Są takie okresy w roku, kiedy każdy szanujący się wspinacz, biegacz, ogólnie miłośnik gór, zaczyna dzień od sprawdzenia prognozy pogody. Tak na wszelki wypadek, nawet jeśli i tak nie ma szans na szybki wypad w Tatry, Karkonosze czy Bieszczady. Oczywiście każdy z nas ma swoje ulubione serwisy pogodowe, te które "zawsze się sprawdzają". Niewielu jednak wie jak powstają współczesne, numeryczne prognozy pogody.
Dziś robię eksperyment. Środek lipca, siedząc w Warszawie sprawdzam prognozy na nadchodzące dni dla Zakopanego i Tatr. Przeszukuję kilka popularnych serwisów pogodowych. Włączam “Norwega”, ICM, Meteo IMGW, MeteoBlue, Twoją Pogodę a nawet Mountain Forecast. Dla zabawy pogodę sprawdzam również na telefonie. Ze zdumieniem stwierdzam, że prognozowanie pogody w górach znacząco się różni. Najpierw patrzę na deszcz. Jeden serwis zapowiada ogromne, sięgające 26mm, opady, trwające, z niewielkimi przerwami, przez cały tydzień. Na innym opady tylko jednego dnia, choć faktycznie spore, poza tym słońce, ewentualnie słońce za chmurką. Wiatr? Tu także różne wyniki. Niektóre prognozy mówią o wietrze sięgającym 16km/h, w porywach nawet do 40km/h, według innych wiać będzie znacznie słabiej, raptem 9km/h. Zgody między serwisami nie ma również w przypadku zachmurzenia oraz przewidywanych burz. Jedynie prognozowana temperatura mniej więcej wszędzie podobna i wyniesie około 18 stopni.
Zatem jechać czy nie jechać? To pytanie, które dręczy każdego fana sportów górskich po przeczytaniu prognozy pogody. Zwłaszcza, gdy ów fan mieszka daleko od gór i wyprawa wiąże się dla niego ze sporymi kosztami oraz dużą ilością zainwestowanego (ewentualnie straconego?) czasu. Ale nawet będąc na miejscu, siedząc w schronisku często pojawia się pytanie: wychodzić czy nie wychodzić? Wbijać się w wysoką ścianę lub długi szlak czy poczekać do jutra? Jak przewidzieć pogodę w górach i podjąć właściwe decyzje? Tradycyjne metody przewidywania pogody warto znać, ale jak wygląda współczesne numeryczne prognozowanie pogody? Zobaczmy.
Ludzie starali się posiaść wiedzę pozwalajaca na przewidywanie pogody od tysiącleci. Niebo wnikliwie obserwowali mieszkańcy starożytnej Grecji, Rzymu, Chin. Od pogody zależały zbiory, a zatem zasoby żywności, ale również powodzenie kampanii wojskowych. Około 340 p.n.e. Arystoteles w dziele „Meteorologica” stworzył katalog zjawisk pogodowych. Jednak przez długie stulecia pogodę przewidywano (celowo nie używam słowa prognozowano), jedynie na podstawie pewnych zaobserwowanych, powtarzalnych zjawisk. Taką wiedzę przekazywano z pokolenia na pokolenie i stąd wzięły się ludowe, czasami trafne, sposoby określania przyszłej pogody. Przewidywania te dotyczyły jednak najczęściej tylko następnego dnia i pozwalały odpowiedzieć jedynie na bardzo ogólne pytania. “Gdy na świętego Prota jest pogoda albo słota, to na świętego Hieronima jest deszcz albo go ni ma” jak mówi żartobliwe polskie przysłowie.
Przełomem w prognozowaniu pogody był telegraf. Dał możliwość koordynowania obserwacji i gromadzenia danych w różnych miejscach w tym samych czasie. W połowie XIX wieku prace nad prognozowaniem pogody prowadziło dwóch, wysoko postawionych w Marynarce Brytyjskiej żeglarzy. Pierwszemu z nich, Franics’owi Beaufort’owi, zawdzięczamy stworzenie stosowanej do dziś skali siły wiatru, zwanej skalą Beaufort’a. Drugi, Robert FitzRoy, podróżnik i wiceadmirał, wprowadził do użytku nowy model barometru, który pozwolił przewidywać nadejście sztormu. Urządzenie wkrótce zostało zainstalowane na wszystkich brytyjskich statkach. FitzRoy zbudował także sieć piętnastu rozmieszczonych na lądzie stacji obserwacyjnych. Dzięki wysiłkom Beaufort’a i FitzRoya 1 sierpnia 1861 The Times opublikował pierwszą prognozę pogody.
Jednakże prognozowanie pogody jakie dziś znamy zaczęło się rozwijać nieco później. Na początku XX wieku norweski fizyk Vilhelm Bjerknes wpadł na pomysł, że zachowanie mas powietrza można opisać tak jak zachowanie płynów. Stosując prawa hydrodynamiki i termodynamiki stworzył układ równań różniczkowych opisujący zachowanie pól meteorologicznych w czasie. Kłopot był jeden – równania były tak skomplikowane, że nie dawało się ich prosto rozwiązać. Z pomocą przyszedł Lewis Fry Richardson, brytyjski fizyk. Zastąpił on równania różniczkowe równaniami różnicowymi (prostszymi) i rozwiązał układ równań Bjerknes’a w sposób przybliżony. Atmosferę nad Europą podzielił na jednakowe, kwadratowe pola i posiłkując się danymi ze stacji naziemnych stworzył pierwszą numeryczną prognozę pogody.
Jego sześciogodzinna prognoza, co ciekawe, kompletnie się nie sprawdziła. Richardson nie znał bowiem kilku warunków matematycznych, które odkryto dopiero w późniejszych latach. Tak czy inaczej Richardson został ojcem współczesnej numerycznej meteorologii. Jej rozwój musiał jednak poczekać do czasu gdy wymyślono komputery, które mogły rozwiązywać skomplikowane równania znacznie szybciej niż człowiek. Pierwszą poprawną prognozę numeryczną sporządzono w 1952 wykorzystując pierwszy superkomputer ENIAC.
Dziś prognozy pogody można znaleźć we wszystkich mediach i w wielu serwisach internetowych. Nie oznacza to jednak, że każdy z tych serwisów faktycznie ma specjalistów, którzy sporządzają prognozy. Dane kupuje się bądź otrzymuje za darmo z centrów prognostycznych. Bazą do prognozowania pogody pozostają tzw. równania pierwotne Naviera-Stokesa ubrane w kod numeryczny, czyli model numerycznej prognozy pogody. Te równania, w których zmiennymi są podstawowe parametry takie jak ciśnienie powietrza, temperatura, siła oraz kierunek wiatru, pozwalają określić jak dana masa powietrza będzie się przemieszczać. Model, poza równaniami określającymi dynamikę powietrza, oblicza również inne procesy jak te związane z wilgotnością i opadami poprzez złożone parametryzacje. Podsumowując – model numeryczny oblicza w czasie zmienność określonych parametrów atmosfery.
W swoich obliczeniach Lewis Fry Richardson podzielił obszar Europy na kwadraty. Jednak rozdzielczość jego siatki była bardzo niska – kwadraty miały bok długości kilkuset kilometrów. Dlaczego to tak istotne? Gęstość siatki jest jednym z czynników determinujących dokładność prognozowania pogody. Im dokładniej podzielimy badany obszar tym bardziej precyzyjny wynik otrzymamy. To tak jak z ekranem telefonu lub komputera – im lepsza rozdzielczość (czyli ilość punktów na jednostkę miary) tym bardziej klarowny i ostry obraz. Współczesne numeryczne modele pogody, ze względu na obszar terenu jaki obejmują, mogą mieć różną skalę i gęstość siatki:
W obrębie kwadratu rozdzielczości model wyznaczy stałą prognozę. Zatem model globalny o siatce 25km uśredni prognozę dla kwadratu o boku 25km. Modele globalne, choć pozwalają wyznaczyć prognozę dla dowolnego miejsca na Ziemi, nie są zbyt dokładne. Niewielka rozdzielczość sprawia, że mogą się pojawić istotne błędy, zwłaszcza w strefach o bogatej rzeźbie terenu, np. w górach oraz liniach brzegowych. W modelach globalnych zjawiska konwekcyjne są parametryzowane (upraszczane). Te uproszczenia terenu i niektórych procesów mogą skutkować błędnymi wartościami opadów, wiatru oraz temperatury, a co za tym idzie, nieprecyzyjną prognozą.
Rozdzielczość, a tym samym dokładność lokalnych modeli numerycznych jest nieporównywalnie większa niż modeli globalnych. Prognozy w modelach lokalnych są krótsze i zazwyczaj nie przekraczają 72 godzin. To sprawia, że są bardziej precyzyjne, dają możliwość opisania zjawisk, których w modelu globalnym nie da się uchwycić. Oprócz rozdzielczości poziomej każdy model posiada również rozdzielczość pionową sięgającą 10-20km. To co dzieje się w wyższych warstwach atmosfery jest równie istotne, a czasami nawet bardziej istotne, niż procesy przy powierzchni Ziemi.
Można by zadać pytanie – dlaczego wszystkie modele nie mogą mieć najwyższej rozdzielczości? Odpowiedź jest prosta: im gęstsza siatka tym więcej skomplikowanych równań do rozwiązania. Z tego prostego faktu można by wysnuć jeszcze jeden wniosek: modele lokalne są zatem najbardziej precyzyjne bo mają najgęstszą siatkę. Niezupełnie. Przyjrzyjmy się jak działa numeryczny model pogody.
Załóżmy, że chcemy sporządzić model lokalny prognozowania pogody dla obszaru Polski. W tym celu mapę całego kraju wraz z przyległościami pokrywamy gęstą siatką kwadratów, o boku, dajmy na to 4km. By puścić model obliczeniowy potrzebujemy jednak danych wejściowych. Polska nie jest samotną wyspą – to co się dzieje nad terenem naszego kraju determinowane jest w dużej mierze przez ruchy mas powietrza nad Atlantykiem ale również nad Azją. Nasz model lokalny musimy zasilić danymi z modelu globalnego. Zatem nawet najbardziej precyzyjny model lokalny musi czerpać dane wejściowe z modelu globalnego o znacznie mniejszej rozdzielczości. Z modeli globalnych pobiera się:
warunek początkowy – to wartości startowe pobrane z modelu globalnego lub z sieci pomiarowych. Wprowadzane są w określonych punktach siatki, z których startuje model lokalny.
warunek brzegowy – atmosfera jest przecież w ciągłym ruchu, nad nasz badany obszar nieustannie napływać będą masy powietrza z zewnątrz. Wyobraźmy sobie: jeśli mamy napływ powietrza w zachodu z prędkością 60km/h to po 10 godzinach to co się dzieje wewnątrz naszego obszaru będzie w całości determinowane przez tenże warunek brzegowy.
Ze względu na horyzont czasowy prognozy dzielimy na:
Dokładność prognozy krótkoterminowej w modelu lokalnym determinuje precyzyjnie określony warunek początkowy oraz duża rozdzielczość siatki. Jednak im dalej od punktu startowego tym dane początkowe mają coraz mniejsze znaczenie a jakość prognozy determinowana jest coraz bardziej przez napływające z modelu globalnego warunki brzegowe. Procesy opisujące rozwój zjawisk atmosferycznych mają jednak naturę chaotyczną. Wraz z upływem czasu dokładność prognozy spada. W naszym obszarze symbiotycznym, prognoza powyżej pięciu dni nie ma w zasadzie żadnej wartości. W obszarach gdzie klimat jest bardziej stabilny (np. południe Europy) prognozy średnioterminowe są bardziej precyzyjne. Prognozy długoterminowe przypominają bardziej wróżenie z fusów.
Lokalnych modeli pogody jest mnóstwo. Prawie każde centrum prognostyczne posiada swoje. W Polsce lokalne modele sporządza IMGW oraz Interdyscyplinarne Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego (ICM). Jednak nawet najbardziej precyzyjny model lokalny nie działa bez modeli globalnych. To one są podstawą numerycznego prognozowania pogody. Modele globalne sporządza się raptem w kilkunastu centrach na świecie. Poniżej opisujemy te najbardziej popularne.
GFS (Global Forecast System) – model prognozowania pogody krótko i średnioterminowy prowadzony przez National Weather Service w USA. Obliczenia uruchamiane są cztery razy na dobę: o 0:00, 6:00, 12:00 i 18:00 UTC. GFS generuje 16-dniową prognozę. Rozdzielczość modelu to 13km (do 10ego dnia) oraz 27km (od 10ego do 16ego dnia) oraz 64 warstwy w pionie. NWS udostępnia wyniki generowane przez model GFS bezpłatnie do wszelkich zastosowań, także komercyjnych.
UM (Unified Model) – numeryczny model prognozowania pogody Brytyjskiego Instytutu Meteorologii (Met Office). W wersji globalnej posiada rozdzielczość poziomą 16km oraz 70 warstw pionowych. Jest generowany dwa razy dziennie a długość prognozy wynosi 7 dni. UM występuje także w wersji lokalnej, obejmującej tylko Europę, wtedy jego rozdzielczość wynosi 4,4km.
GEM (Global Environmental Multiscale Model) – model generowany przez Canadian Meteorological Centre w Quebec’u. Generuje 10-dniową prognozę opartą na siatce 25km, posiada także wersję lokalną, obejmującą Amerykę Północną, o rozdzielczości 2,5km.
IFS (Integrated Forecast System) – model opracowany w European Centre for Medium-Range Weather Forecasts (ECMWF). IFS generowany jest w kilku rozdzielczościach. Wersja HRES operuje na siatce 9km i 137 warstw pionowych, uruchamiana jest dwa razy na dobę i generuje 10-dniową prognozę. Wersja ENS dostarcza 15-dniową prognozę na siatce 18km i 91 warstw pionowych. IFS uważany jest za najlepsze źródło danych dla rejonu Europy. Od niedawna ECMWF udostępnia w formie graficznej w postaci map wszystkie prognozy ale bez meteogramów. Pełen zestaw danych jest udostępniany tylko i wyłącznie krajom członkowskim ECMWF. Choć nie ma wśród nich Polski, od grudnia 2020 IMGW ma licencję na na dostęp do operacyjnych danych prognostycznych.
ICON (Icosahedral Nonhydrostatic) – model stworzony przez niemieckie centrum Deutscher Wetterdienst. Posiada dwie wersje: lokalną, europejską ICON7 opartą na siatce 7km oraz globalną ICON13 na siatce 13km. Generowany jest cztery razy dziennie a długość prognozy wynosi 5 dni. ICON7 uważany jest za bardziej dokładny niż IFS.
Powyższe zestawienie oczywiście nie wyczerpuje tematu i prezentuje jedynie najbardziej popularne modele. Inne modele to WRF, COSMO, COAMPS, NEMS, ALARO, AROME, ALADIN.
Te, które wykorzystują dobry warunek początkowy i brzegowy pochodzący z dobrego modelu globalnego, bowiem w dłuższej skali czasowej to one determinuje jakość prognozy. Ale to nie wszystko, prognozowanie pogody jest znacznie bardziej skomplikowane a kluczowy jest sprawny cykl asymilacji danych. Model numeryczny jest na bieżąco zasilany danymi z obserwacji fizycznych z naziemnych punktów pomiarowych (IMGW posiada 2.000 takich stacji) oraz z balonów meteorologicznych. Balony puszczane są w trzech miejscach: w Legionowie pod Warszawą, we Wrocławiu i w Łebie. Wypuszczane są dwa razy na dobę o 00:00 UTC i 12:00 UTC. Sonda zamontowana do balonu wykonuje pomiary prędkości i kierunku wiatru, ciśnienia, temperatury oraz temperatury punktu rosy.
Dane z pomiarów pionowych są niezwykle istotne, to one bowiem mówią jak zachowuje się atmosfera w wyższych partiach (powyżej 1,5km) a to ma kluczowe znaczenie dla pogody. Poza bezpośrednimi danymi pomiarowymi w asymilacji danych używa się również danych typu remote sensing, w szczególności obserwacji satelitarnych i danych z naziemnej sieci radarowej.
W modelach globalnych zjawiska przy powierzchni są bardziej interpolacją zjawisk w górnych warstwach atmosfery. To dlatego, że w wyższych partiach atmosfery zachowanie mas powietrza jest bardziej przewidywalne, bliżej powierzchni bywa mocno zniekształcone orografią (ukształtowaniem) terenu.
Ciekawostka: Trzy balony to niewiele? Racja. Na szczęście pogodę nad Polską najczęściej determinują masy powietrza znad Atlantyku a Niemcy oraz Francja mają znacznie gęstszą sieć pomiarów balonowych niż my. Centra prognostyczne na całym świecie współpracują ze sobą i wymieniają się danymi, które służą do budowania modeli. Sytuacja ma się gorzej, gdy nad Polskę napływają masy powietrza ze wschodu, tam sieć stacji aerologicznych jest bardzo skąpa. Dlatego też, zazwyczaj jakość prognoz pogody jest gorsza, gdy powietrze płynie ze wschodu. Istotnym źródłem danych pomiarowych są także samoloty lotnictwa cywilnego. Podczas pandemii Covid-19, gdy wiele regularnych rejsów zostało wstrzymanych, jakość prognoz pogody dramatycznie spadła. Wszystkie te dane: ze stacji naziemnych, z balonów, samolotów a także dane satelitarne są na bieżąco wprowadzane do modelu i modyfikują trwające obliczenia.
Wszystko było by łatwiejsze gdyby nie… góry. Czy numeryczne prognozy pogody dobrze sprawdzają się w górach? To z pewnością pytanie, które Was nurtuje. Ukształtowanie terenu to czynnik, tyleż istotny co rodzący bardzo dużo problemów w prognozowaniu pogody. Orografia, zwłaszcza góry czyli nagłe skoki terenu, wprowadza zawirowania w ruchach mas powietrza zarówno w pionie jak i w poziomie. Tym samym niezwykle komplikuje obliczenia. By zminimalizować te komplikacje odwzorowanie terenu jest odpowiednio wygładzane, uproszczane, a wysokości uśrednione. Na przykład: Tatry w modelu globalnym GFS są pasmem o wysokości jedynie ok. 1450 m n.p.m.
Co więcej, model o siatce o niewielkiej rozdzielczości (np. 25km) w zasadzie “nie zauważy” takiego pasma jak Tatry. Uproszenia terenu będą tak daleko idące, że Tatry będą jedynie czymś w rodzaju wyżyny. Ale nawet bardzo dokładne modele numeryczne o dużej rozdzielczości (np. 1,5km) nie biorą pod uwagę topografii terenu odwzorowanej w sposób bezpośredni. Nawet w dokładnym modelu powierzchnia tak niewielkiego łańcucha górskiego jak Tatry będzie pokryta stosunkowo niewielką ilością węzłów siatki. Dlatego prognoza będzie często dość zbliżona dla całych Tatr.
Pogoda w górach ma zaś bardzo lokalną i często nagłą specyfikę. Pogoda w Dolinie Pięciu Stawów może się znacznie różnić od oddalonej raptem o 10km w linii prostej Doliny Kościeliskiej. Prognozy mogą tego jednak “nie zauważyć”. Precyzyjne prognozowanie zjawisk w górach, nawet w dokładnej siatce, jest niezwykle trudne a sporządzenie prawidłowej prognozy dla danej doliny w Tatrach jest w zasadzie niewykonalne, bo góry są po prostu zbyt małe. W Alpach, gdzie nasycenie danej doliny węzłami siatki będzie większe, prawidłowe prognozowanie jest to nieco łatwiejsze, choć również obarczone dużym prawdopodobieństwem błędu. By polepszyć prognozy w górach stosuje się narzędzia typu Model Output Statistics, które dane z modelu numerycznego łączą z danymi statystycznymi z wieloletnich obserwacji. W ten sposób “dopasowują” obliczenia do cech terenowych i pozwalają zwiększyć dokładność prognozy.
Odpowiedź nie jest prosta. Podsumowując: te, które jednocześnie mają odpowiednio gęstą siatkę, dostęp do danych najlepszej jakości z modeli globalnych oraz sprawny system interpolacji oraz asymilacji danych. Przejrzyjmy najpopularniejsze serwisy pogodowe.
To serwis Interdyscyplinarnego Centrum Modelowania Matematycznego i Komputerowego Uniwersytetu Warszawskiego. Przez wielu miłośników gór i szeroko pojętej turystyki uważany jest za najlepszą prognozę pogody. ICM dostarcza prognozę lokalną dla środkowo-wschodniej Europy oraz dla basenu Morza Bałtyckiego. Prognozowanie lokalnej pogody odbywa się w oparciu o dane z modelu globalnego UM. Długość prognozy to 60 godzin a rozdzielczość wynosi 4km. To nie jest bardzo gęsta siatka ale jednak wystarczająca by stworzyć rzetelną prognozę. ICM prezentuje prognozę zarówno w formie meteogramów jak i map szczegółowych. Na ICM’ie znajdziecie również prognozę falowania Morza Bałtyckiego. Dla wielu użytkowników odstraszający może być jednak bardzo techniczny, surowy i ewidentnie przestarzały interfejs.
Świetny szwajcarski serwis prezentujący pełny zestaw meteogramów oraz map graficznych i satelitarnych. Ciekawą funkcjonalnością jest wskaźnik przewidywalności: Meteoblue podpowiada nam w jakim stopniu prognoza jest prawdopodobna. Przydatną rzeczą jest także możliwość sprawdzenia prognozy wygenerowanej na podstawie różnych modeli, zarówno globalnych jak i lokalnych (warto porównać wyniki) o różnych siatkach. Meteoblue stosuje narzędzie Model Output Statistic, dzięki czemu lepiej odwzorowuje cechy terenowe, tym samym podaje bardziej precyzyjną pogodę w górach.
Czeski portal, prezentujący prognozę w formie bardzo czytelnych, dynamicznych map. Windy jest jednym z nielicznych serwisów, który używa wysokiej jakości danych z Europejskiego Centrum Prognoz Średnioterminowych (ECMWF). Dzięki temu prognozy są bardzo dokładne. Oprócz modelu ECMWF, można zobaczyć także prognozowanie pogody oparte na modelach ICON, GFS i NEMS. Windy również stosuje narzędzie Model Output Statistic zwiększające precyzję prognozy dla terenów górskich. Bardzo użyteczny jest również szybki podgląd kamer internetowych oraz informacje dotyczące jakości powietrza.
To strona Instytutu Meteorologii i Gospodarki Wodnej. W przeszłości prezentowane prognozy budowane były na podstawie siatki o niezbyt dużej rozdzielczości. Dziś serwis IMGW to bardzo rzetelna prognoza pogody. Ma przyjemny, czytelny interfejs oraz możliwość czytania zarówno meteogramów jak i map. Na widoku map możemy wybrać model numeryczny na podstawie, którego wyświetla się prognoza. Do dyspozycji mamy szereg modeli, od długoterminowych GFS (siatka 27km), przez średnioterminowe COSMO (7km), ALARO (4km) oraz AROME (2km) po modele typu nowcasting SCENE/INCA o siatce 1km (SCENE/INCA nie jest jednak klasycznym modelem numeryczny tylko narzędziem typu Model Output Statistics). Bardzo przydatną funkcjonalnością serwisu jest mapa ze wszystkimi punktami pomiarowymi IMGW. Klikając w dany punkt, np. Kasprowy Wierch, uzyskujemy dostęp do wykresów z rzeczywistymi, aktualnymi danymi pogodowymi.
IMGW prowadzi również serwis dedykowany miłośnikom gór, na razie jednak pozostawia on wiele do życzenia. Brakuje meteogramów, zamiast nich mamy tylko ikony i symbole. Serwis nie pokazuje danych dla miejsc tak kluczowych dla polskich gór jak Kasprowy Wierch i Śnieżka. Zadziwia też komunikat lawinowy (“pokrywa jest dobrze związana i stabilna…”) pokazywany… 19 lipca. Miejmy nadzieję, że serwis z czasem się rozwinie.
Popularny wśród wielu użytkowników “Norweg”. Niestety mało kto wie, że choć sam serwis jest bardzo dobry to jednak prognozy dla Polski nie należą do precyzyjnych. Z prostej przyczyny. YR to serwis norweski i gęstą siatką pokrywa jedynie Skandynawię oraz basen Morza Bałtyckiego. Prognoza dla Koszalina czy Gdańska będzie jeszcze liczona na modelu lokalnym o gęstej siatce. Jednak już dla Warszawy, o południu Polski nie wspominając, YR poda prognozę zbudowaną w oparciu siatkę o rozdzielczości 16km. Prognoza dla Bieszczad, Tatr, Beskidów czy Sudetów będzie mało precyzyjna i nie uwzględni ukształtowania terenu.
Serwis prowadzony przez Slovensky Hydrometeorlogicky Ustav. W formie meteogramów prezentuje krótkoterminową prognozę pogody w oparciu model ALADIN (długość prognozy 3 dni, siatka 4,5km, generowany cztery razy dziennie) oraz prognozę średnioterminową w oparciu o model IFS. SHMU jest cenionym przez polskich przewodników źródłem prognoz dla Tatr.
Istnieje jeszcze mnóstwo innych serwisów, wiele z nich jednak nie zdradza źródeł danych oraz stosowanych metod (lub stosuje tylko model globalny) co czyni je mało wiarygodnymi i mało dokładnymi. Jednym z takich serwisów jest także popularny wśród ludzi gór Mountain Forecast. Choć ma możliwość sprawdzenia pogody dla poszczególnych szczytów górskich, to każdy kto kiedykolwiek używał tego serwisu wie, że rzadko kiedy prognozy się sprawdzają. Mountain Forecast zawsze budzi radość narciarzy, podaje bowiem niezwykle zawyżone ilości opadów. Wybierając się w góry odradzamy korzystanie z prognoz w telefonach oraz z serwisów typu Onet, WP, Interia, Weather.com i AccuWeather. Oczywiście, wychodząc w góry, pogodę warto sprawdzać nie tylko przed wyjściem ale również podczas wyprawy. To pozwoli nam uniknąć przemoknięcia ale być może również konieczności wzywania pomocy. Tak czy inaczej, pamiętajcie, że kurtka przeciwdeszczowa oraz apteczka zawsze powinny się znaleźć w plecaku.
Wróćmy do początku naszej opowieści o meteorologii. Nie wiem, która prognoza była właściwa, nie pojechałem w końcu w Tatry. Ale skąd czasami tak wielka rozbieżność w prognozach? Dlaczego prognozy nie zawsze się sprawdzają? Zjawiska pogodowe to procesy o charakterze chaotyczne i losowym. Za błędy często odpowiada brak wystarczających danych wejściowych zwłaszcza z profilów pionowych atmosfery. W obszarach gdzie sieć pomiarowa jest gęstsza prognozy będą bardziej precyzyjne. Mniej obserwacji prowadzi się jednak na obszarach trudnodostępnych czyli na morzach i oceanach oraz na części obszarów górskich a mają one istotny wpływ na kształtowanie się pogody nad lądami. Błędy wynikają również z niedoskonałości obliczeń. Wbrew pozorom, już samo przełożenie danych z modelu globalnego operującego siatką o niskiej rozdzielczości do modelu lokalnego z siatką o wysokiej rozdzielczości rodzi wiele problemów matematycznych.
To nie wszystko. Część zjawisk, na przykład powstawanie chmur konwekcyjnych, to procesy bardzo lokalne i prognozowanie ich precyzyjnej lokalizacji i czasu wystąpienia jest niezwykle trudne. Mogą mieć one jednak bardzo istotny wpływ na rozwój zdarzeń i kształtowanie się pogody. Najlepszym tego obrazem jest odkrycie amerykańskiego matematyka i meteorologa Edwarda Lorenza. W 1960 roku Lorenz pracował nad metodami numerycznego prognozowania pogody. Stworzył precyzyjny układ równań opisujących związek między temperaturą, ciśnieniem a prędkością wiatru. Ku jego zaskoczeniu, obliczenia wykazały, że dokładne dane wyjściowe nie gwarantują wcale dokładnych rezultatów prognozy. To Lorenz jest autorem terminu “efekt motyla”. Żartował on, że trzepot skrzydeł motyla może po kilku dniach spowodować tornado kilka tysięcy kilometrów dalej. Przykładem “efektu motyla”, obrazującego teorię chaosu deterministycznego, są właśnie zjawiska meteorologiczne.
