Почему синоптикам по-прежнему сложно точно предсказать крупные штормы

В марте 2017 года зимний шторм «Стелла» обещал принести до 45 см снега Нью-Йорку и части Нью-Джерси. Были объявлены предупреждения о метели, но выпало лишь 18 см. Этот случай, как и другие, показывает, что прогнозы для мощных штормов иногда остаются «американскими горками» с резкими изменениями траектории или интенсивности. Несмотря на обилие спутниковых данных и сложных компьютерных моделей, точность не всегда идеальна, и ключ к разгадке лежит в особенностях самых популярных прогностических моделей.

Основу прогнозов в Северной Америке и мире составляют компьютерные модели атмосферы. Навык прогнозирования улучшился примерно на один день за десятилетие. Однако синоптикам часто приходится выбирать между двумя основными моделями — американской и европейской (ECMWF). Большинство метеорологов сходятся во мнении, что европейская модель является наиболее точной. Это подтвердилось в марте 1993 года, когда она за пять дней верно спрогнозировала «Шторм века», и в 2012 году, предсказав более чем за неделю необычный поворот урагана «Сэнди» к побережью.

Европейская модель превосходит американскую по нескольким причинам: она работает на более мощном суперкомпьютере, использует более совершенную математическую систему для обработки начальных условий атмосферы и разрабатывается институтом, сфокусированным исключительно на среднесрочном прогнозировании (3–7 дней). В США же ресурсы делятся между несколькими моделями разного назначения. Тем не менее, американская модель также весьма эффективна и одержала свои победы, например, верно спрогнозировав смещение траектории зимнего шторма «Джуно» в 2015 году на 80 км к востоку, что спасло Нью-Йорк от катастрофических 60–90 см снега, предсказанных европейской моделью.

Искусство прогноза основано на многолетнем опыте работы с каждой моделью и понимании их системных ошибок. Сейчас предпринимаются шаги по улучшению американской модели, включая удвоение вычислительной мощности. Пока же, чтобы лучше понимать прогнозы, стоит обращать внимание на устойчивость результатов модели от запуска к запуску за пределами 5 дней и искать прогнозы, которые указывают на неопределенность, предлагая альтернативные сценарии.