Prévision du système global de prévision déterministe statistiquement post-traité par UMOS (SGPD-UMOS-RLM)

Le post-traitement statistique des prévisions des modèles numériques du temps et de l'environnement, incluant le système global de prévision déterministe (SGPD), permet de réduire le biais systématique et la variance de l'erreur des prévisions numériques brutes. Pour ce faire, des relations statistiques optimisées entre les observations enregistrées aux stations et les sorties des modèles numériques aux points de grilles à proximité sont établies. Le système Updatable Model Output Statistics (UMOS) est un progiciel développé par Environnement et Changement climatique Canada permettant cela. Les relations sont bâties par l'entremise de la méthode Model Output Statistics (MOS) et par régression linéaire multiple (RLM). Les prévisions numériques brutes de la température de l'air à 1.5 mètres au-dessus de la surface de la terre sont post-traitées statistiquement. L'absence de prévisions post-traitées peut être causée par une qualité ou quantité insuffisantes d'observations qui empêche la production d’un modèle statistique. La région géographique couverte par ces données inclut le territoire couvert par les stations météorologiques du Canada. Les prévisions issues du post-traitement statistique sont disponibles à la même fréquence d'émission que les prévisions brutes produites par les modèles numériques et à des échéances de prévision aux 3 heures jusqu’à 144 heures (6 jours) pour le SGPD.

• Post-traitement statistique
• Apprentissage machine
• Régression linéaire multiple
• UMOS
• Prévisions environnementales
• Prévisions aux points
• Prévisions météorologiques
• Température de l'air
• Vent