Краткосрочный прогноз обильных осадков холодного периода на Урале по глобальным и мезомасштабным моделям атмосферы

В холодный период года большинство случаев опасных явлений погоды на Урале вызваны обильными снегопадами. Основным инструментом их краткосрочного прогноза являются мезомасштабные и глобальные модели атмосферы. В настоящее время выходные данные нескольких глобальных моделей прогноза погоды (GFS/NCEP, GEM/CMC, ICON/DWD, ПЛ-АВ Гидрометцентра России) в формате GRIB2 находятся в открытом доступе, и могут быть использованы для сравнительной оценки успешности прогноза опасных явлений погоды, и также для создания мультимодельных ансамблевых прогнозов. Краткое описание перечисленных моделей приведено в работе (Толстых, 2016).
В настоящей работе проведено сопоставление успешности краткосрочного (на 15, 27 и 39 ч) прогноза сильных снегопадов, наблюдавшихся на Урале в холодный период 2015-16 и 2016-17 гг. (всего 56 случаев) по данным перечисленных глобальных моделей атмосферы, а также мезомасштабной модели WRF. Использованы модели WRF-ARW и WRF-NMM версии 3.8.1, с шагом сетки равным 9 км. В качестве начальных условий для запуска модели WRF использованы данные GFS/NCEP. Проведены также численные эксперименты по запуску модели WRF с предварительным 12-ти часовым усвоением данных реанализа, что должно обеспечить повышение точности прогноза в первые часы от запуска модели.
В ходе ранее проведенных исследований (Kalinin et al., 2015) было показано, что модель WRF систематически завышает количество осадков во второй половине холодного периода (в феврале-марте) на 25-50%. Это приводит к появлению большого числа ложных тревог при прогнозе сильных снегопадов. Проведенное исследование на материалах двух лет в целом подтверждает этот вывод, причем завышение количества осадков в конце холодного периода в той или иной степени характерно и для глобальных моделей. В середине зимнего периода модели наоборот, занижают количество осадков. В связи с этим, при прогнозе сильных снегопадов в январе-феврале количество пропусков явления может превышать число ложных тревог.
В целом за рассматриваемый период, наибольшую точность прогноза по критерию Пирси-Обухова обеспечивает модель GFS, а по проценту успешных прогнозов – модель GEM. Число ошибок, связанных с ложными тревогами, в целом за холодный период несколько превышает число пропусков явления. Получены также оценки успешности прогноза в зависимости от синоптического положения, влагосодержания атмосферы и контраста температуры на фронте.
Помимо прогнозирования сильных снегопадов, накопленные данные краткосрочных прогнозов осадков холодного периода по глобальным моделям использованы также для расчета сумм осадков холодного периода и оценки запаса воды в снежном покрове на основе методики, ранее описанной в работе применительно к модели WRF (Калинин и др, 2015). Показано, что получение наиболее достоверного прогноза сумм осадков холодного периода обеспечивает модель ICON. В отличие от моделей GFS и GEM, модель ICON не завышает суммы осадков в конце периода снегонакопления. В целом надежность расчета суммы осадков холодного периода и запаса воды в снеге по данным глобальных моделей прогноза погоды сопоставима с ранее полученными результатами по модели WRF.