[論文レビュー] The Compatibility between the Pangu Weather Forecasting Model and Meteorological Operational Data

Wencong Cheng, Yan Yan+4 more|arXiv (Cornell University)|Aug 7, 2023

Meteorological Phenomena and SimulationsEarth and Planetary Sciences被引用数 3

ひとこと要約

本研究では、オープンソースのPangu-Weatherモデルが、複数のNWPシステムからの運用気象解析と互換性を持つかどうかを評価する。ERA5、ECMWF-IFS、NOAA-GFS、および統合初期条件を用いた事例研究を通じて、モデルが多様な入力に対して安定した予報性能を維持することを示し、局所的な初期条件の品質を向上させることで地域予報精度が顕著に向上することを確認した。これにより、モデルの汎用性と運用応用における実用的価値が裏付けられた。

ABSTRACT

Recently, multiple data-driven models based on machine learning for weather forecasting have emerged. These models are highly competitive in terms of accuracy compared to traditional numerical weather prediction (NWP) systems. In particular, the Pangu-Weather model, which is open source for non-commercial use, has been validated for its forecasting performance by the European Centre for Medium-Range Weather Forecasts (ECMWF) and has recently been published in the journal "Nature". In this paper, we evaluate the compatibility of the Pangu-Weather model with several commonly used NWP operational analyses through case studies. The results indicate that the Pangu-Weather model is compatible with different operational analyses from various NWP systems as the model initial conditions, and it exhibits a relatively stable forecasting capability. Furthermore, we have verified that improving the quality of global or local initial conditions significantly contributes to enhancing the forecasting performance of the Pangu-Weather model.

研究の動機と目的

• Pangu-Weatherモデルが、さまざまなNWPシステムからの運用解析を初期条件として効果的に使用できるかどうかを評価すること。
• 異なるグローバルおよび地域的運用解析を用いて、モデルの予報性能を評価すること。
• 局所的な初期条件の品質を向上させることで、モデルの地域予報精度が向上するかどうかを調査すること。
• モデルの性能が特定の入力データ（例：ERA5）に限定されるのか、それとも多様なNWPシステムに一般化されるのかを特定すること。
• 実世界の運用データとの互換性を検証することで、データ駆動型気象モデルの実用的展開を支援すること。

提案手法

• オープンソースのPangu-Weatherモデル推論エンジンを用いた事例研究を実施した。
• 初期条件として、4つの運用NWP解析（ERA5、ECMWF-IFS、NOAA-GFS、および統合データセット（ecmfpadGFS））を用いた。
• 各初期条件セットを用いて、240時間のグローバルおよび地域予報を生成した。
• 標準的な気象変数（例：MSLP、T2、U10、V10、Q500、T500、U500、V500、Z500）を用いて、モデル出力と対応するNWPシステムの予報を比較した。
• 局所的影響をテストするために、ECMWF-IFS（東アジア）とNOAA-GFS（地球の残りの部分）を融合して作成した初期条件データセット（ecmfpadGFS）を用いた。
• 空間相関係数および平均二乗誤差を用いて、複数の変数および地域における性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 Pangu-Weatherモデルは、異なるNWPシステムからの運用解析を初期条件として用いた場合に、信頼性のある予報を生成できるか？
• RQ2 モデルの予報性能は、初期条件の出典によって顕著に異なるのか？
• RQ3 局所的な初期条件の品質を向上させることで、モデルの地域予報精度がどの程度向上するのか？
• RQ4 モデルの性能は、学習データ（例：ERA5）に限定されるのか、それとも多様なNWPシステムに一般化されるのか？
• RQ5 高品質な運用データで初期化された場合に、モデルは従来のNWPシステムを上回るか、同等の性能を発揮できるのか？

主な発見

• Pangu-Weatherモデルは、ECMWF-IFS、NOAA-GFS、およびERA5からの運用解析を初期条件として用いた場合、元のNWP製品と同等またはそれ以上の予報結果を生成した。
• グローバル初期条件の品質を向上させることで、モデルの全体的な予報性能が顕著に向上した。
• ECMWF-IFS（東アジア）とNOAA-GFS（地球の残りの部分）のデータを融合して局所的な初期条件を向上させた場合、特にMSLPやT2などの変数に関して、モデルの地域予報精度が顕著に向上した。
• モデルは、学習データに近いデータ（例：ECMWF-IFS）で初期化された場合に最も優れた性能を示し、訓練時に使用されたNWPシステムの特性にある程度適応していることが示唆された。
• モデルは、さまざまな運用データソースに対して強い汎用性を示しており、多様な運用予報ワークフローへの統合の可能性を示している。
• 本研究では、グローバル初期条件の向上よりも、局所的な初期条件の最適化が地域予報の向上に効果的であることが確認された。これは、性能向上への実用的で効果的な道筋を示している。