Компьютерные прогнозы погоды предсказывают одно значение на каждую ячейку (площадью около 400 км²) сетки, которая понрывает всю поверхность Земли. Если погода заметно меняется внутри ячейки, прогнозы для конкретных участков неизбежно не срабатывают. Авторы представляют метод статистической постобработки для ансамблевых прогнозов, учитывающий степень вариации в пределах каждой ячейки, смещение шкалы сетки и зависимость каждого из них от погоды. При применении этой постобработки качество значительно улучшается по всему миру; например, для экстремальных дождей хорошие прогнозы продлеваются на пять дней вперёд по сравнению с менее чем одним днём ​​без постобработки. Улучшение качества связано с созданием огромных наборов калибровочных данных путём агрегирования на глобальном, а не на местном уровне, различий между прогнозами и наблюдениями везде и всякий раз, когда наблюдаемый «тип погоды» был схожим. Также вносит свой вклад упор на понимание метеорологии. Авторы предлагают, чтобы приложения для их методологии включали улучшенные предупреждения о внезапных наводнениях, понимание физических недостатков модели и глобальный точечный повторный анализ.

Ссылка: https://www.nature.com/articles/s43247-021-00185-9