Optrævling af positions- og strukturelle fejl i numeriske vejrudsigtsmodeller

På grund af atmosfærens kaotiske karakter, vejrudsigter, selv med stadigt forbedrede numeriske vejrudsigelsesmodeller, til sidst mister deres nøjagtighed. Meteorologer har et stærkt ønske om bedre at forstå denne proces, da de forsøger at spore prognosefejl tilbage til observationshuller og give et middel til forbedring.

Root mean square error (rms, eller dens firkant, variansafstanden) bruges ofte til at måle forskelle mellem simulerede og observerede felter. I dette tilfælde, videnskabsmænd målte afstanden mellem et modelforudsigelsesfelt inden for dets gitter og det verificerende analysefelt, der repræsenterer alle observationer fra den virkelige verden. Imidlertid, man skal overveje, at atmosfæriske træk, som fronter og tryksystemer er tredimensionelle vejrtræk i rummet, som computermodeller forskyder og også strukturelt forvrænger, når den numeriske prognose bevæger sig væk fra initiering. Varians- eller rms-fejlmålinger kvantificerer ikke vejrsystemernes forskydning og forvrængning.

I et nyligt offentliggjort papir i Fremskridt inden for atmosfæriske videnskaber , et team af forskere med National Oceanic and Atmospheric Administration (NOAA), Massachusetts Institute of Technology (MIT), og University of Connecticut satte sig for at finde en generel tilgang til at vurdere de positionelle og strukturelle komponenter af den samlede forskel mellem to felter. I det væsentlige, meteorologer ønsker at vurdere nøjagtigheden af ​​mange forskellige vejrforhold i en modelprognose sammenlignet med en verificerende analyse baseret på observationer fra den virkelige verden.

Sai Ravela fra MIT, en medforfatter til denne undersøgelse, tidligere udviklet en Field Alignment-metode. I dette tilfælde, hans tilgang justerer modelprognosefeltet med den observationsbaserede analyse på en jævn måde, så forskellen minimeres. Næste, småskalafejl fra usikker oprindelse fjernes fra alle tre felter (den oprindelige og tilpassede prognose samt den verificerende analyse, eller proxy for observationer) gennem en proces kaldet rumlig filtrering eller udjævning. Den totale variansafstand, eller forskel, er derefter opdelt i tre unikke komponenter. Positionsfejl, som er variansafstanden mellem den udjævnede oprindelige modelprognose og udjævnede justerede prognosefelter, og strukturel fejl, der er variansafstanden mellem den udjævnede justerede prognose og de udjævnede verifikationsanalysefelter, er to sider af en retvinklet trekant, og finskala støj, hvilke er de usikre småskala fejl fjernet fra den oprindelige modelprognose og verificerende analyse, eller observationsfelter.

Denne metode udsender de tre ortogonale fejlkomponenter som skalære felter, samt et vektorfelt, der angiver den store forskydning af prognosen sammenlignet med observationsanalysefeltet. Interessant nok, i alle regioner og gennemløbstider, som holdet undersøgte, mere end halvdelen af ​​den samlede fejlvarians er forbundet med fejlplacering af vejrelementer. Derfor, forskydning er mere udtalt end forvrængning i prognosefelter:kun omkring 25 % fejlvarians er forbundet med strukturelle unøjagtigheder af de delvist forudsigelige funktioner, såsom fronter og lavtrykssystemer. Resten af ​​fejlvariansen forbliver uforklarlig eller uforudsigelig variabilitet, eller støj.

"Hvordan støj vokser i fejlvarians som funktion af forventet leveringstid, og om en positionel-strukturel-støjnedbrydning af spredningen blandt et ensemble af forstyrrede prognoser fanger prognosefejlkomponenter er genstand for igangværende undersøgelser, " sagde Dr. Jankov fra NOAA, hovedforfatteren af ​​undersøgelsen.