Статистика вывода модели - Model output statistics

Статистика вывода модели (MOS) является кратным линейная регрессия техника, в которой предсказывает, часто приповерхностные количества, такие как 2-метровый (AGL) воздух температура, горизонтальный видимость, и ветер направление, скорость и порывы ветра, связаны статистически с одним или несколькими предикторами. Предикторы обычно представляют собой прогнозы от численный прогноз погоды (ЧПП) модель, климатические данные и, если применимо, недавние приземные наблюдения. Таким образом, выходные данные моделей ЧПП могут быть преобразованы с помощью техники MOS в разумные погодные параметры, которые знакомы «человеку с улицы».

Фон

Выходные данные непосредственно из самого нижнего слоя (уровней) модели ЧПП обычно не используются прогнозистами, потому что фактические физические процессы, которые происходят в пределах Земли пограничный слой грубо аппроксимируются в модели (т. е. физические параметризации ) наряду с относительно низким разрешением по горизонтали. Из-за этой недостаточной точности и несовершенного начального состояния прогнозы приповерхностных величин, полученные непосредственно из модели, подвержены систематическим (систематическим (систематическим) и случайным ошибкам модели, которые имеют тенденцию расти со временем.[1][2]

При разработке уравнений MOS прошлые наблюдения и поля прогноза модели ЧПП из архивов используются с регрессией скрининга для определения «лучших» предикторов и их коэффициентов для конкретного предсказания и времени прогноза. Благодаря использованию архивных выходных данных прогноза модели наряду с проверкой приземных наблюдений полученные уравнения неявно учитывают физические эффекты и процессы, которые лежащая в основе численная модель прогнозирования погоды не может явно разрешить, что приводит к гораздо лучшим прогнозам значимых погодных величин. Помимо исправления систематических ошибок, MOS может рассчитывать достоверные вероятности погодных явлений на основе одного прогона модели. Напротив, несмотря на огромное количество вычислительных ресурсов, затрачиваемых на их создание, относительная частота событий прогнозов ансамблевой модели - часто используемая в качестве показателя вероятности - не демонстрирует полезной надежности.[3] Таким образом, выходные данные ансамблевой модели ЧПП также требуют дополнительной постобработки для получения надежных вероятностных прогнозов с использованием таких методов, как Неоднородная гауссова регрессия[4] или другими способами.[5][6]

История

Соединенные Штаты

MOS была задумана, и началось планирование ее использования в США. Национальная служба погоды Лаборатория разработки методов (TDL) (NWS) в 1965 году, и первые прогнозы по ней были опубликованы в 1968 году.[7] С тех пор TDL, теперь Лаборатория метеорологического развития (MDL) продолжала создавать, уточнять и обновлять наборы уравнений MOS по мере того, как дополнительные модели ЧПП были разработаны и введены в действие в Национальном метеорологическом центре (NMC), а затем Центр экологического моделирования или EMC.[8]

Учитывая его многолетнюю историю в NWS США и его постоянное совершенствование и превосходство над результатами прямой модели ЧПП, руководство MOS по-прежнему является одним из самых ценных инструментов прогнозирования, используемых прогнозистами в агентстве.[9]

Реализация руководства MOS

Соединенные Штаты

В настоящее время MDL предоставляет восемь наборов руководств MOS, операционных и экспериментальных, охватывающих промежуток времени от следующего часа до 10 дней для Соединенных Штатов и большей части их территорий.[примечание 1]

ИмяЧастота обновления
Программа Localized Aviation MOS (LAMP)Каждый час
Североамериканский мезомасштаб (NAM) MOSДва раза в день
Глобальная система краткосрочного прогнозирования (GFS) MOSКаждые шесть часов
GFS MOS расширенного диапазонаДва раза в день
Североамериканская система ансамблевого прогноза MOSДва раза в день
На короткие расстояния ЕЦСПП MOS[заметка 2]Два раза в день
ECMWF MOS расширенного диапазона[заметка 2]Два раза в день
Ансамбль ECMWF MOS[заметка 2]Два раза в день

Вложенная модель сетки Производство MOS было прекращено в 2009 году.[10]

Первоначально руководство MOS было разработано для аэропортов и других фиксированных мест, где METAR (или аналогичные отчеты) выпускались регулярно. Поэтому руководство MOS было и продолжает предоставляться в буквенно-цифровом формате «бюллетеня» для этих мест. Вот пример краткосрочного прогноза MOS для аэропорта Клинтон-Шерман, Оклахома (KCSM), основанного на EMC Глобальная система прогнозов выход модели.

РУКОВОДСТВО KCSM GFS MOS 8.06.2014, 12:00 UTC
DT / AUG 6 / AUG 7 / AUG 8 / AUG 9 HR 18 21 00 03 06 09 12 15 18 21 00 03 06 09 12 15 18 21 00 06 12 N / X 71 101 74 104 72 TMP 90 96 94 84 78 74 72 84 95100 98 87 82 78 75 88 98102 99 80 73 DPT 65 62 62 63 63 63 64 65 63 60 60 62 63 63 64 65 63 60 61 63 63 CLD CL FW CL CL BK BK CL CL CL CL CL CL CL FW CL CL CL CL CL CL OV FW WDR 21 20 19 16 16 18 19 22 32 07 11 12 16 18 19 22 22 20 20 19 21 WSP 14 15 13 11 13 10 10 08 06 06 10 08 10 10 10 14 12 15 15 08 07 P06 2 9 6 1 2 4 2 4 2 6 5 P12 14 5 4 10 12 Q06 0 0 0 0 0 0 0 0 0 0 0 Q12 0 0 0 0 0 T06 29/27 38/21 22/6 8/2 26/14 24/8 16/5 12/4 27/18 20/7 T12 58/31 24/6 39/16 29/6 44/25 CIG 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 8 VIS 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 7 OBV N N N N N N N N N N N N N N N N N N N N

Описание бюллетеня GFS MOS ближнего действия здесь.

Благодаря наличию погоды в частных и государственных мезонеты,[11] новые методы объективного анализа и интерполяции,[12] Руководство GFS MOS с привязкой к сетке стало доступно в 2006 году.[13][14]

Дневная высокая температура MOS по координатной сетке над континентальной частью США за 6 августа 2014 года.

Преимущества и недостатки

Преимущество прогнозов MOS, разработанных в США, позволило

  • устранение предвзятости модели ЧПП,
  • предсказание Погода элементы, не прогнозируемые моделью ЧПП, например, видимость поверхности, облачный потолок высоты,
  • надежные вероятности двоичных событий, например вероятность осадков и (тяжелый) грозы,
  • надежные вероятности категориальных событий, например, вероятность четкого, рассеянного, нарушенного или пасмурная погода небеса.

Эти точки, хотя и очень желательны для прогнозистов, имеют свою цену. С самого начала разработка устойчивых уравнений МОП для конкретной модели ЧПП требовала, по крайней мере, двухлетнего архива выходных данных модели и наблюдений, в течение которых модель ЧПП должна оставаться неизменной или почти неизменной. Это требование необходимо для того, чтобы полностью уловить характеристики ошибок модели при широком разнообразии режимов метеорологического потока для любого конкретного места или региона. Экстремальные метеорологические явления, такие как необычные волны холода или жары, сильный дождь и снегопад, сильный ветер и т. Д., Важны для разработки надежных уравнений МОП. Большой архив моделей имеет наилучшие шансы запечатлеть такие события.

С 1970-х по 1980-е годы это требование не было очень обременительным, поскольку ЭМС Ученые (тогда еще NMC), будучи относительно ограниченными вычислительными ресурсами в то время, могли только относительно незначительные, постепенные улучшения своих моделей ЧПП. Однако с 1990-х годов модели ЧПП обновлялись все чаще, часто со значительными изменениями в физике и разрешающей способности сетки по горизонтали и вертикали.[15][16] Поскольку MOS корректирует систематические отклонения модели ЧПП, на которой она основана, любые изменения характеристик ошибок модели ЧПП влияют на руководство MOS, обычно отрицательно.[17][18] Это послужило причиной прекращения использования MOS для отдельных членов ансамбля GFS в апреле 2019 года; этот продукт не обновлялся с 2009 года, и NOAA решило прекратить предлагать этот продукт вместо того, чтобы обновлять его.[19]

В случае серьезного обновления модели ЧПП, ЭМС будет запускать новую версию модели параллельно с операционной в течение многих месяцев, чтобы можно было напрямую сравнивать характеристики модели.[20] Помимо параллельных прогонов в реальном времени, EMC также запускает новую модель для изучения прошлых событий и сезонов, то есть ретроспективных прогнозов.

Все эти запуски обновленной модели позволяют Национальной метеорологической службе, Центр прогнозов погоды (WPC), Национальный центр ураганов (NHC) и Центр прогнозирования штормов (SPC), чтобы оценить его работу до принятия решения о принятии или отклонении его для эксплуатационного использования. Ученые MDL использовали эти прогоны для оценки и переформулировки уравнений MOS по мере необходимости, чтобы избежать ухудшения качества наведения.[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 включает изменения в их региональную модель ЧПП без необходимости в длинном архиве моделей.[24] Канадская система UMOS генерирует двухдневный прогноз температуры, скорости и направления ветра, а также вероятности осадков (POP). Прогнозы температуры и ветра для UMOS предоставляются с 3-часовыми интервалами, а POP - с 6-часовыми интервалами.

Ученые из Национального университета Конджу также внедрили систему UMOS для создания прогнозов температуры воздуха над Южной Кореей.[25] Неясно, используется ли он в оперативном Корейское метеорологическое управление.

Примечания

  1. ^ Гуам и окружающие Северные Марианские острова доступно только руководство GFS MOS
  2. ^ а б c Доступ к ECMWF MOS ограничен NOAA организация из-за Европейский центр среднесрочных прогнозов погоды Авторские права политика.

Рекомендации

  1. ^ Лоренц, Эдвард Н. (март 1963 г.). «Детерминированный непериодический поток». Журнал атмосферных наук. 20 (2): 130–141. Bibcode:1963JAtS ... 20..130L. Дои:10.1175 / 1520-0469 (1963) 020 <0130: DNF> 2.0.CO; 2.
  2. ^ Simmons, A.J .; Mureau, R .; Петролягис, Т. (1995). «Оценка роста ошибок предсказуемости из системы прогнозирования ECMWF». Кварта. Дж. Рой. Метеор. Soc. 121 (527): 1739–1771. Дои:10.1002 / qj.49712152711.
  3. ^ Рудак, Дэвид; Гирарделли, Джуди (август 2010). «Сравнительная проверка программы статистики вывода локализованной авиационной модели (LAMP) и прогноза модели численного прогнозирования погоды (NWP) высоты потолка и видимости». Погода и прогнозирование. 25 (4): 1161–1178. Bibcode:2010WtFor..25.1161R. Дои:10.1175 / 2010WAF2222383.1.
  4. ^ Jewson, S .; Brix, A .; Зиманн, К. (2004). «Новая параметрическая модель для оценки и калибровки среднесрочных ансамблевых прогнозов температуры». Письма об атмосфере. 5 (5): 96–102. arXiv:физика / 0308057. Дои:10.1002 / asl.69.
  5. ^ Wilks, Daniel S .; Хэмилл, Томас М. (июнь 2007 г.). "Сравнение ансамблевых МОП-методов с использованием прогнозов GFS". Ежемесячный обзор погоды. 135 (6): 2379–2390. Bibcode:2007MWRv..135.2379W. Дои:10.1175 / MWR3402.1.
  6. ^ Veehuis, Брюс (июль 2013 г.). «Калибровка распространения ансамблевых МОП-прогнозов». Ежемесячный обзор погоды. 141 (7): 2467–2482. Bibcode:2013MWRv..141.2467V. Дои:10.1175 / MWR-D-12-00191.1.
  7. ^ Глан, Гарри Р .; Даллавалле, Дж. Пол (январь 2000 г.). "TDL Office Note 00-1: MOS-2000" (PDF). Внутренняя публикация. Сильвер-Спринг, Мэриленд, США: Лаборатория разработки методов: 179. Архивировано из оригинал (PDF) 12 августа 2014 г.. Получено 9 августа 2014.
  8. ^ Картер, Гэри М .; Даллевалле, Дж. Пол; Глан, Гарри Р. (сентябрь 1989 г.). «Статистические прогнозы на основе системы численного прогнозирования погоды Национального метеорологического центра». Погода и прогнозирование. 4 (3): 401–412. Bibcode:1989 Вт для ... 4..401C. Дои:10.1175 / 1520-0434 (1989) 004 <0401: SFBOTN> 2.0.CO; 2.
  9. ^ Не опубликовано. «Ежегодный опрос пользователей MDL 2011» (PDF). стр. 25–27. Получено 3 августа 2014.
  10. ^ Журнал изменений MOS. Проверено 12 мая 2019 года.
  11. ^ NOAA, Лаборатория исследования земных систем. "Информация о наземной сети MADIS". Архивировано из оригинал 12 августа 2014 г.. Получено 7 августа 2014.
  12. ^ Глан, Боб; Им, Дж. (Январь 2011 г.). «Алгоритмы эффективного объективного анализа приземных погодных переменных». 24-я конф. О погоде и прогнозировании / 20-я конф. О численном прогнозировании погоды (J19.4). Получено 7 августа 2014.
  13. ^ Глан, Боб; Гилберт, Кэтрин; Косгроув, Ребекка; Руфь, Дэвид; Листы, Кари (апрель 2009 г.). «Объединение МОПов». Погода и прогнозирование. 24 (2): 520–529. Bibcode:2009WtFor..24..520G. Дои:10.1175 / 2008WAF2007080.1.
  14. ^ Национальная служба погоды. «Национальная база данных цифрового руководства».
  15. ^ Центр экологического моделирования, Отделение мезомасштабного моделирования. «Справочный список веб-страниц мезомасштабных ветвей». Получено 7 августа 2014.
  16. ^ Центр экологического моделирования, глобальный филиал. «[GFS / GDAS] Изменения с 1991 года». Получено 7 августа 2014.
  17. ^ Эриксон, Мэри С. (март 1991 г.). «Оценка влияния изменений RAFS на руководство MOS на основе NGM». Погода и прогнозирование. 6 (1): 142–147. Bibcode:1991WtFor ... 6..142E. Дои:10.1175 / 1520-0434 (1991) 006 <0142: ETIORC> 2.0.CO; 2.
  18. ^ Эриксон, Мэри С .; Даллавалле, Дж. Пол; Кэрролл, Кевин Л. (январь 2002 г.). «Новая разработка AVN / MRF MOS и изменения модели: непостоянная смесь?». 16-я конференция по вероятности и статистике в атмосферных науках. Получено 5 августа 2014.
  19. ^ SCN19-23: Прекращение использования продукта (MEN) на основе Глобальной системы ансамблевого прогнозирования (GEFS) на основе статистики выходных данных моделей (MOS) примерно 16 апреля 2019 г. Проверено 12 мая 2019 г.
  20. ^ Национальные центры экологического прогнозирования, Центр экологического моделирования. «Карта результатов проверки EMC». Архивировано из оригинал 12 августа 2014 г.. Получено 12 августа 2014.
  21. ^ Антолик, Марк; Бейкер, Майкл (2 июня 2009 г.). «О возможности разработки наведения MOS с короткими зависимыми выборками из развивающейся численной модели» (PDF). 23-я конференция по анализу и прогнозированию погоды / 19-я конференция по численному прогнозированию. 6A.1. Получено 9 августа 2014.
  22. ^ Schmeits, Maurice J .; Kok, Kees J .; Фогелезанг, Даан Х. П. (апрель 2005 г.). «Вероятностное прогнозирование (сильных) гроз в Нидерландах с использованием статистики выходных данных модели». Погода и прогнозирование. 20 (2): 134–148. Bibcode:2005WtFor..20..134S. Дои:10.1175 / WAF840.1.
  23. ^ ван Гастель, Валентийн. «Исследование данных MSG-SEVIRI в качестве дополнительного источника прогнозирования в системе вероятностного (сильного) прогнозирования грозы KNMI» (PDF). Koninklijk Nederlands Meteorologisch Instituut. Публикация Королевского метеорологического института Нидерландов (KNMI). Получено 9 августа 2014.
  24. ^ Уилсон, Лоуренс; Валле, Марсель (апрель 2002 г.). «Канадская система статистики вывода обновляемых моделей (UMOS): испытания проектирования и разработки». Погода и прогнозирование. 17 (2): 206–222. Bibcode:2002Вт для..17..206Вт. Дои: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 выходной статистики обновляемых моделей (UMOS) для температуры воздуха над Южной Кореей». Азиатско-Тихоокеанский журнал атмосферных наук. 47 (2): 199–211. Bibcode:2011APJAS..47..199K. Дои:10.1007 / s13143-011-0009-8.

дальнейшее чтение

  • Уилкс, Дэниел С. (2006). Статистические методы в атмосферных науках (Второе изд.). Академическая пресса. п. 627. ISBN  0-12-751966-1.