気候科学：機械学習を用いた確率論的気象予報
Nature 637, 8044 doi: 10.1038/s41586-024-08252-9
気象予報は根本的に不確かであるため、起こり得る気象シナリオの範囲を予測することは、災害をもたらす気象に関する注意喚起から再生可能エネルギー利用の計画まで、重要な決定に不可欠である。従来から、気象予報は、大気の物理ベースのシミュレーションに依拠する数値気象予測（NWP）に基づいている。機械学習（ML）ベースの気象予測（MLWP）の最近の進歩によって、単一のNWPシミュレーションよりも予報誤差の少ないMLベースのモデルが生まれている。しかしこうした進歩は、不確かさを表現したりリスクを推定したりできない単一の決定論的予報に主に重点を置いている。全体的にMLWPは、最先端のNWPアンサンブル予報よりも正確さと信頼性が依然として低い。今回我々は、世界トップの現業中期気象予報である欧州中期気象予報センター（European Centre for Medium-Range Weather Forecasts）のアンサンブル予報（ENS）よりもスキルとスピードに優れた確率論的気象モデルGenCastを提示する。GenCastは、数十年分の再解析データで訓練されたML気象予測法である。GenCastは、確率論的全球15日予報のアンサンブル（12時間刻み、0.25°の緯度–経度分解能、80個以上の地表変数および大気変数）を8分で生成する。GenCastは、1320例の評価対象の97.2％についてENSよりも優れたスキルを示し、極端気象、熱帯低気圧経路、風力発電量の予測に秀でていた。今回の研究は、現業気象予報において、気象に左右される重大な決定がより正確かつ効率的に下される新たな時代を開くのに役立つ。
