Skupina výzkumu nelinearit, chaosu a prediktability

Skupina je v různé formě součástí Katedry fyziky atmosféry již dlouhé roky a aktuálně je rozdělena do dvou podskupin. Jedna podskupina se zaměřuje na limity úspěšnosti předpovědi počasí a klimatu. Zkoumá aspekty ovlivňující přesnost předpovědi a možnosti jejich zlepšení. Témata jsou studována jak pomocí teorie chaosu, tak prostřednictvím nízko- a vysoko-dimenzionálních numerických modelů simulujících atmosféru a ostatní subsystémy klimatického systému. Druhá podskupina se pak zaměřuje na otázky nelinearity a chaotičnosti ve střednědobé a dlouhodobé variabilitě klimatického systému, zejména ve vztahu k dálkovým vazbám módů interní klimatické variability na lokální meteorologické podmínky v různých částech světa.

Vedoucím skupiny: Mgr. Hynek Bednář Ph.D..
Další klíčoví členové: doc. Mgr. Jiří Mikšovský, Ph.D., RNDr. Aleš Raidl, Ph.D.

Mezi výzkumná témata skupiny patří

Zkoumání růstu chyby počátečních podmínek v systémech s časoprostorovými měřítky.
Analýza mechanismu růstu systematické chyby modelů a určování významu této chyby pro předvídatelnost.
Zjišťování vlivu chyby okrajových podmínek vznikající v důsledku propojení atmosféry s dalšími subsystémy.
Zkoumání možností prodloužení předvídatelnosti za obecně uznávanou hranici pro předpověď.
Analýza nelinearity prostorových vazeb a vzájemných interakcí interních klimatických oscilací (zejména NAO, ENSO, PDO, AMO)
Implementace modelů nelineárních vazeb pro zpřesnění technik downscalingu a bias korekce výstupů globálních a regionálních klimatických modelů

Výzkumné nástroje:

Nízko-dimenzionální modely Lorenzova typu (https://en.wikipedia.org/wiki/Lorenz_system, https://en.wikipedia.org/wiki/Lorenz_96_model).
Globální numerické předpovědní modely evropského centra pro střednědobou předpověď počasí (https://www.ecmwf.int/).
Numerické předpovědní modely ze Sub-seasonal to seasonal (S2S) prediction systems databáze (http://www.s2sprediction.net/).
Lineární a nelineární regresní modely v kombinaci s generátory surrogate dat
Techniky pro kvantifikaci nelineárních korelací

Projekty

Skupina se v současnosti podílí na řešení projektu OP JAK Georizika (komplexní kvantifikace antropogenních i přirozených georizik). Z ukončených projektů se jedná o projekt GAČR 19–16066S (Nelineární interakce a přenos informace v komplexních systémech s extrémními událostmi).

Zahraniční a tuzemská spolupráce

Max Planck Institute for the Physics of Complex Systems (https://www.pks.mpg.de), Dresden – Prof. Holger Kantz
Ústav informatiky AV ČR (https://www.cs.cas.cz), Praha – RNDr. Milan Paluš DrSc.

Publikace

Bednář, H. and Kantz, H.: Analysis of model error in forecast errors of Extended Atmospheric Lorenz' 05 Systems and the ECMWF system, Geosci. Model Dev., https://doi.org/10.5194/egusphere-2023-1464, 2024.
Bednář, H. and Kantz, H.: Prediction Error Growth in a more Realistic Atmospheric Toy Model with Three Spatiotemporal Scales, Geosci. Model Dev., 15, 4147–4161, https://doi.org/10.5194/gmd-15-4147-2022, 2022.
Bednář, H., Raidl, A., and Mikšovský, J.: Recalculation of error growth models’ parameters for the ECMWF forecast system, Geosci. Model Dev., 14, 7377–7389, https://doi.org/10.5194/gmd-14-7377-2021, 2021.
Bednář, H., Raidl, A. and Mikšovský, J.: Time Evolution of Initial Errors in Lorenz's 05 Chaotic Model, The Scientific World Journal, 1–9, https://doi.org/10.1155/2015/729080, 2015.
Bednář, H., Raidl, H., and Miksovsky, J.: Initial Error Growth and Predictability of Chaotic Low-dimensional Atmospheric Model, IJAC, 11, 3, 256–264, https://doi.org/10.1007/s11633-014-0788-3, 2014.
Bednář, H., Raidl, A. and Mikšovský, J.: Initial Errors Growth in Chaotic Low-dimensional Weather Prediction Model, Advances in Intelligent Systems and Computing, 210, 333–342, https://doi.org/10.1007/978-3-319-00542-3_34, 2013.