[論文レビュー] Comparison of multivariate post-processing methods using global ECMWF ensemble forecasts

M Lakatos, Sebastian Lerch+2 more|arXiv (Cornell University)|Jun 21, 2022

Climate variability and models被引用数 9

ひとこと要約

本研究では、単変量EMOSによる補正の後、経験的コプーラを用いた依存構造再構築を行うことで、グローバルECMWFアンサンブル予報の多変量後処理手法を評価する。ECC-Qという単純な手法が、より複雑なアンサンブルコプーラ結合（ECC）やシャーケシャッフル（SSh）の変種を上回ることを明らかにした。これは、基本的な多変量キャリブレーションが低コストで高い性能を示すことを示しており、今後の研究における強固なベンチマークである。

ABSTRACT

An influential step in weather forecasting was the introduction of ensemble forecasts in operational use due to their capability to account for the uncertainties in the future state of the atmosphere. However, ensemble weather forecasts are often underdispersive and might also contain bias, which calls for some form of post-processing. A popular approach to calibration is the ensemble model output statistics (EMOS) approach resulting in a full predictive distribution for a given weather variable. However, this form of univariate post-processing may ignore the prevailing spatial and/or temporal correlation structures among different dimensions. Since many applications call for spatially and/or temporally coherent forecasts, multivariate post-processing aims to capture these possibly lost dependencies. We compare the forecast skill of different nonparametric multivariate approaches to modeling temporal dependence of ensemble weather forecasts with different forecast horizons. The focus is on two-step methods, where after univariate post-processing, the EMOS predictive distributions corresponding to different forecast horizons are combined to a multivariate calibrated prediction using an empirical copula. Based on global ensemble predictions of temperature, wind speed and precipitation accumulation of the European Centre for Medium-Range Weather Forecasts from January 2002 to March 2014, we investigate the forecast skill of different versions of Ensemble Copula Coupling (ECC) and Schaake Shuffle (SSh). In general, compared with the raw and independently calibrated forecasts, multivariate post-processing substantially improves the forecast skill. While even the simplest ECC approach with low computational cost provides a powerful benchmark method, recently proposed advanced extensions of the ECC and the SSh are found to not provide any significant improvements over their basic counterparts.

研究の動機と目的

• グローバルECMWFアンサンブルデータに対する非パラメトリックな多変量後処理手法の予報精度を評価すること。
• 単一変量EMOS補正後の時間的依存構造を再構築する際、アンサンブルコプーラ結合（ECC）およびシャーケシャッフル（SSh）の異なる変種の性能を比較すること。
• 最近提案されたmdSShやsimSShのような高度な手法が、基本的手法を上回る予報品質の向上をもたらすかどうかを検証すること。
• 季節的選択および歴史的経路サンプリングの多変量予報の信頼性への影響を評価すること。
• 実世界のデータと包括的な検証を用いて、多変量後処理の強固なベンチマークを確立すること。

提案手法

• 2m温度、10m風速、24時間降水量積算予報のバイアスと不足分散を是正するため、アンサンブルモデル出力統計（EMOS）を用いて単変量後処理を実施する。
• 2段階のアプローチを採用する：まずEMOSで周辺的予測分布を生成し、次に経験的コプーラを用いて予報期間（1〜10日）に跨る時間的依存構造を再構築する。
• ECCでは、元のNWPアンサンブルから依存テンプレートを抽出する。SShでは、歴史的観測データから抽出し、季節的または類似性に基づく選択を用いる。
• 5種類のSSh変種をテストした：基本的SSh、mdSSh（複数日選択）、simSSh（類似性ベース選択）、および季節的および空間的制約を用いた2つの他の変種。
• ECCの4種類の変種を評価した。ECC-Q（等間隔分位数サンプリング）を含み、時間的依存構造に焦点を当てる。
• 検証には、2002年1月から2014年3月までのSYNOP観測所のデータ（4160か所）を用いた。

実験結果

リサーチクエスチョン

• RQ1 SShにおける季節的または類似性ベースの選択が、ランダムサンプリングに比べて予報性能を向上させるか？
• RQ2 高度なECCおよびSSh変種が、基本的手法（ECC-QおよびSSh）を上回る多変量予報スキルを示すか？
• RQ3 多変量後処理の性能は、気象変数（温度、風速、降水量）および予報期間に応じてどのように変化するか？
• RQ4 依存テンプレートの選択（NWPアンサンブル対歴史的観測データ）が予報信頼性に与える影響はどの程度か？
• RQ5 単純なECC-Q手法が、今後の多変量後処理研究における強力で低コストなベンチマークとして機能できるか？

主な発見

• 基本的ECC-Q手法は、より複雑なECCおよびSShの変種を常に上回り、最小限の計算コストで高い予報精度を示した。
• mdSShやsimSShといった高度なSSh変種は、関連する歴史的経路の使用割合を著しく向上させた（中央値を23.0％から43.4％に増加）が、特に季節的変動が顕著な条件下で顕著であった。
• 改善されたサンプリング戦略にもかかわらず、mdSShやsimSShは基本的SShに比べて顕著な性能向上を示さず、複雑化による追加の利点は限定的であった。
• 二重ECC（dECC）およびその他の高度なECC拡張手法も、ECC-Qに比べて一貫した改善を示さず、ECC-Qが強固なベンチマークとしての役割を強化した。
• 本研究は、多変量後処理が、生予報および独立的補正済み予報に比べて予報精度を顕著に向上させることを確認した。特に時間的整合性の捉え込みが顕著に改善された。
• 結果は先行するシミュレーション研究と整合的であり、特定の高度な手法がすべての条件下で一貫して優位であるとは限らず、単純さがしばしば十分であることが示唆された。