aariПроблемы Арктики и АнтарктикиArctic and Antarctic Research0555-26482618-6713Государственный научный центр Российской Федерации Арктический и антарктический научно-исследовательский институт10.30758/0555-2648-2025-71-2-108-122aari-711Research ArticleМЕТЕОРОЛОГИЯ И КЛИМАТОЛОГИЯMETEOROLOGY AND CLIMATOLOGYОценка успешности ансамблевого долгосрочного метеорологического прогноза в Западной АрктикеAssessing the success of ensemble long-term meteorological forecasting in the Western Arctichttps://orcid.org/0009-0006-9643-3063ИльющенковаИ. А.IlyushchenkovaI. A.

Санкт-Петербург

St. Petersburg

ilyushenkova@aari.ruhttps://orcid.org/0000-0002-7386-7233ЦепелевВ. Ю.TsepelevV. Yu.

Санкт-Петербург

Москва

St. Petersburg

Moscow

ГНЦ РФ Арктический и антарктический научно-исследовательский институтРоссияState Scientific Center of the Russian Federation Arctic and Antarctic Research InstituteRussian FederationГНЦ РФ Арктический и антарктический научно-исследовательский институт; Московский физико-технический институт (национальный исследовательский университет)РоссияState Scientific Center of the Russian Federation Arctic and Antarctic Research Institute; Moscow Institute of Physics and Technology (National Research University)Russian Federation202506072025712108122Copyright © Ильющенкова И.А., Цепелев В.Ю., 20252025Ильющенкова И.А., Цепелев В.Ю.Ilyushchenkova I.A., Tsepelev V.Y.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.aaresearch.science/jour/article/view/711

В статье приведен анализ применения ансамблевого подхода для составления долгосрочного метеорологического прогноза по Западной Арктике с заблаговременностью в один месяц. Прогноз среднемесячных полей давления на уровне моря и приземной температуры воздуха проводился по моде ли CFSv2. Представлены оценки успешности ретроспективных прогнозов за 2010–2018 гг. при помощи двух методов ансамблевого прогноза — метод среднего по всем членам ансамбля и метод прогноза по лучшему классу, выделенному из всего ансамблевого набора процедурой кластеризации. Рассмотрены четыре оценки успешности прогнозов: среднеквадратическая ошибка, коэффициент корреляции, коэффициент геометрического подобия между фактическим и прогностическим полями и среднеквадратическая мера мастерства. Для 2018 и 2024 гг. была дополнительно проанализирована успешность долгосрочного метеорологического прогноза по макроциркуляционному методу Вангенгейма–Гирса. Наиболее высокое качество прогнозов по методу лучшего класса отмечено в летний период, а среднеквадратическая ошибка прогнозов в это время минимальна. Прогноз по методу всех членов ансамбля предпочтительно использовать в зимний сезон.

The article presents quality assessments of using the ensemble approach to produce long-term meteorological forecast in the Western Arctic with a one-month advance. The assessment of retrospective forecasts’ quality of the sea level pressure anomalies field and surface air temperature anomalies has been performed for 2010–2018. The ensemble forecast for the second month was made using two methods. The f irst method is the forecast of the mean field of meteorological parameters for all ensemble members. The second method is the forecast of the mean field made by the best class selected from all ensemble members by the clustering procedure. The best class was selected by comparing macrosynoptic process evolution of the first forecast month of each selected class with the actual observations. In the area considered, which is bounded by coordinates from 20º W to 100º E and from 60º N to 80º N, 108 retrospective forecasts were made. As an independent series, the forecast success for 2018 and 2024 was analyzed using two ensemble forecasting techniques and a synoptic-statistical method (the Wangenheim–Geers macro-circulation method). Three estimates of the forecast quality were obtained — the mean square error, the correlation coefficient between the forecast and actual fields of meteorological parameters, and the coefficient of geometric similarity of the forecast and actual fields of the meteorological parameter. The estimation of quality was made for two parameters — sea level pressure and surface air temperature. The highest quality of forecasts using the best class method is observed in the summer season, and the RMS error of forecasts is minimal at this time. The forecast by the method of all ensemble members is preferable in the winter season. The results show that, in general, the best-class ensemble forecasts are more accurate for forecasting the phase of pressure anomalies, while for forecasting the magnitude of temperature and pressure anomalies, it is preferable to use the forecasts for all ensemble members. For 2018 and 2024, both ensemble forecast methods showed higher forecast quality scores than the synoptic-statistical method.

атмосферная циркуляцияансамблевый прогноздолгосрочный прогноз погодыЗападная Арктикаоценка качества прогнозаприземная температура воздухадавление на уровне морямодель CFSv2assessment of forecast qualityair temperatureatmospheric circulationensemble forecastlong-term weather forecastsurface air temperatureWestern Arcticsea level pressuremodel CFSv2Исследование выполнено в рамках НИТР 5.1 Росгидромета на 2025–2029 гг. «Раз витие моделей, методов и технологий мониторинга и прогнозирования состояния атмосферы, океана, морского ледяного покрова, ледников и вечной мерзлоты, процессов взаимодействия льда с природными объектами и инженерными сооружениями для Арктики».The research was carried out within the framework of the scientific research and technology works 5.1 of Roshydromet for 2025–2029 “Development of models, methods and technologies for monitoring and forecasting the state of the atmosphere, ocean, sea ice cover, glaciers and permafrost (cryosphere), processes of ice interaction with natural objects and engineering structures for the Arctic”.ReferencesВангенгейм Г.Я. Основы макроциркуляционного метода долгосрочных метеорологических прогнозов для Арктики. Труды ААНИИ. 1952;34. 314 с.Вангенгейм Г.Я. Основы макроциркуляционного метода долгосрочных метеорологических прогнозов для Арктики. Труды ААНИИ. 1952;34. 314 с.Иванов В.В., Алексеенков Г.А., Коржиков А.Я. О совершенствовании макроциркуляционного метода долгосрочного метеорологического прогноза в Карском море. Гидрометеорологические исследования и прогнозы. 2018;4(370):105–121.Ivanov V.V., Alekseyenkov G.A., Korzhikov A.Ya. On improvement of the microcirculation method for long-range weather forecasting in the Kara Sea. Gidrometeorologicheskie issledovaniya i prognozy = Hydrometeorological research and forecasting. 2018;4(370):105–121. (In Russ.).Иванов В.В., Алексеенков Г.А. Метод долгосрочных метеорологических прогнозов и их уточнение с заблаговременностью от одного до трех месяцев по акватории морей Российской Арктики и результаты испытаний. Результаты испытаний новых и усовершенствованных технологий, моделей и методов гидрометеорологических прогнозов. 2020;47:79–94.Ivanov V.V., Alekseyenkov G.A. The method of long-term meteorological forecasts and their refinement with a lead time of one to three months in the waters of the seas of the Russian Arctic and the test results. Rezul’taty’ ispy’tanij novy’x i usovershenstvovanny’x texnologij, modelej i metodov gidrometeorologicheskix prognozov = Test results of new and improved technologies, models and methods of hydrometeorological forecasts. 2020;47:79–94. (In Russ.).Латонин М.М., Башмачников И.Л., Бобылёв Л.П. Явление арктического усиления и его движущие механизмы. Фундаментальная и прикладная гидрофизика. 2020;13(3):3–19. https://doi.org/10.7868/S2073667320030016Latonin M.M., Bashmachnikov I.L., Bobylev L.P. The Arctic amplification phenomenon and its driving mechanisms. Fundamentalnaya i Prikladnaya Gidrofizika = Fundamental and Applied Hydrophysics. 2020;13(3):3–19. (In Russ.). https://doi.org/10.7868/S2073667320030016Bauer P., Thorpe A., Brunet G. The quiet revolution of numerical weather prediction. Nature. 2015;525(7567):47–55. https://doi.org/10.1038/nature14956Bauer P., Thorpe A., Brunet G. The quiet revolution of numerical weather prediction. Nature. 2015;525(7567):47–55. https://doi.org/10.1038/nature14956Мирвис В.М., Мелешко В.П. Современное состояние и перспективы развития метеорологических прогнозов на месяц и сезон. Труды Главной геофизической обсерватории им. А.И. Воейкова. 2008;558:3–40.Mirvis V.M., Meleshko V.P. Current status and further development of monthly and seasonal weather prediction. Trudy Glavnoj geofizicheskoj observatorii im. A.I. Voejkova = Proceedings of Voeikov Main Geophysical Observatory. 2008;558:3–40. (In Russ.).Mailier P.J. Can we trust long-range weather forecasts? In: A. Troccoli (Ed). Management of weather and climate risk in the energy industry. Dordrecht: Springer Netherlands; 2010. P. 227 239. https://doi.org/10.1007/978-90-481-3692-6_15Mailier P.J. Can we trust long-range weather forecasts? In: A. Troccoli (Ed). Management of weather and climate risk in the energy industry. Dordrecht: Springer Netherlands; 2010. P. 227 239. https://doi.org/10.1007/978-90-481-3692-6_15Palmer T.N., Molteni F., Mureau R., Buizza R., Chapelet P., Tribbia J. Ensemble predictions. Technical Memorandum ECMWF. 1992;1–46.Palmer T.N., Molteni F., Mureau R., Buizza R., Chapelet P., Tribbia J. Ensemble predictions. Technical Memorandum ECMWF. 1992;1–46.Chen L., Han B., Wang X., Zhao J., Yang W., Yang Z. Machine learning methods in weather and climate applications: a survey. Applied Sciences. 2023;13:12019. https://doi.org/10.3390/app132112019Chen L., Han B., Wang X., Zhao J., Yang W., Yang Z. Machine learning methods in weather and climate applications: a survey. Applied Sciences. 2023;13:12019. https://doi.org/ 10.3390/app132112019Вильфанд Р.М., Мартазинова В.Ф., Цепелев В.Ю., Хан В.М., Мироничева Н.П., Елисеев Г.В., Иванова Е.К., Тищенко В.А., Уткузова Д.Н. Комплексирование синоптико-статистических и гидродинамических прогнозов температуры воздуха на месяц. Метеорология и гидрология. 2017;42(8):5–17. https://doi.org/10.3103/S1068373917080015Vil’fand R.M., Martazinova V.F., Tsepelev V.Yu., Xan V.M., Mironicheva N.P., Eliseev G.V., Ivanova E.K., Tishhenko V.A., Utkuzova D.N. Integration of synoptic and hydrodynamic monthly air temperature forecasts. Meteorologiya i gidrologiya = Russian Meteorology and Hydrology. 2017;42(8):485–493. https://doi.org/10.3103/S1068373917080015Yun W.T., Stefanova L., Krishnamurti T.N. Improvement of the multimodel superensemble technique for seasonal forecasts. Journal of Climate. 2003;16(22):3834–3840. https://doi.org/10.1175/1520 0442(2003)016<3834:IOTMST>2.0.CO;2Yun W.T., Stefanova L., Krishnamurti T.N. Improvement of the multimodel superensemble technique for seasonal forecasts. Journal of Climate. 2003;16(22):3834–3840. https://doi.org/10.1175/1520 0442(2003)016<3834:IOTMST>2.0.CO;2Цепелев В.Ю. Классификация прогностического ансамбля как метод повышения качества долгосрочного прогноза погоды. Оптика атмосферы и океана. 2023;36(4):313–319. https://doi.org/10.15372/AOO20230408Tsepelev V.Yu. Classification of the predictive ensemble as a method of improving the quality of long-term weather forecast. Optika atmosfery i okeana = Optics of the atmosphere and ocean. 2023;36(4):313–319. (In Russ.). https://doi.org/10.15372/AOO20230408Saha S., Moorthi S., Pan H-L., Wu X., Wang J., Nadiga S., Tripp P., Kistler R., Woollen J., Behringer D., Liu H., Stokes D., Grumbine R., Gayno G., Wang J., Hou Y-T., Chuang H-y., Juang H-M.H., Sela J., Iredell M., Treadon R., Kleist D., Delst P.V., Keyser D., Derber J., Ek M., Meng J., Wei H., Yang R., Lord S., van den Dool H., Kumar A., Wang W., Long C., Chelliah M., Xue Y., Huang B., Schemm J-K., Ebisuzaki W., Lin R., Xie P., Chen M., Zhou S., Higgins W., Zou C-Z., Liu Q., Chen Y., Han Y., Cucurull L., Reynolds R.W., Rutledge G., Goldberg M. The NCEP Climate Forecast System Reanalysis. Bulletin of the American Meteorological Society. 2010;91(8):1015–1058. https://doi.org/10.1175/2010BAMS3001.1Saha S., Moorthi S., Pan H-L., Wu X., Wang J., Nadiga S., Tripp P., Kistler R., Woollen J., Behringer D., Liu H., Stokes D., Grumbine R., Gayno G., Wang J., Hou Y-T., Chuang H-y., Juang H-M.H., Sela J., Iredell M., Treadon R., Kleist D., Delst P.V., Keyser D., Derber J., Ek M., Meng J., Wei H., Yang R., Lord S., van den Dool H., Kumar A., Wang W., Long C., Chelliah M., Xue Y., Huang B., Schemm J-K., Ebisuzaki W., Lin R., Xie P., Chen M., Zhou S., Higgins W., Zou C-Z., Liu Q., Chen Y., Han Y., Cucurull L., Reynolds R.W., Rutledge G., Goldberg M. The NCEP Climate Forecast System Reanalysis. Bulletin of the American Meteorological Society. 2010;91(8):1015–1058. https://doi.org/10.1175/2010BAMS3001.1Kistler R., Kalnay E., Collins W., Saha S., White G., Woollen J., Chelliah M., Ebisuzaki W., Kanamitsu M., Kousky V., van den Dool H., Jenne R., Fiorino M. The NCEP-NCAR 50-Year Reanalysis: monthly means CD-ROM and documentation. Bulletin of the American Meteorological Society. 2001;82:247–268. https://doi.org/10.1175/1520-0477(2001)082<0247:TNNYRM>2.3. CO;2Kistler R., Kalnay E., Collins W., Saha S., White G., Woollen J., Chelliah M., Ebisuzaki W., Kanamitsu M., Kousky V., van den Dool H., Jenne R., Fiorino M. The NCEP-NCAR 50-Year Reanalysis: monthly means CD-ROM and documentation. Bulletin of the American Meteorological Society. 2001;82:247–268. https://doi.org/10.1175/1520-0477(2001)082<0247:TNNYRM>2.3. CO;2

The authors declare that there are no conflicts of interest present.