ТЕХНОЛОГИИ ВЫПУСКА ДИНАМИКО-СТАТИСТИЧЕСКИХ ДОЛГОСРОЧНЫХ МЕТЕОРОЛОГИЧЕСКИХ ПРОГНОЗОВ 10.10.2008
Оценки успешности детерминированных сезонных прогнозов
- Локальный коэффициент временной корреляции аномалий
a и f – фактическая и соответствующая прогностическая сезонные аномалии в фиксированном узле сетки l=l0;
σa,σf – стандартные отклонения, характеризующие межгодовую изменчивость фактических и прогностических сезонных аномалий в узле l=l0;
Горизонтальной чертой обозначено статистическое осреднение за годы, для которых были рассчитаны прогнозы. - Коэффициент пространственной корреляции аномалий
A,F – поля отклонений фактических и прогностических аномалий для года j=j0 от их пространственных средних величин;
σA, σF – стандартные отклонения, характеризующие пространственную изменчивость фактических и средних по ансамблю прогностических сезонных аномалий для года j=j0;
<..> – пространственное осреднение.
Объект оценивания...
Аномалии определялись как отклонения прогностических и фактических среднесезонных значений от их средних сезонных величин за 1979-2003 гг. Интерпретация результатов в терминах отклонений от двух различных климатов позволяет учитывать систематические смещения в модельном климате.
Средние коэффициенты корреляции / для 3 регионов : 20˚N-90˚N (верхний ряд в ячейке), 20˚S-20˚N (средний ряд), 90˚S-20˚S (нижний ряд). Период: 1979-2003. Протокол: SMIP-2
0.031 / 0.047
0.243 / 0.220
0.139 / 0.140 0.004 / -0.009
0.247 / 0.243
0.147 / 0.147 0.089 / 0.127
0.228 / 0.234
0.112 / 0.130 0.154 / 0.245
0.252 / 0.264
0.059 / 0.127 PREC 0.081 /-0.062
0.457 / 0.485
0.240 / 0.202 0.089 / 0.063
0.457 / 0.507
0.131 / 0.10 0.105 / 0.222
0.333 / 0.501
0.154 / 0.147 0.196 / 0.168
0.511 / 0.473
0.235 / 0.186 SLP 0.171 / 0.003
0.533 / 0.154
0.274 / 0.271 0.231 / 0.069
0.502 / 0.047
0.235 / 0.190 0.124 / 0.167
0.459 / 0.094
0.196 / 0.181 0.260 / 0.191
0.730 / 0.204
0.324 / 0.228 H500 0.301 / 0.170
0.461 / 0.364
0.352 / 0.361 0.272 / 0.155
0.505 / 0.392
0.393 / 0.377 0.200 / 0.258
0.335 / 0.395
0.226 / 0.296 0.296 / 0.228
0.597 / 0.447
0.292 / 0.282 T850 ОСЕНЬ ЛЕТО ВЕСНА ЗИМА __
Табл дает лишь самое общее представление об уровне успешности прогнозов, который меняется от случая к случаю и зависит от многих факторов – от того, какие атмосферные характеристики прогнозируются, от региона, сезона, от начальной структуры гидрометеорологических полей, от внешних вынуждающих условий, от несовершенства модели и неточности задания начального состояния. Разброс относительно этих средних оценок и закономерности изменения успешности прогнозов представляют практический интерес и требуют дальнейших исследований.
Вероятностный прогноз (слева) и фактически наблюдавшиеся (справа) аномалии средней температуры для зимы 2007-8 гг. Факт Сезонный прогноз
Расчет и проводится по данным всех членов прогностических ансамблей за весь период исторических прогнозов. Если полученные значения представить в виде графика соответствия FAR (по оси абсцисс) и HR (по оси ординат) для различных прогностических вероятностных градаций, дополнив график точками (0,0) и (1,1), то интегральный показатель ROC определяется как площадь под кривой этого графика.
Пусть N - число вероятностных диапазонов, используемых при составлении прогноза, формулируемого в терминах M градаций аномалий.
Для каждого вероятностного диапазона n можно определить относительные доли случаев совпадений прогноза с фактом HR (Hit Rate)
и относительные доли ложных тревог FAR (False Alarm Rate)
где и - общее количество попаданий и, соответственно, промахов при прогнозах некоторой градации (или градаций) в i-м вероятностном диапазоне.
Оценка ROC часто используется в качестве обобщенной оценки качества категорийных вероятностных прогнозов.
Успешность вероятностных прогнозов на сезон с заблаговременностью 1 месяц
С заблаг-ю 1 месяц
T850. Оценки ROC для 3 категорий
Период: DJF (месяцы 2-4)
1979-2002
Потенциальная предсказуемость Модель: SL-AV Ниже нормы Норма Выше нормы
Most of Russia looks as a white spot
Показатель успешности Брайера для бинарных вероятностных прогнозов
BSS = 1 – B/B0
Здесь
B0 – характеристика успешности эталонного (климатического) прогноза;
Oj : 0 – если явление не наблюдалось,
1 – если наблюдалось
Pj - вероятность осуществления;
N – число прогностических реализаций
BSS. Зима. Период: 1983-2003 (21 год)
Интерпретация
Эффект сильного внешнего воздействия на атмосферу;
Особенности используемых характеристик успешности категорийных прогнозов
H.Van den Dool and Z.Toth: Why do forecasts for “Near Normal” often fail?, Weather and Forecasting, Vol.6, p.76-85
Сущ-т целый ряд свидет-в....
Anomaly correlation of 500 Z of hindcast for 18 years. 90-day forecast with no lead time.
Anomaly correlation of 13-month running mean (solid lines), and
months of which anomaly correlation are more than 0.5 (black dots). El Niño La Niña (0-360, 20-90N) (0-180E, 20-90N) (90E-90W, 20-90N) (100E-170W, 20-60N)
Individual model versus multi-model ROC scores. The plot comprises results for 8 different areas (Northern extra-tropics, tropics, southern extra-tropics, north America, Europe, west Africa, east Africa, south Africa), 4 seasons, and 4 events (anomaly above/below 0.43 standard deviation, anomaly above/below 0).
Коэффициенты корреляции для мульти-модельного ансамбля APCC (по данным исторических прогнозов) T850, зима (вверху), лето (внизу)
Средние за многолетний период оценки дают лишь самое общее представление об уровне успешности сезонных прогнозов, который меняется от случая к случаю и зависит от многих факторов – от того, какие атмосферные характеристики прогнозируются, от региона, сезона, от начальной структуры гидрометеорологических полей, от внешних вынуждающих условий, от несовершенства модели и неточности задания начального состояния.
Разброс относительно средних оценок и закономерности изменения успешности прогнозов представляют практический интерес и требуют дальнейших исследований.
Comments