気温予報の更新・ずれ確認ラボ

このダッシュボードは、気温予報が発行後にどう変わっていくかを示します。都市、予報モデル、検証に使う解析値（URMAまたはRTMA）、そして予報が出てからの経過時間を時間単位で選びます。グラフは、最新予報、指定した経過時間の予報、検証用の解析値を同じ時間軸で比較します。

表示パネルの内容

• 解析値・最新予報・古い予報の比較（Actual vs freshest vs aged forecast）: 検証解析値、最新予報、指定した経過時間の予報を比較します。予報のずれを最も速く確認できる表示です。以前の予報が早い段階で離れる場合、その予報が発行された時点では、すでに気象場を捉えきれていなかった可能性があります。
• 時間ごとの予報誤差（Forecast error over time）: 符号付き誤差です。誤差の大きさだけでなく、暖かめ・冷ためのバイアスを見られます。
• 平均絶対誤差とバイアス（Mean absolute error and bias）: 表示範囲を要約するコンパクトな指標です。
• 気温の横並び表示（Joined temperature strip）: 解析値、予報、誤差を行ごとに素早く診断する表示です。
• モデル実行ごとの変化（Run evolution lattice）: /runsエンドポイントから作る行列表示です。各モデルサイクルが出した次の24時間分の予報を並べ、短期予報のずれを見つけやすくします。

予報経過時間の指定方法

ダッシュボードは、直接使う場合と同じ標準GribStream APIの呼び出しを使います。最新予報の線は、広いリードタイム（モデル実行時刻から有効時刻までの予報時間）を指定した通常の/timeseriesリクエストです。以前の予報の線は、同じリクエストにminLeadTimeとmaxLeadTimeをまったく同じ時間数で指定します。これにより、APIは指定した経過時間の予報値だけを返します。

代表的なGribStreamリクエスト

URMAを使ったNew York Cityの検証解析リクエスト例:

curl -X POST 'https://gribstream.com/api/v2/urma/timeseries' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer [API_TOKEN]' \
  -d '{
    "fromTime": "2026-04-07T00:00:00Z",
    "untilTime": "2026-04-11T18:00:00Z",
    "coordinates": [
      { "lat": 40.6943, "lon": -73.9249, "name": "New York - New York" }
    ],
    "variables": [
      { "name": "TMP", "level": "2 m above ground", "alias": "actual" }
    ]
  }'

同じ地点で、発行から24時間経ったNBM予報を取得するリクエスト例:

curl -X POST 'https://gribstream.com/api/v2/nbm/timeseries' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer [API_TOKEN]' \
  -d '{
    "fromTime": "2026-04-07T00:00:00Z",
    "untilTime": "2026-04-11T18:00:00Z",
    "minLeadTime": "24h",
    "maxLeadTime": "24h",
    "coordinates": [
      { "lat": 40.6943, "lon": -73.9249, "name": "New York - New York" }
    ],
    "variables": [
      { "name": "TMP", "level": "2 m above ground", "alias": "temp" }
    ]
  }'

表示中の有効時刻範囲を予報したすべてのモデルサイクルを行列で示すリクエスト例:

curl -X POST 'https://gribstream.com/api/v2/nbm/runs' \
  -H 'Content-Type: application/json' \
  -H 'Authorization: Bearer [API_TOKEN]' \
  -d '{
    "forecastedFrom": "2026-04-07T00:00:00Z",
    "forecastedUntil": "2026-04-11T18:00:00Z",
    "minLeadTime": "1h",
    "maxLeadTime": "24h",
    "coordinates": [
      { "lat": 40.6943, "lon": -73.9249, "name": "New York - New York" }
    ],
    "variables": [
      { "name": "TMP", "level": "2 m above ground", "alias": "temp" }
    ]
  }'

なぜ役立つか

• 予報の安定性: 以前の予報が最新サイクルとよく一致していれば、モデルは一貫して動いています。
• 気象場の変化: 以前の予報と最新予報が大きく分かれる場合、モデルが新しい前線通過や急速に変化する状況に反応している可能性があります。
• 運用上の信頼: モデルサイクルごとの行列表示を見ると、最新予報が前の傾向の延長なのか、突然の修正なのかが分かります。

関連リファレンス: クイックスタート · OpenAPIドキュメント · URMAによるモデル精度比較。