Συντάχθηκε 25-09-2023 13:20
Τόπος: Κ3 - Κτίριο Κ3, Κ3.44/Α17
Έναρξη: 04/10/2023 14:00
Λήξη: 04/10/2023 15:00
ΑΝΑΚΟΙΝΩΣΗ ΠΑΡΟΥΣΙΑΣΗΣ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
Ονοματεπώνυμο Φοιτητή: Φραγκή Ασημίνα
Α.Μ.: 2017050049
Ημερομηνία Παρουσίασης: 4/10/2023
Ώρα:14:00-15:00
Αίθουσα: K3.A17
Θέμα ΔE «Αξιολόγηση της ικανότητας των υδροκλιματικών προγνώσεων εποχικού ορίζοντα για την περιοχή της Κρήτης»
Title «Skill assessment of seasonal hydroclimatic forecast for the region of Crete»
Επιβλέπων: Αριστείδης Κουτρούλης
Τριμελής Εξεταστική Επιτροπή:
1. Αριστείδης Κουτρούλης
2. Απόστολος Βουλγαράκης
3. Εμμανουήλ Γρυλλάκης
Περίληψη:
Η ανάγκη πρόγνωσης των καιρικών συνθηκών γίνεται ολοένα και πιο σημαντική στη σύγχρονη εποχή. Από πλευράς χρηστικότητας, πέρα από την ανάγκη μεγαλύτερης χωρο-χρονικής λεπτομέρειας, υπάρχει μια αυξανόμενη απαίτηση διεύρυνσης του χρονικού ορίζοντα πρόγνωσης. Η απαίτηση αυτή ενισχύεται ιδιαίτερα υπό την επίδραση της ανθρωπογενούς κλιματικής αλλαγής που έχει ως αποτέλεσμα την εκδήλωση καιρικών ακροτήτων όπως καταιγίδες, ακραίους καύσωνες, λειψυδρία κλπ.
Σκοπός της διπλωματικής εργασίας είναι ο έλεγχος της πιστότητας των κλιματικών προγνώσεων εποχικού ορίζοντα και η στατιστική επεξεργασία για τη βελτίωση τους, εστιάζοντας στην περιοχή της Κρήτης. Αρχικά αξιολογείται η ικανότητα πρόγνωσης υδροκλιματικών συνθηκών για δύο δημοφιλή επιχειρησιακά συστήματα πρόγνωσης εποχικού ορίζοντα, το σύστημα ECMWF System5 (ECMWFS5) και το Météo-France System 6 (MFS6). Στη συνέχεια, εφαρμόζεται ένα σύνολο μεθόδων για την βαθμονόμηση των προγνώσεων, την διόρθωση των μεροληπτικών σφαλμάτων, το στατιστικό καταβιβασμό κλίμακας, την πολύ-μεταβλητή επαλήθευση και βελτιστοποίηση με σκοπό τη δημιουργία προσαρμοσμένης εποχικής υδροκλιματικής πρόγνωσης για την περιοχή της Κρήτης. Η επεξεργασία έγινε με τη χρήση του εργαλείου Climate Services Toolbox (CSTools), ενός εξειδικευμένου πακέτου R, που εξυπηρετεί στην αξιολόγηση και βελτίωση της ποιότητας των κλιματικών προγνώσεων εποχιακού έως πολυετούς ορίζοντα.
Αρχικά πραγματοποιήθηκε έλεγχος της συνέπειας των δυο συστημάτων και βρέθηκε ότι το καλύτερο σύστημα για την περιοχή είναι το ECMWFS5, όπως επιβεβαιώνεται και από τη βιβλιογραφία. Στη συνέχεια, η εφαρμογή της βαθμονόμησης οδήγησε στη μείωση του μεροληπτικού σφάλματος έναντι των πλεγματικών δεδομένων επανα-ανάλυσης ERA5. Ιδιαίτερα για το σύστημα ECMWFS5 τόσο στη θερμοκρασία όσο και στη βροχόπτωση παρουσιάζει τις μικρότερες αποκλίσεις σε σύγκριση με καταγεγραμμένες τιμές, επομένως θεωρήθηκε αξιόπιστο για περεταίρω επεξεργασία. Ακολούθως, εφαρμόσθηκε καταβιβασμός κλίμακας ως ένα θεμελιώδες βήμα για τη μετατροπή των προσομοιώσεων κλίματος από την αρχική αδρομερή χωρική ανάλυση σε λεπτομερέστερη. Συγκεκριμένα, για τη μεταβλητή της θερμοκρασίας ελέγχθηκε για το καλοκαίρι του 2003, καθώς ήταν το πιο θερμό της περιόδου 1993-2016, σε πανευρωπαϊκό επίπεδο, ενώ για τη βροχόπτωση ελέγχθηκε για το φθινόπωρο του 2002, το πιο υγρό της αντίστοιχης περιόδου.
Τέλος, η μεθοδολογία εφαρμόσθηκε για την ανάπτυξη εστιασμένων πιθανολογικών προγνώσεων με αρχική ημερομηνία τη 1η Οκτωβρίου του 2022 για το χειμώνα του 2023 και για τους δυο πρώτους μήνες της άνοιξης Μάρτιος–Απρίλιος. Αξιολογώντας τα αποτελέσματα της θερμοκρασίας, λαμβανομένου υπόψη την αυξητική της τάση που αποδίδεται στην ανθρωπογενή κλιματική αλλαγή, οι πιθανότητες για την θερμοκρασία ήταν σε μεγάλο βαθμό ρεαλιστικές. Το ίδιο ισχύει και για τη βροχόπτωση. Όμως, παρατηρήθηκε μια γενική αδυναμία των συστημάτων πρόγνωσης για τη ξηρή περίοδο, Μαΐου-Νοεμβρίου, επομένως υπάρχουν περιθώρια για βελτίωσης των συστημάτων όσο αφορά την προγνωστική ικανότητα.
Οι εποχικές προγνώσεις έχουν μεγάλες δυνατότητες να παρέχουν πολύτιμες πληροφορίες σχετικά με το κλίμα, που βοηθούν στη λήψη αποφάσεων σε τομείς που συσχετίζονται άμεσα με αυτό. Τα αποτελέσματα επιβεβαιώνουν την πιθανή χρησιμότητα της εποχικής πρόγνωσης για την περιοχή της Κρήτης.
Abstract:
The need for weather forecasts is becoming increasingly important in modern times. There is not only a demand for enhanced spatio-temporal specificity but also a compelling need to extend the forecast time horizon. This requirement is particularly strengthened in light of anthropogenic climate change with increased weather extremes such as storms, heat waves and water scarcity.
This thesis focuses on examining the reliability of seasonal climate forecasts, and subsequently, employs statistical methods to enhance their accuracy, particularly for the region of Crete. The predictability skill of two leading operational seasonal forecasting systems—ECMWF System5 (ECMWFS5) and Météo-France System 6 (MFS6) is critically assessed. Leveraging the Climate Services Toolbox (CSTools) R package, techniques such as forecast calibration, bias correction, statistical downscaling, multivariate verification, and optimization are employed to devise a bespoke seasonal hydroclimate forecast for Crete.
A preliminary assessment underscored the superiority of ECMWFS5 for the targeted region, a finding consistent with extant literature. Following calibration, biases were significantly diminished against the ERA5 reanalysis, especially for ECMWFS5 in terms of temperature and precipitation deviation. The downscaling procedure was crucial to augment the spatial resolution of the forecasts. Specifically, the summer of 2003 was chosen for temperature downscaling due to its record warmth at the pan-European scale from 1993-2016, and the autumn of 2002 for precipitation owing to its heightened rainfall.
The methodology was applied to develop tailored probabilistic forecasts for the winter of 2023 and the initial two months of spring (March-April) starting from 1 October 2022. The temperature projections, informed by the rising trend attributable to climate change, along with precipitation predictions, were largely accurate. However, forecast reliability for the dry season, spanning May to November, exhibited certain limitations, indicating avenues for refinement.
Seasonal forecasts have great potential to provide valuable climate information that helps in decision-making for climate-related areas. The outcomes of this research underscore the tangible benefits of optimized seasonal forecasting.
