[논문 리뷰] Skillful Precipitation Nowcasting using Deep Generative Models of Radar

Suman Ravuri, Karel Lenc외 18명|arXiv (Cornell University)|2021. 04. 02.

Meteorological Phenomena and Simulations참고 문헌 46인용 수 30

한 줄 요약

이 논문은 레이더 기반 강수의 확률적이고 고해상도 현재예보(nowcasting)를 위한 심층 생성 모델을 제시하며, 대규모 영역에 걸친 90분까지의 뚜렷하고 흐려지지 않는 예보를 제공하고 전문 예보관에 의해 평가된다.

ABSTRACT

Precipitation nowcasting, the high-resolution forecasting of precipitation up to two hours ahead, supports the real-world socio-economic needs of many sectors reliant on weather-dependent decision-making. State-of-the-art operational nowcasting methods typically advect precipitation fields with radar-based wind estimates, and struggle to capture important non-linear events such as convective initiations. Recently introduced deep learning methods use radar to directly predict future rain rates, free of physical constraints. While they accurately predict low-intensity rainfall, their operational utility is limited because their lack of constraints produces blurry nowcasts at longer lead times, yielding poor performance on more rare medium-to-heavy rain events. To address these challenges, we present a Deep Generative Model for the probabilistic nowcasting of precipitation from radar. Our model produces realistic and spatio-temporally consistent predictions over regions up to 1536 km x 1280 km and with lead times from 5-90 min ahead. In a systematic evaluation by more than fifty expert forecasters from the Met Office, our generative model ranked first for its accuracy and usefulness in 88% of cases against two competitive methods, demonstrating its decision-making value and ability to provide physical insight to real-world experts. When verified quantitatively, these nowcasts are skillful without resorting to blurring. We show that generative nowcasting can provide probabilistic predictions that improve forecast value and support operational utility, and at resolutions and lead times where alternative methods struggle.

연구 동기 및 목표

• 전통적인 레이더 어드벡션 및 제약 없는 딥러닝 현재예보 방법의 한계에 대응하기.
• 현실적이고 시공간적으로 일관된 강수 현재예보를 생성하는 확률적이고 생성적인 모델을 개발하기.
• 실제 의사결정을 위한 유용한 예측을 산출하는 운영적 활용도와 정확도를 입증하기.

제안 방법

• 레이더 기반 강수 현재예보를 위한 심층 생성 모델을 개발하기.
• 불확실성과 희귀 사건을 포착하기 위한 확률적 예측을 제공하기.
• 큰 영역(최대 1536 km × 1280 km)과 예측기간(5–90분)에서 시공간 일관성을 보장하기.
• 정확도, 유용성, 물리적 타당성을 평가하기 위해 전문 예보관과 예측을 비교 평가하기.

실험 결과

연구 질문

• RQ1 심층 생성 모델이 확률적이고 흐려지지 않는 현재예보를 생성하되 더 긴 리드타임에서도 솜씨를 유지할 수 있는가?
• RQ2 생성적 현재예보가 기존 방법에 비해 운영상 가치와 물리적 통찰을 향상시키는가?
• RQ3 예측이 큰 지리적 규모와 다양한 강수 강도에서 실제 예보관들에게 정확하고 유용한가?

주요 결과

• 생성 모델은 5–90분의 리드타임에 대해 최대 1536 km × 1280 km의 영역에서 현실적이고 시공간적으로 일관된 예측을 산출한다.
• Met Office 예보관 50명 이상을 대상으로 한 공식 평가에서 이 모델은 두 경쟁 방법 대비 88%의 사례에서 정확도와 유용성 면에서 1위를 차지했다.
• 정량적 검증은 과도한 흐림 없이 숙련된 현재예보를 보이며 예측 가치를 높이는 확률적 예측을 제공한다.
• 생성적 현재예보는 다른 방법이 어려움을 겪는 규모에서도 향상된 확률 예측과 운영적 활용도를 제공한다.