Yleistä säämalleista

Sään ennustaminen on yksinkertaistettuna kaoottisen ilmakehän liikkeiden, ja niiden seurausten ennakointia. Nykypäivänä moderni sääennuste saadaan aikaan käyttämällä apuna tietokoneen laskemien ilmakehäsimulaatioiden eli ns. säämallien tuottamaa tietoa. Kun esimerkiksi meteorologi ennustaa säätä, on ennuste peräisin eri säämallien ja meteorologin oman kokemuksen pohjalta.

Säämallia voisi verrata melkeinpä mihin tahansa tietokoneohjelmaan, sillä toimintaperiaate perustuu koodiriveihin sekä laskettaviin yhtälöihin. Erona säämallissa on sen vaatima laskentateho, joka mallin laajuudesta, sekä tarkkuudesta riippuen voi olla varsin huomattava. Siksi esimerkiksi yksittäisen maan, mantereen, tai jopa koko maapallon kattavia malliennusteita lasketaan isoilla supertietokoneiksi kutsutuilla kokonaisuuksilla. Säämallin resoluutio eli tarkkuus määrittää, kuinka tiheästi laskentapisteitä eli ns. hilapisteitä mallista löytyy. Mitä lähempänä hilapisteet ovat toisiaan (esim. 4 km), sitä tarkempi malli on kyseessä. Alueellisissa malleissa hilaväli on usein varsin tiheä (1-12km), kun taas globaaleissa malleissa kymmenistä kilometristä satoihin.

Alkujaan idea laskennallisesta sääennustamisesta syntyi 1922, kun englantilainen matemaatikko keksi yrittää laskea yksinkertaisia sääennusteita matemaattisesti. Kokeilu onnistui ja niinpä virisi ajatus tuhansia matemaatikkoja sisäänsä kätkevistä ennustetehtaista. Totuus kuitenkin oli, että vaikka sääennusteita olisikin pystytty laskemaan käsin, olisi se ollut liian aikaa vievää ja tehotonta. Parhaimmillaankin koko maapallon kattava ennuste saataisiin valmiiksi vasta sitten, kun ennustettava ajankohta olisi jo ohi.  Tietokoneajan alettua kyettiin näitä ilmakehää kuvaavia yhtälöitä automatisoimaan ja laskemaan tehokkaasti.

Säämalli ei kykene laskemaan itsestään, vaan toimiakseen se vaatii lähtötilanteen. Lähtötilanne voi olla joko toisen, laajemman säämallin tuottama simulaatio, tai todellinen säätilanne, joka saadaan keräämällä ympäri maapalloa sääasemilta lähetetyt SYNOP-sääraportit, sekä erityisesti säähavaintopallojen sondeilla tehdyt ilmakehähavainnot. Puhuttaessa globaalista säämallista, on lähtötilanteeksi valittu lähes aina todellista säätilannetta vastaava lähtötilanne. Nykyisten säämallien heikkous ei entisten aikojen tapaan olekaan yhtälöjen laskennassa käytetty laskentateho, vaan maailman havaintoasemaverkon harvuus mantereilla ja erityisesti niiden ulkopuolisilla merialueilla. Lähtötilanteeseen voidaan liittää myös tietoja esimerkiksi maapalloa kiertävien sääsatelliittien sensoreista, mikä osaltaan paikkaakin sääasemaverkoston aukkoja.

Usein yksittäinen säämalli ei osaa ennakoida kaikkia säätilanteita oikein. Toisinaan säämallin ratkaisu saattaa ennakoida esimerkiksi matalapaineen reitin tai rintamasateet oikein jopa yli viikon päähän, ja toisinaan taas jopa seuraavan vuorokauden ennustaminen voi näyttää vaikealta. Tämä johtuu yksinkertaisesti siitä, että koska ilmakehä on tavattoman monimutkainen, on sen ennakointiin käytettävien yhtälöidenkin oltava monimutkaisia. Tämä taas vaatii tavattomasti todellisia säähavaintoja, sekä laskentatehoa, jopa niin paljon, ettei nyky-yhteiskunta siihen kykene. Tämän takia yhtälöiden laskennassa joudutaan oikomaan ja se myöskin näkyy malliennusteen osuvuudessa. Kun laskennassa suoritetaan yksi pikkiriikkinen virhe, alkaa se kasvamaan hiljalleen suureksi laskennan edetessä. Esimerkkinä voidaan käyttää eräälle juhannukselle laskettua malliennustetta: Edellisyönä kello 00UTC laskettu ennuste näytti, että kahden vuorokauden päässä olevasta juhannusaatosta olisi tulossa poutainen ja vähätuulinen. Seuraavan päivän aikana Saksassa oli syntynyt hyvin voimakkaita ukkosia, joiden johdosta Euroopassa ollut matalapaine voimistui myrskymatalaksi, joka Suomeen saavuttuaan voimisti juhannusaaton tuulet varsinkin merialueilla myrskylukemiin. Tällainen tilanne olisi siis pystytty ennakoimaan, jos ilmakehän jokainen liike olisi ollut tiedossa ja laskettavissa, mutta tämä tuskin koskaan on mahdollista.

Parviajoista parannusta

Säämallien luotettavuutta on parannettu ajamalla ns. parviajoja. Samasta säämallista lasketaan eri variaatioita eli jäseniä, näin saadaan aikaan useampi skenaario samasta ajankohdasta. Eri asetuksilla ajettujen mallien skenaarioista saadaan puolestaan todennäköisyyksiä, joiden perusteella voidaan valita käyttökelpoisin ennuste. Toisin sanoen, mitä useampi laskettu jäsen puoltaa jotain tiettyä skenaariota, sitä parempi on tilanteen ennustettavuus. Parviajot vaativat luonnollisesti moninkertaisen määrän laskentatehoa. Esimerkiksi GFS-säämallilla on 21 eri jäsentä, jotka lasketaan kahdesti vuorokaudessa. Nykyisin ennustettavuutta voidaan punnita myös yhdistelemällä eri säämalleja keskenään.

Erilaiset mallit eri tarkoituksiin

Nykyisin maailmalla toimii useita erilaisia vuorokauden ympäri toimivia säämalleja, jotka jaetaan globaaleihin ja alueellisiin. Näiden lisäksi on lukuisa määrä erilaisia tieteen tutkimuksiin, ja harrastajakäyttöön tarkoitettuja säämalleja, sekä niiden variaatioita. Erityisesti Euroopassa on usean maan toimesta kehitetty HIRLAM-hienohilamallia, ja se onkin operatiivisessa käytössä laajalti. Suomen ilmatieteenlaitos on vahvasti mukana HIRLAMin kehityksessä. Seuraavassa listassa lajiteltuna muutamia Suomen kannalta keskeisiä ja yleisesti käytössä olevia säämalleja.

Globaalit säämallit (hilapisteet kattavat koko maapallon)

- GFS (Global Forecast Model)

Tunnetuin käytössä oleva globaali säämalli, jonka ylläpitäjänä toimii Yhdysvaltain NOAA. Mallia ajetaan kuuden tunnin välein: 00, 06, 12, ja 18UTC. Nykyisin tarkin hilapisteiden väli on 13 kilometriä. Ennustesimulaatio on saatavilla jopa tunnin aikaresoluutiolla. GFS-mallista tekee erityisen sen ”public domain” tyyppinen jakelu eli se on vapaasti ladattavissa ja käytettävissä kaupallisesti tai ei-kaupallisesti. Varsinkin sääharrastajien keskuudessa hyvin suosittu.

- GEFS (Global Ensemble weather Forecast)

Niin ikään Yhdysvalloissa ylläpidettävä numeerinen säämalli, jossa ajetaan kahdesti päivässä 21 jäsenen parviajoa. Parviajon tuloksena saadaan useampi eri skenaario ennustetusta tilanteesta, sekä todennäköisyysprosentti niiden toteutumiselle. GEFS on myös vapaasti saatavilla.

- ECMWF-weather prediction model

Euroopan keskipitkien sääennusteiden keskuksen ECMWF:n ylläpitämä sääennustemalli, joka kattaa 900 miljoonaa hilapistettä ympäri maailmaa. Hilaväli ennustemallissa on 9 kilometriä, joten puhutaan globaalissa mittakaavassa varsin tarkasta säämallista. Malli kykenee tuottamaan ennusteita aina 10 vuorokauteen asti. GFS-malliin verraten, on ECMWF osoittautunut pitkäaikaisessa vertailussa ennustettavuudeltaan paremmaksi. Tämä malli on yleisesti käytössä Euroopassa ECMWF:n jäsenmaissa. Näihin jäsenmaihin kuuluu myös Suomen ilmatieteenlaitos. ECMWF tarjoaa maksuttomasti saataville vain joitain mallituotteita.

- CMC, GEM (global weather model by CMC)

Kanadan sääpalvelun tarjoama säämalli, joka ajetaan kahdesti päivässä. Tämä säämalli on myös maailmanlaajuinen. Mallilaskelmat ajetaan kahdesti päivässä ja ulottuvat 240 tunnin päähän lähtöhetkestä. Hilaväli on 25 kilometriä, joten tarkkuus on selvästi pienempi kuin GFS tai ECMWF:llä, mutta malli on erittäin käyttökelpoinen, kun vertaillaan vaikeasti ennustettavia tilanteita yhdessä muiden numeeristen säämallien kanssa.

- RHMC (Russian Hydrometeorological Center)

Venäjän sääkeskuksen globaali säämalli, jota ajetaan kahdesti päivässä. Säämallin tarkkuus on karkeampi kuin esimerkiksi GFS ja ECMWF, mutta eri säämallien ennustettavuuden vertailuun käyttökelpoinen.

- JMA, GSM

Japanin ilmatieteenlaitoksen globaali säämalli, joka päivittyy kahdesti päivässä. Laskee ennusteen 11 päivälle. Mallin suurin tarkkuus 5 kilometriä Japanin ympäröivillä alueilla.

- Globaalit ilmastosäämallit

Lyhyiden ja keskipitkien säämallien lisäksi voidaan mukaan laskea myös globaalit ilmastomallit, kuten esimerkiksi CFS . Näiden tarkoitus on ennakoida pitkien aikavälien ilmastomuutoksia, eikä niistä näinollen ole ennustamaan tavanomaisia sääilmiöitä.

Alueelliset säämallit (laskenta-alue rajautuu maantieteellisesti esimerkiksi maan tai maanosan ylle)

- UKMET, UKV

Alueellinen hienohilamalli, jota ylläpitää Britannian sääpalvelu. Hilaväli on Iso-Britannian ja Irlannin alueella peräti 1,5 kilometriä ja muualla Euroopan alueella 4 km. Ennusteen pituus kattaa 36 tuntia.

- KNMI, HIRLAM

Hollannin ilmatieteenlaitoksen hienohilamalli, jonka hilaväli on 7,5 km. Ennuste lasketaan 48 tunnille kerrallaan Euroopan alueelle.

- Arpège 7,5 km

Ranskan sääkeskuksen alueellinen säämalli 7,5 kilometrin hilavälillä. Kattaa koko Euroopan ja lasketaan peräti 112 tunnin päähän lähtöhetkestä.

- YR, METNO-HIRLAM (weather model by Norwegian Meteorological Institute)

Norjan ilmatieteenlaitoksen alueellinen hienohilamalli tarjoaa ennustetta Pohjois-Eurooppaan 10 km hilavälillä. Varsinkin pohjoismaissa paljon käytössä. Dataa saa ladattua grib-muodossa veloituksetta.

- FMI-HIRLAM

Suomen ilmatieteenlaitoksen käyttämä hienohilamalli. Vaakasuuntainen hilaväli on 7,5 km. Säämalli ajetaan neljä kertaa vuorokaudesta ja sen tuottama ennuste yltää kahden vuorokauden päähän.

- FMI-HARMONIE

Niinikään Suomen ilmatieteenlaitoksen 2,5 kilometrin erottelukyvyn omaava säämalli. Säämallin lähtöarvot saadaan HIRLAM-mallin ulommasta laskenta alueesta eli nämä kaksi mallia toimivat yhdessä.

- FORECA-HIRLAM, ETA

Suomen kaupallisella sääpalvelu Forecalla on käytössää myös HIRLAM, sekä Forecan itse laskema ETA-malli.

- Myrskybongarit.fi, FINFOUR, CAWS (Close Area Weather Simulation)

Myrskybongarit.fi:n ylläpitämä alueellinen WRF ARW-säämalli. FINFOUR tarkempi laskenta-alue kattaa koko Suomen ja osan Ruotsista, Virosta sekä Venäjästä. Päivityksen myötä tullut CAWS yltää 1 kilometrin erottelukykyyn. CAWS kattaa vain eteläisen osan maata. CAWS saa lähtötilanteen FINFOUR-mallista.

- FINWRF

Suomalaisen Pauli Jokisen ylläpitämä WRF ARW-malli 4 kilometrin hilavälillä. Tarkempi laskenta-alue kattaa osan pohjoismaita. Varsinkin myrskyharrastajien keskuudessa suosittu. (Kirjoitushetkellä säämalli oli päivityksessä.)

- Muita alueellisia malleja

Euroopasta löytyy nykyään paljon yksityisten tahojen ylläpitämiä WRF-malleja, joiden erot näkyvät lähinnä mallien tarkkuudessa, käytetyistä parametreista, sekä annetuista lähtötiedoista.

Seuraavassa osassa (2) tutustumme yleisimpien säämallien ominaisuuksiin, sekä niiden tulkintaan.

Teksti: Joni Rinta-Möykky, Kuvat: Joni Rinta-Möykky