Weenies Cuaca Wasatch: Debu di Kotoran – Beragampengetahuan

beberapa hari yang lalu Kami membahas bagaimana sistem GFS berbeda dari banyak prakiraan badai yang akan bergerak melalui Utah utara malam ini. (Lihat beberapa gagasan tentang penggunaan peramalan jangka panjang.) Secara khusus, Utah Snow Ensemble mempunyai curah hujan lebih banyak dibandingkan sebagian besar anggota Utah Snow Ensemble, yang berasal dari Global Ensemble Forecast System (GEFS) dan ECMWF Ensemble (ENS) AS.

Sayangnya, prakiraan cuaca terbaru masih memperkirakan akan terjadi sedikit hujan dan hanya lapisan salju di Alta-Collins. Misalnya, keenam anggota konsorsium Rapid Refresh Forecast System (RRFS) menghasilkan 0,25 inci air atau kurang dan 3 inci atau kurang salju untuk Alta-Collins.

HRRR dan GFS terbaru juga berada di bawah ambang batas tersebut. 06.00 UTC GFS memiliki sisa air 0,08 inci dan salju sekitar satu inci. Debu pada kotoran jika bisa diperiksa Meskipun salju mungkin relatif basah dan tidak ada asap dingin.

Terkadang perkiraan yang tidak biasa seperti perkiraan dari GFS dapat diverifikasi. Probabilitas rendah bukan berarti tidak ada probabilitas. Menyadari bahwa ada kemungkinan sesuatu bisa terjadi akan sangat membantu. dan banyak produk yang kami miliki di Weather.utah.edu Ini dirancang untuk menunjukkan potensi kejadian yang tidak biasa, seperti periode curah hujan tinggi. Namun mengetahui peluang menempatkan potensi tersebut ke dalam konteks.

Satu pertanyaan yang ditanyakan kepada saya terkait postingan tersebut mengenai penggunaan peramalan jangka panjang adalah: Bukankah kita harus mempertimbangkan seluruh anggota, misalnya, condong ke arah kontrol ENS dan rangkaian ENS dibandingkan GEFS karena model ECMWF “lebih baik” sebagai model akademis? Setiap kali saya ditanyai pertanyaan, saya akan memikirkan goblin Griphook yang masuk. Harry Potter dan Relikui Kematian: Bagian 2–

Keterampilan model perkiraan apa pun Menurun seiring bertambahnya waktu tunggu. (Keterampilan model mungkin meningkat selama beberapa jam pertama prakiraan model karena konveksi. (Tetapi kita akan mengabaikannya di sini.) Terakhir, bahkan model terbaik di Bumi pun tidak memiliki keterampilan terkait iklim. Artinya, Anda dapat membuat prakiraan yang baik dengan rata-rata atau probabilitas jangka panjang yang sama baiknya dengan penggunaan model prakiraan.

Hasilnya, kinerja sistem pemodelan yang lebih baik dibandingkan sistem pemodelan lainnya dimaksimalkan dalam waktu tunggu yang lebih pendek dan menurun seiring waktu. Saya telah menjelaskan konsep ini di bawah.

Seberapa cepat penurunan keterampilan sistem model bergantung pada variabel yang diprediksi. Kita lebih ahli dalam memprediksi suhu atau ketinggian geopotensial di masa depan dibandingkan curah hujan. Selain itu, keterampilan ramalan cuaca lebih rendah di Utah utara dibandingkan di wilayah lain. Oleh karena itu, di banyak wilayah Amerika Serikat, tingkat penurunan keterampilan peramalan lebih tinggi di sini.

Perbandingan terakhir prediksi curah hujan model GFS dan ECMWF di pegunungan bagian barat Amerika Serikat yang saya ketahui dilakukan oleh kelompok saya (lihat Caron dan Steenburgh 2020) untuk sistem pemodelan yang tersedia pada saat itu. Perkiraan curah hujan 12-36 jam yang dibuat untuk lokasi SNOTEL oleh ECMWF jelas lebih unggul dibandingkan GFS, namun dalam waktu tunggu 60-84 jam, kesenjangannya jauh lebih kecil dan tidak signifikan secara statistik. (Berdasarkan interval kepercayaan 95%.) Oleh karena itu, untuk GFS dan ECMWF yang tersedia pada saat itu, sekitar hari ke-3, keseluruhan keterampilan dalam memprediksi curah hujan di wilayah pegunungan Amerika Serikat bagian barat hampir sama.

Jadi, seberapa besar bobot yang harus Anda berikan pada satu sistem pemodelan dibandingkan sistem pemodelan lainnya ketika melihat bagaimana kumpulan komponen cenderung meluruh seiring waktu? Mungkin masuk akal untuk memberi bobot pada ENS dibandingkan GEFS dalam jangka waktu yang singkat, namun tidak jelas apakah bobot tersebut masuk akal dalam jangka waktu yang lebih lama. Setidaknya untuk curah hujan di pegunungan di Amerika Serikat bagian barat, daripada menggunakan seluruh Utah Snow Ensemble di ENS, kami menyertakan GEFS karena penelitian menunjukkan bahwa hal tersebut menghasilkan probabilitas yang lebih baik.

Pembahasan di atas didasarkan pada pengalaman. Namun pada akhirnya Satu-satunya cara untuk mengetahuinya adalah dengan menghitung. Saya meninggalkan ini untuk Anda lakukan lagi.