Correction de biais des données du modèle de prévision numérique

Correction de biais des données du modèle de prévision numérique
La lección titulada Corrección de sesgos en datos de modelos numéricos comienza con una descripción de los aspectos que afectan los sesgos en los modelos de PNT: continuidad de régimen, desarrollo temporal de las estructuras que afectan el tiempo sensible y existencia (o ausencia) de dichas estructuras en los modelos. Después de un ejemplo de cada uno de estos aspectos, se presentan tres métodos de corrección de sesgos: técnicas de interpretación estadística (Model Output Statistics, MOS), media ponderada y la herramienta SmartInit desarrollada en la oficina de meteorología del NWS en Boise (Idaho, EE.UU.) llamada BOIVerify, y se consideran las situaciones en las que estas herramientas dan buenos resultados. Finalmente, después de una pregunta de repaso completa que incluye una explicación de la respuesta, la lección termina con un resumen y una serie de puntos a recordar. También se incluyen materiales opcionales sobre cómo obtener archivos de datos de corrección de sesgos de NCEP y sobre el modelo climático empleado para calcular las anomalías para el sistema de predicción por conjuntos para América del Norte (North American Ensemble Forecast System, NAEFS).