Categorical Meteorological Products: Evaluation and Analysis

In meteorology, observations and forecasts of a wide range of phenomena for example, snow, clouds, hail, fog, and tornados can be categorical, that is, they can only have discrete values (e.g., "snow" and "no snow"). Concentrating on satellite-based snow and cloud analyses, this thesis explores methods that have been developed for evaluation of categorical products and analyses. Different algorithms for satellite products generate different results; sometimes the differences are subtle, sometimes all too visible. In addition to differences between algorithms, the satellite products are influenced by physical processes and conditions, such as diurnal and seasonal variation in solar radiation, topography, and land use. The analysis of satellite-based snow cover analyses from NOAA, NASA, and EUMETSAT, and snow analyses for numerical weather prediction models from FMI and ECMWF was complicated by the fact that we did not have the true knowledge of snow extent, and we were forced simply to measure the agreement between different products. The Sammon mapping, a multidimensional scaling method, was then used to visualize the differences between different products. The trustworthiness of the results for cloud analyses [EUMETSAT Meteorological Products Extraction Facility cloud mask (MPEF), together with the Nowcasting Satellite Application Facility (SAFNWC) cloud masks provided by Météo-France (SAFNWC/MSG) and the Swedish Meteorological and Hydrological Institute (SAFNWC/PPS)] compared with ceilometers of the Helsinki Testbed was estimated by constructing confidence intervals (CIs). Bootstrapping, a statistical resampling method, was used to construct CIs, especially in the presence of spatial and temporal correlation. The reference data for validation are constantly in short supply. In general, the needs of a particular project drive the requirements for evaluation, for example, for the accuracy and the timeliness of the particular data and methods. In this vein, we discuss tentatively how data provided by general public, e.g., photos shared on the Internet photo-sharing service Flickr, can be used as a new source for validation. Results show that they are of reasonable quality and their use for case studies can be warmly recommended. Last, the use of cluster analysis on meteorological in-situ measurements was explored. The Autoclass algorithm was used to construct compact representations of synoptic conditions of fog at Finnish airports.

Monia säähän liittyviä ilmiöitä havainnoidaan jakamalla ne kahteen tai useampaan toisensa poissulkevaan luokkaan. Tätä jaottelua käytetään yleisesti sääsatelliittikuvatuotteiden analyysissä, jolloin esimerkiksi kuvan pikseli luokitellaan joko lumiseksi tai lumettomaksi. Väitöskirjan päätutkimuskohteena olivat sääsatelliittihavaintoihin perustuvat automaattiset luokkamuotoiset pilvisyys- ja lumianalyysit. Osassa artikkeleista tarkasteltiin myös ihmisten tekemiä rae- ja sumuhavaintoja. Tarkoituksena oli soveltaa erilaisia laadunarviointimenetelmiä erityisesti pilvisyys- ja lumituotteisiin. Osassa väitöskirjaa verrattiin sää- ja avaruusorganisaatioiden, EUMETSAT, NOAA ja NASA, tuottamia satelliittipohjaisia lumituotteita Ilmatieteen laitoksen ja ECMWF:n säänennustusmallien lumianalyyseihin. Koska lumipeitteen todellisesta laajuudesta on hankalaa saada hyvälaatuisia riippumattomia havaintoja, lumituotteita ei voi asettaa paremmuusjärjestykseen. Siksi väitöskirjassa lumianalyysien ja -tuotteiden eroja visualisoitiin Sammonin kuvausta (Sammon mapping) apuna käyttäen. Tämä tilastollinen menetelmä projisoi moniulotteisen aineiston kahteen ulottuvuuteen. Väitöskirjan toisen vertailuaineiston muodostivat Euroopan sääsatelliittijärjestön EUMETSATin MPEF- ja SAFNWC-ohjelmien kokonaispilvituotteet sekä Helsinki Testbed -alueen ceilometrihavainnot. Pilvituotteiden luotettavuutta arvioitiin laskemalla vertailutuloksille luottamusvälit bootstrap-menetelmällä. Koska pilviaineistolle on ominaista ajallinen ja paikallinen korrelaatio, menetelmän käyttäminen oli perusteltua. Säätuotteiden laadunarviointia varten tarvitaan aina riippumattomia havaintoja, mutta niiden hankkiminen voi olla hankalaa ja kallista. Siksi työssä tarkasteltiin, onko laadunarviointia mahdollista täydentää tavallisten ihmisten säähavainnoilla, esimerkiksi Internetin kuvapalvelu Flickrin sääaiheisten valokuvien avulla. Nämä GPS-paikannetut kuvat ovat luotettavia ja helposti käytettäviä todisteita jonkin ilmiön esiintymisestä tietyssä paikassa tiettyyn aikaan. Siksi niitä voi suositella etenkin tapaustutkimusaineistoksi. Väitöskirjan viimeisessä osassa suomalaisilla lentokentillä tehtyjä sumuhavaintoja ryhmiteltiin Autoclass-menetelmällä. Saadulla tilastollisella tiedolla voidaan esimerkiksi auttaa päivystävää meteorologia tunnistamaan sumulle otollisia sääolosuhteita, sen sijaan, että hänen täytyisi opetella sumutietämys kokemustensa kautta.