ENS-10：用于集成天气预报后处理的数据集
机器学习
2022-11-08 v2 大气与海洋物理
摘要
对集成预报系统进行后处理可提升天气预报的可靠性，尤其对极端事件预测而言。近年来，不同机器学习模型被开发以改进天气后处理的质量。然而，这些模型需要全面的天气模拟数据集才能产生高精度结果，而生成此类数据集计算成本很高。本文介绍 ENS-10 数据集，包含 10 个集成成员，时间跨度 20 年（1998–2017）。集成成员通过对数值天气模拟施加扰动生成，以捕捉地球的混沌行为。为表示大气三维状态，ENS-10 在 11 个不同气压层及地表提供最相关的大气变量，分辨率为 0.5 度，预报提前期 T=0、24 和 48 小时（每周两个数据点）。我们提出 ENS-10 预测校正任务，通过集成后处理在 48 小时提前期改进预报质量。我们提供一组基线并比较它们校正三个重要大气变量预测的技巧。此外，我们利用该数据集衡量基线改进极端天气事件预测的技巧。ENS-10 数据集基于知识共享署名 4.0 国际（CC BY 4.0）许可提供。
引用
@article{arxiv.2206.14786,
title = {ENS-10: A Dataset For Post-Processing Ensemble Weather Forecasts},
author = {Saleh Ashkboos and Langwen Huang and Nikoli Dryden and Tal Ben-Nun and Peter Dueben and Lukas Gianinazzi and Luca Kummer and Torsten Hoefler},
journal= {arXiv preprint arXiv:2206.14786},
year = {2022}
}
备注
Accepted version of the paper