высокоточным прогнозам на несколько часов - в зоне действия девяти радаров (Кострома, Нижний Новгород, Валдай, Внуково, Воейково, Тула, Смоленск, Брянск, Курск).
Классификация современных прогнозов погоды
Есть такое понятие как наукастинг – текущий прогноз погоды на срок до трех часов. Есть такое понятие как наукастинг – текущий прогноз погоды на срок до трех часов. В отдельных районах менее чем за час выпало свыше 70% месячной нормы осадков. Это стало возможным благодаря технологии наукастинга — краткосрочного гиперлокального прогноза осадков.
10 самых точных сервисов прогноза погоды
Намного менее жестокий и не такой горячий пустынный ветер — суховей, который до сих пор приносит засуху в южные степные районы России, Украины, Казахстана и опасен только для сельского хозяйства. С чего начались метеорологические наблюдения Впрочем, молитвы не мешали древним людям наблюдать за изменениями и обращать внимание на взаимосвязи некоторых фактов с предстоящими изменениями погоды. Древние предсказатели погоды, как и современные, пользовались определённым набором примет: высотой и формой облаков, оттенками солнца на закате или восходе, поведением птиц. Аристотель в IV веке до нашей эры описал разные природные явления в своей книге «Метеорологика» — и, собственно, дал название науке о погоде. В переводе с древнегреческого это означает «небесные предметы» — поскольку философ считал солнце, звёзды, кометы и дожди явлениями одной природы. Старейшие из дошедших до нас метеорологических записей — это глиняные дощечки из Вавилонии, хранящиеся теперь в Британском музее, в Лондоне. На них записаны различные приметы погоды большей частью связанные с урожаем.
Например, такие: «Когда гром гремит в месяце Себат, то появится саранча» или «Когда солнце окружено кругом, то пойдёт дождь». Под кругом имеется в виду солнечное гало, атмосферное оптическое явление — древний признак ухудшения погоды. Гало и на самом деле может означать, что будет дождь, поскольку эта радужная сфера образуется от сверкания кристалликов льда в облаках на высоте около 5 км, которые относятся к плотным тёплым облакам зимой — снежным, летом — дождевым. О погоде много писали астрологи Индии и Китая. И даже Гиппократ посвятил этой теме отдельный труд. Первым термометром была стеклянная трубка с полым шаром на конце, а другой конец стоял в воде.
Он был похож на барометр, только воздух из трубки не откачивался, а служил детектором температуры. Остывая, воздух в шаре сжимался, и вода поднималась, а при её повышении происходило обратное. Показания такого термоскопа зависели не только от температуры, но и от давления, поскольку прибор не был запаян. Нужно было сделать приёмником температуры воду и заключить её в герметический резервуар. Исаак Ньютон пытался вывести и использовать формулы, которые помогут рассчитать погоду на несколько дней вперёд, и некоторые его расчёты до сих пор не потеряли актуальности. Уже в XVII веке учёным было очевидно, что погода «делается» с помощью движения холодных и тёплых воздушных масс, которые встречаются между собой, всегда образуют в месте встречи возмущение атмосферы и двигаются вроде в более-менее предсказуемых направлениях.
Но раз на раз не приходится — формула по-прежнему даёт сбои. Эффект бабочки, или Почему метеорологи ошибаются с прогнозами Главная проблема, как раньше, так и сейчас, состоит в изменениях, которые с этими массами или атмосферными фронтами происходят после их смешения. Они меняют и температуру, и плотность, а, значит, и двигаться начинают немного иначе. В начале ХХ века считалось, что при смешении воздушных масс холодный фронт наступает на тёплый, а на их границе обычно выпадают осадки.
Ночью 28 апреля ожидается плюс 10-15, преимущественно без осадков.
Днем плюс 22-27, на севере местами кратковременные дожди, грозы. Ощутимо похолодает 29 апреля: ночью уже плюс 5-10, днем — не выше 12-17 градусов, в эти сутки кое-где небольшие дожди, на юге — умеренные. В Челябинске ночью 27 апреля плюс 7-9, 28 апреля — плюс 12-14, 29 апреля — плюс 6-8 градусов.
Накануне профессионального праздника о разрабатываемой в Москве новой системе прогнозирования, экспериментах в области агрометеорологии и задачах для Российского метеорологического общества ТАСС рассказал директор Гидрометцентра РФ Роман Вильфанд. Роман Менделевич, расскажите, пожалуйста, какие прогнозы она позволит делать? Краткосрочные прогнозы — это прогнозы на период до 72 часов. Сверхкраткосрочные — от 6 до 12 часов. А наукастинг — это прогнозирование элементов погоды на период от нескольких минут до примерно двух-трех, иногда до шести часов, которые чаще всего связаны с взрывной конвекцией. Конвекция — это процесс быстрого перемещения теплых насыщенных влагой воздушных масс от поверхности Земли в более высокие слои.
При развитии таких процессов наблюдаются явления, которые представляют опасность для жизни человека, для функционирования отраслей экономики и т. В Москве создадут систему прогноза опасных метеоявлений Атмосфера — хаотическая среда. Можно указать регионы, где создаются условия для возникновения смерча, например, но точно спрогнозировать его локализацию невозможно. Система наукастинга позволяет зафиксировать момент зарождения опасного явления и тогда спрогнозировать на два часа траекторию его перемещения, усиления или, наоборот, рассеивания энергии. Чтобы прогнозировать такие события, нужно развивать научные исследования, чтобы физические процессы в атмосфере были адекватно описаны уравнениями гидродинамики, чтобы по ним можно было воспроизвести всю трансформацию воздушной массы, энергии, ветра, температуры и т. Кроме того, нужны очень хорошие начальные данные. Если мы хотим прогнозировать погоду на несколько ближайших часов, мы должны иметь очень густую сеть наблюдений. До сих пор этого не удавалось добиться. Теперь в рамках обсуждения Московской мэрии и Росгидромета удалось прийти к пониманию.
Эти локаторы будут расположены примерно в радиусе 200 км от центра Москвы. Дальность видимости этих локаторов около 150 км. Поэтому можно ожидать, что если на удалении около 350 км зарождается опасное явление смерч, шквал или очень сильный дождь , то его с помощью этих радаров можно будет диагностировать. Это очень важно, что уже на дальних подступах к Москве можно будет увидеть это явление. Дальше предполагается создать еще одну эшелонированную наблюдательную систему с радиусом примерно 90 км от центра Москвы: сеть автоматических станций, расположенных на вышках операторов мобильной связи с шагом примерно 10—15 км друг от друга. На этих вышках будет так называемая система градиентных наблюдений. По высоте: один датчик примерно на высоте 5—10 м этой вышки, другой на высоте 20—30 м, третий — на 50—60 м. Они будут фиксировать изменения, которые происходят в приземном слое воздуха. Локатор так устроен, что не может "видеть" процессы, которые находятся ниже 200 м от поверхности земли.
Если на удалении около 350 км зарождается опасное явление смерч, шквал или очень сильный дождь , то его с помощью этих радаров можно будет диагностировать Еще один аналогичный "редут" — в 40—50 км от центра Москвы. Затем на МКАДе. Примерно четыре десятка станций будут расположены в тех местах, где наблюдений мало. Сейчас наблюдательная сеть небольшая совсем, есть пробелы. Они будут заполнены. Таким образом, предполагается, что количество станций увеличится примерно на полторы сотни. Это очень много. А это очень важно. Когда на удалении сначала прогнозируешь, а затем при перемещении видишь, совпадают или не совпадают расчеты с фактом, можно изменить модель, увидеть, в чем ее несоответствие.
Кроме того, эту систему будут разрабатывать не "вообще", а конкретно для Москвы. Получив хороший результат мы очень надеемся на это , можно будет транслировать этот опыт на другие города-миллионники. Конфигурация зданий, улиц, отражение солнечных лучей от крыш домов — все это влияет на атмосферные процессы в городе.
Спутниковые снимки Спутниковые снимки облачности позволяют оценить состояние облачного покрова на обширной территории в целом, выявить некоторые его структурные особенности, а также направление движения облачности разных ярусов. Особенно важны наблюдения за кучево-дождевой облачностью, поскольку с нею связаны такие явления, как грозы, шквалы, ливни, град, торнадо, и в ряде случаев они носят локальный характер. Кроме того, кучево-дождевая облачность может развиваться весьма стремительно , что делает наблюдения по спутниковым снимкам особенно ценными.
Данные радаров Карты радиолокационной отражаемости делают картину ещё более полной, поскольку с их помощью есть возможность оценить некоторые особенности внутренней структуры облачности, скрытые от любых визуальных наблюдений, а именно — интенсивность осадков, связанных с конкретной облачной структурой, и их фазовое состояние.
Свяжитесь с нами
- GISMETEO: Радар Гисметео — реальный инструмент наукастинга града и фотоизображения
- осадки в Европе
- Search code, repositories, users, issues, pull requests...
- Navigation Menu
Ещё одна копия хабора
- Какая погода россиян ждет на этой неделе
- Как менялась Яндекс.Погода: от виджета до погодных карт
- GISMETEO: осадки в Европе, прогноз осадков на карте Европы
- АИИС «МетеоТрасса» для автодорог — IRAM Dev
Предоставляем метео данные
| Космическая гидрометеорология - прогноз погоды по данным со спутников | Пикабу | Точнее, ещё точнее: прогноз погоды на 2 часа, наукастинг и карты погоды. |
| Telegram: Contact @yandex | Главная» Новости» Гидрометцентр наукастинг. |
| Прогноз осадков на 2 часа (наукастинг) | В настоящее время существует ряд алгоритмов по обнаружению осадков и приблизительной оценке их интенсивности, однако результаты их работы не применяются для решения задачи наукастинга. |
| Синоптик Вильфанд: около 30% месячной нормы осадков выпало в Москве за час – Москва 24, 27.04.2024 | Наукастинг (nowcasting) и сверхкраткосрочные прогнозы погоды очень важны. |
Синоптики: на Москву за сутки выпадет 30% месячной нормы осадков
For instance, digital radar systems made it possible to track thunderstorms , providing users with the ability to acquire detailed information of each storm tracked, since the late 1980s. They are first identified by matching precipitation raw data to a set of preprogrammed characteristics into the system, including signs of organization in the horizontal and continuity in the vertical. In 2017, the arrival of passive sensing means, such as wireless networks, helped progress nowcasting even further. It became possible to receive inputs every minute and achieve greater accuracy in short-term forecasting. Several countries have developed nowcasting programs as previously mentioned. The World Meteorological Organization WMO supports these efforts and held test campaigns of such systems at various occasions. In 2009, WMO has even organized a symposium devoted to Nowcasting.
Здесь , а Мы предсказываем на два часа вперёд с шагом 10 минут. Это 12 кадров плюс ещё несколько про запас на случай перебоя в поставке данных с радара. Чаще всего решение такой задачи сводится либо к применению алгоритмов optical flow 1, 2, 3 , либо к нейросетевым методам 1, 2, 3, 4, 5, 6. Долгое время в продакшене у нас работал алгоритм на основе optical flow, который мы смогли натюнить таким образом, что он побил по метрикам нашу предыдущую нейросетевую архитектуру. Далее расскажем о том, как мы наконец обошли optical flow и сделали более качественный прогноз с использованием нейросетей. Авторы добавили вход для пространственной памяти обозначение в статье и расширили output gate, чтобы научиться её учитывать рисунок 3. Утверждается, что это помогает лучше запоминать пространственные изменения в последовательности кадров видеоряда.
Рисунок 3. Только для изображений из будущего, которые мы пока не знаем. В качестве функции потерь использовали ставшую классической сумму кросс-энтропии и dice: где — предсказанное значение. Результаты При сравнении новой модели с предыдущей мы смотрели как на стандартные метрики для задач сегментации и классификации F1, IoU , так и специально построили метрики, которые отражают пользовательское ощущение прогноза например, доля идеальных прогнозов. Это помогло улучшить в том числе и то, что видят в прогнозе наши пользователи, и как они получают информацию из него. Ниже приведена таблица с изменениями по сравнению с решением на базе optical flow: Если F1 и IoU — широко известные метрики, то на двух последних стоит задержаться, так как именно они характеризуют пользовательское восприятие прогноза. Доля точно предсказанных случаев начала дождя — это отношение количества правильно предсказанных случаев начала первого дождя на рассматриваемом окне в два часа ко всем случаям начала первого дождя на двухчасовых окнах.
А доля идеальных прогнозов показывает, какая часть двухчасовых последовательностей предсказана без ошибки на каком-либо шаге. Таким образом, эти метрики позволяют нам оценить пользовательский опыт использования наукастинга.
Первое решение, которое пришло в голову, — просто обучить несколько нейросетей так, чтобы первая нейросеть предсказывала ситуацию на радаре через 10 минут, вторая — через 20 минут, третья — через 30. Требование было следующим: предсказывать радарные данные где-то на два часа вперед. Предсказания получались вот такие. Примерно тогда же, когда мы обучили 12 нейросетей, у нас появилась возможность визуализировать данные на карте. Посмотрев на скачущие облака, менеджеры сказали: это мы выпускать точно не будем. Один из них сказал: конечно, я понимаю, что это максимизирует вероятность чего-то там, но пользователю такое не объяснить — в жизни облака так не скачут. Во время следующей итерации мы решили считать только векторное поле и умножать опорные вектора на 2 и 3, чтобы получить перенос не на 10, а на 20 минут и 30 минут соответственно.
На ближних горизонтах результаты выглядели довольно прилично, но чем дальше, тем чаще с краю появлялись артефакты. Оказалось, что в векторном поле слишком большие вектора разрывают thin plate spline, и у нас появляется второе зеркальное отражение нашей картинки. Потом отражения сливаются. На ближних горизонтах артефакт не был заметен, но на дальних проявлялся очень сильно. Из ниоткуда возникало облако. Третьим решением стало последовательное применение одного и того же преобразования thin plate spline к одной картинке. С одной стороны, оно способствовало накоплению ошибок. Это было первое реально работающее решение, которое мы показывали при внутреннем бета-тесте. Нейросеть получала на вход шесть радарных снимков за последний час, несколькими свертками приводила их к тензору из 16 векторов 4 x 4.
Cплайновое преобразование восстанавливалось по векторам и последовательно применялось к картинке для получения каждого следующего горизонта прогноза. Решение довольно хорошо себя показало, но оставался единственный вопрос: зачем нужна нейросеть? Если красные свертки — единственная часть, которую мы обучаем, почему бы нам не вычислить векторное поле самостоятельно, алгоритмически? Так что четвертое решение, которое заметно улучшило результат, использовало явную минимизацию loss-функции. Мы искали векторное поле, которое бы одинаково хорошо приближало переход на 10 минут в последний час. От —60 минут до —50, потом до —40 и т. Мы применяли это векторное поле к t0, чтобы получить прогноз на 10 минут дальше. Алгоритмически гораздо лучше находить векторное поле с помощью минимизации. Оно быстрее работает, не требует обучения.
Самое интересное — оно не требует всех данных. Можно пропустить какие-то данные — а радары довольно часто запаздывают. Мы долго думали, что же оставить — нейронные сети или алгоритмические вычисления векторного поля. Но всё победил тот самый лазерный меч в Иваново. Когда он висит над вами как дамоклов меч и зануляет вокруг себя все вектора, то облака не могут ни пересечь его, ни двигаться в одном районе с ним. Даже какого-то физического движения на картинке не происходит. Поэтому в конечном итоге мы пришли к нейронной сети. Сейчас нейронная сеть работает и выдает предсказания, схематически ее архитектура изображена здесь. Она составлена из 12 примерно одинаковых блоков.
Погода теперь позволяет узнать погоду на ближайшие два часа. Также с помощью сервиса можно выяснить, что осадки, например, закончатся с минуты на минуту или начнутся в течение получаса. Это особенно актуально в ситуациях, когда нужно принять решение — выбежать под проливной дождь или подождать, пока он закончится. Сервис построения прогнозов Яндекса теперь включает технологию наукастинга — краткосрочного гиперлокального прогноза осадков, тогда как раньше использовал только технологию Метеум, основанную на метеомоделировании и машинном обучении.
Дословно «наукастинг» с английского переводится как «прогноз на сейчас», хотя на самом деле технология позволяет узнать о распределении осадков во временном промежутке от двух часов назад до двух часов вперед.
наукастинг осадков на 2 часа
Система наукастинга позволяет зафиксировать момент зарождения опасного явления и тогда спрогнозировать на два часа траекторию его перемещения, усиления или, наоборот, рассеивания энергии. Совместная технология детерминистского наукастинга и сверхкраткосрочного прогноза осадков на основе экстраполяции данных. В задаче наукастинга осадков необходимо минимизировать отклонение спрогнозированных мм от истинного.
Яндекс научился предсказывать осадки на ближайшие 2 часа
Наукастинг (nowcasting) и сверхкраткосрочные прогнозы погоды очень важны. Точнее, ещё точнее: прогноз погоды на 2 часа, наукастинг и карты погоды. Во-первых, наукастинг осадков оказался полезным на интервале одного-полутора часов как в точках выделенной сетки, так и по областям сильных осадков. Кратковременный дождь с грозой и порывами ветра до 11-18 м/с выпадает на последнее воскресенье апреля. Прогноз осадков на 2 часа (наукастинг). На портале "Метеовести" центра погоды "Фобос" сообщается, что на Москву надвигается новая холодная и дождливая волна.
Цветные осадки: дождь с песком придет на Южный Урал
Барические системы с именами Подробнее о проекте На сегодняшний день практически каждый метеолюбитель имеет в своём распоряжении ряд сайтов, которыми пользуется, наблюдая за погодной обстановкой. Представленная выше подборка ресурсов включает в себя как наиболее популярные сайты, которыми пользуются практически все метеолюбители, так и ряд более специализированных ресурсов, находящихся в почёте у профессионалов. Спутниковые снимки Спутниковые снимки облачности позволяют оценить состояние облачного покрова на обширной территории в целом, выявить некоторые его структурные особенности, а также направление движения облачности разных ярусов. Особенно важны наблюдения за кучево-дождевой облачностью, поскольку с нею связаны такие явления, как грозы, шквалы, ливни, град, торнадо, и в ряде случаев они носят локальный характер.
Лучше всего для этого подходят метеорологические радары, предоставляющие такую информацию напрямую в виде изображений, и геостационарные спутники, снимки с которых надо предварительно обработать. При этом можно интерпретировать кадр как обычную картинку и свести задачу к работе с видеоизображением. Рисунок 2. Пример изображений с метеорологического радара. Вверху: пример входных кадров для модели. Внизу: ожидаемые кадры во время предсказания.
Здесь , а Мы предсказываем на два часа вперёд с шагом 10 минут. Это 12 кадров плюс ещё несколько про запас на случай перебоя в поставке данных с радара. Чаще всего решение такой задачи сводится либо к применению алгоритмов optical flow 1 , 2 , 3 , либо к нейросетевым методам 1 , 2 , 3 , 4 , 5 , 6.
Он очень сложный, учитывает не только частоту подобных климатических явлений, но и их силу, а также ситуацию в регионе: численность населения, инфраструктуру и другие факторы. Если говорить об этом индексе, который может меняться от нуля до единицы, то чем меньше его значение, тем лучше для территории. Например, Северо-Западная Россия находится в числе благополучных регионов, где этот индекс попадает в нижнюю треть риска — от нуля до 0,33. Центральный регион, наоборот, относится к самым «рискованным» — от 0,67 до 1.
Здесь речь не идет исключительно о числе негативных событий. Этот индекс включает в себя комплексную информацию, в нее входят и число катаклизмов за год, и их сила, и особенности региона. Поскольку при построении индекса использовалась статистика многих лет, то, в общем-то, можно говорить, что какой-то регион более, а какой-то менее благополучный. Получается, что в местах, где есть инфраструктура и промышленность, неблагоприятные явления регистрируются чаще, потому что это заметно. В малонаселенных регионах эти катаклизмы тоже случаются, но их никто не замечает? Примерно так. Тот же Центральный регион значительно плотнее населен.
В нем больше всевозможных промышленных объектов, и так далее. Поэтому, когда речь идет об ущербе, вы понимаете, что если взять Крайний Север, где плотность населения меньше одного человека на квадратный километр и нет инфраструктуры, то какой бы силы ураган ни пролетел, он не причинит ущерба просто потому, что там ничего нет. А в Центральном регионе все наоборот. Можно ли для каждого региона разработать прогноз природных катаклизмов, учитывая особенности местности? Из общих соображений можно предположить, что, например, на Дальнем Востоке, где часто происходят наводнения, засуха не будет представлять угрозы. Таким образом можно определить список неблагоприятных аномалий, которые могут возникнуть в каком-то регионе, но спрогнозировать точное время их возникновения и степень угрозы, к сожалению, сложно. Я должен добавить еще одну вещь.
Ураганы, вихри, наводнения — это все же краткосрочные явления, которые длятся несколько часов, дней, недель. Однако для России существуют не только краткосрочные, но и долгосрочные угрозы. Две трети территории нашей страны расположены в зоне вечной мерзлоты, хотя это название не совсем точное, правильнее говорить многолетняя мерзлота. Вследствие повышения температуры многолетняя мерзлота деградирует, и возникают серьезные угрозы для этих территорий Чем это опасно? Это может привести к дополнительным рискам аварийности для уже построенных объектов. Ведь когда строили [объекты на Севере], то никому не приходило в голову, что мерзлота будет себя вести так подло по отношению к человеку. Это потребует дополнительной инфраструктуры, которую, возможно, придется строить заново в районе побережья.
В любом случае нам нужно быть готовыми к возможным опасностям, связанным с деградацией вечной мерзлоты и изменением климата, и быть готовыми к значительным вложениям. Кроме того, в многолетней мерзлоте содержатся парниковые газы, которые способствуют нынешнему изменению климата и глобальному потеплению. Это углекислый газ и метан. Когда мерзлота тает, содержащиеся в ней газы попадают в атмосферу.
Скажем, если нужно выбрать место для съемок на природе, легко посмотреть, где завтра не ожидается снега и дождя. Обновленная карта осадков будет полезна и бизнесу: например, ресторанам или службам доставки, загрузка которых зависит, в том числе, от погоды. На карте они могут увидеть, как будет меняться ситуация.
Так, если вечером начнется снегопад, понадобится больше курьеров для доставки еды на дом.
Цветные осадки: дождь с песком придет на Южный Урал
Если весна будет теплой и дружной, то будет большой потоп. В 2023 году Петербург обогнал Москву по количеству солнечных дней. Такие данные приводят интернет источники. Отмечается, что в Северной столице было 94 солнечных дня, а в Москве — 84.
При этом в столице выпало на 20 мм осадков больше осадков, чем в городе на Неве. В Петербурге началась настоящая снежная зима. Только за минувшие сутки в городе выпало 5 мм осадков.
Высота снежного покрова составила около 20 см. По прогнозу синоптиков, снег в Северной столице продолжит идти весь декабрь. Бушующая «Ольга».
Что принесет россиянам новый циклон? Присоединяйтесь к нам в Вконтакте , Одноклассниках и в Яндекс. Вы также можете настроить RSS-фид и подписаться на регулярное получение новостей и погоды в Telegram.
Новости по теме. Татьяна Воробьева В ожидании второго осеннего месяца эксперты проанализировали количество выпадающих осадков в российских миллионниках. Первое место в рейтинге самых дождливых октябрьских мегаполисов досталось Перми: тут, по данным Яндекс.
Погоды, льет примерно 13 дней в месяц и выпадает 68 миллиметров осадков. Он также перечислил задачи для МБУ «Горсвет». Специалисты восстановили освещение на Императорском мосту.
Александр Болдакин распорядился, чтобы учреждение активизировало закупку самонесущего изолированного провода для налаживания освещения на ряде участков в Заволжском районе, где опоры остались без светильников, и снижения числа отключений электричества из-за перехлестнувшихся проводов. Далее последуют различные факты о том, где в мире находятся места с наибольшим количеством осадков. Например, упоминается деревушка Мосинрам в Индии, которая является рекордсменом в Книге рекордов Гиннесса по количеству выпадающих осадков.
Также упоминается Черапунджи, которое считается одним из самых дождливых и влажных мест на Земле, где были зарегистрированы метеорологические рекорды. Нашу область не затронет этот «Ольга» захватит практически всю Центральную Россию. Рекордное количество снега выпадет в Тульской, Тверской, Калужской и Рязанской областях.
Сильнейшие осадки ожидаются также во Владимире. По словам специалиста, за весь месяц в столице выпало лишь 6,1 миллиметра осадков, что сделало сентябрь самым сухим более чем за 140 лет метеорологических наблюдений. Так, осадки выпадали в городе в течение 6 дней, тогда как в норме их должно было быть 16.
Синоптики рассказали, в каком городе Кузбасса выпало больше всего осадков Практика не несет в себе никакого смысла, она просто, скажем так, преследует исключительно маркетинговые и рекламные цели.
Будет облачно, осадков не прогнозируется. Узнать подробнее Читайте также:.
Одна из главных целей Росгидромета на 2018 год - это повысить прогнозируемость опасных явлений до 98 процентов. Именно они в 2017 году подпортили статистику. В прошлом году синоптикам не удалось предсказать 22 опасных явления, что на пять больше, чем годом ранее. В результате оправдываемость прогнозов составила 93,8 процента, за год показатель снизился на 0,7 процента. Всего в стране за год было зафиксировано 907 опасных явлений, из которых 378 нанесли значительный ущерб отраслям экономики и жизнедеятельности населения. В основном это сильные морозы, дожди и ветер, а также крупный град.
Росгидромет спрогнозировал и выпустил предупреждение о 1850 штормовых предупреждениях. Они имели предсказуемость от нескольких часов до нескольких суток. Но оправдываемость таких прогнозов составляет 94 процента.
Но это наукастинг в фильмах.
Наукастинг в реальной жизни — по крайней мере, в головах менеджеров — выглядит либо как уведомление человеку в виде текста или пуш-нотификации, либо как карта осадков, которая движется со временем. Задача была именно в том, чтобы разработать продукт, который бы совмещал в себе и уведомления, и карту осадков. Требовался прогноз осадков на будущей карте, плывущие облачка. Полтора года назад, когда мы начинали, у нас не было ничего, кроме данных.
В отличие от участников на Kaggle, у нас не было никакой фиксированной метрики, никаких baseline-решений. Единственное, что было, — постоянная гонка технологий, в которой мы хотели обогнать сами себя. Первое решение — просто День сурка. Обогнать прогноз, решить, что завтра будет то же самое, что и вчера.
А следующая модель должна улучшать показания предыдущей. Что нужно для прогноза осадков? Нужны данные, радарные снимки. Нужно понимать, как в атмосфере движутся частицы, какие ветра дуют и как применять это движение к частицам.
Расскажу про все три составляющих прогноза. Первое — радарные снимки. Они бывают очень разных форматов и поступают от очень разных поставщиков. Это и просто отдельные картинки в PNG, с договоренностью, что цветом с таким-то кодом обозначается такая-то интенсивность отраженного сигнала.
Либо — научный формат NetCDF. Радары сильно отличаются по частоте обновления. Бывают радары, которые обновляются раз в 10 минут, раз в 15 минут. Самое ужасное, что данные с радаров — в отличие от относительно чистых данных для соревнований — содержат артефакты.
Радары работают на физических принципах, на отражении волны, так что у них бывают слепые зоны. Причем когда маленькие фрагменты зоны видимости радиально закрыты зданиями — это еще далеко не самый тяжелый случай. Бывают и сделанные людьми артефакты. Например, в период бета-тестирования мы столкнулись с человеком, который купил себе Wi-Fi-точку, неправильно настроил на ней частоту и номер канала, после чего выставил ее в окно.
В результате у нас над Иваново висел огромный лазерный меч в виде облака. Мы видели его на карте и ничего не могли с ним поделать, пока не вызвали Частотнадзор. Пожалуйста, если покупаете Wi-Fi-точки где-то в Китае, настраивайте их на российские частоты. Кроме радарных данных, надо еще откуда-то взять векторное поле.
Принципиально его можно взять всего из двух мест: либо проанализировав предыдущие радарные снимки и применив, скажем, алгоритмы оптического потока, либо из каких-то других источников. Например, можно воспользоваться метеомоделированием и результатом работы того же ОРФ или Метеума. Берем поле ветров и с его помощью переносим картинки, которые возвращает радар. Оба способа получения векторных полей имеют недостатки.
Оптический поток нельзя посчитать в местах, где не летит облако.
Антициклон на Урале сменит циклон: синоптики спрогнозировали «погодный калейдоскоп»
Развивается новое направление в прогнозировании погоды — наукастинг, позволяющий выпускать сверхкраткосрочный прогноз об опасных явлениях погоды на ближайшие несколько часов. Новости от 08.04.2024 10:31. n Наукастинг заполняет пробел ЧПП, когда модели имеют недостаточную точность в течение первых часов выполнения расчетов (0 – 6 ч). В настоящее время существует ряд алгоритмов по обнаружению осадков и приблизительной оценке их интенсивности, однако результаты их работы не применяются для решения задачи наукастинга. n Наукастинг заполняет пробел ЧПП, когда модели имеют недостаточную точность в течение первых часов выполнения расчетов (0 – 6 ч).