利用地形与季节条件对集合降水预报进行面覆盖后处理
应用统计
2020-10-13 v3 统计方法学
摘要
来自集合系统的概率性天气预报需要统计后处理以产生校准且尖锐的预测分布。本文提出一种针对集合降水预测的面覆盖后处理方法。我们依赖集合模式输出统计(EMOS)方法，其以参数化分布生成概率预报，该分布的参数依赖于集合预测的统计量与预测值本身。一项覆盖瑞士的每日降水预测案例研究表明，在观测站点处进行后处理确实改进了高分辨率集合预报，在预报时效为 1 天的情况下平均 CRPS 降低 4.5%。我们的主要目标是通过利用地形协变量，在不将模型绑定于站点的前提下实现此类改进。具体而言，回归系数通过依据训练数据所属站点与预测位置之间地形相似性对训练数据加权来估计。在我们的案例研究中，该方法可在不使用本地历史数据校准的情况下复现本地模型的性能。我们进一步发现一个关键难点：后处理常在夏季和初秋使集合预报性能退化。为缓解此问题，我们额外在训练集上估计特定位置的后处理是否预期能改进预测；若不能，则采用直接模式输出。该扩展以校准轻微退化为代价，使地形模型的 CRPS 平均再降低至多 1.7%。在此情形下，最高改进出现在预报时效为 4 天时。
引用
@article{arxiv.1912.11827,
title = {Area-covering postprocessing of ensemble precipitation forecasts using topographical and seasonal conditions},
author = {Lea Friedli and David Ginsbourger and Jonas Bhend},
journal= {arXiv preprint arXiv:1912.11827},
year = {2020}
}