[论文解读] A new low-cost technique improves weather forecasts across the world

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

Meteorological Phenomena and Simulations参考文献 56被引用 8

一句话总结

本文提出一种低成本的统计后处理技术，通过建模集合预报中的网格箱尺度天气变异性与偏差，显著提升全球天气预报性能。通过利用全球数据——将降雨对全球一视同仁——该方法将极端降雨预报的有效提前期从不足1天延长至5天，标志着在超越历史进展的预报能力方面取得突破。

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.

研究动机与目标

• 解决数值天气预报中因网格箱尺度变异性导致的站点特定预报失败的长期局限性。
• 克服极端天气（尤其是强降雨）有用预报提前期短的限制。
• 开发一种可扩展、低成本的后处理技术，在无需新模型物理机制或高计算成本的前提下提升预报技能。
• 通过增强的统计校准，实现全球逐点再分析，并改进洪水突发预警。

提出的方法

• 该方法以集合预报为输入，估算两个关键的网格箱尺度因素：局部天气变异性与系统性偏差。
• 采用统计校准框架，秉持‘无论何处发生，阵雨皆为阵雨’的理念——实现全球数据池化，极大扩充校准数据集规模。
• 该技术摒弃了传统假设中仅本地观测应指导本地预报的观点，转而利用全球气象模式。
• 将气象学理解融入校准过程，提升模型在不同气候与区域中的鲁棒性。
• 该方法完全自动化且计算高效，适用于实时预报系统中的业务应用。
• 通过校正历史预报中的系统性误差，实现全球逐点再分析的生成。

实验结果

研究问题

• RQ1 低成本统计后处理方法能否显著延长极端降雨预报的有效提前期，超越当前不足1天的限制？
• RQ2 与仅依赖本地数据的方法相比，将阵雨视为普遍相似的全球数据池化，如何提升预报校准与技能？
• RQ3 在统计后处理中，可将气象学理解嵌入到何种程度，以纠正网格箱预报中的系统性偏差与变异性？
• RQ4 该方法能否从历史集合预报中生成可靠的全球逐点再分析？
• RQ5 该技术对业务化洪水突发预警系统有何影响？

主要发现

• 该方法将极端降雨预报的有效提前期从无后处理时的不足1天延长至5天。
• 全球各区域的预报技能显著提升，尤其在对流性天气与高影响天气事件中提升最为明显。
• 该技术在预报技能方面实现了相对于历史数值天气预报进展的突破性进步。
• 通过将阵雨视为普遍相似，该方法显著扩大了有效校准数据集规模，从而生成更稳健的统计模型。
• 该方法实现了全球逐点再分析的生成，为揭示模型弱点与物理过程提供了新见解。
• 该方法在预报可靠性与分辨率方面表现出一致的改进，尤其在短期高影响天气事件中更为显著。