Systematisk identifisering av værvarslingsfeil

Til tross for betydelige fremskritt innen værvarsling de siste tiårene, har numeriske modeller fortsatt vanskeligheter med å representere komplekse værfenomener med stor samfunnsmessig påvirkning nøyaktig.

En ny doktorgradsavhandling viser systematisk hvor disse feilene oppstår, hvilke værfenomener som er forbundet med større feil, og om den nye generasjonen av værmodeller basert på kunstig intelligens presterer bedre.

Forskningen analyserte verdensledende modellresultater fra European Centre for Medium-Range Weather Forecasts (ECMWF), med fokus på fem storskala værfenomener som ofte er knyttet til ekstremvær: ekstratropiske sykloner, fronter, atmosfæriske elver, jetstrømmer i øvre troposfære og kaldluftsutbrudd.

Resultatene viser at selv i 12-timersvarsler forsterkes feilene merkbart i nærvær av fronter, atmosfæriske elver og ekstratropiske sykloner, med særlig store fuktighetsfeil knyttet til fronter og atmosfæriske elver, og markante vindfeil knyttet til sykloner.

Studien viser også at når ekstratropiske sykloner involverer sterke fuktige prosesser, har modellene større bias i syklonens posisjon og struktur, inkludert stormintensitet, vindhastighet nær bakken og fuktighetsfordeling.Disse biasene er sannsynligvis knyttet til hvordan modellene representerer fuktige prosesser og tilhørende frontdynamikk.

Arbeidet gir også en sammenligning mellom ECMWFs tradisjonelle fysikkbaserte modell og deres nyeste KI-drevne modell, AIFS.KI-modellen presterer generelt bedre. Men i ekstreme situasjoner undervurderer den fortsatt systematisk enkelte sentrale variabler, slik som vindhastighet nær bakken, og har noen fysiske inkonsistenser. Samlet sett gir forskningen en detaljert karakterisering av hvordan værfenomener med stor samfunnsmessig påvirkning og deres tilhørende fysiske prosesser bidrar til varslingsfeil. Enda viktigere er det at den tilbyr et anvendelig rammeverk for å evaluere varslingsytelse på tvers av modeller under ulike værfenomener. Dette hjelper modellutvik

Personalia

Qidi Yu har en bachelorgrad i atmosfæriske vitenskaper fra Ocean University of China og en mastergrad i Civil Engineering fra Delft University of Technology i Nederland. I august 2022 begynte hun som ph.d.-kandidat ved Geofysisk institutt, Universitetet i Bergen, og har i denne perioden også vært tilknyttet Bjerknessenteret for klimaforskning. Veiledere under doktorgradsarbeidet har vært professor Thomas Spengler, seniorforsker Clemens Spensberger og seniorforsker Linus Magnusson (ECMWF).