Статистика выходных данных модели

В прогнозировании погоды статистика выходных данных модели ( MOS ) представляет собой метод множественной линейной регрессии , в котором предикторы, часто приповерхностные величины (такие как температура воздуха на высоте двух метров над землей , горизонтальная видимость , направление ветра , скорость и порывы ), статистически связаны с одним или несколькими предикторами. Предикторы обычно представляют собой прогнозы из модели численного прогноза погоды (NWP), климатические данные и, если применимо, недавние наблюдения за поверхностью. Таким образом, выходные данные моделей NWP могут быть преобразованы методом MOS в разумные параметры погоды, которые знакомы неспециалисту.

Фон

Выходные данные непосредственно из самого нижнего слоя(ев) модели ЧПП обычно не используются прогнозистами, поскольку фактические физические процессы, происходящие в пограничном слое Земли , грубо аппроксимируются в модели (т. е. физические параметризации ) вместе с ее относительно грубым горизонтальным разрешением. Из-за этого недостатка точности и несовершенного начального состояния прогнозы приповерхностных величин, полученные непосредственно из модели, подвержены систематическим (смещению) и случайным ошибкам модели, которые имеют тенденцию расти со временем. [1] [2]

При разработке уравнений MOS прошлые наблюдения и архивные поля прогнозов модели ЧПП используются с регрессионным скринингом для определения «лучших» предикторов и их коэффициентов для конкретного прогноза и времени прогноза. Используя архивные выходные данные прогноза модели вместе с проверкой поверхностных наблюдений, полученные уравнения неявно учитывают физические эффекты и процессы, которые базовая численная модель прогноза погоды не может явно разрешить, что приводит к гораздо лучшим прогнозам разумных погодных величин. В дополнение к исправлению систематических ошибок, MOS может производить надежные вероятности погодных событий из одного прогона модели. Напротив, несмотря на огромное количество вычислительных ресурсов, выделенных на их создание, относительная частота событий ансамблевых моделей прогнозов — часто используемых в качестве прокси для вероятности — не демонстрирует полезной надежности. [3] Таким образом, выходные данные ансамблевой модели ЧПП также требуют дополнительной постобработки для получения надежных вероятностных прогнозов с использованием неоднородной гауссовой регрессии [4] или других методов. [5] [6]

История

Соединенные Штаты

MOS была задумана и планирование ее использования началось в Лаборатории разработки технологий (TDL) Национальной метеорологической службы США (NWS) в 1965 году, а первые прогнозы были выпущены ею в 1968 году. [7] С тех пор TDL, теперь Лаборатория развития метеорологии (MDL), продолжала создавать, совершенствовать и обновлять наборы уравнений MOS по мере того, как дополнительные модели ЧПП разрабатывались и вводились в эксплуатацию в Национальном метеорологическом центре (NMC), а затем в Центре моделирования окружающей среды или EMC. [8]

Учитывая его многолетнюю историю в Национальной метеорологической службе США, а также его постоянное совершенствование и превосходные характеристики по сравнению с прямыми результатами моделей ЧПП, руководство MOS по-прежнему остается одним из самых ценных инструментов прогнозирования, используемых прогнозистами в агентстве. [9]

Прогноз США

MDL предоставляет восемь наборов руководств MOS, оперативных и экспериментальных, охватывающих период времени от ближайшего часа до десяти дней для Соединенных Штатов и большинства их территорий. [примечание 1]

ИмяЧастота обновления
Локализованная программа авиационной MOS (LAMP)Каждый час
Североамериканский мезомасштаб (NAM) MOSДважды в день
Система глобального краткосрочного прогнозирования (GFS) MOSКаждые шесть часов
GFS MOS расширенного диапазонаДважды в день
Североамериканская система ансамблевого прогнозирования MOSДважды в день
MOS ECMWF ближнего действия [примечание 2]Дважды в день
Расширенный диапазон ECMWF MOS [примечание 2]Дважды в день
Ансамбль ECMWF MOS [примечание 2]Дважды в день

Вложенная сеточная модель MOS была прекращена в 2009 году. [10]

Первоначально руководство MOS было разработано для аэропортов и других фиксированных мест, где регулярно выпускались сводки METAR (или аналогичные отчеты). Поэтому руководство MOS предоставлялось и продолжает предоставляться в формате буквенно-цифрового «бюллетеня» для этих мест. Ниже приведен пример краткосрочного прогноза MOS для аэропорта Клинтон-Шерман, Оклахома (KCSM), основанного на выходных данных модели Глобальной системы прогнозирования EMC.

РУКОВОДСТВО KCSM GFS MOS 08.06.2014 1200 UTC
DT /6 АВГ/7 АВГ /8 АВГ /9 АВГHR 18 21 00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00 06 12Н/Х 71 101 74 104 72ТМП 90 96 94 84 78 74 72 84 95100 98 87 82 78 75 88 98102 99 80 73ДПТ 65 62 62 63 63 63 64 65 63 60 60 62 63 63 64 65 63 60 61 63 63CLD CL FW CL CL BK BK CL CL CL CL CL CL CL FW CL CL CL CL CL OV FWВДР 21 20 19 16 16 18 19 22 32 07 11 12 16 18 19 22 22 20 20 19 21ВСП 14 15 13 11 13 10 10 08 06 06 10 08 10 10 10 14 12 15 15 08 07П06 2 9 6 1 2 4 2 4 2 6 5П12 14 5 4 10 12Q06 0 0 0 0 0 0 0 0 0 0 0В12 0 0 0 0 0T06 29/27 38/21 22/6 8/2 26/14 24/8 16/5 12/4 27/18 20/7Т12 58/31 24/6 39/16 29/6 44/25 КИГ 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8ВИС 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7OBV NNNNNNNNNNNNNNNNNNNN

С появлением частных и государственных метеорологических мезонетей [ 11] в 2006 году стали доступны новые методы объективного анализа и интерполяции [12] сеточные руководства GFS MOS. [13] [14]

Сетка данных MOS о максимальной дневной температуре над территорией США за 6 августа 2014 г.

Преимущества и недостатки

Преимущество прогнозного руководства MOS, разработанного в Соединенных Штатах, позволило

  • устранение смещения модели ЧПП,
  • прогнозирование элементов погоды , не прогнозируемых моделью ЧПП, например, видимости на поверхности, высоты нижней границы облаков ,
  • надежные вероятности бинарных событий, например, вероятность осадков и (сильных) гроз ,
  • надежные вероятности категориальных событий, например, вероятность ясного, рассеянного, разорванного или пасмурного неба.

Эти моменты, хотя и очень желанные прогнозистами, имеют свою цену. С самого начала разработка надежных уравнений MOS для конкретной модели ЧПП требовала как минимум двух лет архивных модельных выходных данных и наблюдений, в течение которых модель ЧПП должна оставаться неизменной или почти неизменной. Это требование необходимо для того, чтобы полностью охватить характеристики погрешности модели при широком спектре метеорологических режимов потока для любого конкретного местоположения или региона. Экстремальные метеорологические явления, такие как необычные волны холода или тепла, сильный дождь и снегопад, сильный ветер и т. д., важны для разработки надежных уравнений MOS. Длинный архив моделей имеет наилучшие шансы охватить такие события.

С 1970-х и до 1980-х годов это требование не было очень обременительным, поскольку ученые EMC (тогда NMC), будучи относительно ограниченными вычислительными ресурсами в то время, могли вносить только относительно незначительные, постепенные улучшения в свои модели NWP. Однако с 1990-х годов модели NWP обновлялись чаще, часто со значительными изменениями в физике и разрешениях горизонтальной и вертикальной сетки. [15] [16] Поскольку MOS исправляет систематические смещения модели NWP, на которой она основана, любые изменения в характеристиках ошибок модели NWP влияют на руководство MOS, как правило, отрицательным образом. [17] [18] Это стало фактором прекращения поддержки MOS для отдельных членов ансамбля GFS в апреле 2019 года; этот продукт не обновлялся с 2009 года, и NOAA решила прекратить предлагать продукт вместо того, чтобы обновлять его. [19]

В случае существенного обновления модели ЧПП EMC будет запускать новую версию модели параллельно с рабочей в течение многих месяцев, чтобы обеспечить прямое сравнение производительности модели. [20] Помимо параллельных запусков в реальном времени, EMC также запускает новую модель для изучения прошлых событий и сезонов, т. е. ретроспективных прогнозов.

Все эти запуски обновленной модели позволяют Национальной метеорологической службе, Центру прогнозирования погоды (WPC), Национальному центру ураганов (NHC) и Центру прогнозирования штормов (SPC) оценить ее производительность до принятия решения о ее принятии или отклонении для оперативного использования. Ученые MDL воспользовались этими запусками для оценки и переформулирования уравнений MOS по мере необходимости, чтобы избежать ухудшения качества руководства. [21]

Другие погодные центры

Королевский метеорологический институт Нидерландов разработал систему MOS для прогнозирования вероятности (сильных) гроз в Нидерландах. [22] [23]

Ученые из Метеорологической службы Канады разработали систему постобработки под названием Updateable MOS (UMOS), которая быстро вносит изменения в их региональную модель ЧПП без необходимости в длинном архиве модели. [24] Канадская система UMOS генерирует 2-дневный прогноз температуры, скорости и направления ветра, а также вероятности осадков (POP). Прогнозы температуры и ветра UMOS предоставляются с интервалом в 3 часа, а POP — с интервалом в 6 часов.

Ученые из Национального университета Конджу также внедрили систему UMOS для создания прогнозов температуры воздуха над Южной Кореей. [25] Неясно, используется ли она в оперативном порядке в Корейской метеорологической администрации.

Примечания

  1. ^ На Гуаме и прилегающих Северных Марианских островах имеются только указания GFS MOS.
  2. ^ abc Доступ к ECMWF MOS ограничен организацией NOAA в связи с политикой Европейского центра среднесрочных прогнозов погоды в отношении авторских прав .

Ссылки

  1. ^ Лоренц, Эдвард Н. (март 1963 г.). «Детерминированный непериодический поток». Журнал атмосферных наук . 20 (2): 130– 141. Bibcode :1963JAtS...20..130L. doi : 10.1175/1520-0469(1963)020<0130:DNF>2.0.CO;2 .
  2. ^ Симмонс, А. Дж.; Мюро, Р.; Петролиагис, Т. (1995). «Оценки роста ошибок предсказуемости из системы прогнозирования ECMWF». QJR Meteorol. Soc . 121 (527): 1739– 1771. doi :10.1002/qj.49712152711.
  3. ^ Рудак, Дэвид; Жирарделли, Джуди (август 2010 г.). «Сравнительная проверка программы статистики выходных данных локализованной авиационной модели (LAMP) и прогноза модели численного прогноза погоды (NWP) по высоте потолка и видимости». Погода и прогнозирование . 25 (4): 1161– 1178. Bibcode : 2010WtFor..25.1161R. doi : 10.1175/2010WAF2222383.1 .
  4. ^ Jewishon, S.; Brix, A.; Ziehmann, C. (2004). «Новая параметрическая модель для оценки и калибровки среднесрочных ансамблевых прогнозов температуры». Atmospheric Science Letters . 5 (5): 96–102 . arXiv : physics/0308057 . doi :10.1002/asl.69.
  5. ^ Уилкс, Дэниел С.; Хэмилл, Томас М. (июнь 2007 г.). «Сравнение методов ансамбля MOS с использованием повторных прогнозов GFS». Monthly Weather Review . 135 (6): 2379– 2390. Bibcode : 2007MWRv..135.2379W. doi : 10.1175/MWR3402.1 .
  6. ^ Veehuis, Bruce (июль 2013 г.). «Распределенная калибровка ансамблевых прогнозов MOS». Monthly Weather Review . 141 (7): 2467– 2482. Bibcode : 2013MWRv..141.2467V. doi : 10.1175/MWR-D-12-00191.1 .
  7. ^ Glahn, Harry R.; Dallavalle, J. Paul (январь 2000 г.). "TDL Office Note 00-1:MOS-2000" (PDF) . Внутренняя публикация . Silver Spring Maryland USA: Techniques Development Laboratory: 179. Архивировано из оригинала (PDF) 12 августа 2014 г. Получено 9 августа 2014 г.
  8. ^ Картер, Гэри М.; Даллевалль, Дж. Пол; Глан, Гарри Р. (сентябрь 1989 г.). «Статистические прогнозы, основанные на системе численного прогнозирования погоды Национального метеорологического центра». Погода и прогнозирование . 4 (3): 401– 412. Bibcode :1989WtFor...4..401C. doi : 10.1175/1520-0434(1989)004<0401:SFBOTN>2.0.CO;2 .
  9. ^ Неопубликовано. " Ежегодный опрос пользователей MDL 2011" (PDF) . стр.  25–27 . Получено 3 августа 2014 .
  10. ^ Журнал изменений MOS. Получено 12 мая 2019 г.
  11. ^ NOAA, Лаборатория исследований систем Земли. "MADIS Surface Network Information". Архивировано из оригинала 12 августа 2014 года . Получено 7 августа 2014 года .
  12. ^ Глан, Боб; Им, Дж. С. (январь 2011 г.). «Алгоритмы для эффективного объективного анализа переменных погоды на поверхности». 24-я конференция. По погоде и прогнозированию/20-я конференция. По численному прогнозированию погоды (J19.4) . Получено 7 августа 2014 г.
  13. ^ Глан, Боб; Гилберт, Кэтрин; Косгроув, Ребекка; Рут, Дэвид; Шитс, Кари (апрель 2009 г.). «Сетка МОП». Погода и прогнозирование . 24 (2): 520–529 . Бибкод : 2009WtFor..24..520G. дои : 10.1175/2008WAF2007080.1 .
  14. ^ Национальная метеорологическая служба. «Национальная база данных цифровых ориентиров».
  15. ^ Центр моделирования окружающей среды, отделение моделирования мезомасштаба. "Список ссылок на веб-страницы отделения мезомасштаба" . Получено 7 августа 2014 г. .
  16. ^ Центр моделирования окружающей среды, Глобальное отделение. "[GFS/GDAS] Изменения с 1991 года" . Получено 7 августа 2014 г.
  17. ^ Эриксон, Мэри К. (март 1991 г.). «Оценка влияния изменений RAFS на руководство MOS на основе NGM». Погода и прогнозирование . 6 (1): 142– 147. Bibcode :1991WtFor...6..142E. doi : 10.1175/1520-0434(1991)006<0142:ETIORC>2.0.CO;2 .
  18. ^ Эриксон, Мэри К.; Даллавалле, Дж. Пол; Кэрролл, Кевин Л. (январь 2002 г.). «Новая разработка и изменения модели AVN/MRF MOS: взрывоопасная смесь?». 16-я конференция по вероятности и статистике в атмосферных науках . Получено 5 августа 2014 г.
  19. ^ SCN19-23: Прекращение выпуска продукции MOS на основе Глобальной системы ансамблевого прогнозирования (GEFS) (MEN) примерно 16 апреля 2019 г. Получено 12 мая 2019 г.
  20. ^ Национальные центры экологического прогнозирования, Центр экологического моделирования. "EMC Verification Scorecard". Архивировано из оригинала 12 августа 2014 года . Получено 12 августа 2014 года .
  21. ^ Антолик, Марк; Бейкер, Майкл (2 июня 2009 г.). «О возможности разработки руководства MOS с короткими зависимыми выборками из развивающейся числовой модели» (PDF) . 23-я конференция по анализу и прогнозированию погоды/19-я конференция по численному прогнозированию . 6A.1 . Получено 9 августа 2014 г. .
  22. ^ Шмейтс, Морис Дж.; Кок, Кис Дж.; Фогелезанг, Даан Х. П. (апрель 2005 г.). «Вероятностное прогнозирование (сильных) гроз в Нидерландах с использованием выходных статистических данных модели». Погода и прогнозирование . 20 (2): 134– 148. Bibcode : 2005WtFor..20..134S. doi : 10.1175/WAF840.1 .
  23. ^ ван Гастель, Валентин. «Исследование данных MSG-SEVIRI в качестве дополнительного источника прогнозов в системе вероятностного (сильного) прогнозирования гроз KNMI» (PDF) . Нидерландский метеорологический институт Конинклийк . Публикация Королевского метеорологического института Нидерландов (KNMI) . Проверено 9 августа 2014 г.
  24. ^ Уилсон, Лоренс; Валле, Марсель (апрель 2002 г.). «Канадская система статистики выходных данных обновляемой модели (UMOS): проектирование и тестирование разработки». Погода и прогнозирование . 17 (2): 206– 222. Bibcode :2002WtFor..17..206W. doi : 10.1175/1520-0434(2002)017<0206:TCUMOS>2.0.CO;2 .
  25. ^ Кан, Чон-Хо; Су, Мён-Сок; Хонг, Ки-Ок; Ким, Чансу (февраль 2011 г.). «Разработка системы обновляемой статистики выходных данных модели (UMOS) для температуры воздуха над Южной Кореей». Азиатско-Тихоокеанский журнал атмосферных наук . 47 (2): 199– 211. Bibcode : 2011APJAS..47..199K. doi : 10.1007/s13143-011-0009-8.

Дальнейшее чтение

  • Уилкс, Дэниел С. (2006). Статистические методы в атмосферных науках (Второе издание). Academic Press. стр. 627. ISBN 0-12-751966-1.
Получено с "https://en.wikipedia.org/w/index.php?title=Model_output_statistics&oldid=1258228340"