Wpływ włączenia zaawansowanego modułu oddziaływania podłoża z atmosferą na jakość prognoz modelu COAMPS Impact of an implementation of advanced scheme of land surface

W ICM na Uniwersytecie Warszawskim działa operacyjnie kilka modeli numerycznych prognoz pogody. Na przykładzie modelu COAMPS, rozwijanego od kilku lat, omówiono główne elementy systemu numerycznych prognoz pogody, z ukazaniem złożoności takiego systemu i rozproszonego środowiska obliczeniowego, w którym system prognoz numerycznych działa. We współczesnych systemach numerycznych prognoz pogody jakość i skomplikowanie każdego z jego elementów ma swój wpływ na ostateczną jakość wyników. Dla zastosowań agro-meteorologicznych szczególnie istotny jest moduł oddziaływania podłoża z atmos-ferą. Przedstawiono wyniki eksperymentów dotyczących wpływu włączenia do standardowego systemu Coupled Ocean/Atmosphere Mesoscale Prediction System (COAMPS) zaawansowanego modelu powierzchni gruntu NOAH opracowanego przez kilka amerykańskich instytucji. Do oceny zachowania się tego modułu połą-czonego z modelem numerycznych prognoz pogody o wysokiej rozdzielczości COAMPS wykorzystano zarówno wybrane przypadki konwekcji przy dobrej pogodzie jak i konwekcyjnych okresów burzowych. Eksperymenty opracowano w taki sposób, żeby różne warunki podłoża (wilgotna powierzchnia gruntu w trakcie burz oraz sucha powierzchnia gruntu w dni z dobrą pogodą) wraz z różnorodnością sytuacji atmosferycznych mogły być wykorzystane do pogłębienia naszego rozumienia zachowania modelu numerycznych prognoz pogody.     ...

Przewidywanie ewapotranspiracji wskaźnikowej w sadzie na podstawie numerycznej prognozy pogody

Numeryczne prognozy pogody osiągnęły już dostateczny poziom dokładno-ści i wiarygodności by w wypadku braku danych pomiarowych traktować przewi-dywania z modeli jako najlepszą możliwą reprezentację stanu atmosfery w danym miejscu i czasie. W pracy omawiamy zastosowanie modelu numerycznego CO-AMPS do obliczania i prognozowania ewapotranspiracji wskaźnikowej ET0. ET0 jest obliczana na podstawie danych z modelu, mieszanych danych z modelu i pomiarowych. Zastosowano również metody uczenia maszynowego do poprawy jakości przewidywań modelu. Wyniki wskazują, że w wypadku braku danych po-miarowych zastosowanie danych z numerycznej prognozy daje bardzo dobrą zgodność przewidywanego ET0 z obliczonym z danych pomiarowych. Modele hybrydowe wykazują nieco większą dokładność od modeli czysto symulacyjnych a zastosowanie uczenia maszynowego pozwala na kolejne podniesienie jakości mo-delu ET0.     ...