Janne Hakkaraisen väitöskirjassa esiteltävät menetelmät ovat syntyneet ilmakehätieteiden käytännön tarpeista. Keskeinen kysymys on, miten sää- ja ilmastomalleja voidaan säätää tarkemmaksi.
– Kaoottisuus sää- ja ilmastomalleissa aiheuttaa sen, että pienetkin erot mallin alkutilassa johtavat hallitsemattomiin ennustevirheisiin simulaation myöhemmässä vaiheessa, Hakkarainen kertoo. Siitä syystä yli viikkoa pidemmät sääennusteet menevät lähes järjestelmällisesti pieleen.
– Samasta syystä perinteisiä insinööritieteissä käytettyjä parametriestimointiin tarkoitettuja menetelmiä ei voida käyttää kaoottisten systeemien tutkimiseen, hän jatkaa.
Kaoottisuutta pyritään saamaan kuriin sovittamalla mallia havaintoihin käyttäen data-assimilaatiomenetelmiä. Hakkaraisen väitöstyön keskeinen tulos onkin menetelmä, joka mahdollistaa mallin sisäisten parametrien estimoinnin ja tutkimisen tilastollisesti järkevällä tavalla käyttäen hyödyksi data-assimilaatiota.
– Toistaiseksi menetelmää on kuitenkin vielä pidettävä prototyyppinä. Vaikka menetelmä onkin osoittautunut loistavaksi työkaluksi matalaulotteisten kaoottisten systeemien tarkastelussa, niin loikka korkeaulotteisiin ilmakehämalleihin on valtava, hän varoittaa.
Data-assimilaatiolla on myös muita sovelluskohteita. Työn varsinaisessa sovellusosassa on käsitelty GOMOS-satelliitti-instrumentin hankkimaa ilmakehädataa. Hakkarainen esittelee väitöstyössään muun muassa menetelmän, jolla voidaan parantaa arktisten alueiden otsoniprofiileja.
Lisäksi hän esittelee, miten GOMOS-instrumentin NO3-havainnoista voidaan kääntää data-assimilaation keinoin keski-ilmakehän lämpötilaprofiileja.
FM Janne Hakkaraisen väitöskirja On state and paramter estimation in chaotic systems tarkastetaan perjantaina 29. marraskuuta Lappeenrannan teknillisessä yliopistossa.