоставления цепочки развития макропроцессов во времени и пространстве, с учетом их интенсивности. В работе предложено три простых алгоритма распознавания макропроцессов, которые последовательно позволяют оценивать сходство полей аномалий метеопараметров, степень сходства конфигурации и интенсивности очагов сравниваемых полей аномалий и характер эволюции макропроцессов от месяца к месяцу.
В методиках использована, впервые реализованная, концепция «ключевых районов» Северного полушария, которые позволяют описать процесс развития макропроцессов в пространстве и времени, используя ограниченные вычислительные ресурсы. «Ключевые районы» полушария дают возможность значительно ускорить процесс классификации макропроцессов и с высокой степенью достоверности распознать текущий макросиноптический процесс.
Независимо от того, каким методом разрабатывается прогноз - численным гидродинамическим, синоптическим или статистическим, в него включены субъективные допуски прогнозиста. Создание полностью объективных прогнозов в настоящее время невозможно вследствие неопределенности будущего состояния атмосферы. Следовательно, необходимо указывать вероятность выпускаемых прогнозов в терминах, которые поясняют степень доверия к нему прогнозиста. В данном исследовании предложена, обоснована, разработана и внедрена в оперативную практику методика вероятностного представления результатов прогноза. Впервые, для макроциркуляционных методов прогноза на месяц, в работе создана и испытана методика оценки, вероятности осуществления прогноза среднемесячных аномалий приземного давления, температуры и осадков.
Метод реализован в форме программного комплекса, который позволяет разрабатывать прогнозы среднемесячных аномалий приземного давления, температуры и осадков, прогнозировать развитие синоптических процессов и ход температуры на станциях внутри месяца, и оценивать вероятность осуществления прогнозов.
Важность и актуальность данной работы заключаются в том, что впервые удалось создать объективную методику распознавания, как во времени, так и в пространстве, комплексных многофакторных синоптических процессов с целью подбора года-гомолога к текущему макросиноптическому процессу, и на ее базе разработать уникальный автоматизированный прогностический комплекс. В связи с постоянно увеличивающейся потребностью различных отраслей экономики в долгосрочных прогнозах погоды, как с месячным периодом осреднения, так и с детализацией прогнозов внутри месяца по нескольким метеорологическим параметрам, комплекс является востребованным специалистами гидрометеорологической службы и география его использования постоянно расширяется.
Цель и задачи исследования.
Целью работы являлась объективизация «метода типовых макропроцессов». В соответствии с этой целью были поставлены следующие задачи:
- решение проблемы объективизации процесса выбора лучшего года-гомолога, на основе концепции «ключевых районов» Северного полушария, для перевода прогностического «метода типовых макропроцессов» из разряда субъективных «экспертных оценок» в разряд автоматизированного программного комплекса;
- уточнение классификации макросиноптических процессов на основе объективной методики их сравнения;
- разработка методики детализации прогноза приземной температуры и давления внутри прогностического месяца;
- создание методики оценки, вероятности осуществления прогноза среднемесячных аномалий приземного давления, температуры и осадков;
Научная новизна работы.
В работе получены следующие новые научные результаты:
- Впервые разработана оригинальная методика сравнения, как во времени, так и пространстве макросиноптических процессов Северного полушария по нескольким метеопараметрам, которая не только отличается простотой реализации, но и эффективно применяется в оперативной работе;
- Разработана концепция «ключевых районов» Северного полушария, динамика аномалий приземного давления и температуры в которых, определяет дальнейшее развитие макроциркуляционных процессов во времени и пространстве;
- Впервые, в практике долгосрочного прогнозирования в России, разработан и внедрен в оперативную работу метод, оценки вероятности осуществления прогноза аномалий приземного давления, температуры и осадков на месяц.
- Апробирована и реализована в оперативной работе методика детализации прогноза приземной температуры и давления внутри прогностического месяца.
Практическая ценность и реализация результатов работы.
Практическая значимость исследования определяется востребованностью созданного на его основе программного комплекса долгосрочного прогноза погоды специалистами гидрометеорологической службы. География использования комплекса постоянно расширяется, начиная с 1995 года.
В 1995 году программный комплекс долгосрочного прогноза был внедрен в оперативную практику Ленинградского Центра по Гидрометеорологии и Мониторингу окружающей среды и научно-производственного предприятия «Комплексные системы» города Мурманска.
В 2000 году комплекс был адаптирован и внедрен в оперативную практику Сахалинского Управления Гидрометслужбы.
С 2002 года потребителями долгосрочных прогнозов погоды разработанных при помощи данного комплекса последовательно стали Коми ЦГМС, Ярославское ЦГМС, Новгородское и Псковское ЦГМС, Карельское ЦГМС, Санкт-Петербургское ЦГМС-Р.
В настоящее время, прогнозы, разработанные при помощи комплекса, находятся на испытании в Мурманском ЦГМС, Архангельском ЦГМС, Средневолжском и Верхневолжском УГМС.
Все потребители особенно подчеркивают качество и разнообразие прогностической продукции, полученной с помощью комплекса, по сравнению с долгосрочными прогнозами, разрабатываемыми Гидрометцентром России.
Физико-статистические методы долгосрочного прогноза погоды
Как и любая другая нелинейная динамическая система, атмосфера не является детерминистически предсказуемой, а следовательно статистические методы и модели должны являться существенной частью прогностических методик. Статистические модели служат для описания связей между предиктантами и предикторами, являющихся отражением закономерностей и связей атмосферных процессов. С точки зрения воспроизводимости закономерностей, при осуществлении некоторого комплекса условий статистические модели можно разделить на детерминистические и стохастические. В детерминистических моделях предикторы и предиктанты выражают физические величины, которые можно связать детерминистической зависимостью. Если же предикторы и предиктанты рассматриваются как случайные величины, то статистическая модель является стохастической или вероятностной. Необходимость применения вероятностных моделей связана, с невозможностью контролировать все факторы, определяющие поведение физических объектов [21]. В зависимости от применяемого статистического аппарата выделяют пять методов физико-статистического долгосрочного прогноза погоды: регрессионный, метод аналогов, вероятностный, экстрополяционный и дискриминантный [89]. Кроме того, все статистические методы прогноза в широком смысле можно разделить на две части.
1) Классические методы.
То есть методы, которые применяются на основе начальных данных наблюдений и не используют информацию, получаемую от численных гидродинамических моделей погоды. Такие методы до сих пор используются в оперативной практике прогнозирования и могут быть полезны только на сверхкоротких (несколько часов) промежутках времени.
2) Методы, использующиеся для оптимизации информации численных моделей прогноза погоды.
Во всем мире статистические, прогностические модели используются для уточнения, коррекции и детализации результатов гидродинамических методов прогноза. Комбинация статистических и численных методов необходима как для разработки прогнозов в терминах вероятности, так и для прогнозов в конкретных географических точках.
1) Классические методы.
В методах классического статистического прогноза предполагается, что предикторы и предиктанты являются наблюдаемыми или выводимыми из наблюдений данными о фактическом состоянии атмосферы. А поскольку они относятся к разным моментам времени, то статистические методы прогноза основаны на асинхронных статистических связях между атмосферными процессами и явлениями погоды.
Статистические методы в метеорологии построены на следующих предположениях: -Существует детерминированный метеорологический процесс, конкретные реализации которого искажены случайными отклонениями. -Случайные отклонения процесса являются нормально распределенной многомерной совокупностью. - Временные ряды метеорологических данных, после выделения трендов и периодических составляющих, являются стационарным, случайным процессом. Что означает получение одинаковых результатов при обработке произвольных частей временного ряда.
Упомянутый детерминистический процесс считается линейной функцией своих аргументов, в качестве которых беругся гидрометеорологические и другие параметры. Если значение функции, описывающей этот процесс, определяется в каждый момент времени по значениям ее аргументов в предшествующие моменты времени, то функция является прогностической, а ее аргументы становятся предикторами. Качество прогноза в значительной степени определяется выбором предикторов. Выбор предикторов зависит от знания физических процессов протекающих в системе океан-атмосфера, доступных баз метеорологических данных и интуиции прогнозиста, то есть физического обоснования статистических связей [16]. Предикторы должны описывать наиболее важные черты начального состояния физической системы и описывать процессы одного масштаба. Для прогнозов и сезон требуются предикторы содержащие информацию только о крупномасштабных процессах большой длительности. Для этого в некоторых статистических схемах используются специальные методы выделения крупномасштабных составляющих, такие как осреднение по времени и пространству, разложение в ряды ортогональных функций, использование индексов циркуляции.
Привальский А.Б. [66] показал, что атмосферные процессы в данной точке непредсказуемы по своему прошлому. При зональном осреднении параметров прогноз становится возможным. Предел статистической предсказуемости приземной температуры воздуха по Северному полушарию в отдельных широтных зонах достигает четырех-пяти лет и уменьшается до одного года в низких и умеренных широтах. Пространственное осреднение приземного давления ведет к увеличению статистической предсказуемости, но эффект выражен слабее, чем для температуры воздуха.
Основные принципы и подходы, положенные в основу метода
Синоптико-статистический метод долгосрочного прогноза погоды ДПП, который был разработан в Российском Государственном Гидрометеорологическом Университете под руководством Савичева А. И. [66] и получил название «метода типовых макропроцессов» (МТМП), первоначально разрабатывался для прогноза среднемесячных аномалий приземного давления и температуры по району Северной Атлантики еще в 1973 году. Базой для разработки метода послужили труды Вангенгейма-Гирса [14, 19, 20], из которых Савичевым А. И. была взята идеология разработки долгосрочных прогнозов погоды и принципы классификации макропроцессов. Несмотря на все изменения, внесенные в последующие годы, МТМП был и остается продолжением и развитием макроциркуляционного метода долгосрочных прогнозов Вангенгейма-Гирса, который до настоящего времени используется в оперативной практике института Арктики и Антартики [27, 65]. В последствии, метод совершенствовался, и в него последовательно были включены методики прогноза направления развития синоптических процессов внутри прогностического месяца, прогноз хода температуры внутри прогностического месяца по выбранному пункту и прогноз аномалий осадков. В соответствии с требованиями, предъявляемыми потребителями, с 2000 года прогноз в испытательном режиме стал выпускаться в вероятностной форме. К настоящему моменту, в дополнение к уже существующим прогностическим районам были добавлены методики прогноза по Северо-Западу РФ, Дальнему Востоку, Баренцеву морю. Метод применяется в оперативной практике в отделах прогноза Ленинградского ЦГМС, Санкт-Петербургского ЦГМС-Р,
Сахалинского ЦГМС, рыбопромысловых организациях Мурманска. Прогнозы, по этому методу, разработанные в Ленинградском ЦГМС, рассылаются и используются в оперативной практике Коми ЦГМС, Новгородского ЦГМС, Ярославского, Мурманского, Псковского ЦГМС. В тестовом режиме прогнозы испытываются в Верхе-Волжском и Средне-Волжском УГМС, Архангельском ЦГМС-Р. С каждым годом круг потребителей прогностической продукции разработанной по данному методу и география его применения расширяется. В Санкт-Петербурге и Ленинградской области, начиная с 1995 года прогнозами на месяц и сезон, разработанными при помощи МТМП, регулярно пользуются органы государственной власти, МЧС, ЛЕНЭНЭРГО, предприятия топливно-энергетического комплекса, морская администрация порта и многие другие. На севере Европейской части РФ МТМП успешно конкурирует как по качеству, так и по набору представляемых прогностических параметров с месячными прогнозами Гидрометцентра РФ. По оценкам прогностических организаций, в частности Коми ЦГМС, Ярославского ЦГМС, Новгородского ЦГМС, которые были озвучены на проходившем в марте 2005 года в Ленинградском ЦГМС семинаре по применению на практике методов долгосрочного прогноза погоды, успешности прогнозов температуры по МТМП последние 3 года изменяется от 65 до 78%.
В основе МТМП лежат синоптические и статистические методы. Метод базируется на анализе эволюции общей циркуляции атмосферы в предшествующий прогнозу период времени. Главная идея метода, впервые реализованная на практике Вангенгеймом В.Я, а затем дополненная и расширенная Гирсом А.А., заключается в том, что макросиноптические процессы Северного полушария, приводящие к формированию крупных аномалий погоды одного знака над ограниченным районом полушария, имеют сходный тип развития в течение длительного промежутка времени. В качестве рабочей гипотезы для разработки метода использовалось наличие причинно-следственной связи между формированием аномалий макропогоды в конкретном районе и особенностями преобразования макроциркуляционных синоптических процессов Северного полушария в четырех месяцах предшествующих прогностическому месяцу.
Основным приемом, используемым для выделения прогностических связей, являлась генетическая классификация макропроцессов, которая заключается в объединении в группы нескольких макросиноптических процессов со сходным типом циркуляционных преобразований на пространстве Северного полушария в течение пяти месяцев. Классификация изначально проводилась на материалах наблюдений полей аномалий приземного давления и температуры с 1900 по 1970 годы методом экспертной оценки. Каждые несколько лет, с появлением новых данных, классификация уточнялась. На настоящий момент времени база данных, по которой проведена и уточняется классификация, охватывает период с 1900 по 2004 годы.
В одну группу были объединены макросиноптические процессы с максимально подобными как по форме, так и по интенсивности полями среднемесячных аномалий приземного давления и температуры. Помимо этого, учитывался тип преобразования от месяца к месяцу полей среднемесячных аномалий метеопараметров и преобразование циркуляционного фона над Северным Полушарием, на протяжении пяти месяцев. Решающим признаком объединения макросиноптических процессов в одну группу являлась схожая географическая локализация полей среднемесячных аномалий метеопараметров одного знака над Северной Атлантикой и Европой в прогностическом месяце. В процессе классификации количество выделенных групп определялось эмпирически
Вероятностное представление прогнозов
Исторически сложилось так, что долгосрочные прогнозы погоды (ДПП), разработанные на основе метода типовых макропроцессов, выдаются потребителю в категоричной форме. Но мировой опыт показывает, что вероятностная форма представления прогноза повышает его содержательную ценность и является более приемлемой для успешного использования результатов ДПП потребителями. В рамках программы автоматизации разработки прогноза по методу «типовых макропроцессов» нами предложен и обоснован способ применения вероятностной формы долгосрочного прогноза погоды.
При использовании МТМП в качестве прогностического, используется типовой макропроцесс (ТМП), наиболее близкий к текущему макропроцессу. ТМП состоит из нескольких макропроцессов отдельных лет, сходных как по характеру перестройки структуры, среднемесячных полей аномалий приземного давления и температуры воздуха на протяжении четырех исходных месяцев, так и географической локализации и интенсивности очагов аномалий приземного давления и температуры в прогностическом месяце над изучаемым районом Северного полушария. Для каждого ТМП построены карты повторяемости знака среднемесячной приземной аномалии давления и температуры. Эти карты являются картами условной вероятности Р (X \ Y ) осуществления положительной или отрицательной среднемесячной аномалии метеопараметра в каждой точке поля. Условной данная вероятность называется потому, что событие X осуществится только в случае осуществления события Y. Таким образом, карты несут смысловую нагрузку только в том случае, если категорический прогноз развития типового макропроцесса осуществится. Если же развитие макропроцесса пойдет по другому сценарию, то использование карт условной вероятности не дает никакой полезной информации потребителю. В этом случае для оценки вероятности осуществления прогноза можно использовать только субъективную вероятность, то есть вероятность., полученную на основе экспертной оценки прогнозиста. Но в настоящей главе не будет рассматриваться методика получения субъективной вероятности осуществления ДПП, поскольку она не поддается строгой формализации и основана только на опыте и квалификации прогнозиста. Необходимо разработать методику объективного расчета вероятности осуществления ДПП и только в комплексе с ней применять карты условной вероятности.
Для расчета полей вероятности предлагается взять методику расчета, используемую в гидродинамическом методе долгосрочного прогноза погоды, который носит название «прогноза по ансамблям». Выбор данной методики был произведен по следующим причинам:
1) Метод «прогноза по ансамблям» - это наиболее распространенный численный метод ДПП, используемый в США и Европе, и, следовательно, понятный большинству потребителей ДПП без дополнительных разъяснений.
2) Методика расчета вероятности, применяемая в методе «прогноза по ансамблям», отличается простотой реализации и ясностью в представлении результатов.
3) Метод подбора гомологов и метод «прогноза по ансамблям» имеют много общего, хотя на первый взгляд они несопоставимы своими принципиально различными подходами к разработке ДПП.
Метод «прогноза по ансамблям» является численным методом ДПП и заключается в том, что одну и ту же модель просчитывают несколько раз, внося небольшие изменения в начальные условия. Все изменения в начальных условиях должны попадать в область неопределенности, которая определена погрешностью метеорологических наблюдений. Если предположить, что атмосфера является хаотической динамической системой, то небольшие изменения в начальных условиях должны приводить к нарастающим отклонениям в процессе работы модели. Следовательно, конечные результаты расчета моделей с незначительными отличиями в начальных условиях могут значительно отличаться друг от друга. В результате нескольких просчетов модели прогнозист получает «ансамбль» прогнозов, отличающихся друг от друга (см. рисунок 18). Разработчики метода считают, что осредненный по этому «ансамблю» прогноз имеет более высокое качество, чем любая отдельно взятая составляющая «ансамбля». Так как все составляющие ансамбля имеют равную вероятность, то осредненный конечный результат можно выразить в терминах вероятности. В методике «прогноза по ансамблям» вероятность (Р) рассчитывается как процент соответствия некоторого параметра осредненного поля всему набору параметров, составляющих ансамбль. Так, например, если в некоторой точке прогностического поля, осредненного из 10 членов ансамбля, аномалия температуры выше «+5» градусов, и у семи членов ансамбля из десяти в этой же точке аномалия температуры выше «+5» градусов, то вероятность осуществления аномалии в градации «+5» градусов и выше, составляет 70 процентов.
Несмотря на то, что метод подбора гомологов является синоптико-статистическим методом ДПП, а метод «прогноза по ансамблям» численным, тем не менее, они имеют принципиально схожий подход к решению проблемы.
В связи с тем, что прогностический типовой макропроцесс состоит из нескольких макропроцессов отдельных лет, сходных по характеру перестройки структуры, среднемесячных полей аномалий приземного давления и температуры воздуха на протяжении пяти месяцев, где первые четыре рассматриваются как диагностические, а пятый как прогностический, то следовательно, мы можем принять типовой макропроцесс за «ансамбль» прогностических реализаций. В данном случае мы рассматриваем не реализации, полученные при интегрировании математической модели, а реализации естественного развития гидрометеорологических процессов в природе
Статистики, применяемые для оценки качества прогнозов
На основе данных, полученных в результате расчетов различного вида оценок, построены графики изменения качества прогнозов, как средних за каждый год за период с 1975 по 2000 год, так и от месяца к месяцу внутри года. Построены карты географического распределения полей оценок качества прогнозов в выделенном районе Северного полушария для каждого календарного месяца. Результаты представлены на картах и графиках. А) Статистические оценки, рекомендованные ВМО. На рис.4а, рис.4б, рис.4в приведены среднегодовые оценки по всем прогнозам: меры мастерства методического прогноза по отношению к климатическому прогнозу, - коэффициенты корреляции, - отношения средней квадратической ошибки методического и климатического прогнозов.
Оценки получены для аномалий приземного давления (Р), температуры (Т) и осадков (Q) по выделенному району Северного полушария (границы района указаны в 4.1.3.).
На графиках видно, что для всех прогнозов по параметру меры мастерства (MSSS) методические прогнозы хуже климатических для Р, Т и Q. Для Р, Т и Q значения параметра MSSS в среднем по всему периоду оценки находятся в интервале от 0 до -0.2. Заметим, что значения MSSS по модулю меньшие 0.19 (Р и Т) и меньшие 0.08 (Q) обладают низкой статистической значимостью. Из этого ограничения вытекает, что оценка MSSS для Р и Т статистически не значима в 90% случаев. Статистически значимы только оценки MSSS для Q, и они показывают, что прогноз осадков по этим оценкам хуже, чем просто климатический прогноз.
Перейдем к рассмотрению оценок коэффициентов корреляции аномалий (R), характеризующих геометрическое подобие полей прогностических и фактических аномалий представленных на рис.4а, рис.4б, рис.4в. Как видно, оценки R методических прогнозов положительны для Р, Т и Q. В климатическом прогнозе не содержится информации об ожидаемых аномалиях и поэтому оценки для него не приводятся. Уровень коэффициентов корреляции находится в различных диапазонах для каждой из характеристик. R максимален для прогнозов аномалий температуры и находится в диапазоне от 0.1 до 0.6, и минимален для прогнозов осадков и находится в диапазоне от 0 до 0.3. Коэффициенты корреляции являются статистически значимыми, если по модулю они превышают 0.19 для Р и Т, и 0.08 для Q. Таким образом, из общего числа в 25 прогнозов коэффициенты R являются статистически значимыми для 17 прогнозов Р, для 21 прогноза Т и для 17 прогнозов Q.
Для R и для MSSS наблюдается положительный, а для SS отрицательный тренд оценок от 1975 к 2000 году, что может быть вызвано как усовершенствованием техники прогноза, так и накоплением статистики прогнозов и увеличением объема базы данных, по которой разрабатывается прогноз.
Анализ этих графиков показывает, что оценка по параметру MSSS отрицательна для всех трех оцениваемых метеопараметров и является статистически значимой только для аномалий осадков. Коэффициент корреляции является статистически значимым для всех трех оцениваемых величин, максимален для прогнозов аномалий температуры и минимален для прогнозов аномалий осадков. В календарном ходе наиболее успешные прогнозы разрабатывались: - для полей аномалий давления - с февраля по май и в ноябре (максимальное значение 0.35), - для полей аномалий температуры - с ноября по март и в августе (максимальное значение 0.52), - для полей аномалий осадков - с января по март и в августе (максимальное значение 0.2).
Наименее успешные прогнозы разрабатывались в июле: значения R были минимальными для прогнозов как полей аномалий давления, так и температуры, составив 0.14 и 0.18 соответственно. Для прогнозов полей аномалий осадков наименее успешные прогнозы разрабатывались в мае и сентябре с соответствующими значениями R равными 0.5 и 0.04.
Проанализируем географическое распределение оценок качества прогнозов. Такой анализ позволяет определить районы, в которых метод прогноза работает наиболее успешно, и выявить тенденции распределения таких районов в разные сезоны года. Рассмотрим пространственное распределение оценок коэффициента корреляции (R) и отношения средней квадратической ошибки методического и климатического прогнозов (SS) для прогнозов аномалий приземной температуры воздуха, давления и осадков, полученное по ряду всех независимых прогнозов за 25 лет. Для акцентации на наиболее ярких случаях проанализируем карты распределения R и SS за февраль, как месяц с максимальными оценками качества прогнозов, и за июль, как наименее успешный в прогностическом плане месяц.
