Guía de referencia para los productos de los sistemas de predicción por conjuntos (EPS) »
Índice de predicción de extremos y desplazamiento de los extremos

Descripción

El producto índice de predicción de extremos (Extreme Forecast Index, EFI) y desplazamiento de los extremos (Shift of Tails, SOT) se utiliza para evaluar las posibilidades de que una variable meteorológica presente valores inusuales o extremos en comparación con el clima del modelo. Dado que no está siempre claro qué constituye un rango de condiciones típicas a partir de la salida del modelo, es útil comparar esta con el clima del modelo (o con la climatología observada, según el producto) para identificar cualquier condición de pronóstico anómala que pudiera provocar algún impacto meteorológico significativo.

Interpretación

Los productos índice de predicción de extremos y desplazamiento de los extremos se generan comparando los datos de la predicción actual del conjunto con los del clima del modelo. Normalmente, el clima del modelo consiste en un conjunto de pronósticos repetidos para un intervalo de varios días o semanas centrado en la fecha en curso que se ejecutan utilizando reanálisis o condiciones iniciales de los 20 a 30 años más recientes.

Esto genera un clima del modelo que da una idea del rango de condiciones normales del modelo para un determinado lugar, en cierta época del año y durante un intervalo de pronóstico dado (24 a 48 horas), incluso con cantidades limitadas de observaciones de superficie o de otros tipos. A continuación, el clima del modelo se puede utilizar para evaluar si las condiciones actuales son anómalas sin definir umbrales específicos.

El valor del índice de predicción de extremos se calcula en función de la integral de la diferencia entre la función de distribución acumulada (FDA) actual del conjunto y la del clima del modelo, es decir, el área común entre las dos funciones de distribución acumulada. El valor del índice EFI va de -1 a 1.

Cuando las funciones de distribución acumulada del clima del modelo y del conjunto son idénticas o se distribuyen uniformemente en torno a la mediana, el valor del índice EFI es cero. Este caso es bastante poco común y es mucho más probable encontrarse ante una de las situaciones que se describen a continuación.

Cuando los valores de la función de distribución acumulada del conjunto actual son considerablemente más bajos que los del clima del modelo, el valor del índice EFI es negativo, como en este ejemplo.

Cuando los valores de la función de distribución acumulada del conjunto exceden en buena medida los del clima del modelo, el valor del índice EFI es positivo, como en este caso.

Recuerde que el índice EFI no representa la magnitud total de la anomalía si una parte de la función de distribución acumulada de los valores pronosticados por el conjunto actual se encuentra fuera del rango del clima del modelo (como en el ejemplo anterior). La región verde en el extremo superior de la curva de la función de distribución acumulada del conjunto se extiende un poco más allá de la curva de la función de distribución acumulada del clima del modelo y, por tanto, se excluye del valor del índice EFI.

También son posibles otras configuraciones. Parte de la función de distribución acumulada de una predicción por conjuntos puede tener valores más bajos que la función de distribución acumulada del clima del modelo, mientras que el resto presenta valores más altos. En este ejemplo, los aportes positivos y negativos se cancelan mutuamente y el valor del índice EFI se acerca a cero.

Existen otras dos posibilidades para el valor del índice EFI: -1 y 1. En estos dos casos, todos los valores actualmente pronosticados por el conjunto son más bajos o más altos, respectivamente, que el rango del clima del modelo.

Es importante recordar que no hay manera de saber si la función de distribución acumulada del conjunto actual se extiende más allá del rango del clima del modelo o si sobrepasa ese rango por mucho o por poco. Para obtener esa información utilizamos el parámetro de desplazamiento de los extremos o SOT (por la sigla del inglés Shift of Tails), el cual muestra cuánto distan los extremos superior e inferior de la distribución del conjunto de los límites del clima del modelo.

El desplazamiento de los extremos es la razón de la diferencia entre el percentil 90 del conjunto y el percentil 99 del clima del modelo (A) y la diferencia entre los percentiles 99 y 90 del clima del modelo (B). Esta figura explica de forma gráfica el cálculo del desplazamiento de los extremos.

Si el valor de desplazamiento de los extremos es positivo, es probable que el extremo de la distribución del conjunto sea más alto que el rango del clima del modelo. Si el valor de desplazamiento de los extremos es negativo, la distribución del conjunto se extiende hasta valores más bajos que el rango del clima del modelo. Cuanto más grande sea el valor de desplazamiento de los extremos, tanto más se extenderá el extremo de la distribución del conjunto fuera del rango del clima del modelo.

En el mapa de este ejemplo, los valores del índice de predicción de extremos mayores que 0,5 se presentan con los tonos de color indicados en la leyenda, mientras que los valores de desplazamiento de los extremos se presentan con las curvas negras. Por lo general, un índice de predicción de extremos entre 0,5 y 0,8 (positivos o negativos) se considera inusual; los valores entre 0,8 y 1 (positivos o negativos) se consideran descomunales o extremos.

Por lo tanto, la zona de valores de 0,9 a 1,0 en la izquierda superior indica un pronóstico de nieve acumulada extremo en comparación con el clima del modelo. La región naranja oscuro que se extiende hacia el sur contiene valores anormalmente elevados.

Los valores altos de desplazamiento de los extremos, que oscilan entre 2 y 5, coinciden con estas zonas de índice de predicción de extremos elevado. Esto significa que el extremo de la distribución del conjunto es bastante más alto que la climatología del modelo y que hay cantidades extremas en la distribución en esas regiones.

Fortalezas y debilidades

Fortalezas

• El producto índice de predicción de extremos (Extreme Forecast Index, EFI) y desplazamiento de los extremos (Shift of Tails, SOT) permite prever rápidamente las condiciones meteorológicas anómalas y es especialmente útil para evaluar la posibilidad de un evento severo en períodos de pronóstico a medio plazo.
• El uso del clima del modelo brinda una cobertura más completa a nivel mundial que una climatología de observaciones, con las lagunas en la cobertura espacial y los registros históricos que conlleva.
• Los sesgos actuales del modelo se toman en cuenta directamente en el clima del modelo, lo cual reduce la necesidad de considerar los sesgos del modelo en el momento de usar el producto.

Debilidades

• El índice de predicción de extremos y el desplazamiento de los extremos no muestran las condiciones meteorológicas ni los detallles de los sistemas atmosféricos, pero permiten determinar si ciertas variables pronosticadas presentan valores anormalmente altos o bajos en comparación con el clima del modelo.
• Tampoco muestran la forma de la distribución del conjunto, es decir, si es normal, multimodal o agrupada. Solo podemos conjeturar sobre la función de distribución acumulada (y, por tanto, sobre la función de densidad de probabilidad), a menos que estudiemos más a fondo los datos subyacentes.
• El clima del modelo no equivale a la climatología de observación y puede captar más o menos bien el rango completo de las condiciones posibles en un lugar dado.

Uso eficaz

Los mapas de índice de predicción de extremos (Extreme Forecast Index, EFI) y desplazamiento de los extremos (Shift of Tails, SOT) permiten evaluar rápidamente la posible formación de sistemas atmosféricos o condiciones anormales durante el período de pronóstico, pero no muestran las diferencias entre los miembros del conjunto —en términos de la evolución temporal o la posición del sistema, por ejemplo— ni el resultado más probable o las probabilidades correspondientes. Por eso se deben usar junto con otros mapas o diagramas, de las maneras siguientes:

• Use un mapa de media y dispersión para determinar el grado de incertidumbre de los miembros del sistema de predicción por conjuntos en general y perfeccionar su entendimiento de las diferencias a considerar, como la evolución temporal, la magnitud o la posición del sistema atmosférico.
• Use un mapa de isolíneas («espagueti») o un diagrama de líneas («penachos») para ver la forma de la distribución de los miembros del conjunto a lo largo del tiempo y del espacio, respectivamente, a fin de identificar cualquier agrupamiento que exista y de evaluar si la mediana y la media son medidas representativas del resultado más probable. Esto puede ser particularmente importante cuando los valores del índice EFI son bajos, porque los valores de la función de distribución acumulada (FDA) de una parte del conjunto son más bajos que los de la FDA del clima del modelo, mientras que los demás miembros presentan valores más altos.
• Use un mapa de probabilidad de excedencia y de ocurrencia para comprender si es posible superar ciertos valores específicos de interés, como el punto de congelación u otros criterios de umbral relacionados con la emisión de alertas o que satisfagan las necesidades de alguna industria.
• Busque en los valores de la FDA individual del clima del modelo y del conjunto actual una variable de EFI/SOT dada, si dichos productos están disponibles. Esto puede ayudar a comprender la forma de las distribuciones y explicar los valores del índice de predicción de extremos y desplazamiento de los extremos. También puede ayudar a comprender la medida en que la media y la mediana del conjunto representan todos los miembros.

Si bien el desplazamiento de los extremos es útil para comprender los extremos (el 10 % superior e inferior) de la distribución, los valores anormalmente altos o bajos en comparación con la climatología (como el percentil 85) también son importantes. Por lo tanto, es fundamental consultar otra información probabilística para comprender cabalmente la situation y entregar un servicio relevante para varios públicos.

Tenga presentes estos aspectos cuando trabaje con los mapas de índice de predicción de extremos y desplazamiento de los extremos:

• El índice de predicción de extremos produce los mejores resultados en combinación con períodos de pronóstico a medio plazo (entre 2 y 7 días). Más allá de este intervalo, normalmente tiende al cero, debido al alto grado de dispersión en los miembros del conjunto.
• En las áreas con un índice de predicción de extremos de 1 o -1 (completamente fuera de la distribución del clima del modelo), examine el desplazamiento de los extremos atentamente a fin de estimar la distancia que separa la predicción del conjunto de la distribución del clima del modelo. Consulte asimismo las funciones de distribución acumulada subyacentes o use otro producto con información completa sobre la distribución.
• Debido a la complejidad de los valores del índice de predicción de extremos y desplazamiento de los extremos, normalmente conviene no incluirlos en los boletines de pronóstico pensados para el público.
• Tenga en cuenta que la climatología del modelo se actualiza dos veces por semana y que el cambio en los cálculos climatológicos puede producir valores incoherentes entre estos ciclos de ejecución del modelo.

Ejemplos, 1ª parte

Ejemplos, 2ª parte

Enlaces

• NOAA ESRL, productos de pronóstico de precipitación basados en repredicciones del sistema GEFS de NCEP, versión 2: https://www.esrl.noaa.gov/psd/forecasts/reforecast2/analogs/. Cambie «Plot Type» (tipo de diagrama) a «Extreme Forecast Index, Percentiles» (índice EFI, percentiles) y después haga clic en «Get Forecast» (obtener pronóstico).
• Índice EFI del Centro Meteorológico de Canadá (CMC) para los días 1 a 7: http://collaboration.cmc.ec.gc.ca/cmc/cmoi/cmc-prob-products/