[논문 리뷰] A new low-cost technique improves weather forecasts across the world

Tim Hewson, Fatima Pillosu|arXiv (Cornell University)|2020. 03. 31.

Meteorological Phenomena and Simulations참고 문헌 56인용 수 8

한 줄 요약

이 논문은 기상 예측의 격자상 규모 변동성과 편향을 시범 예측을 통해 모델링함으로써 글로벌 기상 예측을 크게 향상시키는 저비용 통계 후처리 기법을 소개한다. 전 세계 데이터를 활용하여 강우를 일률적으로 다루면서, 극단적 강우 예측의 유용한 예측 리드 타임을 기존의 1일 미만에서 5일으로 연장하여, 이전의 발전 수준을 뛰어넘는 돌파구를 마련한다.

ABSTRACT

Computer-generated forecasts divide the earth's surface into gridboxes, each now ~25% of the size of London, and predict one value per gridbox. If weather varies markedly within a gridbox forecasts for specific sites inevitably fail. A completely new statistical post-processing method, using ensemble forecasts as input, anticipates two gridbox-weather-dependant factors: degree of variation in each gridbox, and bias on the gridbox scale. Globally, skill improves substantially; for extreme rainfall, for example, useful forecasts extend 5 days ahead. Without post-processing this limit is < 1 day. Relative to historical forecasting advances this constitutes ground-breaking progress. The key drivers, incorporated during calibration, are meteorological understanding and abandoning classical notions that only local data be used. Instead we simply recognise that "showers are showers, wherever they occur worldwide" which delivers a huge increase in calibration dataset size. Numerous multi-faceted applications include improved flash flood warnings, physics-related insights into model weaknesses and global pointwise re-analyses.

연구 동기 및 목표

• 격자상 규모의 변동성이 지역별 예측 실패를 초래하는 수치 기상 예측의 지속적인 한계를 해결하기 위해.
• 특히 강수량이 많은 강우와 같은 극단 기상 현상의 유용한 예측 리드 타임이 짧은 문제를 극복하기 위해.
• 새로운 모델 물리학이나 높은 계산 비용 없이도 예측 정확도를 향상시킬 수 있는 확장 가능하고 저비용의 후처리 기법을 개발하기 위해.
• 통계 보정을 통해 글로벌 지점별 재분석을 가능하게 하고 홍수 경보 시스템의 정교화를 향상시키기 위해.

제안 방법

• 이 방법은 시범 예측을 입력으로 사용하여 지역 기상 변동성과 체계적 편향이라는 격자상 규모의 두 핵심 요소를 추정한다.
• 모든 지역에서 '비는 비이지만, 어디서나 동일하게 취급된다'는 원칙을 적용하여 전 세계 데이터를 통합함으로써 보다 큰 보정 데이터셋 크기를 확보하는 통계 보정 프레임워크를 적용한다.
• 기존의 국지 관측 자료만 국지 예측에 활용해야 한다는 고전적 가정을 기각하고, 대신 전 세계 기상 패턴을 활용한다.
• 기상학적 이해를 보정 과정에 통합하여 다양한 기후와 지역에서 모델의 강건성을 향상시킨다.
• 이 방법은 완전히 자동화되어 있으며 계산 효율성이 높아 실시간 예측 시스템에서의 운영에 적합하다.
• 역사적 예측에서 체계적 오류를 보정함으로써 글로벌 지점별 재분석 생성을 가능하게 한다.

실험 결과

연구 질문

• RQ1 저비용 통계 후처리 기법이 현재 1일 미만의 한계를 넘어서 극단적 강우 예측의 유용한 리드 타임을 5일까지 연장시킬 수 있는가?
• RQ2 모든 지역에서 강우를 동일하게 취급하는 전 세계 데이터 통합 방식이 국지적 접근에 비해 보정 정확도와 예측 능력을 어떻게 향상시키는가?
• RQ3 기상학적 이해를 통계 후처리 과정에 얼마나 깊이 통합하여 격자 예측의 체계적 편향과 변동성을 보정할 수 있는가?
• RQ4 이 방법을 통해 역사적 시범 예측에서 신뢰할 수 있는 글로벌 지점별 재분석을 생성할 수 있는가?
• RQ5 이 기법이 운영 기반 홍수 경보 시스템에 어떤 영향을 미치는가?

주요 결과

• 이 방법은 극단적 강우 예측의 유용한 리드 타임을 후처리 없이 1일 미만이었던 것을 5일으로 연장한다.
• 모든 지역에서 전반적인 글로벌 예측 정확도가 크게 향상되었으며, 특히 대류성 및 고영향 기상 현상에서 가장 두드러진 성과를 보였다.
• 이 방법은 기존 수치 기상 예측의 발전 수준을 뛰어넘는 기록적인 예측 정확도 향상을 이룬다.
• 강우를 전 세계적으로 동일하게 취급함으로써 효과적인 보정 데이터셋 크기가 증가하여 더 견고한 통계 모델이 가능해졌다.
• 이 방법은 지점별 글로벌 재분석 생성을 가능하게 하여 모델의 약점과 물리적 과정에 대한 새로운 통찰을 제공한다.
• 특히 단기 고영향 기상 현상에서 예측 신뢰도와 해상도 향상에 일관된 개선 효과를 보였다.