Multivariate Nachbearbeitungsmethoden für hochdimensionale saisonale Wetterprognosen

Zusammenfassung – Saisonale Wetterprognosen sind entscheidend für die langfristige Planung in vielen praktischen Situationen, und präzise Prognosen können erhebliche wirtschaftliche und humanitäre Auswirkungen haben. Aktuelle saisonale Prognosemodelle erfordern eine statistische Nachbearbeitung der Ausgaben, um systematische Verzerrungen und unrealistische Unsicherheitsbewertungen zu korrigieren. Wir schlagen einen multivariaten Nachbearbeitungsansatz vor, der Covariance Tapering nutzt, kombiniert mit einem Dimensionsreduktionsschritt auf Basis der Hauptkomponentenanalyse für effiziente Berechnungen. Unsere vorgeschlagene Technik kann nichtstationäre, nicht-isotrope und negativ korrelierte räumliche Fehlerpattern korrekt und effizient handhaben und ist im globalen Maßstab anwendbar. Außerdem wird ein gleitendes Durchschnittsverfahren zur randlichen Nachbearbeitung gezeigt, das Trends in Verzerrungen, die durch die globale Erwärmung verursacht werden, und kurze Trainingsperioden flexibel handhaben kann. In einer Anwendung auf globale Ozeanoberflächentemperaturprognosen, die von dem norwegischen Klimaprognosemodell ausgegeben werden, zeigt unsere vorgeschlagene Methodik, dass sie bekannte Referenzmethoden übertrifft. Ergänzende Materialien zu diesem Artikel, einschließlich einer standardisierten Beschreibung der Materialien zur Reproduktion der Arbeit, sind als Online-Zusatz verfügbar.