Prognozowanie długoterminowe stanowiło jedno z największych wyzwań XX wieku. Najtrudniejsze zadanie przypadło tym, którzy zajmowali się obszarami położonymi w strefach klimatycznych o cechach przejściowych lub pośrednich, czyli np. polskim naukowcom. Polska jest podręcznikowym przykładem klimatu umiarkowanego ciepłego przejściowego, charakteryzującego się bardzo dużą zmiennością warunków pogodowych.
Pierwsze polskie prognozy zostały opracowane w latach 50. ubiegłego wieku, gdy do przewidywania pogody zaczęto używać programów komputerowych. W Państwowym Instytucie Hydrologiczno-Meteorologicznym (PIHM), dziś IMGW-PIB, powołano w 1956 roku Zakład Długoterminowych Prognoz Pogody, którym kierował Józef Lityński. Rok później w Instytucie Podstawowych Problemów Techniki PAN skonstruowano pierwszy w Europie analogowy analizator harmoniczny (AAH). Projektem kierował inż. Jacek Karpiński, wybitny elektronik i informatyk. Analizator składał się z 650 lamp elektronowych, miał wymiary 1,5×2 m i wykonywał obliczenia dużych zbiorów danych z wykorzystaniem analizy harmonicznej Fouriera. Urządzenie umożliwiało tworzenie statystycznych modeli długoterminowych, za pomocą których przygotowywano prognozy średniej miesięcznej temperatury powietrza i sumy opadów atmosferycznych dla Warszawy. To był przełom, poparty licznymi opracowaniami naukowymi. W 1965 roku w raporcie Światowej Organizacji Meteorologicznej (WMO) opublikowano artykuł „Statistical methods in long-range weather forecasting” (Statystyczne metody w długoterminowym prognozowaniu pogody) autorstwa Zdzisława Kaczmarka i Józefa Lityńskiego, zawierający opis analizatora i efektów jego obliczeń.
Kluczem modele statystyczne. Od początku działalności Zakładu Długoterminowych Prognoz Pogody zespoły meteorologów, klimatologów, geofizyków i matematyków poznawały tajniki procesów zachodzących w atmosferze i mających wpływ na pogodę w Polsce. Przy opracowaniu algorytmów do modeli statystycznych opierano się na metodzie prognozowania analogowego. Ta metoda przewidywania pogody bazuje na założeniu, że podobne procesy atmosferyczne prowadzą do podobnych skutków, a porównanie aktualnych procesów atmosferycznych z procesami zaistniałymi w przeszłości umożliwia przygotowanie prognozy na pewien okres, np. miesiąca lub sezonu.
Kluczową rolę w stosowanych metodach odgrywał dobór odpowiednich zmiennych opisujących procesy atmosferyczne zachodzące w czasie poprzedzającym okres prognozowany (predyktorów) i zmiennych opisujących przebieg pogody w okresie prognozowanym (predyktandów). Najczęściej za predyktory przyjmowano średnie miesięczne i sezonowe, dobowe wartości wskaźników cyrkulacji atmosferycznej i ciśnienia atmosferycznego w wybranych punktach Europy i północnego Atlantyku, temperatury powietrza i opadów atmosferycznych w Warszawie, a także pola geopotencjału 500 hPa i topografii względnej między 500 hPa a 1000 hPa w węzłach siatki gridowej na półkuli północnej. Predyktandami były średnia miesięczna temperatura powietrza i suma opadów atmosferycznych w Warszawie. Doboru predyktorów i predyktandów dokonywano na podstawie licznych badań przeprowadzanych w latach 60. i 70. m.in. przez Marię Wodzińską, Zdzisława Kaczmarka, Jana Malickiego i Albina Cisaka. Bezcenny wkład do tych badań wniosły dwa systemy klasyfikacji cyrkulacji atmosferycznej opracowane przez Blankę Osuchowską-Klein i Józefa Lityńskiego.
Na podstawie pozyskanej wiedzy i dzięki szybko rozwijającym się technikom obliczeniowym pod koniec lat 70. Zakład Długoterminowych Prognoz Pogody zapoczątkował opracowywanie miesięcznej i sezonowej prognozy średniej temperatury powietrza i sumy opadów atmosferycznych dla większej liczby punktów, tj. dla 18 miast w Polsce (wcześniej tylko dla Warszawy). Był to niewątpliwie kolejny przełom w doskonaleniu prognoz długoterminowych. Rozpoczęto także badania nad nowymi modelami, m.in. w latach 80. uruchomiono spektralny model hemisferyczny dla półkuli północnej z wykorzystaniem nowoczesnego komputera serii Odra. W latach 90. podjęto próbę zastosowania sieci neuronowych i teorii chaosu. Na początku XXI wieku typy cyrkulacji atmosferycznej według Lityńskiego ponownie znalazły zastosowanie w modelach prognostycznych. Prace te wiązały się z udziałem w projekcie dotyczącym harmonizacji i zastosowań klasyfikacji typów pogody w Europie w ramach Europejskiego Programu Współpracy w Dziedzinie Badań Naukowo-Technicznych (COST ACTION 733, 2014) i zaowocowały aktualizacją typów cyrkulacji przeprowadzoną przez Krystynę Pianko-Kluczyńską.
Wielki krok w XXI wiek. Na początku obecnego stulecia Zakład Długoterminowych Prognoz Pogody, którym po Józefie Lityńskim kierowali kolejno Maria Wodzińska, Bogumił Jakubiak i Stanisław Ryszard Kozieł, przestał istnieć, a jego obowiązki przejęło Centralne Biuro Prognoz Meteorologicznych. W 2009 roku ponownie utworzono komórkę organizacyjną pod nazwą Zakład Modelowania Klimatycznego i Prognoz Sezonowych(jej kierownikiem został Adam Jaczewski), a w 2015 roku kompetencje w zakresie prognoz długoterminowych przejęło Centrum Meteorologicznej Osłony Kraju. Wraz z rozwojem technik numerycznych i szerszym dostępem do informacji prognostycznej z różnych światowych ośrodków meteorologicznych zmieniały się metody prognostyczne. W metodach statystycznych zaczęto korzystać z wyników modeli numerycznych. W 2016 roku Krystyna Pianko-Kluczyńska opracowała statystyczny model częściowo probabilistycznych prognoz 30-dniowych IMGW-TWS, wykorzystujący na wejściu prognozy numeryczne GFS. Model, opierając się na zaawansowanych metodach logiki rozmytej, prognozuje prawdopodobieństwo wystąpienia klas: poniżej normy, w normie i powyżej normy dla średniej temperatury, sumy opadów i liczby dni z opadem dla całego okresu prognostycznego, a także – dla każdej z trzech kolejnych dekad miesiąca – zakresy minimalnej i maksymalnej temperatury powietrza, liczbę dni z opadem i liczbę dni z opadem zawierającym śnieg. W 2018 roku powstał wiązkowy model statystyczny IMGW-Reg autorstwa Krystyny Koncy-Kędzierskiej. Z wykorzystaniem metody regresji cząstkowej przewiduje on średnią miesięczną temperaturę powietrza, sumę opadów atmosferycznych i liczbę dni z opadem do sześciu miesięcy w przód. W tym samym roku Pianko-Kluczyńska zaproponowała pierwszą wersję probabilistycznego, statystycznego modelu IMGW-Bayes, który korzysta z teorii prawdopodobieństwa i twierdzenia Bayesa (naiwny klasyfikator Bayesa). Prognozuje się w nim, do maksymalnie pięciu miesięcy w przód, prawdopodobieństwo wystąpienia miesięcznej średniej temperatury powietrza, miesięcznej sumy opadów i liczby dni z opadem w trzech klasach: powyżej normy, w normie i poniżej normy. Kolejna, wiązkowa wersja modelu IMGW-Bayes została wdrożona w 2021 roku.
W 2020 roku w Instytucie Meteorologii i Gospodarki Wodnej utworzono Centrum Modelowania Meteorologicznego, którego dyrektorem został Mariusz Figurski. W strukturach tej jednostki, pod kierownictwem Marty Gruszczyńskiej, powołano Zakład Analiz Meteorologicznych i Prognoz Długoterminowych, który realizuje cele związane m.in. z opracowywaniem pierwszego wiązkowego numerycznego modelu długoterminowego dla obszaru Polski (model WRF-CFS), rozwijaniem obecnych modeli statystyczno-numerycznych (IMGW-TWS, IMGW-Reg) i statystycznych (IMGW-Bayes), analizą sprawdzalności i możliwości wykorzystywania wyników globalnych modeli długoterminowych (modele ECMWF i NOAA), wypracowaniem nowego sposobu prezentacji prognoz, a także wdrażaniem najnowszych rozwiązań technologicznych, np. multimodelu integrującego wiele modeli z wykorzystaniem algorytmów sztucznej inteligencji i uczenia maszynowego.
Warto wiedzieć
COST
The European Cooperation in Science and Technology (Europejski Program Współpracy w Dziedzinie Badań Naukowo-Technicznych), https://www.gov.pl/web/edukacja-i-nauka/europejski-program-wspolpracy-w-dziedzinie-badan-naukowo-technicznych-cost, https://www.cost.eu/.
ECMWF
European Centre for Medium-Range Weather Forecasts (Europejskie Centrum Średnioterminowych Prognoz Pogody), https://www.ecmwf.int/.
IMGW-TWS
Numeryczno-statystyczny model prognostyczny, opracowany i rozwijany w IMGW-PIB. Opiera się na zaawansowanych metodach logiki rozmytej. Do obliczeń używane są dane z reanaliz NCEP/NCAR, modelu GFS 1° i ze stacji meteorologicznych IMGW-PIB. Model pozwala prognozować zakresy minimalnej i maksymalnej temperatury powietrza, liczbę dni z opadem i liczbę dni z opadem zawierającym śnieg, jakie powinny wystąpić w każdej z trzech kolejnych dekad, w okresach prognostycznych zaczynających się od 1., 11. i 21. dnia miesiąca. Prognoza jest wykonywana dla 87 stacji meteorologicznych w Polsce. Obecnie IMGW-PIB udostępnia wyniki dla 13 stacji górskich w serwisie góry.imgw.pl.
IMGW-Reg
Numeryczno-statystyczny model prognostyczny, opracowany i rozwijany w IMGW-PIB. Prognozuje wartość średniej miesięcznej temperatury powietrza i sumy miesięcznej opadów wraz z odchyleniem standardowym (+/-) prognozowanej wartości. Model używa metody regresji cząstkowej, za predyktory przyjmując pola kwantyli wybranych zmiennych meteorologicznych z reanaliz NCEP/NCAR. Prognoza jest liczona dla 20 wybranych miast w Polsce. Wyniki modelu są wykorzystywane przy opracowywaniu eksperymentalnej prognozy długoterminowej temperatury i opadu.
IMGW-Bayes
Statystyczny model prognostyczny, opracowany i rozwijany w IMGW. Opiera się na teorii prawdopodobieństwa i twierdzeniu Bayesa (naiwny klasyfikator Bayesa). Prognozowane jest prawdopodobieństwo wystąpienia miesięcznej średniej temperatury powietrza i miesięcznej sumy opadów w klasach: powyżej normy, w normie i poniżej normy (wyniki modelu nie zawierają informacji, o ile prognozowana wartość jest niższa od dolnej granicy normy lub wyższa od górnej granicy normy). Do obliczeń używane są dane z reanaliz NCEP/NCAR, które dotyczą wybranych pól meteorologicznych z różnych poziomów troposfery i stratosfery. Prognoza jest wykonywana dla 87 stacji meteorologicznych w Polsce. Wyniki modelu wykorzystuje się przy opracowywaniu eksperymentalnej prognozy długoterminowej temperatury i opadu.
NOAA
National Oceanic and Atmospheric Administration (Narodowa Służba Oceaniczna i Atmosferyczna), https://www.noaa.gov/.
WMO
World Meteorological Organization (Światowa Organizacja Meteorologiczna), https://public.wmo.int/en.
WRF-CFS
Długoterminowy deterministyczny model pogody wykorzystujący numeryczny model pogody WRF (Weather Research and Forecasting Model) i wyniki modelu globalnego CFS (Climate Forecast System), https://www.mmm.ucar.edu/weather-research-and-forecasting-model, https://www.ncei.noaa.gov/products/weather-climate-models/climate-forecast-system.
Oprac. Krystyna Pianko-Kluczyńska, Krystyna Konca-Kędzierska, Adam Jaczewski, Alan Mandal, Radosław Droździoł, Marcin Wdowikowski, Zofia Bałdysz, Weronika Wrońska, Karina Kózka, Grzegorz Nykiel, Tomasz Strzyżewski, Marta Gruszczyńska| Centrum Modelowania Meteorologicznego, IMGW-PIB.
Zdjęcie główne: Daria Tumanova | Unsplash.
