Core Concepts
複数モデルを組み合わせたアンサンブルによる高度な気象予測が可能であることを示す。
Abstract
要約
操作準備完了のマルチモデルアンサンブル気象予測システムが提案され、ECMWF海洋モデルと組み合わせてグローバル天候を4週間先まで1度の解像度で予測する。
データ駆動型モデルは、2メートルの気温に関してECMWF拡張範囲アンサンブルを平均して4-17%上回り、統計的バイアス補正後はECMWFアンサンブルが4週間先で約3%優れていることが示された。
複数の表面パラメータにおいても、提案されたアンサンブルはECMWFのアンサンブルに近い性能を示す。
方法論
データはECMWF ERA5再解析データセットからトレーニングされ、6時間ごとの空間分解能1度で提供される。
モデリング手法にはMS-Nowcasting、FourCastNet、GraphCastなど3つの構造が使用されている。
結果
アプローチはECMWF拡張範囲アンサンブルと競合し、時にそれを上回っていることが示された。
データ駆動型モデリングとNWPモデリングの組み合わせは確率的な予測向上につながりうることが示唆されている。
Stats
提案されたアンサンブルはECMWF拡張範囲アンサンブルを平均して4-17%上回ります。
ECMWF拡張範囲アンサンブルは統計的バイアス補正後に約3%改善します。