Ugrás a tartalomhoz

Műholdakról távérzékelt adatok feldolgozása és hasznosítása

Mika János, Utasi Zoltán, Biró Csaba, Pénzesné Kónya Erika (2011)

EKF TTK

2. Meteorológiai műholdak a számszerű előrejelzésben

2. Meteorológiai műholdak a számszerű előrejelzésben

A meteorológiában alkalmazott számszerű előrejelző modellek numerikus módszerekkel oldják meg a légkörben lejátszódó folyamatokat leíró parciális differenciálegyenleteket. E hidro-termodinamikai egyenletrendszer megoldása matematikai szempontból egy kezdeti érték feladat, amelynek még erős egyszerűsítésekkel sem ismeretes analitikus megoldása. (A finom felbontás megkövetelte korlátos tartományú modellezés esetén ehhez még egy peremérték feladat is társul.) Az egyenletrendszer megoldására térben és időben diszkretizált matematikai modelleket alkotunk, amelyek a légkör bizonyos jellemzőinek jövőbeli állapotát számítják ki egy ismert kezdeti feltétel alapján.

A kiindulási adatokat egy térbeli rácshálózat rácspontjaiban kell megadni a számszerű előrejelző- vagy klímamodellek számára. A meteorológiai jellemzőket térben a modell rácspontoktól eltérő helyeken és más-más időben mérik, tehát ahhoz, hogy a modell használni tudja ezeket, egy egységes tér-idő rendszerbe kell foglalni őket.

A numerikus modellek pontossága szempontjából kiemelt jelentőségű a kezdeti feltételek megadásának egzaktsága, hiszen pontatlan kiindulási feltételekből még tökéletes modell esetén sincs esélyünk jó előrejelzésre. A kezdeti feltételek meghatározásakor arra törekszünk, hogy ehhez lehetőleg az összes elérhető megfigyelési adatot felhasználjuk. A különböző forrásokból származó, eltérő térbeli és időbeli felbontású adatok numerikus modellbe történő beillesztését, valamint a modell számítási eredményeinek az aktuális mért értékekhez igazítását adatasszimilációnak nevezik. A hagyományos operatív gyakorlatban alkalmazott adatasszimiláció abból áll, hogy általában 3-6 óránként korrigálják a modell által előrejelzett értékeket az időközben beérkező, mért adatoknak figyelembe vételével.

A numerikus előrejelzés számára a legfontosabb produktumok a szélmezők és maguk a nyers radianciák a különböző hullámhossztartományokban. A szélvektorokat a megfigyelt felhő és vízgőzalakzatok elmozdulásából számíthatjuk az egymás utáni képek segítségével. A széladatokat és a radianciákat asszimilálják a számítógépes numerikus modellekbe, melyek a légkör jövőbeli változásait számítják, és az időjárás-előrejelzések alapját képezik.

Ha végigtekintünk a műholdas adatok numerikus modellekbe építésének néhány évtizedes történetén, akkor az alábbi kapcsolat vázolható fel a modellekbe beépített adatok és az adatasszimilációs rendszerek között: 1970-től az 1990-es évek elejéig adatasszimilációs rendszerként az optimális interpolációt használták. A számítás közvetlenül a modell rácspontjaira történt. Technikai okokból ezzel a módszerrel csak lineáris összefüggést lehetett figyelembe venni a modellparaméterek és a mért adatok között. Ez azt jelentette, hogy csak származtatott adatokat tudtak beépíteni a numerikus előrejelző modellekbe. Az 1990-es évek második felében fejlesztették ki a variációs módszert, mely képes arra, hogy a számításokat a megfigyelési térben végezze. Ekkortól a modellparaméterek és a megfigyelések közötti „nemlinearitás” már nem okozott gondot, tehát lehetővé vált a nyers radianciák beépítése a numerikus modellekbe. 1997-ben jelent meg az ún. négydimenziós variációs adatasszimilációs rendszer, amelyben a korábbiakban hatóránként végzett korrekció helyett időben folytonos korrekció történik. Jelentős volt a fejlődés a műholdas adatok felbontása terén is. A ’90-es évek közepéig-végéig a modellekbe beépített adatok felbontása 500 km volt. Az 1990-es évek végétől a nyers radiancia adatokat már 250 illetve 120 km-es felbontásban használták.

A származtatott és a nyers műholdas adatoknak a numerikus előrejelző modellek analízisére és előrejelzésére gyakorolt hatását sokan vizsgálták. Ezek már az 1970-80-as években kimutatták a műholdas adatok pozitív hatását a Déli féltekén és a trópusokon. Az Északi féltekén jobbára csak gyengén pozitív, esetenként elhanyagolható hatást mutattak ki. E korszak után még az Északi féltekén tapasztalt gyengén pozitív hatás is eltűnni látszott. Ennek oka egyrészt, hogy egyre fejlettebb modellekkel dolgoztak, miközben a többi felhasznált adat minősége is fokozatosan javult. Például egyre több szinoptikus állomás adata vált hozzáférhetővé, és sokat fejlődött a rádiószondák műszerezettsége is. Ezzel szemben, a műholdas adatokat a kilencvenes évek elejéig változatlan formában építették be a modellekbe, miért is relatív hatásuk lecsökkent. A megoldást az optimális interpolációt felváltó variációs módszer bevezetése-, valamint a származtatott műholdas adatok helyett, a nyers radianciák beépítése jelentette.

Az utóbbi években számos tanulmány készült, melyekben részletesen elemezték a műholdas adatok hatásának időbeni alakulását a többi megfigyelési rendszer jelenlétében. Kelly et al. (2004) munkája egyike az eddig elvégzett legátfogóbb hatástanulmányoknak, amely mindkét féltekére kiterjed, és összességében több mint 20 évet ölel át. Ebben a szerzők hangsúlyozták, hogy napjainkban a műholdas adatok mennyisége, térbeli és időbeli felbontása gyorsabban fejlődik az egyéb forrásokból származó adatokhoz képest. Részletesen elemezték az ECMWF numerikus időjárás-előrejelzések pontosságának változását is a műholdas adatok alkalmazása következtében 1981 és 2003 között (8.3 ábra).

Az Északi féltekén az 500 hPa magasságának 3, 5 illetve 7 napos előrejelzésének megbízhatósága a bő 20 év alatt 85, 65 illetve 45 %-ról 96, 84 illetve 67 %-ra nőtt. A Déli féltekén ugyanakkor még ennél is jelentősebb volt a javulás. Emiatt napjainkra gyakorlatilag eltűnt az Északi és a Déli féltekére végzett előrejelzések pontossága között a ’80-as évek elején még megfigyelhető 10-15 %-os különbség. Összességében azonban, pont az egyéb adatok hiánya miatt, a Déli féltekére sokáig nem lehetett olyan pontos előrejelzéseket végezni, mint az Északi féltekére. Márpedig erre mind a klímamodellek miatt, mind a Déli féltekén végbemenő egyéb jelentős meteorológiai jelenségek – trópusi ciklonok, El Niño jelenség, stb. – miatt nagy szükség van.

8.3. ábra Az 500 hPa magasság előrejelzési pontosságának növekedése az ECMWF modellek fejlődése és a bemenő adatok bővülése nyomán, 1981 és 2003 között. A függőleges tengelyen a valódi és az előrejelzett mezők anomáliái közötti korreláció szerepel (%-ban). A vízszintes tengelyen pedig az évek utolsó két számjegye. A sávok felső határa az északi, az alsó pedig a déli félgömbi átlagos pontosságra utal. (Forrás: Kelly et al., 2004.)

A műholdas adatok relatív hatása tehát az előrejelzésre a Déli féltekén mindig is nagyobb volt, mint az Északi féltekén. Kelly et al. (2004) vizsgálatai azonban arra engednek következtetni, hogy 2003-ra a műholdas adatokat olyan tér- és időbeli felbontásban tudták a korszerű adatasszimilációs rendszerek alkalmazásával beépíteni a globális klíma- és időjárás-előrejelző modellekbe, hogy a Déli valamint Északi féltekére vonatkozó előrejelzések pontossága közötti különbség már 2003-ra gyakorlatilag eltűnt.

A modellfejlődés és a bemenő adatok bővülése okozta javulás egy másik aspektusa, hogy az 500 hPa magasság előrejelzése 1980-ban átlagosan csak 5 napig tudta biztosítani a kritikus 60%-os korrelációjú beválást, addig 2003-ra ez az időtartam 8 napra nőtt.

Az időjárás számszerű előrejelzésében korábban főleg az adathiányos területeken jelentett előnyt a kezdeti állapotok pontosítása, kiegészítése. Az utóbbi egy-két évtizedben már kimutatható előnyt jelent a más adatokkal jobban ellátott térségekben is, mert a modellek felbontása és fizikai tartalma ugrásszerűen javult, és az ehhez igazodó négydimenziós asszimilációs technikákkal a felkínált információ-többlet jól hasznosítható.

Az utóbbi években lehetőség nyílt a tengerek felszínén fújó szél mérésére. A tenger felszín szelet műholdról, szkatterométerrel lehet mérni. Ez a műszer, rádióhullámokat bocsát ki az óceánok felé, majd méri az óceán felszínéről visszavert hullámokat, melyekből a felszín közeli szelek nagysága és iránya meghatározható. A szél produktumok a MetOp műholdon található ASCAT (Advanced Scatterometer) és a QuickSCAT műholdon elhelyezett SeaWinds műszerek mérései alapján készülnek. A SeaWinds adatokból kétféle szél produktumot is számolnak. Ezek csak a térbeli felbontásukban különböznek egymástól, 25 és 100 km-es felbontással rendelkeznek. A 8.4. ábrán a 100 km-es felbontású SeaWinds produktumra és a 25 km-es felbontású ASCAT produktumra látunk egy-egy példát.

8.4. ábra: Tenger felszín szél. Bal: 100km-es felbontású SeaWind szél produktum (2008. 11. 18.). Jobb: ASCAT szél produktum (2008. 11 17.). Magyarázat: piros nyilak: a szkatterométerrel mért szelek; kék nyilak: a numerikus előrejelző modell által meghatározott szelek; piros vonal: felszíni nyomási mező; telt kék szín: jég. A kép háttere egy infravörös sávban készült műholdkép. (Forrás: EUMETSAT, kiemelés: Putsay M. és Kocsis Zs., 2009).

A központ készíti el és adja közre a 600 és a 300 hPa nyomás szintek közötti réteg nedvességtartalmát. Ennek az a jelentősége, hogy a nagy nedvességtartalom segíti, a kicsi pedig fékezi a felhőképződést. Emellett, ezt a mennyiséget az óceánok mellett pl. a Szahara és más sivatagok felett sem lehetne kellő felbontásban más módokon előállítani és a numerikus előrejelző modellekbe táplálni, mert ott nagyon ritka a magaslégköri megfigyelő hálózat.

Végezetül, megmutatjuk, hogy néhány fontos légköri mennyiség milyen vertikális tartományban milyen pontossággal állítható elő a Meteosat műholdas információiból operatív (Near Real Time) illetve utólagos (Offline) rendszerben.

Hőmérséklet profil (Temperature Profile) a magasság függvényében (8.1 táblázat).

8.1. táblázat: A hőmérséklet profil produktum tulajdonságai

Near Real Time

Offline

Mértékegység

Kelvin (K)

 

Tartomány

0-50 km (felszíntől 1 hPa-ig)

0-80 km (felszíntől 0,01 hPa-ig)

Skála

180-350 K

 

Vertikális felbontás

0,5 km

 

Pontosság 0-5 km

5-30 km

30-40 km

40-50 km

50-80 km

2-3 K

1 K

1-5 K

5-10 K

N/A

2 K

<1 K

1-3 K

5-10 K

5-10 K

Nedvességi profil (specifikus nedvesség) a magasság függvényében (8.2. táblázat).

8.2 táblázat: A nedvesség profil produktum tulajdonságai.

Near Real Time

Offline

Mértékegység

kg/kg

 

Tartomány

0-15 km (felszíntől 100 hPa-ig)

 

Skála

0-50 g/kg

 

Vertikális felbontás

0,5 km

 

Pontosság

0,2 g/kg vagy 10%

0,1 g/kg vagy 5%

Nyomás profil a magasság függvényében egy földi pont felett. (8.3 táblázat)

8.3 táblázat: A nyomás profil produktum tulajdonságai.

Near Real Time

Offline

Mértékegység

hektopascal (hPa)

 

Tartomány

0-50 km (felszíntől 1 hPa-ig)

0-80 km (felszíntől 0,01 hPa-ig)

Skála

0,01-1100 hPa

 

Vertikális felbontás

0,5 km

 

Pontosság

2 hPa vagy 0,2%

1hPa vagy 0,1%

Felszíni nyomás csak az NRT produktumok között szerepel. (8.4 táblázat)

8.4. táblázat: A felszíni nyomás produktum tulajdonságai.

Mértékegység

hektopascal (hPa)

Tartomány

felszín

Skála

900-1100 hPa

Pontosság

0,2% vagy 2 hPa

IX. Műholdas távérzékelés a levegőminőség megfigyelése szolgálatában