Wie groß sollte ein Ensemble sein?

Eine große Anzahl von Vorhersagevariablen mit unterschiedlichen Vorlaufzeiten wurde untersucht, und ihre Verteilungen konnten in drei Kategorien eingeteilt werden: quasi-normal (z.B. troposphärische Temperatur), stark schief (z.B. Niederschlag) und Mischungen (z.B. Feuchtigkeit). Die Abhängigkeit von der Ensemblegröße wurde im Vergleich zum asymptotischen Konvergenzgesetz untersucht, wonach der Stichprobenfehler für eine ausreichend große Ensemblegröße N proportional zu N-1/2 abnimmt, unabhängig von der zugrunde liegenden Verteilungsform. Das asymptotische Konvergenzverhalten wurde für den Ensemble-Mittelwert aller Vorhersagevariablen beobachtet, selbst für Ensemble-Größen von weniger als 10. Für die Ensemble-Standardabweichung waren Größen von bis zu 100 erforderlich, damit das Konvergenzgesetz zur Anwendung kommt. Im Gegensatz dazu gab es für das 95. Perzentil auch bei 1000 Mitgliedern keine eindeutigen Anzeichen für Konvergenz. Es wurde festgestellt, dass Methoden wie Nachbarschaftsstatistiken oder die Vorhersage von flächengemittelten Größen die Genauigkeit verbessern, allerdings nur für Variablen mit zufälliger kleinräumiger Variabilität, wie z. B. konvektivem Niederschlag.

Craig G. C., M. Puh, C. Keil, K. Tempest, T. Necker, J. Ruiz, M. Weissmann and T. Miyoshi (2022). Distributions and convergence of forecast variables in a 1000 member convection­permitting ensemble. https://doi.org/10.1002/qj.4305