Kiedy prognozy sprawdzają się najlepiej?

Warunki meteorologiczne są bardzo dynamiczne, co oznacza, że bardzo szybko mogą ulegać zmianom. Dobrym zobrazowaniem tego jest tzw. efekt motyla – anegdotycznie (za Wikipedią) „trzepot skrzydeł motyla w Ohio, może po trzech dniach spowodować burzę piaskową w Teksasie”. Teorię tę przedstawił Edward Lorenz w roku 1960, kiedy pracował nad komputerowym modelowaniem warunków pogodowych. Zaobserwował, że z pozoru mało istotne różnice w warunkach początkowych, przekładają się na dość odmienne różnice w prognozach. Z uwagi na dużą dynamikę warunków meteorologicznych, najlepiej sprawdzają się prognozy krótkoterminowe tzn. takie do 72h.

Jak wyglądają błędy prognoz wraz z upływem czasu pokazuje powyższy przykład. Na wykresach przedstawiono zakresy błędów temperatury powietrza dla długoterminowych prognoz pogody z modeli GFS (Global Forecasting System; >na górze) i HIRLAM (High Resolution Limited Area Model, na dole). Ciągła niebieska linia wskazuje na błąd średni, a czerwone kropki na błąd średni bezwzględny w poszczególnych godzinach prognozy. W obu przypadkach widać, że wraz z upływem czasu od startu modelu, wartości błędów zaczynają wzrastać. Wzrasta również zakres błędów, reprezentowany przez pionowe linie dla
poszczególnych godzin prognozy.

Wyniki prezentowanych badań pochodzą z artykułu Kendzerski i in. 2018, pt. “Air temperature forecasts’ accuracy of selected short-term and long-term numerical weather prediction models over Poland”.