[論文レビュー] Comparison of BMA and EMOS statistical calibration methods for temperature and wind speed ensemble weather prediction

Sándor Baran, Ándrás Horányi+1 more|arXiv (Cornell University)|Dec 13, 2013

Meteorological Phenomena and Simulations参考文献 19被引用数 6

ひとこと要約

本研究では、ALADIN-HUNEPSアンサンブルシステムからの2m温度および10m風速予報の補正に、ベイジアンモデル平均（BMA）とアンサンブルモデル出力統計（EMOS）を比較した。ローリング訓練期間を用いて、両手法とも生アンサンブルに比べて予報の信頼性と精度が向上した。特に、切り捨て正規分布を用いたBMAが、CRPS、カバレッジ、シャープネスの指標においてEMOSをわずかに上回った。

ABSTRACT

The evolution of the weather can be described by deterministic numerical weather forecasting models. Multiple runs of these models with different initial conditions and/or model physics result in forecast ensembles which are used for estimating the distribution of future atmospheric variables. However, these ensembles are usually under-dispersive and uncalibrated, so post-processing is required. In the present work we compare different versions of Bayesian Model Averaging (BMA) and Ensemble Model Output Statistics (EMOS) post-processing methods in order to calibrate 2m temperature and 10m wind speed forecasts of the operational ALADIN Limited Area Model Ensemble Prediction System of the Hungarian Meteorological Service. We show that compared to the raw ensemble both post-processing methods improve the calibration of probabilistic and accuracy of point forecasts and that the best BMA method slightly outperforms the EMOS technique.

研究の動機と目的

• 運用アンサンブル気象予報におけるBMAおよびEMOS統計的後処理手法の性能を評価・比較すること。
• 2m温度および10m風速の確率的および点予報の精度向上を評価すること。
• 実運用データを用いて、BMAとEMOSのどちらがより優れた補正、シャープネス、信頼性を提供するかを特定すること。
• バイアス補正および分布仮定の影響が予報性能に与える影響を調査すること。

提案手法

• BMAは、ローリング訓練ウィンドウ期間中の歴史的パフォーマンスに基づいて重み付けされた、アンサンブルメンバーの個々の確率密度関数（PDF）の重み付き和として予測分布を構築する。
• EMOSは、パrametricな分布族（例：正規分布、ガンマ分布）を用いて予測分布をモデル化し、そのパラメータをアンサンブル統計の線形関数として定式化する。
• 温度予報には切り捨て正規分布を、風速予報にはガンマ分布および切り捨て正規分布をBMAでテストした。
• モデルパラメータは、季節的およびシステム変化に適応できるよう、ローリング訓練期間を用いて推定した。
• 性能評価には、CRPS、MAE、RMSE、予測区間のカバレッジ、ランクヒストグラムを用いた。
• BMAではバイアス補正を実施し、ガンマ分布および切り捨て正規分布モデルで異なる戦略をテストした。

実験結果

リサーチクエスチョン

• RQ1 ALADIN-HUNEPSシステムからの2m温度および10m風速予報の補正において、BMAとEMOSの両手法は、信頼性と精度の向上にどの程度寄与するか？
• RQ2 ガンマ分布BMAと切り捨て正規分布BMAのうち、どちらのバリエーションが優れているか、その理由は何か？
• RQ3 点予報精度および信頼性の観点から、EMOSはBMAを上回る性能を示すか？
• RQ4 バイアス補正手順は、BMAモデルの性能にどのように影響するか？
• RQ5 異なる分布仮定は、予報のシャープネスおよび信頼性にどの程度影響を与えるか？

主な発見

• 切り捨て正規分布BMAモデルは、温度予報において最低のCRPS（中央値：1.0449、平均：1.0478）と最高のカバレッジ（85.46％）を達成し、EMOSおよびガンマBMAを上回った。
• 風速予報においても、切り捨て正規分布BMAモデルは最低のCRPS（中央値：1.3696、平均：1.3772）、最高のカバレッジ（85.08％）、および最もシャープな予測区間を示した。
• EMOSは、温度および風速両方の予報で最低のMAE（1.0384）およびRMSE（1.3583）を記録し、点予報精度が優れていた。
• ガンマBMAモデルは、PITフィットとシャープネスは良好であったが、点予報性能は低く、MAE（1.0754）およびRMSE（1.4192）が高く、中央値バイアス（-0.1935）も顕著であった。
• EMOSモデルは、温度（88.06％）および風速（88.25％）の両方で最高の全体的信頼性を示し、PITが最も均一であった。
• 確率的指標では切り捨て正規分布BMAがEMOSを上回ったが、点予報精度ではEMOSがわずかにBMAを上回ったが、差は小さかった。