[논문 리뷰] Post-processing output from ensembles with and without parametrised convection, to create accurate, blended, high-fidelity rainfall forecasts

Estíbaliz Gascón, A. Montani외 1명|arXiv (Cornell University)|2023. 01. 11.

Meteorological Phenomena and Simulations인용 수 5

한 줄 요약

이 논문은 주기준 가중 평균 융합 기법을 사용하여 후처리된 글로벌(에크무프) 및 대류 해상도 국지적 영역 모델(COSMO-2I-EPS)의 집합 강우 예보를 융합하는 새로운 블렌딩 프레임워크를 제안한다. 글로벌 집합 예보에 ecPoint-강우 후처리를 적용하고, 국지적 영역 모델 집합 예보에 척도 선택적 이웃 기법을 적용함으로써, 더 정확하고 고해상도의 확률적 6시간 강우 예보를 생성한다. 검증 결과, 블렌딩 제품은 모든 개별 구성 요소보다 뛰어난 성능을 보이며, 특히 여름 대류 현상에 대해 뛰어난 성능을 발휘한다.

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.

연구 동기 및 목표

• 글로벌 모델의 미세 구조 변동성으로 인해 발생하는 정확도가 떨어지는 점 규모 강우 예보 문제를 해결한다.
• 대류 체계를 파rameter화하는 글로벌 집합 예보와 대류 해상도 국지적 영역 모델(LAM)의 출력을 융합하여 대류 강우 예보 성능을 향상시킨다.
• 지역 세부 정보를 유지하면서 고해상도 LAM 출력의 노이즈와 편향을 줄이는 통합형 고해상도 확률적 강우 예보 시스템을 개발한다.
• 실시간 운영이 가능한 실용적인 홍수 경보 경보 시스템 프레임워크를 구축하며, 이는 MISTRAL 프로젝트의 이탈리아 홍수 경보 사례에서 검증되었다.

제안 방법

• ECMWF 글로벌 집합 예보에 ecPoint-강우 후처리를 적용하여 격자 박스 강우량 총합을 정확한 점 규모 예보로 변환한다.
• 척도 선택적 이웃 기법을 사용하여 2.2km 해상도의 COSMO-LAM 집합 예보를 후처리함으로써 임의의 소규모 구조를 감소시키고 신뢰할 수 있는 지역 세부 정보를 유지한다.
• 두 후처리된 구성 요소를 주기 기반 가중 평균 융합을 통해 최종 통합 확률적 6시간 강우 예보를 생성한다.
• 실시간 검증 데이터 1년치 자료와 강우량 폭발 사건 두 건의 사례 연구를 활용하여 방법을 검증한다.
• 예보 성능 평가 지표를 사용하여 검증을 수행하며, 극단적 강우량과 공간 정확도에 중점을 둔다.
• 최종 융합 제품의 사용자 관련성, 신뢰도, 신뢰성 평가를 위해 시각적 및 정량적 평가를 실시한다.

실험 결과

연구 질문

• RQ1 후처리된 글로벌 및 LAM 집합 예보를 융합하는 것이 원본 또는 개별적으로 후처리된 출력보다 확률적 6시간 점 규모 강우 예보 성능을 향상시키는가?
• RQ2 척도 선택적 이웃 기법은 제한된 집합 수를 가진 고해상도 LAM 예보의 신뢰도를 어떻게 향상시키는가?
• RQ3 ecPoint-강우 후처리 기법이 특히 대류 현상에 대해 글로벌 집합 예보 강우량 총합의 편향을 얼마나 효과적으로 수정하는가?
• RQ4 최종 융합 예보 제품이 홍수 경보 사건의 예보 성능과 사용자 신뢰도 측면에서 모든 입력 구성 요소를 초월하는가?
• RQ5 블렌딩 시스템의 성능은 계절 및 주기 기반으로 어떻게 변화하는가? 특히 여름 대류 현상에 대해 어떻게 나타나는가?

주요 결과

• 일 년 검증 결과, ecPoint-강우 후처리를 적용한 글로벌 집합 예보는 다섯 개 구성 요소(원본 ECMWF, 후처리된 ECMWF, 원본 COSMO, 후처리된 COSMO, 블렌딩) 중에서 가장 높은 성능을 보였다.
• 저녁 여름 대류 현상 기간 동안 COSMO-LAM 집합 예보의 후처리가 상당한 가치를 기여하였다. 이는 글로벌 모델이 체계적인 과소 예측 편향을 보였기 때문이다.
• 두 사례 연구에서 원본 COSMO는 최대 점 규모 강우량을 과대 예측했고, 원본 ECMWF는 과소 예측했으며, 후처리 과정을 통해 양쪽 모두의 오류가 감소하였다.
• 최종 블렌딩 제품은 사용자에게 가장 정확하고 신뢰할 수 있는 것으로 인식되었으며, ecPoint의 광역 규모 성능과 후처리된 COSMO의 국지 세부 정보를 융합하였다.
• 척도 선택적 이웃 기법은 특히 지형이 복잡한 지역과 front 경계 근처에서 신뢰할 수 있는 소규모 특징을 효과적으로 식별하였다.
• 블렌딩 예보는 60시간 이상의 장기 예보에서도 높은 성능을 유지하였지만, LAM 구성 요소의 기여도는 주기 증가에 따라 감소하였다. 이는 다른 고해상도 LAM 시스템의 연구 결과와 일치한다.