Documento de conferencia
Calibración de los pronósticos semanales de precipitación y temperatura media operativos en el Servicio Meteorológico Nacional
Autor
Aldeco, Laura Soledad
Ruiz, Juan José
Saulo, Andrea Celeste
de Elía, Ramón
Institución
Resumen
Fil: Aldeco, Laura Soledad. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección Central de Monitoreo del Clima; Argentina. Fil: Ruiz, Juan José. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones del Mar y la Atmósfera. Instituto Franco Argentino sobre Estudios del Clima y sus Impactos; Argentina. Fil: Saulo, Andrea Celeste. Servicio Meteorológico Nacional; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmosfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina. Fil: de Elía, Ramón. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios; Argentina. Para responder a las demandas de los usuarios, desde hace algunos años los principales centros globales del clima y algunos servicios meteorológicos comenzaron a elaborar pronósticos semanales. El European Centre for Medium-Range Weather Forecasts (ECMWF), así como el National Centers for Environmental Prediction (NCEP) producen pronósticos en plazos de 4 semanas o más. El desempeño de los modelos numéricos disminuye a medida que aumenta el plazo de pronóstico, y por ello la mejor forma de abordar los pronósticos en estos plazos es mediante el uso de ensambles (Kalnay, 2003). Sin embargo, las salidas en crudo de los modelos numéricos por ensamble también presentan errores que se deben a la presencia de imperfecciones en los modelos y a que los métodos de pronósticos por ensambles actuales no son capaces de representar adecuadamente la presencia, evolución e interacción de las diferentes fuentes de incertidumbre dentro del pronóstico. Una forma de abordar esta problemática es mediante métodos de calibración basados en un post-procesamiento estadístico que incorpora dichas fuentes de incertidumbre a posteriori (Hamill y Colucci 1997, entre otros). Sobre nuestra región, estudios de estas características fueron realizados por Ruiz y Saulo (2011), entre otros.