Introducción
Los profesionales que emiten pronósticos del tiempo para el público comprenden muy bien la importancia de examinar los pronósticos de varios modelos de PNT para producir pronósticos más confiables. Una de las formas de hacerlo consiste en comparar distintas predicciones numéricas. Esto se puede hacer, por ejemplo, comparando los pronósticos de los modelos globales con los regionales o comparando los pronósticos de los modelos usados en diferentes centros de PNT (por ejemplo, GFS, NOGAPS, GEM y ECMWF). También se pueden comparar los resultados de distintos ciclos de ejecución del mismo modelo para ver cómo los resultados cambian con el tiempo a medida que se introducen observaciones nuevas. El uso de conjuntos de pronósticos para hacer predicciones es una técnica relativamente nueva en el ámbito de pronóstico operativo que permite comparar múltiples pronósticos de un modelo rápidamente y sobre una base científica.
Los productos de un conjunto, como el diagrama espagueti de la figura anterior, se obtienen usando métodos gráficos y estadísticos para combinar múltiples ciclos de ejecución del modelo, cada uno basado en condiciones iniciales levemente distintas o en configuraciones y/o parametrizaciones ligeramente diferentes. Esto permite incluir información acerca del nivel de incertidumbre, los resultados de pronóstico más probables y las probabilidades de dichos resultados. Los productos de un conjunto representan una herramienta de PNT adicional que agrega un nivel de información para hacer un uso más informado de la orientación de PNT en el proceso de pronóstico.
Objetivos de la lección
Nuestro objetivo es que después de estudiar esta lección usted sepa:
- explicar las bases del pronóstico numérico por conjuntos y lo que significa decir que la atmósfera es caótica (es decir, sensible a las condiciones iniciales);
- describir la variedad de métodos empleados para generar los miembros del sistema de predicción por conjuntos, incluyendo los aspectos de perturbación de las condiciones iniciales, condiciones de frontera y configuraciones del modelo;
- entender los conceptos estadísticos básicos y los métodos usados en el desarrollo de los productos del conjunto, incluyendo las distribuciones de probabilidad, la centralidad, la variabilidad y las características de la forma de la distribución;
- reconocer e interpretar los distintos productos de predicción por conjuntos, incluyendo los gráficos de predicción puntuales y espaciales, y aquellos que muestran los regímenes de flujo, como los de medida relativa de predictibilidad (Relative Measure of Predictability, o RMOP), que revelan los sesgos y los errores de los modelos de PNT;
- interpretar los productos de verificación del conjunto y aplicarlos al uso de pronósticos por conjuntos.
Prerrequisitos
Para que pueda aprovechar mejor esta lección, usted debe estar familiarizado con los conceptos y procesos descritos en la serie de lecciones que componen el Curso de educación a distancia sobre PNT (NWP Distance Learning Course). En particular, esta lección supone un conocimiento general de los procesos de asimilación de datos (vea Comprensión de los sistemas de asimilación: cómo los modelos crean sus propias condiciones iniciales, versión 2, una lección sobre la asimilación de datos y la generación de las condiciones iniciales en los modelos) y comprende los conceptos de parametrización del modelo, condiciones de frontera y dinámica y estructura de los modelos.
Estructura de la lección
Aunque hemos hecho todo lo posible por resumir el contenido a fin de concentrarnos en los conocimientos esenciales que usted necesitará para fines de pronóstico, esta lección presenta un tema nuevo con aspectos muy complejos, de modo que es posible que tarde tres o más horas en completarla. Por esta razón le recomendamos que divida su tiempo de estudio en una serie de sesiones, y que trate cada una por separado.
- Esta sección introductoria continúa con la descripción de las ventajas de la predicción por conjuntos sobre los pronósticos individuales y muestra cómo se generan pronósticos por conjuntos aplicando la teoría del caos a la predicción numérica del tiempo.
- En la sección «Generación del conjunto» se analizan los métodos para crear el conjunto de ciclos de ejecución del modelo -los miembros del conjunto- que contribuirán a la predicción por conjuntos.
- Para sentar las bases para aprender a interpretar los resultados del conjunto, la sección «Conceptos estadísticos» describe conceptos clave de probabilidad y estadística y cómo se aplican para producir los datos del conjunto después de su procesamiento.
- La sección más larga de la lección, «Resumen de los datos», presenta varios productos comunes generados a base de los conjuntos y analiza su interpretación.
- La sección «Verificación» cubre las técnicas que le ayudarán a interpretar el rendimiento de la predicción por conjuntos y a entender posibles maneras de mejorar dichos pronósticos.
- Para profundizar sus estudios más allá de la lección, proporcionamos enlaces a ejemplos de aplicaciones específicas de los conjuntos en la Biblioteca de casos de estudio de PNT (en inglés).
En varias partes de la lección encontrará secciones «A fondo» que proporcionan información más detallada sobre los conceptos y procesos de la predicción por conjuntos. Lea estas secciones según sus necesidades, tiempo disponible e interés.