ナウキャスティングと統計的予測

今後数時間については、しばしば物理モデルよりも、レーダーエコーを前方へ外挿した予測や、モデル出力を局地的な気象に変換する統計的手法が、良好な予測への最速の道となる。

Definition

ナウキャスティングと統計的予測は、直接的な物理シミュレーションのみによるのではなく、最近の観測を外挿し、数値モデル出力に統計的関係を適用することによって、短期間で局地的に較正された気象予測を生成する技術である。

Scope

このトピックでは、ナウキャスティングのためのレーダーおよび衛星画像の補外、モデル出力統計、モデルガイダンスを較正し局地化する統計的後処理、アナログおよび回帰手法、そして新たな機械学習アプローチを含む、超短期間予測および統計的予測手法を扱う。

Core questions

• レーダーおよび衛星観測は、今後数時間の予測のためにどのように外挿されるのか？
• 統計的手法は、生のモデル出力を局地予測にどのように変換するのか？
• モデルのバイアスはどのように修正され、予測は観測に対してどのように較正されるのか？
• アナログ、回帰、機械学習の手法はどのような役割を果たすのか？

Key theories

外挿によるナウキャスティング

超短期間においては、レーダーエコーや衛星の雲パターンなどの観測された特徴を追跡し外挿する手法が、対流の詳細をスピンアップするのに時間が必要な数値モデルよりも優れていることが多い。

統計的後処理

モデル出力統計および関連手法は、数値モデルの予測因子と観測された気象との間に統計的関係を確立し、系統的なバイアスを修正し、確率を含む較正された地点固有の予測を生成する。

Mechanisms

ナウキャスティングは、急速に更新されるレーダーおよび衛星データにおけるコヒーレントな特徴を特定し、それらの最近の動きと進化を数分から数時間にわたって前方へ投影するものであり、リードタイムが長くなるにつれて初期のモデル出力をブレンドすることもある。一方、統計的予測は、数値モデルの場を予測因子として扱い、過去の予測と観測のペアで訓練された回帰、アナログ、または機械学習を用いて、バイアスを修正し、特定の地点にダウンスケールし、モデルが粗くしか表現できない変数の較正された決定論的および確率的予測を生成する。

Clinical relevance

ナウキャスティングは、航空、公共の安全、イベント管理が依存する雷雨、豪雨、鉄砲水に関する迅速な警報を提供する。一方、統計的後処理は、粗いモデル出力を、一般に提供され自動意思決定システムで使用される信頼性の高い地点固有の予測へと変換する。

History

統計的予測は、初期の回帰およびアナログ手法から発展し、1970年代にGlahnとLowryによってモデル出力統計として形式化され、数値モデルと局地予測の間の標準的な橋渡しとなった。ナウキャスティングは気象レーダーと静止衛星の進歩とともに発展し、現在では両分野とも、大規模な観測データセットとモデルデータセットで訓練された機械学習技術によって再構築されつつある。

Key figures

• Harry Glahn
• Daniel Wilks

Seminal works

• glahn1972
• wilks2011

Frequently asked questions

ナウキャスティングと予測の違いは何ですか？

ナウキャスティングは、主に現在のレーダーおよび衛星観測を外挿することによって行われる、通常数時間先までの超短期間予測であるのに対し、より長期間の予測は主に大気物理学の数値モデルに依存します。

なぜモデル出力に統計が適用されるのですか？

数値モデルには系統的なバイアスがあり、局地的な状況を粗くしか表現できません。過去の予測と観測で訓練された統計的手法は、これらのバイアスを修正し、確率を含む特定の場所や変数に合わせて出力を調整します。