Kuinka pitkälle säätä voidaan ennustaa?

Julkaistu

Vuonna 1922 englantilainen matemaatikko Lewis Fry Richardson teki maailman ensimmäisen sääennusteen, joka perustui matemaattisiin yhtälöihin ja fysiikan lainalaisuuksiin.  Koska tietokoneita ei tuolloin  vielä ollut olemassa, piti laskenta suorittaa ”käsin” useamman matemaatikon yhteistyönä. Ikävä kyllä  6 tunnin piste-ennusteen tekemiseen kului tuolloin aikaa 6 viikkoa!  Lopputulos ei sekään ollut kovin mairitteleva. Ennusteen mukaan ilmanpaineen olisi pitänyt kohota  6 tunnin aikana 145 hPa, kun se todellisuudessa  laski 1 hPa:n verran (mainittakoon, että Suomessa korkein mitattu ilmanpaine on ollut 1066 hPa ja alhaisin 940 hPa eli meillä suurin vuosien välinenkin vaihtelu on ollut  126 hPa ).

Numeerinen meteorologia kehittyi nopeasti tietokoneiden myötä

L.F.Richardsonin meteorologiset menetelmät haudattiin vielä pitkäksi aikaa, mutta tästä voidaan katsoa numeerisen meteorologian saaneen alkunsa. Nykyään tietokoneiden kehittymisen myötä  voidaan yhden 6 tunnin piste-ennusteen sijasta laskea 10 vrk:n ennuste  koko maapallolle vain muutaman tunnin kuluessa.  Ilmakehän hetkittäistä tilaa,  pilvisyyttä, sadetta, ilmanpainetta, tuulta, lämpötilaa ja kaikkea muutakin säähän liittyvää lasketaan jatkuvana virtana maapallon joka kolkkaan. Ennusteissa käytetyt perusyhtälöt ovat edelleenkin pitkälle samat, joita L.F.Richardson käytti jo lähes 100 vuotta sitten.   Tietokoneiden avulla sääennusteita on periaatteessa mahdollista laskea kuinka pitkälle tahansa. Ennusteiden tarkkuus kuitenkin laskee ennustepituuden myötä ja niin eri pituisissa ennusteissa painotetaankin  yleensä vähän erilaisia asioita.  Meteorologisesti  ennusteet voidaan pituuden mukaan jakaa karkeasti 5 eri ryhmään:  Lähituntien ennusteet (Nowcasting), lähipäivien ennusteet (0-5 vrk),  yli 5 vrk:n ennusteet (5-15 vrk), kausiennusteet (1-6kk) ja ilmastoennusteet (jopa satoja ja tuhansia vuosia).

kuva 1
Kuva 1: Vasemmalla näkyy eurooppalaisen ECMWF-tietokonelaskelman keskimääräinen rms-virhe verrattuna amerikkalaisen GFS-laskelman virheseen. Kyseessä on viime vuoden keskimääräinen virhe kaikille Suomen havaintoasemille. Vaaka-akselilla on ennustepituus tunteina, eli 24 tarkoittaa vuorokautta ja 120 5 vuorokautta jne. Rms-virhe kuvastaa keskimääräistä virhettä, mutta se ”sakottaa” enemmän suurista virheistä kuin tavallinen keskivirhe. Oikealla vertailussa on myös Pohjoismaissa ja muutamissa muissa Euroopan maissa kehitetty HIRLAM-malli. Mallia ei lasketa kuin reilut 2 vrk:a. Se näyttää keskimäärin olevan ensimmäisen 6 tunnin ajan ECMWF:ää parempi, mutta muuten ECMWF dominoi vertailussa.

 

1. Lähituntien ja lähipäivien ennusteet

Viimeisten vuosikymmenten myötä tietokonelaskelmista on tullut meteorologin päätyökalu. Tietokonelaskelmien kehityksen johdosta 5 vrk:n ennusteet ovat nykyään jo tarkempia kuin ylihuomisen ennusteet olivat reilut parikymmentä vuotta sitten. Ennen tietokoneita sääennusteet perustuivat pitkälti ilmakehän tilan havainnointiin ja eri korkeuksilla vallitsevien tuulten vaikutukseen säätilan muuttumisessa sekä meteorologiseen kokemukseen erilaisista säätyypeistä. Lähituntien ennusteissa  tietokonelaskelmien kehitys ei ole ollut yhtä huimaa ja ns. nowcasting-ennusteissa meteorologi pystyykin eniten parantamaan tietokone-ennusteita. Yli vuorokauden pituisissa ennusteissa meteorologi pystyy kokemuksellaan usein vielä  parantamaan ennusteita, mutta enää vaan äärelliseen määrään ennustettavia pisteitä. Ennusteiden laatiminen jokaisen niemen  ja notkelman kupeeseen ei olisi mahdollista ilman tietokoneiden laskentatehoa.

Osa tietokoneiden ennustetarkkuudesta on kuitenkin vain näennäistä. Sään suuria linjoja, esimerkiksi säärintamia ja voimakkaita matalapaineita, pystytään ennustamaan usean vuorokauden ajan huomattavan tarkasti.  Sen sijaan paikalliset pilvenhattarat ja kuurosateet tekevät tiukkaa jo samalle päivälle. Ikävä kyllä, näiden paikallisten ilmiöiden ennustaminen tarkalleen oikeaan paikkaan tulee aina  olemaan mahdotonta.   Tietokone kuitenkin asettelee aina pilven lonkareet ja paikalliset sateet jonkin kylän kohdalle, vaikkei varmaa tietoa säästä olisikaan tiedossa.  Ovatpa jotkut kutsuneet  tätä tietokonelaskelmien näennäistä tarkkuutta myös nimellä “meteorologinen syöpä” halutessaan korostaa “liian tarkkojen” ennusteiden aiheuttamaa vääristymää.

Lähes kaikki “pieleen menneet ennusteet” johtuvat melko paikallisista ilmiöistä.  Esimerkiksi kun  pilvipeite on paikallisesti revennyt  tai se on revennyt  100 km väärässä paikassa tai sadekuuro on kulkenut kaupungin väärältä puolelta tai jäänyt kokonaan syntymättä jne. Kuvassa 2 nähdään esimerkki täysin satunnaisesti valitusta sääjaksosta ja siihen liittyvistä “ennustevirheistä”.

 

 

Kuva 2: Ylärivillä näkyy sateliittihavainto verrattuna 1. vuorokauden ennusteeseen. Ruskeat pilvet vastaavat rintamapilviä ja keltaiset alapilviä. Pohjaväri on kartoissa erilainen ja samoin karttarajaus. Kuvasta on nähtävissä ennustetun ja havaitun pilvisyyden vastaavan varsin hyvin toisiaan. Tarkemmin katsomalla näkyy kuitenkin, että Ahvenanmaalle on ennustettu selkeää säätä, vaikka todellisuudessa siellä on ollut aivan pilvistä. Lähes aina löytyykin jokin kolkka, jossa ennuste menee paikallisesti pieleen, vaikka kokonaisuus näyttäisikin lähes täydelliseltä.  Toisella rivillä näkyy seuraavan päivän ennuste  ja ainakin Rovaniemellä sää on ennustettu täysin väärin, pilvinen sää kun on ennustettu täysin selkeäksi. Kun sääennuste menee väärin, se voi yhtä hyvin mennä täysin väärin kuin vaan vähän väärin. Näin käy juuri silloin, kun jokin pilven kiehkura  tai sadekuuro kulkee hieman väärästä kohtaa.  Kolmannella rivillä näkyy sitten kuudennen päivän ennuste. Kartoista on nähtävissä, että matalapaineiden rintamapilvet ovat jo selvästi useita satoja kilometrejä väärässä paikassa. Meteorologisesti tämä viimeinen ennuste on selvästi kahta ylempää ennustetta huonompi. Silti pilvisyysennuste menee tässä paremmin  oikein koko Suomen alueella. Sekä Rovaniemellä että Ahvenanmaalla  6. päivän ennuste on asukkaiden mielestä paljon parempi kuin lähivuorokauden ennuste.
Kuva 2: Ylärivillä näkyy sateliittihavainto verrattuna 1. vuorokauden ennusteeseen. Ruskeat pilvet vastaavat rintamapilviä ja keltaiset alapilviä. Pohjaväri on kartoissa erilainen ja samoin karttarajaus. Kuvasta on nähtävissä ennustetun ja havaitun pilvisyyden vastaavan varsin hyvin toisiaan. Tarkemmin katsomalla näkyy kuitenkin, että Ahvenanmaalle on ennustettu selkeää säätä, vaikka todellisuudessa siellä on ollut aivan pilvistä. Lähes aina löytyykin jokin kolkka, jossa ennuste menee paikallisesti pieleen, vaikka kokonaisuus näyttäisikin lähes täydelliseltä. Toisella rivillä näkyy seuraavan päivän ennuste ja ainakin Rovaniemellä sää on ennustettu täysin väärin, pilvinen sää kun on ennustettu täysin selkeäksi. Kun sääennuste menee väärin, se voi yhtä hyvin mennä täysin väärin kuin vaan vähän väärin. Näin käy juuri silloin, kun jokin pilven kiehkura tai sadekuuro kulkee hieman väärästä kohtaa. Kolmannella rivillä näkyy sitten kuudennen päivän ennuste. Kartoista on nähtävissä, että matalapaineiden rintamapilvet ovat jo selvästi useita satoja kilometrejä väärässä paikassa. Meteorologisesti tämä viimeinen ennuste on selvästi kahta ylempää ennustetta huonompi. Silti pilvisyysennuste menee tässä paremmin oikein koko Suomen alueella. Sekä Rovaniemellä että Ahvenanmaalla 6. päivän ennuste on asukkaiden mielestä paljon parempi kuin lähivuorokauden ennuste.

 

 

 

 

2. Yli 5 vrk:n ennusteet

Tietokonelaskelmat pystyvät useimmiten ennustamaan  melko hyvin vielä 5 vrk:n suuria linjoja kuten säärintamia ja matalapaineiden keskuksia. Toki ajoituksissa on jo heittoja ja saderintamien sijainti voi laskelmissa heittää jo muutamia satoja kilometrejä.   Usein 5 vrk:n kohdalla saderintamien hahmottaminen kuitenkin  alkaa jo hämärtyä. Tämä yksittäisten “sääolioiden” liikkeiden hämärtymisen ajankohta vaihtelee säätilanteista riippuen  tyypillisimmin 4-7 vrk:n  välillä.  Tästä eteenpäin meteorologi ei enää mielellään ennusta säätä sen varsinaisessa merkityksessä. Tämän jälkeen ei enää yleensä haluta puhua sateiden ajoituksesta tai niiden määrästä. Enemmänkin aletaan kertoa vallitsevasta säätyypistä: Ollaanko enemmän korkeapaineen vai matalapaineen vaikutuspiirissä tai  kylmässä vai lämpimässä ilmamassassa.  Meteorologin ei myöskään ole mielekästä arvuutella, kuinka kauan mahdollinen säätyyppi kestää. Mikäli ilmakehässä on liikkeellä isompia korkeapaineita tai matalapaineenalueita, säätyyppiä voi ennustaa rohkeammin pidemmälle ajalle. Useimmiten tilanne on kuitenkin epäselvempi. Viime vuosina tietokonelaskelmat ovat kehittyneet jonkin verran myös tällä aikajänteellä. Erityisesti ns. ryväsennusteet ovat parantaneet yli 5 vrk:n ennusteiden luotettavuutta. Kuvassa 3 nähdään kuinka paljon ryväsennusteet parantavat yli 5 vrk:n ennusteita. Asiasta voi lukea enemmän blogista: ”Sääennuste 15 vuorokaudelle”. Jossain määrin tällaiset 15 vrk:n  ennusteet alkavat jo lähentyä ilmastokäsitettä. Toisin sanoen niissä annetaan lämpötiloille vaihteluväli ja todennäköisin lämpötila, joka on jo vähän “kärjistetty keskiarvo” lämpötilasta.

KUVA 3
Kuva 3: Punaisella näkyy mm. Forecan 15 vrk:n ennusteissa käytettyjen ryväsennusteiden rms-virhe. Tässä on erityisesti  nähtävissä, kuinka ryväsennusteet parantavat ennustettavuutta yli 144 tunnin ennusteissa eli yli 6 vuorokauden ennusteissa (huomaa:mallien väritys eri kuin kuvassa 1)

3. Kausiennusteet

Ennustejakson yhä pidentyessä ei enää kovin suurella varmuudella voida puhua edes vallitsevasta säätyypistä. Useampien kuukausienkin ennusteita kehitellään koko ajan, mutta niiden osumatarkkuus ei varsinkaan  meillä Pohjolassa ole kovinkaan häikäisevä. Ennusteiden osuvuus on kyllä aavistuksen yli 50 prosenttia, mutta hyvällä arvauksella pääsee usein selvästi parempaan tulokseen.  Yli 50 prosentin osumatarkkuuskin taitaa käytännössä tulla siitä, että ennusteet ennustavat useimmiten vähän keskimääräistä lämpimämpää säätä ja todellisuudessakin viime vuosikymmeninä on ollut keskimääräistä lämpimämpää.  Kausiennusteet ovat parhaimmillaan silloin, kun säätyyppi pysyy kuukausien ajan samana eikä juurikaan muutu ennustettavan jakson aikana. Toisinaan kausiennusteet saattavat saada kiinni vielä ensimmäisen suursäätilan muutoksen, mutta viimeistään seuraavan muutoksen jälkeen laskelmat ”putoavat kärryiltä”.

4. Ilmastoennusteet

Ilmastoennusteet ovat sitten vielä aivan oma lukunsa ja niistä pitäisi varmaan jonkun  kirjoittaa ihan oman bloginsa. Ilmastoennusteissa pitää ottaa sääennusteiden lisäksi huomioon  myös ilmakehän koostumuksen muutoksia, jääpeitteiden muutoksia, auringon säteilytehon muutoksia ja erilaisia monimutkaisia kytköksiä valtamerten ja ilmakehän välillä. Eikä mitenkään helpoimpana ennustettavana voida pitää ihmiskunnan toiminnan ja kehityksen ennustamista, jotta voidaan ennustaa ilmakehän koostumuksen muutosta. Kaiken tämän jälkeen lasketaan sitten useampia ennusteita, joista ei yritetäkään ennustaa yksittäistä säätilaa tai edes yksittäisen vuoden keskiarvoja, vaan karkeaa lämpötilan muutossuuntaa ja nopeutta.  Erilaisissa laskelmissa on vielä suuria paikallisia eroavuuksia, mutta kaikki ne kyllä  tällä hetkellä ennustavat kokonaisuudessa ilmaston lämpenevän.

 

 

Yksi ajatus artikkelista “Kuinka pitkälle säätä voidaan ennustaa?”

  1. ”Erilaisissa laskelmissa on vielä suuria paikallisia eroavuuksia, mutta kaikki ne kyllä tällä hetkellä ennustavat kokonaisuudessa ilmaston lämpenevän.”

    Ja kaikki laskelmat on jo nyt havaittu liiottelevan kyseistä lämpenemistä ja rankasti.

Kommentit on suljettu.

Forecan blogissa on käytössä kommenttien esimoderointi eli blogin ylläpitäjän on hyväksyttävä kommentti ennen kuin se näkyy blogissa. Kommentteja käydään läpi toimistotyöajan puitteissa.

Blogin keskusteluun voi osallistua asiallisilla, aiheeseen liittyvillä ja toisia kunnioittavilla kommenteilla. Viestejä voidaan jättää julkaisematta ylläpidon harkinnan mukaan, esimerkiksi jos viesti on loukkaava, ei liity blogin aiheeseen, sisältää selkeää tahallista provosointia tai on muutoin asiaton.