临近预报和统计预报

在未来几小时内，获得良好预报的最快途径通常不是物理模型，而是雷达回波外推和将模型输出转化为局部天气的统计数据。

Definition

临近预报和统计预报是通过外推近期观测数据，并将统计关系应用于数值模型输出，而非仅仅通过直接物理模拟，来生成短期和局部校准天气预报的技术。

Scope

本主题涵盖了超短期预报和统计预报方法，包括用于临近预报的雷达和卫星图像外推、模型输出统计和校准及本地化模型指导的统计后处理、类比和回归技术，以及新兴的机器学习方法。

Core questions

• 雷达和卫星观测如何外推以预报未来几小时？
• 统计方法如何将原始模型输出转换为局部预报？
• 模型偏差如何校正，预报如何根据观测进行校准？
• 类比、回归和机器学习方法扮演什么角色？

Key theories

外推临近预报

在超短时效内，跟踪和外推雷达回波和卫星云图等观测特征的表现通常优于数值模型，因为数值模型需要时间来启动对流细节。

统计后处理

模型输出统计和相关方法通过统计关系将数值模型预测因子与观测天气联系起来，校正系统性偏差，并生成校准的、特定地点的预报，包括概率预报。

Mechanisms

临近预报识别快速更新的雷达和卫星数据中的连贯特征，并将其近期运动和演变向前推算数分钟至数小时，有时随着预报时效的增加，也会融入早期模型输出。统计预报则将数值模型场视为预测因子，并利用回归、类比或机器学习（通过过去预报-观测对进行训练）来校正偏差，下尺度到特定地点，并生成模型仅粗略表示的变量的校准确定性预报和概率预报。

Clinical relevance

临近预报为航空、公共安全和活动管理提供雷暴、强降雨和山洪的快速预警，而统计后处理则将粗糙的模型输出转化为可靠的、针对特定地点的预报，供公众使用并应用于自动化决策系统。

History

统计预报源于早期的回归和类比方法，并于20世纪70年代由 Glahn 和 Lowry 正式确立为模型输出统计，成为数值模型和局部预报之间的标准桥梁。临近预报随着天气雷达和地球静止卫星的发展而进步，这两个领域现在正通过对大量观测和模型数据集进行训练的机器学习技术进行重塑。

Key figures

• Harry Glahn
• Daniel Wilks

Seminal works

• glahn1972
• wilks2011

Frequently asked questions

临近预报和预报有什么区别？

临近预报是超短期预报，通常持续数小时，主要通过外推当前的雷达和卫星观测进行，而较长期的预报则主要依赖于大气物理数值模型。

为什么将统计数据应用于模型输出？

数值模型存在系统性偏差，并且对局部条件的表示较为粗糙；通过对过去的预报和观测进行训练的统计方法可以校正这些偏差，并根据特定地点和变量（包括概率）调整输出。