Prognoser och varningar

Högupplösta modeller med många detaljer

Många observationer, detaljrik information och tät uppdatering är viktigt, speciellt vid extrema väderlägen när utvecklingen går snabbt och konsekvenserna för samhället blir stora.

I en mer högupplöst prognosmodell krävs mer exakta beskrivningar av de fysikaliska processerna som styr vädret. I vidareutvecklingen av våra modellsystem skapar vi mer detaljerade beskrivningar av processerna i atmosfären, på och i marken, i havet och i utbytet mellan hav, land och atmosfär. De mer detaljerade modellerna gör det också möjligt att göra nya typer av prognoser.

Trots mer detaljer i prognosmodellen kan det vara svårt att säga exakt vilket område som kommer att träffas av till exempel ett häftigt regnoväder. Därför utvecklar vi sannolikhetsprognoser som hjälper till att ringa in de osäkerheter som finns i prognoserna.

Prognoser för vatten och hav

Ett kraftigt skyfall gör att det snabbt kan uppstå översvämningar som hotar bebyggelse och infrastruktur. Vi vidareutvecklar den modell som beskriver vad som händer när regnvattnet når marken och sprider sig nedåt i landskapet. Hur mycket vatten finns redan i sjöar och vattendrag och kommer mer vatten att göra att det svämmar över någonstans?

Med tiden når regnvattnet havet. Med sig har det näringsämnen och sediment som påverkar havsmiljön nära kusten och långt ute till havs. Vi vidareutvecklar modellerna som beskriver de fysikaliska processerna nära kusten och ute till havs, hur varmt vattnet är, hur det strömmar och skiktar sig. Detta kan användas för havsprognoser för som visar temperatur, strömmar, isbildning, våghöjd samt varningar om höga vattenstånd.

Aktuell forskning för bättre prognoser och varningar

Vi forskar för att öka träffsäkerheten och noggrannheten i våra prognoser för olika tidsperioder. Vi förfinar beskrivningar av de fysikaliska processerna och arbetar med fler nya observationstyper för att bättre beskriva nuläget vid prognosberäkningens start.

Satellitdata förbättrar prognoserna

De senaste 30 åren har mikrovågsdata från satelliter stått för det enskilt största bidraget till tillförlitligare väderprognoser. Vi jobbar ständigt med att införliva mer satellitdata i våra olika prognosmodeller genom dataassimilering. I arbetet ingår också att utvärdera vad olika typer av satellitdata bidrar med för tillförligtligheten i prognoserna.

Vi forskar också kring nya användningsområden för satellitövervakning. Både vattenflöden och is går att observera med satellit, det går att mäta ytvattentemperatur och kartlägga algblomning. Vi undersöker möjlighet att använda satellitdata för att förbättra isprognoserna och för att öka överenstämmelsen mellan isprognoser och havsprognoser respektive väderprognoser.

Nya datatyper som kompletterar bilden av nuläget

Med den snabba tekniska utvecklingen finns det idag många privata väderstationer. Vi forskar kring hur tredjepartsdata kan användas för att förbättra prognoser.

Vi undersöker också hur vi kan mäta vattenflöden med drönarteknik i svårframkomlig terräng. Drönare används också för att samla in data för att öka upplösningen i väderprognosen närmast marken, där det är många småskaliga processer som påverkar vädret.

Vi har framgångsrikt tagit fram metoder för att mäta nederbörd genom att undersöka hur mycket signalerna mellan mobiltelefonmaster dämpas av regn. Det här är användbart på platser där mobiltelefonnätet är väl utbyggt och det hydrologiska observationsnätet är glest.

Artificiell intelligens och maskininlärning för stora datamängder

Utvecklingen inom artificiell intelligens går blixtsnabbt. Idag finns det exempel på väderprognoser skapade med verktyg som arbetar med artificiell intelligens istället för fysikalisk beskrivning av processerna i jordsystemet.

Vi har länge använt maskininlärning när vi hanterat stora datamängder, till exempel när vi bearbetar och tolkar satellitdata. Nu forskar vi för att använda artificiell intelligens och maskininlärningsmetoder på fler sätt, så att vi drar nytta av snabbheten i dessa metoder samtidigt som vi fortfarande kan garantera tillförlitligheten i prognosen.

Detaljerade havsprognoser i kustområden

Med mer högupplösta prognosmodeller går det att göra havsprognoser allt närmare kusten och mellan mindre öar. SMHI utvecklar detaljerade havsprognoser med en upplösning ner mot 60 meter. Det är till exempel användbart i områden med mycket fartygstrafik för att undvika olyckor som kan skada havsmiljön. Forskning pågår också kring hur ytvågor påverkar strömmar och vattenstånd vid extremväder.

Prognoser för skadliga algblomningar

Kraftig tillväxt av planktonalger brukar i dagligt tal kallas algblomning. Det kan förekomma i alla typer av vatten och under i stort sett hela året. Till havs är de skadliga algblomningarna vanligast under högsommaren och delar av hösten.

Går det att göra prognoser och även utfärda varningar för skadliga algblomningar? Ja, med rätt verktyg går det. Just nu utvecklar SMHIs forskare korttidsprognoser för skadliga cyanobakterieblomningar tillsammans med forskare på Stockholms universitet och forskningsinstitutet RISE. I arbetet kombinerar vi satellitövervakning med modeller som beskriver hur alger driver i havsvattnet och nyutvecklade AI-metoder för att beskriva möjlig utveckling de närmaste dagarna.

Hydrologiska säsongsprognoser

Inom hydrologin finns möjlighet till säsongsprognoser som är användbara för till exempel produktionsplanering av vattenkraft. Vi har stor hjälp av att det vatten som redan finns i sjöar och vattendrag i sig ger användbara prognoser för upp till flera månader framåt för en del avrinningsområden. I kombination med meteorologiska prognoser kan vi ytterligare höja prognoskvaliteten inom hydrologin.