[論文レビュー] Improving probabilistic weather forecasts using seasonally varying calibration parameters

Stephen Jewson|ArXiv.org|Feb 5, 2004

Meteorological Phenomena and Simulations参考文献 6被引用数 4

ひとこと要約

本論文は、線形回帰モデルにおける季節的変動するキャリブレーションパラメータを提案し、アンサンブル weahter モデルからの確率的気温予報の精度を向上させることを目的としている。バイアス、スロープ、分散パラメータを季節ごとに変化させることで、特に季節的バイアス補正を通じて予報スキルが顕著に向上し、定数パラメータの線形回帰を上回り、確率的気象予報の新たな基準を確立する。

ABSTRACT

We show that probabilistic weather forecasts of site specific temperatures can be dramatically improved by using seasonally varying rather than constant calibration parameters.

研究の動機と目的

• 特定の場所におけるアンサンブルモデル出力に基づき、確率的気温予報を改善すること。
• 予報誤差の季節的変動を捉えられない定数パラメータ線形回帰モデルの限界を解決すること。
• 季節的変動するキャリブレーションパラメータが、標準線形回帰と比較して予報スキルを顕著に向上させることを調査すること。
• 季節的パラメータモデルの優れた性能を示すことで、将来的な確率的予報評価のための新たな基準モデルを確立すること。

提案手法

• アンサンブル平均を予測子として用い、日平均気温の異常を線形回帰で予測する。
• 年周波数および半年周波数成分を含むハーモニックモデルを用いて、回帰パラメータ（切片、スロープ、分散）の季節的変動を許容する。
• 最尤推定を用いた古典的統計枠組みで、季節的パラメータモデルを適合させる。
• 過剰適合をペナルティとして課し、予測性能が優れるモデルを優遇するため、赤赤情報量基準（AIC）を用いてモデル性能を比較する。
• 各季節的パラメータ（バイアス、スロープ、分散）が全体の予報スキル向上に寄与する割合を分解分析する。
• ヒースロー空港におけるECMWFアンサンブル予報と観測気温の1年間分のデータを用い、事前処理として季節的平均および標準偏差を除去したダブル異常値に変換する。

実験結果

リサーチクエスチョン

• RQ1 定数パラメータ線形回帰と比較して、季節的変動する回帰パラメータが確率的気温予報を顕著に改善できるか？
• RQ2 回帰モデルのどの要素—バイアス、スロープ、または分散—が予報スキル向上に最も寄与しているか？
• RQ3 バイアス、スロープ、分散の3つのパラメータをすべて季節的に変化させることで、個々の改善の合計を超えた相乗効果が得られるか？
• RQ4 季節的パラメータモデルは、相関係数とAICで測定される予報の正確性と信頼性の両方を向上させるか？

主な発見

• 季節的変動パラメータモデルは、定数パラメータ線形回帰モデルと比較して顕著に高い予報スキルを示し、AICスコアが著しく低くなった。
• 予報スキル向上の最も顕著な要因は、バイアスパラメータを季節的に変化させることに起因し、特に短期予報リード時間で顕著であった。
• バイアス、スロープ、分散の3つの回帰パラメータすべてに季節的変動を許容することで、予報スキルが向上し、個々の改善の合計を上回る相乗効果が観察された。
• 季節的パラメータモデルは、予報値と観測値の間の線形相関係数を向上させ、全体的な予報信頼性の向上を示している。
• モデルの性能向上は極めて顕著であり、今後の確率的予報モデルの評価の基準として、定数パラメータ線形回帰モデルに取って代わるべきである。
• 今後の研究では、特に長期で安定した予報データセットを用いる場合に、バイアスモデルにおける高次のハーモニック成分の検討が望ましい。