Door de chaotische aard van de atmosfeer, weersvoorspellingen, zelfs met steeds betere numerieke weersvoorspellingsmodellen, uiteindelijk hun nauwkeurigheid verliezen. Meteorologen hebben een sterk verlangen om dit proces beter te begrijpen, omdat ze proberen voorspellingsfouten te herleiden tot waarnemingslacunes en een middel voor verbetering te bieden.

Wortelgemiddelde kwadratische fout (rms, of zijn vierkant, de variantieafstand) wordt vaak gebruikt om verschillen tussen gesimuleerde en waargenomen velden te meten. In dit geval, wetenschappers maten de afstand tussen een modelvoorspellingsveld binnen zijn raster en het verifiërende analyseveld dat alle waarnemingen in de echte wereld vertegenwoordigt. Echter, men moet bedenken dat atmosferische kenmerken, zoals fronten en druksystemen zijn driedimensionale weerskenmerken in de ruimte die computermodellen verdringen en ook structureel vervormen als de numerieke voorspelling verder van initiatie afwijkt. Variantie- of rms-foutstatistieken kwantificeren niet de verplaatsing en vervorming van weersystemen.

In een onlangs gepubliceerd artikel in Vooruitgang in atmosferische wetenschappen , een team van wetenschappers met de National Oceanic and Atmospheric Administration (NOAA), het Massachusetts Institute of Technology (MIT), en de Universiteit van Connecticut gingen op zoek naar een algemene benadering om de positionele en structurele componenten van het totale verschil tussen twee velden te beoordelen. Eigenlijk, meteorologen willen de nauwkeurigheid van veel verschillende weerskenmerken binnen een modelvoorspelling beoordelen in vergelijking met een verificatieanalyse op basis van waarnemingen in de echte wereld.

Sai Ravela van MIT, een co-auteur van deze studie, eerder een Field Alignment-methode ontwikkeld. In dit geval, zijn aanpak brengt het modelvoorspellingsveld op een soepele manier op één lijn met de op waarneming gebaseerde analyse, zodat hun verschil tot een minimum wordt beperkt. Volgende, kleinschalige fouten van onzekere oorsprong worden verwijderd uit alle drie de velden (de oorspronkelijke en afgestemde prognose evenals de verifiërende analyse, of proxy voor waarnemingen) via een proces dat ruimtelijke filtering of afvlakking wordt genoemd. De totale variantieafstand, of verschil, wordt vervolgens opgedeeld in drie unieke componenten. Positionele fout, wat de variantieafstand is tussen de afgevlakte oorspronkelijke modelprognose en afgevlakte uitgelijnde prognosevelden, en structurele fout die de variantieafstand is tussen de afgevlakte uitgelijnde prognose en de afgevlakte verifiërende analysevelden, zijn twee zijden van een rechthoekige driehoek, en fijn geluid, dat zijn de onzekere kleinschalige fouten die zijn verwijderd uit de oorspronkelijke modelvoorspelling en verificatieanalyse, of observatievelden.

Deze methode voert de drie orthogonale foutcomponenten uit als scalaire velden, evenals een vectorveld dat de grootschalige verplaatsing van de voorspelling aangeeft in vergelijking met het waarnemingsanalyseveld. interessant, in alle regio's en doorlooptijden die het team heeft bestudeerd, meer dan de helft van de totale foutvariantie houdt verband met de verkeerde plaatsing van weerskenmerken. Daarom, verplaatsing is meer uitgesproken dan vervorming in voorspellingsvelden:slechts ongeveer 25% foutvariantie wordt geassocieerd met structurele onnauwkeurigheden van de gedeeltelijk voorspelbare kenmerken, zoals fronten en lagedruksystemen. De rest van de foutvariantie blijft onverklaarde of onvoorspelbare variabiliteit, of lawaai.

"Hoe ruis groeit in foutvariantie als functie van de verwachte doorlooptijd, en of een positionele-structurele-ruisdecompositie van de spreiding over een ensemble van verstoorde voorspellingen voorspellingsfoutcomponenten vastlegt, is het onderwerp van lopende studies, " zei Dr. Jankov van NOAA, de hoofdauteur van de studie.