Statistical Forecast of Subseasonal Winter Precipitation based on the Arctic Oscillation

Abstract

The social and scientific demand for the subseasonal prediction has been increasing. However, it has been well known that the subseasonal prediction is challenging due to the characteristics of this time scale. This time scale is between the weather forecast within 10 days, which depends on the accuracy of the initial field, and the seasonal forecast based on the low-frequency variability of boundary conditions. Among atmospheric variables, it is very important to improve the prediction performance of precipitation especially. Because the prediction performance caused by the low persistence and high variability is relatively lower than the surface temperature. In this study, we constructed a statistical model for the subseasonal forecast of the precipitation in the northern hemispheric wintertime (DJF). Predictions were conducted weekly from 1week to 6 weeks. The Arctic Oscillation (AO), which accounts for much of the northern hemisphere climate variability during winter, was used as a predictor of this model. Precipitation was predicted using the change of the empirical distribution of the precipitation field according to the phase of the AO. The smoothing process using the kernel was tried to examine the sensitivity to the empirical distribution of the precipitation data. The precipitation data for the weekly forecasts were obtained by running-average of CPC Merged Analysis of Precipitation (CMAP) pentad mean precipitation from National Oceanic and Atmospheric Administration’s (NOAA)Climate Prediction Center (CPC) with the period from 1979 to 2014. The AO index obtained from CPC was used. This model conducted the statistical prediction through the tercile system, and the prediction skills are cross-validated using the Heidke Skill Score (HSS). The model showed predictive performance more than 3 weeks over Europe where the variability of winter precipitation is associated with the AO and confirmed that the forecast skill in the subseasonal time scale is higher than the result of the dynamical model. As a result of comparison between the prediction models using the power transformation which is typically used for precipitation forecast and using the empirical distribution, the overall prediction performance was similar, but the results using the empirical distribution showed that the prediction performance according to the AO phase was stable.;1개월 기후전망에 대한 사회적, 과학적 수요가 점차 증가하고 있다. 그러나 계절내 예측은 초기장의 정확도에 의존하는 10일 이내 기상예측과 경계조건의 장주기 변동성에 의존하는 3개월 이내 계절예측 사이의 시간규모로, 그 예측성능 확보의 어려움이 잘 알려져 있다. 특히 강수의 경우 지상기온에 비하여 낮은 지속성과 높은 변동성을 가지므로 예측성능이 상대적으로 낮기 때문에 강수의 예측성능을 높이는 것은 매우 중요하다. 본 연구에서는 북반구 겨울철 계절내 강수 예측을 위한 통계모형을 설계하였다. 예측은 주 별로 시도하여 6주 후까지 이루어졌으며. 겨울철 북반구 기후 변동성의 많은 부분을 설명하는 북극진동(Arctic Oscillation)이 예측인자로 사용되었다. 본 모형은 북극진동 위상에 따른 강수장의 경험적 통계분포변화를 사용하여 예측하였으며 강수자료의 통계분포의 매끄러움에 대한 민감도를 확인하기 위하여 커널을 사용한 평활 과정(smoothing)을 시도하였다. 주별 예측을 위한 강수 자료는 1979년-2014년 미국 NOAA/CPC의 CPC Merged Analysis of Precipitation (CMAP) 5일 평균값을 일별로 보간 후 7일 이동평균하여 사용하였다. 북극진동지수는 NOAA/CPC에서 제공되는 일별 지수를 이용하였다. 본 통계모형은 3분위 체계를 통한 확률적 예측을 하며, 그 결과는 HSS를 사용하여 교차검증 되었다. 모형은 북극진동에 따른 강수장의 변화가 있는 유럽에서 3주 이상 예측성능을 보였고, 계절 내 시간규모에서의 예측성능이 역학모형의 결과보다 높은 값을 가짐을 확인하였다. 또한 강수 예측을 위해 주로 사용되는 멱변환(Power transformation)을 적용한 예측과 비교한 결과, 전반적인 예측성능은 비슷하였으나, 경험적통계분포를 이용한 결과가 북극진동의 위상에 따른 예측성능이 안정적임을 보였다.