ローレンツ'96システムの確率的パラメータ化とモデルの不確実性

単純な混oticとしたシステムは、透明性と計算の安価さのために、数値気象シミュレーションで使用する方法をテストするための便利なツールです。Lorenzシステムはここで使用されました。完全なシステムは「真実」として定義されていましたが、切り捨てられたバージョンはパラメーター化スキームのテストベッドとして使用されました。加法および乗法ノイズなど、いくつかの確率的パラメータ化スキームが調査されました。予測は完全な初期条件から開始され、初期条件の不確実性が排除されました。確率的に生成されたアンサンブルを、摂動パラメーターアンサンブルおよび決定論的スキームと比較しました。確率的パラメーター化は、決定論的なパラメーター化よりも気候と気候の予測スキルの改善を示しました。一時的な自己相関を含めると、ホワイトノイズよりも大幅に改善され、パラメーター化がサブグリッドスケールの変動のみを表すだけであるという標準的な考えに挑戦しました。モデルの不確実性を表現するアンサンブルのスキルがテストされました。確率的アンサンブルは、摂動パラメーターアンサンブルよりもモデルの不確実性のより良い推定値を与えました。パラメーター化の予測スキルは、完全なモデルの気候学を再現する能力にリンクされていることがわかりました。これは、シームレスな予測システムで重要であり、短期予測の信頼性が同じシステムからの気候予測の精度に定量的な制約を提供できるようにします。

Simple chaotic systems are useful tools for testing methods for use in numerical weather simulations owing to their transparency and computational cheapness. The Lorenz system was used here; the full system was defined as 'truth', whereas a truncated version was used as a testbed for parametrization schemes. Several stochastic parametrization schemes were investigated, including additive and multiplicative noise. The forecasts were started from perfect initial conditions, eliminating initial condition uncertainty. The stochastically generated ensembles were compared with perturbed parameter ensembles and deterministic schemes. The stochastic parametrizations showed an improvement in weather and climate forecasting skill over deterministic parametrizations. Including a temporal autocorrelation resulted in a significant improvement over white noise, challenging the standard idea that a parametrization should only represent sub-gridscale variability. The skill of the ensemble at representing model uncertainty was tested; the stochastic ensembles gave better estimates of model uncertainty than the perturbed parameter ensembles. The forecasting skill of the parametrizations was found to be linked to their ability to reproduce the climatology of the full model. This is important in a seamless prediction system, allowing the reliability of short-term forecasts to provide a quantitative constraint on the accuracy of climate predictions from the same system.