Teema 15.2.2016

Säämalli – nykypäivän ennustetehdas

Säämalli on yksinkertaisesti selitettynä kuin mikä tahansa tietokoneohjelma, joka koostuu monimutkaisesta koodista, jonka tietokone raksuttaa läpi luodakseen halutun lopputuloksen. Tämä yksinkertainen selitys ei kuitenkaan tuo oikeutta ja arvoa vuosien aikana tehdylle tutkimukselle ja työlle, mitä säämallien kehitys on vaatinut päästäkseen nykyiselle tasolle.


Numeeristen säämallien historia voidaan katsoa alkaneen vuonna 1922, jolloin englantilainen matemaatikko nimeltä Lewis Fry Richardson yritti ennustaa säätä ensimmäistä kertaa numeerisesti. ”Hänen kehittelemänsä perusperiaatteet ovat pysyneet samana tähän päivään saakka”, Ilmatieteen laitoksen meteorologisen tutkimusyksikön päällikkö Sami Niemelä toteaa.

Säämalli on koko ilmakehäjärjestelmän kuvaus, joka perustuu fysikaalisiin säilymislakeihin, joiden pohjalta muodostettu yhtälöryhmä pyritään ratkaisemaan numeerisesti. Säähavaintoja hyväksikäyttäen yhtälöryhmälle luodaan ilmakehän alkutila, josta ennuste lähtee liikkeille. Jo Richardson jakoi maapallon ns. hilaruudukkoon, joka koostuu tuhansista ja taas tuhansista laskentapisteistä ilmakehässä sekä vaaka- että pystysuunnassa. Yhtälöt kertovat, miten esimerkiksi lämpötila tai tuuli muuttuu ajan edetessä kussakin hilaruudussa. Saatua tulosta käytetään alkuarvona aina seuraavalla laskentahetkellä, kunnes ollaan päästy halutun ennustejakson loppuun.

Richardson yritti laskea 6 tunnin sääennusteen kahteen pisteeseen ratkaisemalla yhtälöitä pelkän kynän ja paperin avulla. Kaikkien yhtälöiden laskeminen vei Richardsonilta kuusi viikkoa ja lopullinen ennustekaan ei ollut järin onnistunut. Varsin pian Richardson ymmärsikin työn mahdottomuuden, mutta visioi jo tuolloin ”ennustetehtaista”, joissa 64 000 matemaatikkoa ratkaisisivat yhtälöitä yhdessä ennustaakseen säätä eri puolilla maailmaa.

Tietokoneiden kehitys mahdollisti säämallien käyttöönoton

Richardsonin visiot toteutuivat vasta vuosikymmeniä myöhemmin, jolloin tietokoneiden kehitys mahdollisti ensimmäisten yksinkertaisten säämallien luomisen. Tietokoneiden avulla pystyttiin tekemään miljoonia ja taas miljoonia laskutoimituksia tarpeeksi nopeasti ja luotettavasti.

Vain tehokkaiden supertietokoneiden avulla voidaan laskea erilaisten sääsuureiden, kuten lämpötilan, kosteuden tai tuulennopeuden muutoksia seuraavina tunteina, päivinä, viikkoina ja nykyään jopa kuukausina eri puolilla ennustealuetta aina merenpinnasta kymmenien kilometrien korkeuteen. ”Sääennustusmallit eivät siis ole pelkästään havaittuun tilaan perustuvia tilastollisia malleja, kuten esimerkiksi taloustieteessä ennustamiseen käytetyt aikasarja-analyysimallit”, Niemelä tähdentää.

Sääennustemallit eivät ole tilastollisia malleja.

Nykypäivän säämallit ovat jakautuneet sekä globaaleihin malleihin että alueellisiin malleihin, joilla on eri tehtävät. Suomi hyödyntää Euroopan keskuksen (ECMWF) globaalimallia, joka on tällä hetkellä tämän kategorian malleista paras. Globaalimalli kuvaa koko maapallon kiertoliikettä ja se luo laajemmat linjat sääennusteille koko maapallon tasolla.
Euroopan keskuksen mallin hilaväli on tarkentunut hiljattain noin 10 kilometriin. Jotta saadaan tarkempaa tietoa tietyltä alueelta, kuten vaikkapa Suomesta, tarvitaan erillisiä rajoitetun alueen malleja. Vaikka alueellisilla malleilla on parempi erotuskyky, ne eivät voi toimia ilman globaalimallin tuottamaa reunatietoa. Toisaalta pienemmän alueen mallia voidaan laskea useita kertoja päivässä hyödyntäen aina tuoreimmat havainnot ja sitä voidaan helpommin muokata vastaamaan paremmin tietyn alueen omia erityistarpeita.
saaennustusmallit1

Säämallit ovat jakautuneet globaaleihin ja alueellisiin malleihin, joilla on eri tehtävät.

Mallikehitys vaatii yhteistyötä

Mallien kehitys vaatii sekä valtavat määrät laskentaresursseja että myös monenlaista osaamista. Niinpä eri maat ovat liittyneet erilaisiin konsortioihin, joissa säämalleja kehitetään yhteistuumin. Suomi on kuulunut muiden pohjoismaiden kanssa Hirlam-konsortioon jo 30 vuoden ajan. Vuoden 2004 alusta Hirlam-konsortio aloitti tiiviin yhteistyön ranskalaisvetoiseen Aladin-mallikonsortion kanssa. Yhteistyön tuloksena on syntynyt jopa 2,5 kilometrin erottelukykyyn pystyvä HARMONIE-malli, joka on tällä hetkellä Ilmatieteen laitoksessa operatiivisessa käytössä. Suomi on tuonut malliin osaamista liittyen sekä data-assimilaatiomenetelmiin että fysikaalisiin parametrisointiprosesseihin, erityisesti siihen, miten maan pinnan ja ilmakehän vuorovaikutus toimii. Lisäksi osaamista on tuotu siihen, mikä on säteilyn, rajakerroksen pyörteisyyden sekä pilvien mikrofysiikan vaikutus ilmakehän tilaan ja miten tätä tietoa hyödynnetään mallissa tehokkaasti.
”Suomessa vallitsevat sääolosuhteet ovat haasteellisia, mutta mallin pitää pystyä ottamaa huomioon paikalliset olosuhteet. HARMONIE pystyy kuvaamaan esimerkiksi Suomenlahdella talvella syntyviä luminauhoja, koska malli osaa huomioida sulan meren ja esimerkiksi Laatokan vaikutuksen säähän”, Niemelä kertoo.

Eri malleilla erilaisia kehitystavoitteita

Sääennusteet ovat kehittyneet jatkuvasti sekä tarkkuudeltaan että pituudeltaan. Globaaleissa malleissa pyritään venyttämään ennustettavuutta yhä pidemmälle. Kehitys on ollut tasaista ja ennusteet ovat parantuneet keskimäärin vuorokauden vuosikymmenessä. Käytännössä tämän päivän viiden vuorokauden ennuste on siis yhtä hyvä kuin 10 vuoden takainen neljän vuorokauden ennuste. Nyt ennusteita pyritään hilaamaan jopa toiselle viikolle tai kuten vuodenaikaisennusteissa jopa kuukausien päähän. ”Tämänkaltaisille ennusteille on tällä hetkellä valtava yhteiskunnallinen tilaus, siksi niiden kehitykseen globaalimallien osalta satsataan voimakkaasti”, Sami Niemelä toteaa.
”Rajoitetun alueen mallissa kehitys on oikeastaan toiseen suuntaan. Siellä huomio on lyhyissä (1-3 vrk) ja lähihetkeen (<1vrk) perustuvissa ennusteissa, jotka perustuvat korkean erotuskyvyn havaintojen assimilointiin ja joissa tavoitteena on yhä tarkemmin mallintaa havaittua informaatiota eteenpäin ajassa seuraavien tuntien aikana. Nämä tiedot ovat tärkeitä esimerkiksi lentoliikenteen sujumisessa.”

Pitkille ennusteille on tällä hetkellä valtava yhteiskunnallinen tilaus.

Ennusteita ennusteiden epävarmuuksille

Perinteinen ajatus säämalleissa on se, että malli kertoo yhden vastauksen eli sen, millainen sää tietyssä paikassa on tiettyyn aikaan. ”Tosiasia kuitenkin on se, että mallit ovat aina ilmakehän yksinkertaistuksia.” Niemelä muistuttaakin, että vaikka nykyiset supertietokoneet tekevät triljoonia laskutoimituksia sekunnissa, mikään malli ei voi olla koskaan täydellinen kopio todellisuudesta.
Täydellisiin sääennusteisiin ei hänen mukaansa ole mahdollista päästä kahdesta pääsyystä. ”Toisaalta säämallit tarvitsevat mahdollisimman tarkan alkukuvan tilanteesta. Aivan täsmällistä kuvaa on kuitenkin vaikea saada, sillä säähavaintoja ei ole saatavissa joka paikasta ja ne voivat toisinaan olla myös virheellisiä. Pienetkin virheet lähtötilanteessa voivat aiheuttaa suuria virheitä lopullisissa ennusteissa. Toisaalta epävarmuuksia liittyy myös mallimenetelmiin. ”Tämän takia yhden vastauksen antaminen ei ole mielekästä vaan mallien pitäisi pystyä antamaan arvioita ennusteen epävarmuudelle – eli siis ennustaa ennusteen epävarmuutta.”
Säämallien nykysuuntaus ovatkin ns. todennäköisyysennustejärjestelmät, joissa käytännössä häiritään alkutilannetta sekä itse ennustetta ja lasketaan niiden pohjalta erilaisia mahdollisia vaihtoehtoja. Tällöin puhutaankin ns. parviennusteista. Näiden pohjalta voidaan tehdä sekä tarkka sääennuste, mutta myös arvioida mallin tuottaman tiedon epävarmuutta. ”Tietyissä säätilanteissa säämalli voi tuottaa kovin hajanaisen joukon ennusteita, jolloin sääennusteen tiedetään  olevan epävarmempi. Toisissa tilanteissa ennusteiden parvi on hyvinkin yhteneväinen, jolloin meteorologit voivat olla sääennusteen osuvuuden osalta melko luottavaisia, mikä on tietysti päätavoitteemme”, Niemelä kiteyttää.

Teksti:
Kuvat:

Tommi Mäkelä

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *