Teema 26.4.2018

Todennäköisesti poutaa

Täsmällisen säätilan ennustaminen etenkin pidemmän ajan päähän on usein mahdotonta. Monelle säätiedon ammattikäyttäjälle on hyödyllisempää tietää, kuinka suurella todennäköisyydellä viikon päästä sataa tai paistaa.

Usean vuorokauden päähän ulottuva sääennuste on epävarmempi kuin seuraavan päivän ennuste. Kun ennustetaan säätä pidemmän ajan päähän, voidaan avuksi ottaa todennäköisyysennustaminen. Jos halutaan tietää, onko esimerkiksi tiedossa hellettä, todennäköisyysennuste ei pyri kertomaan tietyn päivän korkeinta lämpötilaa vaan sen, kuinka suurella todennäköisyydellä helleraja ylittyy.

”Sääennusteissa on aina epävarmuutta johtuen alkutilan eli havaintojen epävarmuudesta ja säämallin tekemistä yksinkertaistuksista. Todennäköisyysennusteissa epävarmuutta kuvaamaan tehdään yleensä kymmenien ennusteiden parviajo, jossa samalle ajalle tehdään useampi ennuste muuttamalla hieman alkutilaa”, kertoo meteorologi Natalia Korhonen Ilmatieteen laitokselta.

Ilmatieteen laitoksella käytetään Euroopan keskipitkien ennusteiden keskuksessa ECMWF:ssä ajettavaa säämallia. Sen parviajo tuottaa 51 ennustetta. Yksi näistä on niin sanottu kontrolliajo, joka tuotetaan parhaalla mahdollisella datalla ja säämallilla. Muita ajoja on ”häiritty” esimerkiksi muuttamalla alkutilan tietoja. Yhdessä näistä ajoista muodostuu parvi, joka näyttää mahdolliset lopputulemat ja niiden todennäköisyyden.

Jos ennusteparvi on kovin leveä eli hajoaa aikaisin, ilmakehän voidaan olettaa olevan vaikeasti ennustettavassa tilassa. Tällöin ennusteen epävarmuus on suuri. Yleensä matalapainetilanteessa on huonompi ennustettavuus ja parvi hajoaa, kun taas korkeapaineen vallitessa se pysyy paremmin kasassa ja ennustettavuus on parempi.

10 vuorokauden sääennuste osoitteessa ilmatieteenlaitos.fi/paikallissaa. Meteorologin ennuste on esimerkki deterministisestä ennusteesta. Säämallin lämpötila on esimerkki todennäköisyysennusteesta. Punaisella viivalla on merkitty säämallin tuottamien ennusteiden mediaani. Sisemmän punaisen vyöhykkeen alueelle lämpötila osuu 50 % todennäköisyydellä, himmeimmän punaisen vyöhykkeen sisälle 80 % todennäköisyydellä. Siniset palkit ovat esimerkki todennäköisyysennusteesta sademäärälle.

Taloudellisen päätöksenteon tueksi

Teknologiapäällikkö Juha Kilpinen Ilmatieteen laitokselta kertoo, että todennäköisyysennusteista hyötyvät erityisesti ammattikäyttäjät, jotka tekevät taloudellisia päätöksiä sääennusteiden perusteella.

”Deterministinen ennuste kertoo, että Helsingissä on viikon päästä seitsemän astetta. Näin tuskin todellisuudessa on, vaan lämpötilan ympärillä on vaihteluväli, jonka tietäminen auttaa päätöksentekijää”, Kilpinen korostaa.

Deterministiset ennusteet eivät kerro mitään epävarmuuksista, mutta esimerkiksi maanviljelijän täytyy tietää kaikki mahdolliset olosuhteet, jotka saattavat vaikuttaa satoon ja sen suojaamiseen. Kun energia-alalla pitää päättää, käynnistetäänkö lisävoimala tai sijoitetaanko lisähenkilökuntaa tietylle seudulle mahdollisten sähkökatkojen vuoksi, ei riitä, että päätöksentekijä tietää yhden ennustetun säätä kuvaavan arvon. Hänen pitää saada tietoa myös sääilmiöiden todennäköisyyksistä ja niihin liittyvistä epävarmuuksista.

Todennäköisyysennusteista hyötyvät ammattikäyttäjät, jotka tekevät taloudellisia päätöksiä sääennusteiden perusteella.

Tavalliselle käyttäjälle sääennusteella on harvoin taloudellista merkitystä: ennuste kertoo lähinnä, kannattaako ottaa sateenvarjo mukaan pihalle lähtiessä. Taloudellisesti merkittävissä tilanteissa lasketaan panos-tuotos-suhde todennäköisyyden avulla. Tämä suhde kertoo, milloin satsaus säältä suojaamiseen kannattaa tehdä, jotta toiminta on kannattavaa. Myös ihmisten turvallisuutta uhkaavissa vaarallisissa säätilanteissa voidaan todennäköisyysennusteita hyödyntämällä etsiä oikeaa varoituskynnystä. Varoitukset menettävät uskottavuutensa, jos niitä annetaan liian usein.

Tulevaisuuden megatrendi

Todennäköisyysennusteiden laatua pyritän parantamaan kalibroimalla eli tulosten virhejakaumaa levennetään vastaamaan säämallin todellista epävarmuutta. Ennusteeseen liittyvä epävarmuus on malleissa arvioitu yleensä pienemmäksi kuin se todellisuudessa on.

”Säämalleissa on systemaattisia virheitä, jotkut mallit esimerkiksi aliarvioivat yöllisiä lämpötiloja. Nämä virheet toistuvat todennäköisyysjakaumassa. Kalibroinnissa otetaan iso joukko vanhoja ennusteita ja säädetään jakaumaa kuvaavia parametreja oikeammiksi, esimerkiksi kylmennetään kylmiä öitä. Tällöin saadaan realistisempia arvoja ja parempia ennusteita”, Juha Kilpinen kuvaa kalibrointiprosessia.

Todennäköisyysennustaminen on hänen mukaansa meteorologian ”megatrendi”, joka muuttaa meteorologin työtä ja edellyttää myös ajatuksellista muutosta. Kaikki suuret sääpalvelun tuottajat hyödyntävät jo parviennusteita ja todennäköisyysennustamista. Myös Ilmatieteen laitos on alkanut tuottaa pohjoismaisena yhteistyönä jäseniä Harmonie-mallin parviajoihin.

Säätiedon käyttäjät ovat tottuneet siihen, että ennusteet paranevat koko ajan. Miksi siis pitäisi hyväksyä se, että tarkkojen arvojen sijaan saisikin vain tietoa jonkin ilmiön todennäköisyydestä?

Kilpinen muistuttaa, että ilmakehä on kaoottinen järjestelmä, eli ennusteisiin liittyy aina epävarmuuksia.

”Todennäköisyysennuste antaa realistisemman kuvan säästä kuin deterministinen ennuste. Vaikka meillä on tiede ja tekniikka apunamme, emme koskaan saavuta täydellisiä ennusteita.”