考虑当地情况
后处理的主要目的是减少天气模型预测中的系统误差。此类错误的一个来源是天气模型的空间分辨率有限。通过后期处理，我们可以更好地表现局部效应。一个例子是风速的后处理（图 2），它使我们能够考虑一个地点是暴露（在山脊或山峰上）还是受庇护（在山谷中）。
图 2：根据 a) COSMO-2E 天气模型和 b) 深度学习方法进行的后处理，对瑞士南部的风速进行预测。
图 2：根据 a) COSMO-2E 天气模型和 b) 深度学习方法进行的后处理，对瑞士南部的风速进行预测。
无缝概率预测
对于每次预报，我们都使用天气模型来计算未来天气的几种可能情景。如果这些情景接近，则预测是准确的。如果情景差异很大，那就不确定了。我们的后期处理不仅纠正了最佳估计，而且还纠正了场景的差异。
此外后期处理将我们所有天气模型的预
测结合成一个无缝的一致预测。这些天气模型的分辨率有所不同，即描绘局部特性的细节程度不同。高分辨率 COSMO 模型可以以 1 公里的分辨率计算未来约 30 小时的预测，以 2 公里的分辨率计算未来 5 天的预测。较低分辨率的 ECMWF IFS 模型涵盖了较长时期。高分辨率模型每天启动最多8次，IFS模型启动两次。对于后处理预测，我们使用每个贡献天气模型的最新预测，并将它们组合成整个预测期的预测。由于后期处理，短期和长期预测看起来更加相似。我们称之为“无缝预测”。
图 3：2023 年 10 月 20 日 Chasseral 的风速预测。
图 3：2023 年 10 月 20 日 Chasseral 的风速预测。
图 3 左侧显示各个天气模型的预测，右侧显示后处理后的预测。预测的散点以阴影区域显示。它们显示了 90% 的置信区间。在这种情况下，各种天气模型往往低估了 Chasseral 的风力。后处理后的预测更加接近观测值，只有少数测量值超出置信区间；通过后处理，预测变得更加可靠。
预测不再那么不稳定
您是否注意到过天气预报的突然变化？通过后期 瑞士 WhatsApp 号码 处理，这种“不稳定的预测”明显减少。通过结合不同数值天气模型的概率预测，我们可以创建稳定、更可靠的预测，从而最大限度地减少意外。
图 4：洛迦诺蒙蒂每小时降雨量预报的演变。经过后处理的预测全天的变化更加均匀。
图 4：洛迦诺蒙蒂每小时降雨量预报的演变。经过后处理的预测全天的变化更加均匀。
后期处理不是万能的！
虽然后期处理有很多好处，但必须强调的是，它绝不是完美的。
我们无法通过后期处理来纠正预测错误。天气模型无法准确预 社交媒体对客户信任的影响：释放其力量 测的情况也会导致后期处理的预测结果不佳。这是因为后期处理仅对天气模型通常可靠的预测进行轻微调整。
为了实现我们的目标，即在瑞士各地提供类似质量的 甘肃手机号码一览表 后处理预测，我们必须做出妥协。不包括非常特殊和罕见的局部效应或用于训练后处理的观察数据集中未表示的局部效应。在某些地方，这甚至可能导致修改后的预测不如之前的产品。
我们的后处理方法针对日常天气进行了优化。对于较为罕见的天气情况和极端事件，事后处理的预测是不够的。因此，这些不包括在官方警告中。为了减少自动预测和官方警告之间的差异，我们正在努力进一步改进。
下一步是什么？
与天气模型相比，基于数据的方法（例如我们的后处理）开发起来不那么复杂，计算起来也相对便宜。因此，我们可以频繁更新统计后处理以进一步改善预测。后期处理还使我们能够为特定应用创建定制产品。因此，我们预计未来后处理将在我们的预测产品中得到越来越多的应用。最后，后处理方法也在不断发展。我们已经使用机器学习或人工智能方法进行后期处理，并假设该领域的快速发展将有助于进一步改善后期处理。