[論文レビュー] Post-processing output from ensembles with and without parametrised convection, to create accurate, blended, high-fidelity rainfall forecasts

Estíbaliz Gascón, A. Montani+1 more|arXiv (Cornell University)|Jan 11, 2023

Meteorological Phenomena and Simulations被引用数 5

ひとこと要約

本論文は、リードタイム重み付きマージを用いて、後処理を施したグローバル（ECMWF）と対流解像度を持つ局所領域モデル（COSMO-2I-EPS）のアンサンブル降雨予報を組み合わせる新しいブレンドフレームワークを提案する。グローバルアンサンブルにはecPoint-降雨後処理を、LAMアンサンブルにはスケール選択的ネIGHBORHOOD手法を適用することで、より正確で高精細な確率的6時間降雨予報が得られ、検証においてすべての個別コンポーネントを上回る性能を示した。特に夏期の対流性降雨イベントにおいて顕著な改善が見られた。

ABSTRACT

Flash flooding is a significant societal problem, but related precipitation forecasts are often poor. To address this, one can try to use output from convection-parametrising (global) ensembles, post-processed to forecast at point-scale, or convection-resolving limited area ensembles. In this study, we combine both. First, we apply the "ecPoint-rainfall" post-processing to the ECMWF global ensemble. Then, we use 2.2km COSMO LAM ensemble output (centred on Italy), and also post-process it using a scale-selective neighbourhood approach to compensate for insufficient members. The two components then undergo lead-time-weighted blending, to create the final probabilistic 6h rainfall forecasts. Product creation for forecasters constituted the "Italy Flash Flood use case" within the EU-funded MISTRAL project and it will be a real-time open-access product. One year of verification shows that ecPoint is the most skilful ensemble product. The post-processed COSMO ensemble adds most value to summer convective events in the evening, when the global model has an underprediction bias. In two heavy rainfall case studies we observed underestimation of the largest point totals in the raw ECMWF ensemble, and overestimation in the raw COSMO ensemble. However, ecPoint increase the value and highlighted best the most affected areas, whilst post-processing of COSMO diminished extremes by eradicating unreliable detail. The final merged products looked best from a user perspective and seemed to be the most skilful of all. Although our LAM post-processing does not implicitly include bias correction (a topic for further work) our study nonetheless provides a unique blueprint for successfully combining ensemble rainfall forecasts from global and LAM systems around the world. It also has important implications for forecast products as global ensembles move ever closer to having convection-permitting resolution.

研究の動機と目的

• グローバルモデルにおけるサブグリッド変動のため、特に点スケールの降雨予報が不正確であるという課題に対処する。
• 対流パラメータ化を行うグローバルアンサンブルと、対流解像度を持つ局所領域モデル（LAM）の出力を組み合わせることで、対流性降水量の予報精度を向上させる。
• 局所的な詳細を保ちつつ、高解像度LAM出力のノイズとバイアスを低減する、シームレスで高精細な確率的降雨予報システムを構築する。
• MISTRALプロジェクトのイタリア・フラッシュ・フラッド使用事例を対象に、実時間運用に適した実用的フレームワークを構築する。

提案手法

• グローバルアンサンブルにecPoint-降雨後処理を適用し、グリッドボックスの降水量合計を正確な点スケール予報に変換する。
• 2.2 km解像度のCOSMO-LAMアンサンブルに対して、スケール選択的ネIGHBORHOOD手法を用いて後処理を行い、不自然な小スケール特徴を低減するとともに、信頼性の高い局所的詳細を保持する。
• 2つの後処理済みコンポーネントをリードタイム重み付き平均法で統合し、最終的なシームレスな確率的6時間降雨予報を生成する。
• 1年間のリアルタイム検証データと、豪雨イベントの詳細な2件の事例分析を用いて、手法の妥当性を検証する。
• 検証指標を用いて予報精度を評価し、極端な降水量合計と空間的正確性に特に注目する。
• 視覚的および定量的評価を用いて、最終ブレンド製品のユーザー関連性、信頼性、正確性を評価する。

実験結果

リサーチクエスチョン

• RQ1 後処理済みグローバルおよびLAMアンサンブル予報をブレンドすることで、生の出力または個別に後処理された出力と比較して、確率的6時間点降雨予報の精度が向上するか？
• RQ2 スケール選択的ネIGHBORHOOD手法は、アンサンブルメンバー数が限られた高解像度LAM予報の信頼性をどのように向上させるか？
• RQ3 ecPoint-降雨後処理は、特に対流性イベントにおいて、グローバルアンサンブルの降水量合計のバイアスをどの程度是正するか？
• RQ4 最終的なブレンド予報製品は、すべての入力コンポーネントを上回る予報精度とユーザーの信頼性を示すか？
• RQ5 ブレンドシステムの性能は、季節やリードタイムに応じてどのように変化するか。特に夏期の対流性イベントにおいては？

主な発見

• 1年間の検証において、ecPoint-降雨後処理を施したグローバルアンサンブル（raw ECMWF, post-processed ECMWF, raw COSMO, post-processed COSMO, blended）の5つのコンポーネントの中で、最も高いスキルを示した。
• 夕方の夏期対流性降雨イベントでは、COSMO-LAMアンサンブルの後処理が顕著な価値を加えた。グローバルモデルは系統的な低予測バイアスを示していた。
• 2件の事例分析において、生のCOSMOは最大の点降水量合計を過大予測していたが、生のECMWFは低予測していた。後処理により両システムの誤差が是正された。
• 最終的なブレンド製品は、ユーザーにとって最も信頼性があり正確に感じられ、ecPointの広域的スキルと、後処理済みCOSMOの局所的詳細を効果的に統合していた。
• スケール選択的ネIGHBORHOOD手法は、地形が複雑な地域や前線境界付近で、信頼性のある小スケール特徴を的確に特定できた。
• ブレンド予報は60時間以上にわたり高いスキルを維持したが、LAMコンポーネントの追加価値はリードタイムとともに低下した。これは、他の高解像度LAMシステムの報告と整合的であった。