2021年太平洋北西部熱波の予測可能性限界：深層学習感度分析による

初期条件に対する気象予測の感度を推定する従来の方法は、制御予測の周りで線形化されるため短期間のリードタイムに制限される隣接モデルを使用しています。深層学習フレームワークの登場により、バックプロパゲーションと勾配降下法を使用して初期条件を反復的に最適化し、予測誤差を最小化する新しいアプローチが可能になりました。このアプローチを2021年6月の太平洋北西部の熱波の予測にGraphCastモデルを使って適用したところ、太平洋北西部で10日間の予測誤差が90%以上減少しました。GraphCastから得られた最適な初期条件で初期化されたPangu-Weatherモデルの予測にも類似した改善が見られ、モデル誤差が初期摂動の重要な要素ではないことを示唆しています。初期摂動から小スケールを排除することも類似の予測改善をもたらします。最適化ウィンドウの長さを延ばすことで、予測改善が約23日になることが判明し、最近の推定の上限での大気予測可能性を示唆しています。