Återanalyser för klimatet

Temperaturer, vindar, tryck, fuktighet, moln och andra variabler observeras på ett begränsat antal platser, men det finns ofta behov av att veta vad som händer mellan observationsplatserna. Två vanliga alternativ är interpolering eller att använda närmsta mätstation. Här presenteras ett alternativ.

Väderprognoser utgår från ett analyserat tillstånd av atmosfärens nuvarande tillstånd och även markens och vattenytors tillstånd. Prognoserna är baserade på matematiska och fysikaliska datormodeller, som körs från det analyserade tillståndet. Temperaturer, vindar, tryck, fuktighet, moln och andra variabler representeras på ett regelbundet rutnät i rum och stegvis i tid. Analyserna använder så många observationer som möjligt, men det är oftast inte tillräckligt av dem på alla platser i rum eller tid.

Genom att använda en väderprognosmodell kan man få en uppskattning, första gissning, av atmosfärens tillstånd vid ett visst tillfälle. Prognosmodellen utgår ifrån tidigare analyserade tillstånd; till exempel 6 timmar tidigare som då baseras på tidigare observationer och kanske även från andra platser.

Denna första gissning uppdateras med nya observationer genom att observationsinformationen kombineras med modellens första gissning. Denna analys av atmosfärstillståndet sker genom små korrektioner av den första gissningen eftersom denna vanligen ligger nära de observerade värdena. Från analysen beräknas en ny modellprognos och den kan då användas som en första gissning för nästa observationstillfälle. Denna process av analyser och prognoser där observationer vägs in kallas för dataassimilering. 

Analysen som uppdaterar den första gissningen med små korrektioner baserar sig på statistiska samband från historiska data av prognosfel (korrelationer). Sambanden beskriver hur stora de är och hur de skall spridas till andra punkter i rummet.

Dessutom används fysikaliska samband mellan olika variabler som tryck och vind eller temperatur och tryck. På så sätt kan en observation av enbart tryck påverka även vinden inom ett visst område. Med hjälp av de statistiska och fysikaliska sambanden beräknas värden på ett tätt gridnät av punkter, vanligen samma punkter som prognosmodellen beräknas på (från tiotals till någon km mellan punkterna). Ett exempel på beräkningspunkter för tryck, temperatur, vindkomponenter, fuktighet och energi visas nedan.

grid
Exempel på ett utsnitt av ett grid (rutnät). Det verkliga gridnätet kan innehålla flera hundra skärningspunkter i x- respektive y-led samt ett antal nivåer i höjdled. För alla grid-punkter beräknas till exempel tryck, temperatur, vind, fuktighet. Förstora Bild

För prognosmodellerna görs dessa analyser för att kunna göra en så bra prognos som möjligt, men det finns även andra användningsområden där det är värdefullt att ha ett noggrant analyserat tillstånd på regelbundna gridpunkter.

Exempelvis finns det användare som vill veta hur vädret var vid en viss tidpunkt eller som behöver klimatstatistik för till exempel nederbörd, vindar vid marken eller högre upp, extremvindar och inte bara vid mätningar vid observationsplatser utan var som helst i tid och rum. Den griddade analysen kan även vara utgångspunkt för mer finskaliga modeller eller användas för att validera klimatmodeller för att visa hur bra de representerar dagens klimat och dess variationer.

Återanalys

Väderprognosmodeller liksom analysmetoder förbättras hela tiden och får allt högre upplösning. Denna stegvisa förbättring och ändring av kvaliteten i operationella analyser gör dem olämpliga för studier av klimatvariationer och trender. Istället har man, vid ett visst tillfälle, tagit ett bra analys och prognossystem och återanalyserat historiska observationer för exemplevis de senaste 50 åren.

Med ett fruset fixt modellsystem har man möjlighet att se klimattendenser och naturliga variationer eftersom man har eliminerat modelländringar. Detta kallas för återeranalys, se bilden nedan.

Det finns globala återanalyser från t.ex. NCEP i USA, JMA i Japan eller ECMWF i Europa. Regionala  återanalyser med högre upplösning har gjorts av bland annat SMHI i flera omgångar. Inom EU-projektet EURO4M återanalyserades perioden1979-2014 med 22 km grid-upplösning och nu senast EU-projektet UERRA där upplösningen mellan gridpunkterna är 11 km och täcker perioden 1961-2015 (klart 2017).

 

flow1
Principskiss över hur observationer (överst) löpande matas in i prognosmodellen (som står för atmosfärsfysiken) vilket resulterar i en så kallad återanalys av atmosfärens tillstånd dag för dag över många år. Förstora Bild

 

flow2
Det finns olika slags observationer som kan matas in i systemet för återanalys. Till exempel kan mätningar från flygplan, ballonger, havsbojar och fartyg kombineras med traditionella markobservationer och moderna satellitdata. Förstora Bild

 

Återanalys av återanalysen

Över den tid som återanalysen görs, flera decennier, kan tillgången på observationer variera. Satellitdata som idag har stor betydelse förekommer nästan inte före 1979.

Om observationer har förbättrats eller tillkommit under den analyserade perioden kan alltså den analyserade perioden vara olika kvalitet. För att minimera detta problem finns det globala återanalyser, som enbart använt markbaserade observationer och inte till exempel satellitdata. Även för dessa återanalyser kan dock antalet  stationer ha ökat eller minskat.

För att förbättra de historiska analyserna pågår aktiviteter att leta upp historiska observationer från nationella eller andra arkiv och digitalisera (och kontrollera eller justera) dem så att vi får ett så komplett material som möjligt. Med tiden kan därför återanalysen behöva köras om då nya historiska data blivit tillgängliga eller data rättats för att höja kvaliteten.