数値予報モデルからの後処理アンサンブル降水量予報のための結合確率モデリングアプローチの拡張【JST・京大機械翻訳】

Zhao Pengcheng; Wang Quan J.; Wu Wenyan; Yang Qichun

文献

J-GLOBAL ID：202202214213752635 整理番号：22A0561026

数値予報モデルからの後処理アンサンブル降水量予報のための結合確率モデリングアプローチの拡張【JST・京大機械翻訳】

Extending a joint probability modelling approach for post-processing ensemble precipitation forecasts from numerical weather prediction models

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0561026&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0561026&from=J-GLOBAL&jstjournalNo=C0584A") }}

著者 (4件)： , , ,
資料名：
巻： 605 ページ： Null 発行年： 2022年
JST資料番号： C0584A ISSN： 0022-1694 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

統計的後処理は,数値気象予測モデルからの生アンサンブル降水予報におけるバイアスと分散誤差を修正するために広く採用されている。1つの顕著な後処理スキームは,生予測の二変量分布と対応する観測をフィッティングすることによって,共同確率モデルを確立することである。しかし,現在の共同確率モデルは,予測子としてアンサンブル平均を組み込むだけで,アンサンブル広がりは考慮されない。これは,アンサンブル広がりが予測不確実性のために有益であり得るので,共同確率モデルの主要な欠点である。本論文では,結合確率モデルの強みとアンサンブル拡散に含まれる有用な情報を組み合わせるための2段階キャリブレーション手法を提案した。第一段階では,アンサンブル平均を較正するための結合確率モデルの例として,季節的コヒーレントキャリブレーション(SCC)モデルを採用した。降水予報のためのSCCは,データ正規化のための変換とゼロ値の特別な処理を含むので,SCCモデルを確立するとき,アンサンブル平均値を推定するための3つの異なる方法を探究した。第2ステップでは,最初のステップで生成されたアンサンブル予測を再較正し,生予報からアンサンブル拡散情報を組み入れた。この2段階キャリブレーションの性能を,オーストラリアの気象局からのアンサンブル沈殿予測を用いて評価した。2段階キャリブレーションを用いて較正した予測は,特に豪雨事象に対して,SCC較正予測よりも良いスキルを持つことを見出した。結合確率モデルと生アンサンブル拡散情報の強さは,提案した2段階キャリブレーションアプローチでよく利用される。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , , , ,
, 【Automatic Indexing@JST】

著者キーワード (5件)： , , , ,

水文学一般 , 天気予報

, , , , , ,

前のページに戻る