[論文レビュー] Comparing the ensemble mean and the ensemble standard deviation as inputs for probabilistic medium-range temperature forecasts

Stephen Jewson|ArXiv.org|Oct 13, 2003

Meteorological Phenomena and Simulations参考文献 4被引用数 11

ひとこと要約

本研究では、ロンドンヒースロー空港における確率的中期予報の温度予測において、アンサンブル平均とアンサンブル標準偏差の相対的スキルを評価する。4つの統計的構成を持つスプレッド回帰モデルを用いて、アンサンブル平均がアンサンブルスプレッドよりもはるかに予測スキルに寄与することが判明した。特に長期予報では、スプレッドの寄与は最大で100倍も小さい。これは、アンサンブルスプレッドが短期予報ではわずかな利益をもたらすものの、確率的温度予測においてはアンサンブル平均が支配的役割を果たしていることを示している。

ABSTRACT

We ask the following question: what are the relative contributions of the ensemble mean and the ensemble standard deviation to the skill of a site-specific probabilistic temperature forecast? Is it the case that most of the benefit of using an ensemble forecast to predict temperatures comes from the ensemble mean, or from the ensemble spread, or is the benefit derived equally from the two? The answer is that one of the two is much more useful than the other.

研究の動機と目的

• 地域特化型の確率的中期温度予報のスキルに、アンサンブル平均とアンサンブル標準偏差がそれぞれどの程度寄与しているかを特定すること。
• 予測スキルが主にアンサンブル平均（中央傾向）に起因するのか、それともアンサンブルスプレッド（不確実性推定）に起因するのかを評価すること。
• 確率的予報文脈において、アンサンブルスプレッドがアンサンブル平均を超えて意味のある予測情報を提供しているかどうかを評価すること。
• 一貫した統計的モデリング枠組みを用いて、これら2つの予測子の相対的重要性を定量化すること。
• アンサンブル平均とスプレッドの相対的重要性が、予報リードタイムに応じて変化するかどうかを調査すること。

提案手法

• Jewsonら（2003）のスプレッド回帰フレームワークに基づく4つの統計モデルを構築し、アンサンブル平均または1つのメンバーを用いるか、アンサンブルスプレッドを用いるか、または歴史的予報誤差統計に依存するかで異なる。
• 各モデルは、正規分布を仮定して確率的予報を生成する：$ T_i \sim N(\alpha + \beta x_i, \gamma) $、ここで $ x_i $ は1つのアンサンブルメンバーまたはアンサンブル平均である。
• モデルのパラメータ（α, β, γ, δ）は、季節的平均および標準偏差を除去するため、二重異常温度データ上で線形回帰により推定される。
• モデルの性能は、予測された確率密度関数の正確性を測るマイナス対数尤度スコアを用いて評価される。
• アンサンブル平均とスプレッドの相対的寄与は、両者を含むモデルと含まないモデルの間の対数尤度差を比較することで定量化される。
• このデータセットに関する先行研究でアンサンブルスプレッドの予測外的利点が検出されなかったことから、過学習を避けるために低次元モデルを用いたインサンプル分析が採用された。

実験結果

リサーチクエスチョン

• RQ1 アンサンブル平均は、アンサンブル標準偏差に比べて、確率的中期温度予報のスキルにどの程度寄与しているか？
• RQ2 アンサンブル平均とスプレッドの相対的重要性は、予報リードタイムに応じて変化するか？
• RQ3 この文脈において、アンサンブルスプレッドをアンサンブル平均に加えて使用することで、有意な予測的利益が得られるか？
• RQ4 アンサンブルシステムの予報誤差は、予測子の重要性を信頼性を持って統計的にモデリングできるほど定常的か？
• RQ5 スプレッド回帰モデルフレームワークは、平均とスプレッドの予報パフォーマンスへの個別寄与を効果的に分離・定量化できるか？

主な発見

• アンサンブル平均はアンサンブル標準偏差よりも著しく高い予測スキルに寄与しており、特に最長リードタイムではスプレッドの100倍も有用であることが判明した。
• 短期リードタイムでは、アンサンブル平均はスプレッドの約4倍も有用であることが示され、予報期間が延びるにつれて平均の支配的役割が強まっていることが明らかになった。
• アンサンブルスプレッドは僅かな利益しか提供せず、スプレッドを含むモデルと含まないモデルの間の対数尤度差は、全リードタイムで0から10の範囲にとどまった。
• アンサンブル平均の相対的重要性はリードタイムとともに増加しており、平均を含むモデルとスプレッドを含むモデルの対数尤度差の比が上昇することで裏付けられた。
• 限られたデータ（1年、1か所）にもかかわらず結果は頑健であり、平均がスプレッドを著しく上回っているため、追加のデータや観測局が追加されてもこの傾向が変化する可能性は極めて低い。
• アンサンブルスプレッドに予測外的利点が検出されなかったことから、予測外的検証は不可能であり、過学習を避けるために低次元モデルを用いたインサンプル分析が正当化された。