Advanced models and weather prediction in the Arctic: Enhanced capacity from observations and polar process representations (ALERTNESS)

Bedre værvarsling i Arktis Klimaendringene fører til økt næringsaktivitet i Arktis, men med røffe værforhold kan det være risikofylt å ferdes i området. Alertness-prosjektet har ambisjoner om å utvikle verdensledende kompetanse innen produksjon av pålitelige og nøyaktige værvarsler, til nytte for maritim virksomhet, næringsliv og samfunn. De unike forholdene i Arktis fører til begrensninger i dagens observasjonssystem og værmodeller, og dermed begrensninger i vår evne til å varsle været. Behovet for bedre værvarsler er derfor prekært. Alertness har etablert en referansedatabase med 21 representative tilfeller med farlig vær. Det metodiske grunnlaget for Alertness er AROME Arctic. Alertness har gitt betydelige bidrag til å etablere AROME Arctic som en operasjonell NWP-modell for Arktis. Alertness er bruker-informert forskningsdrevet tjenesteutvikling i praksis: AROME Arctic brukes av Yr.no, værmeldere, studenter på feltkampanjer ved UNIS, etc. AROME Arctic er ryggraden i den nylig utgitte Copernicus Arctic Regional ReAnalysis (CARRA). Alertness utvikler og bruker verifikasjon og diagnostikk for NWP i Arktis. Sammenlignet med andre modeller gir AROME Arctic veldig gode værvarsler. Enkelte svakheter går igjen, f.eks (i) temperaturvarsler for skyfritt, rolig vær (ii) underestimering av temperatur under forhold med sterk vind og (ii) underestimering av fast nedbør. Det er verdt å merke seg at observasjoner av nedbør ofte er usikre i seg selv. Satellittdata (ASCAT og SAR) brukes til å undersøke hvordan modellgitter og konveksjonsrepresentasjon i NWP-modeller påvirker vindhastighetsprognosene for polare lavtrykk, vi viser hvordan observasjon, interpolasjon og representativitet kan tas i betraktning, og demonstrerer hvordan temperaturdiagnostikk kan brukes til å studere det stabile grenselaget. I Alertness har vi implementert individuelle modelltendenser som en ny diagnostikk i AROME Arctic, og demonstrert bruken under et marint kaldluftsutbrudd. Vi kunne identifisere kontrollerende faktorer for aktiviteten til visse fysiske parametriseringer, studere samspillet mellom dem og undersøke responser i modellens subgrid-skala så vel som grid-skala svar på endringer i fysikkpakkene. Alertness videreutvikler bruken av arktiske observasjonssystem i dataassimilasjon for å forbedre initialiseringen av værvarslene og varslenes nøyaktighet, i tillegg til å utvikle fremtidens observasjonssystemer. Vi har utviklet en metode (supermodding) for å forbedre nytten av data fra scatterometer (satellittdata) av vind. Unike ekspermenter med regionale og globale observasjonssystemer viser den relative betydningen av ulike observasjoner på værvarslenes nøyaktighet. Modellrepresentasjonen og initialiseringen av havis er veldig viktig i det Arktis. Vi har utviklet og forbedret initialiseringen gjennom ?adaptive bias-aware Extended Kalman Filter? av satellittavledet havis-temperatur. Konsekvensbasert varsling kombinerer et værvarsel med en vurdering av mulige konsekvenser. Dette inkluderer når, hvor og hvor sannsynlig hendelsen er. For at et værvarsel skal være komplett må derfor usikkerheten tallfestes. Dette gjøres ofte gjennom å bruke såkalte ensembler. Flere ulike varsler, såkalte ensemblemedlemmer, produseres for den samme varslingsperioden. Alertness har utviklet et ensemble fra AROME-Arctic: Eksperimenter fra Year of Polar Predicition (YOPP) sine observasjonsperioder for vinter og sommer viser at vi er i stand til å kvantifisere usikkerheten i værvarslene i mer detaljert romlig oppløsning enn det som hittil har vært mulig. Vi ser lovende resultater fra en ny metode for å estimere usikkerheten i havoverflatetemperatur (SST) basert på å målrette forstyrrelser mot SST mot områder der usikkerheten er størst. Arbeid pågår for å bedre estimere usikkerheten i modellfysikk (SPP) og modellens initialisering (EDA). Alertness samarbeider med flere nasjonale og internasjonale prosjekter. Spesielt viktig i denne sammenhengen er vårt bidrag til YOPPsiteMIP, som er et koordinert prosjekt for modellvalidering basert på høyoppløste observasjoner av flere værparametere ved utvalgte arktiske supersites. På www.alertness.no publiserer vi nyheter og informasjon om prosjektet, i tillegg til våre data. I mai 2020 fulgte nærmere 100 seere med på Youtube da Alertness arrangerte en direktesending med en rekke foredrag om hvordan et værvarsel blir til og hvordan forskere jobber med å forbedre værvarsler i Arktis.

Se Resultatrapport

High-impact weather conditions, rapid climate change and limited predictability make the Arctic a challenging operating environment leading to substantial business, societal and environmental risks. ALERTNESS will meet this growing need for reliable and accurate weather predictions by addressing forecast challenges unique to the Arctic: availability and quality of observations, exploitation of satellite observations over snow and ice, model uncertainty due to physics parameterisations, and specific high-impact weather situations. A new set of verification measures appropriate for Arctic will be developed and employed throughout the project to efficiently monitor progress and user needs. ALERTNESS will take advantage of several unique opportunities arising during the Year of Polar Prediction (YOPP) to tackle long-standing issues in atmospheric models in polar environments: advance atmospheric and sea ice analysis in the Arctic using more and new observation types, optimize observation usage and implement state-of-the-art analysis techniques; enhance the representation of Arctic processes including a revised approach to heat flux parameterisation; and improve understanding of error compensation between different processes. Furthermore, ALERTNESS will explore new ways to diagnose uncertainties evolving from representations of small-scale processes, and is set to generate substantial advances in probabilistic forecasting for the Arctic. ALERTNESS builds directly on existing user and stakeholder mechanisms and will enable stakeholders to, for instance, use the advances of probabilistic forecasting for the benefit of safer and more efficient operations in the Arctic. Our tight collaboration between academia and the operational environment at MET Norway will efficiently transfer the results from research to operations, creating a lasting legacy in Arctic weather prediction capacity.