GenCast: Diffusion-based ensemble forecasting for medium-range weather

要約

天気予報は基本的に不確実であるため、起こり得る気象シナリオの範囲を予測することは、危険な天候についての国民への警告から再生可能エネルギーの利用計画に至るまで、重要な意思決定を行う上で極めて重要です。
ここでは、世界で最も運用されている中期天気予報である欧州中期予報センター (ECMWF) のアンサンブル予報である ENS よりも優れたスキルとスピードを備えた確率的気象モデルである GenCast を紹介します。
数値天気予報 (NWP) に基づく従来のアプローチとは異なり、GenCast は、数十年にわたる再解析データに基づいてトレーニングされた機械学習天気予報 (MLWP) 手法です。
GenCast は、80 を超える地表および大気変数について、12 時間ステップおよび 0.25 度の緯度経度分解能で、15 日間の確率的な全球予測のアンサンブルを 8 分で生成します。
私たちが評価した 1,320 のターゲットの 97.4% に関して ENS よりも優れたスキルを備えており、異常気象、熱帯低気圧、風力発電の予測も優れています。
この取り組みは、運用上の気象予測の次の章を開くのに役立ち、天候に依存する重要な決定がより正確かつ効率的に行われます。

要約(オリジナル)

Weather forecasts are fundamentally uncertain, so predicting the range of probable weather scenarios is crucial for important decisions, from warning the public about hazardous weather, to planning renewable energy use. Here, we introduce GenCast, a probabilistic weather model with greater skill and speed than the top operational medium-range weather forecast in the world, the European Centre for Medium-Range Forecasts (ECMWF)’s ensemble forecast, ENS. Unlike traditional approaches, which are based on numerical weather prediction (NWP), GenCast is a machine learning weather prediction (MLWP) method, trained on decades of reanalysis data. GenCast generates an ensemble of stochastic 15-day global forecasts, at 12-hour steps and 0.25 degree latitude-longitude resolution, for over 80 surface and atmospheric variables, in 8 minutes. It has greater skill than ENS on 97.4% of 1320 targets we evaluated, and better predicts extreme weather, tropical cyclones, and wind power production. This work helps open the next chapter in operational weather forecasting, where critical weather-dependent decisions are made with greater accuracy and efficiency.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google