La predicción por La predicción por ensamblesensambles

Agradecimientos: este material se basa en el Agradecimientos: este material se basa en el módulo de “Explicación del pronóstico por módulo de “Explicación del pronóstico por ensambles” tomado del Programa COMET ensambles” tomado del Programa COMET ((www.comet.ucar.eduwww.comet.ucar.edu) )

Laboratorio de Previsión del Tiempo

I cuatrimestre 2011

Dra. Silvina Solman

La predicción por ensamblesLa predicción por ensambles Los pronosticadores siempre han Los pronosticadores siempre han

entendido el valor de examinar entendido el valor de examinar múltiples Pronósticos Numéricos múltiples Pronósticos Numéricos para poder producir un pronóstico para poder producir un pronóstico más confiable.más confiable.–– Comparando diferentes pronósticos Comparando diferentes pronósticos

(globales, regionales, o pronósticos (globales, regionales, o pronósticos producidos por diferentes centros producidos por diferentes centros de pronóstico, por ejemplo, GFS, de pronóstico, por ejemplo, GFS, NOGAPS, GEM, ECMWF).NOGAPS, GEM, ECMWF).

–– Comparando diferentes corridas Comparando diferentes corridas del mismo modelo, para entender del mismo modelo, para entender de qué manera observaciones de qué manera observaciones adicionales pueden cambiar el adicionales pueden cambiar el pronóstico.pronóstico.

La predicción por ensambles es la La predicción por ensambles es la técnica que permite integrar la técnica que permite integrar la información basada en múltiples información basada en múltiples realizaciones de un modelo de realizaciones de un modelo de pronóstico. pronóstico.

Productos del pronóstico por ensambles: diagrama espagueti

Utiliza varios métodos estadísticos y gráficos para combinar múltiples realizaciones (corridas de un Modelo de Pronóstico) basadas en diferentes Condiciones Iniciales o en diferentes configuraciones del modelo para incluir información acerca del nivel de incertidumbre y del pronóstico más probable.

Puntos principalesPuntos principales Explicar los fundamentos de la Predicción por Explicar los fundamentos de la Predicción por

ensambles y el significado del concepto de caos.ensambles y el significado del concepto de caos. Describir los métodos que se utilizan para generar Describir los métodos que se utilizan para generar

los miembros del ensamble en un sistema de los miembros del ensamble en un sistema de predicción por ensambles.predicción por ensambles.

Comprender los conceptos y métodos estadísticos Comprender los conceptos y métodos estadísticos básicos que se aplican para el desarrollo de básicos que se aplican para el desarrollo de productos de pronóstico por ensambles.productos de pronóstico por ensambles.

Reconocer e interpretar la variedad de productos Reconocer e interpretar la variedad de productos de la predicción por ensambles de la predicción por ensambles

Interpretar los productos de verificación de Interpretar los productos de verificación de ensambles.ensambles.

Porqué utilizar ensambles?Porqué utilizar ensambles?

Los Servicios Meteorológicos tienden a proporcionar Los Servicios Meteorológicos tienden a proporcionar pronósticos meteorológicos en términos pronósticos meteorológicos en términos probabilísticos.probabilísticos.

La predicción probabilística reflejará, aún en el La predicción probabilística reflejará, aún en el corto plazo, lo que sabemos y lo que no sabemos corto plazo, lo que sabemos y lo que no sabemos acerca del comportamiento de la atmósfera y acerca del comportamiento de la atmósfera y nuestra capacidad de modelarla con exactitud para nuestra capacidad de modelarla con exactitud para fines de pronóstico del tiempo. fines de pronóstico del tiempo.

Los Pronósticos por Ensamble están diseñados para Los Pronósticos por Ensamble están diseñados para capturar la probabilidad de los eventos del tiempo y capturar la probabilidad de los eventos del tiempo y el rango de incertidumbre inherente al pronóstico.el rango de incertidumbre inherente al pronóstico.

Qué es lo que podemos capturar cuando Qué es lo que podemos capturar cuando utilizamos un pronóstico por ensambles?utilizamos un pronóstico por ensambles?

Las perturbaciones Las perturbaciones inicialesiniciales son bastante pequeñas, del orden de son bastante pequeñas, del orden de 10 a 20 metros en la mayoría de los lugares. Conforme el plazo 10 a 20 metros en la mayoría de los lugares. Conforme el plazo del pronóstico se incrementa, se nota que las diferencias entre los del pronóstico se incrementa, se nota que las diferencias entre los ciclos de ejecución de control y perturbado ciclos de ejecución de control y perturbado (sombreado) (sombreado) aumentan aumentan con respecto a las numerosas características que se con respecto a las numerosas características que se hallan en el estado inicial. hallan en el estado inicial.

Pronóstico a 12 hs

Pronóstico control Pronóstico con CI perturbadas

Pronóstico a 84 hs

Ventajas del sistema de predicción Ventajas del sistema de predicción por conjuntos sobre el PNT individualpor conjuntos sobre el PNT individual

CaracterísticaCaracterística Pronóstico individualPronóstico individual Sistema de Sistema de pronóstico por pronóstico por conjuntosconjuntos

Incertidumbre Incertidumbre en las en las

condiciones condiciones inicialesiniciales

El Sistema de Asimilación de Datos El Sistema de Asimilación de Datos está diseñado para minimizar los está diseñado para minimizar los errores en las CI. La incertidumbre errores en las CI. La incertidumbre se toma en cuenta implícitamente a se toma en cuenta implícitamente a través del peso relativo de cada través del peso relativo de cada dato proveniente de las dato proveniente de las observaciones y el campo observaciones y el campo preliminar.preliminar.Aunque los errores en las CI se Aunque los errores en las CI se pueden evaluar mediante las pueden evaluar mediante las observaciones de los satélites y observaciones de los satélites y otras fuentes, no es posible estimar otras fuentes, no es posible estimar explícitamente su impacto explícitamente su impacto subsiguiente en el pronóstico subsiguiente en el pronóstico numérico del tiempo.numérico del tiempo.

La incertidumbre en las La incertidumbre en las CI se puede tomar en CI se puede tomar en cuenta determinando los cuenta determinando los errores potenciales más errores potenciales más importantes (es decir, los importantes (es decir, los que crecen rápidamente) que crecen rápidamente) para el pronóstico para el pronóstico subsiguiente del modelo subsiguiente del modelo y reducirlos a una y reducirlos a una perturbación razonable perturbación razonable en las CIen las CI

Ventajas del sistema de predicción Ventajas del sistema de predicción por conjuntos sobre el PNT individualpor conjuntos sobre el PNT individual

CaracterísticaCaracterística Pronóstico individualPronóstico individual Sistema de pronóstico Sistema de pronóstico por conjuntospor conjuntos

Predecibilidad Predecibilidad atmosféricaatmosférica

No se puede evaluar a No se puede evaluar a partir de un pronóstico partir de un pronóstico individual. Se puede individual. Se puede deducir de manera deducir de manera incompleta a partir del incompleta a partir del grado de coherencia grado de coherencia entre ciclos de entre ciclos de ejecución consecutivos ejecución consecutivos del modelo. del modelo.

Se puede evaluar por la Se puede evaluar por la razón de aumento en la razón de aumento en la dispersión de los pronósticos dispersión de los pronósticos de los miembros del de los miembros del conjunto. El tamaño del conjunto. El tamaño del conjunto y el uso de conjunto y el uso de perturbaciones adecuadas en perturbaciones adecuadas en las CI son importantes para las CI son importantes para obtener una dispersión obtener una dispersión adecuada del conjunto y una adecuada del conjunto y una

medida de la predecibilidad medida de la predecibilidad

CaracterísticaCaracterística Pronóstico individualPronóstico individual Sistema de pronóstico por Sistema de pronóstico por conjuntosconjuntos

Incertidumbre Incertidumbre de la dinámica de la dinámica del modelodel modelo

Sólo permite usar un Sólo permite usar un único método único método numérico.numérico.

Se pueden usar varios Se pueden usar varios métodos numéricos, por métodos numéricos, por ejemplo, espectral, puntos ejemplo, espectral, puntos de retícula, puntos de de retícula, puntos de retícula con diferentes retícula con diferentes configuraciones. configuraciones.

Incertidumbre Incertidumbre de la física del de la física del modelomodelo

Sólo se puede usar un Sólo se puede usar un conjunto de conjunto de parametrizaciones parametrizaciones físicas. físicas.

Se pueden usar múltiples Se pueden usar múltiples combinaciones de combinaciones de parametrizaciones físicas.parametrizaciones físicas.

Ventajas del sistema de predicción Ventajas del sistema de predicción por conjuntos sobre el PNT individualpor conjuntos sobre el PNT individual

A qué se deben, esencialmente, las A qué se deben, esencialmente, las diferencias entre las distintas diferencias entre las distintas realizaciones de los PNT en un realizaciones de los PNT en un conjunto de pronósticos?conjunto de pronósticos? A la naturaleza caótica de la atmósfera. A la naturaleza caótica de la atmósfera. Sin embargo, atmósfera sigue ciertos patrones, lo cual Sin embargo, atmósfera sigue ciertos patrones, lo cual

significa que tiene algunos modos de variabilidad significa que tiene algunos modos de variabilidad preferidos: predecibilidad.preferidos: predecibilidad.

La atmósfera exhibe una "dependencia sensible a las La atmósfera exhibe una "dependencia sensible a las condiciones iniciales", lo cual significa que las pequeñas condiciones iniciales", lo cual significa que las pequeñas diferencias en el estado inicial de la atmósfera pueden diferencias en el estado inicial de la atmósfera pueden dar como resultado final grandes diferencias en el dar como resultado final grandes diferencias en el pronóstico pronóstico

Lorenz, 1963

Nunca podremos diseñar un modelo de PNT que refleje cada Nunca podremos diseñar un modelo de PNT que refleje cada detalle del comportamiento de la atmósfera con una detalle del comportamiento de la atmósfera con una resolución infinitamente alta. resolución infinitamente alta.

Aún si pudiéramos crear un modelo de PNT "perfecto", su Aún si pudiéramos crear un modelo de PNT "perfecto", su pronóstico podría eventualmente estar equivocado debido a pronóstico podría eventualmente estar equivocado debido a los errores en las CI, aunque la degradación podría tardar más los errores en las CI, aunque la degradación podría tardar más tiempo en ocurrir. tiempo en ocurrir.

Que la sensibilidad de la atmósfera dependa de las CI significa Que la sensibilidad de la atmósfera dependa de las CI significa que las CI del modelo también necesitarían ser "perfectas" que las CI del modelo también necesitarían ser "perfectas" para que hubiera esperanza de producir un pronóstico para que hubiera esperanza de producir un pronóstico perfecto.perfecto.

La realidad es que nuestros sistemas de observación y La realidad es que nuestros sistemas de observación y asimilación nunca nos proporcionarán CI perfectas.asimilación nunca nos proporcionarán CI perfectas.

Podemos, sin embargo, aplicar al proceso de pronóstico Podemos, sin embargo, aplicar al proceso de pronóstico nuestro conocimiento de que la atmósfera es caótica y nuestro conocimiento de que la atmósfera es caótica y altamente sensible a las condiciones iniciales. altamente sensible a las condiciones iniciales.

Algunas limitaciones del PNT a tener en cuenta

Cuál es la alternativa?Cuál es la alternativa?Con el uso estratégico de condiciones Con el uso estratégico de condiciones inicialesiniciales

imperfectas y/o de modelosimperfectas y/o de modelosimperfectos de PNT en un imperfectos de PNT en un sistema de predicción sistema de predicción por conjuntospor conjuntos (SPC), podemos: (SPC), podemos:

establecer una gama de resultados establecer una gama de resultados posibles posibles del del pronóstico, pronóstico,

estimar la estimar la probabilidad probabilidad para para cualquier cualquier resultado individual del pronóstico, y resultado individual del pronóstico, y

determinar el resultado de pronóstico determinar el resultado de pronóstico másmásprobableprobable (que es lo que deseamos). (que es lo que deseamos).

Cómo se generan las Cómo se generan las perturbacionesperturbaciones Cada pronóstico individual dentro de un SPC se Cada pronóstico individual dentro de un SPC se

conoce como conoce como miembro del conjuntomiembro del conjunto. . En el caso de los SPC que usan la incertidumbre En el caso de los SPC que usan la incertidumbre

en las condiciones iniciales para crear un en las condiciones iniciales para crear un pronóstico, la ejecución del miembro del pronóstico, la ejecución del miembro del conjunto a partir del análisis sin cambios se conjunto a partir del análisis sin cambios se conoce como conoce como control del conjuntocontrol del conjunto. .

Los miembros que se ejecutan a partir de análisis Los miembros que se ejecutan a partir de análisis que han sido cambiados para reflejar las que han sido cambiados para reflejar las incertidumbres en las condiciones iniciales se incertidumbres en las condiciones iniciales se conocen como conocen como perturbaciones del conjuntoperturbaciones del conjunto. .

Fuentes de incertidumbre para Fuentes de incertidumbre para crear miembros del conjunto:crear miembros del conjunto:

Se introducen incertidumbres ya sea en las CI Se introducen incertidumbres ya sea en las CI o en el modelo de pronósticoo en el modelo de pronóstico–– Perturbaciones de las CIPerturbaciones de las CI–– Perturbaciones en la Configuración del Modelo:Perturbaciones en la Configuración del Modelo:

ParametrizacionesParametrizaciones Formulación dinámica (coordenada vertical)Formulación dinámica (coordenada vertical) Métodos numéricos (punto de retícula o espectrales)Métodos numéricos (punto de retícula o espectrales) ResoluciónResolución

–– Perturbaciones en las Condiciones de Borde Perturbaciones en las Condiciones de Borde (Modelos de Área Limitada).(Modelos de Área Limitada). Condiciones de borde lateralCondiciones de borde lateral Condiciones de superficie (SST o humedad de suelo)Condiciones de superficie (SST o humedad de suelo)

Incertidumbre asociada a diferentes condiciones iniciales: determinar rango de posibles pronósticos considerando un rango razonable de incertidumbre en la CI.

Incertidumbre asociada a distintos esquemas de parametrización en un mismo modelo: el impacto de bias sistemático y los errores dependen de el régimen del flujo: Cuál es el mejor modelo?

Implementaciones del Implementaciones del SPCSPC Vectores Singulares (ECMWF)Vectores Singulares (ECMWF) Vectores Criados (NCEP)Vectores Criados (NCEP) Observaciones perturbadas en Observaciones perturbadas en

múltiples ciclos de análisis (Canadá)múltiples ciclos de análisis (Canadá) Ensemble KalmanEnsemble Kalman--Filter Filter Errores al azar Errores al azar

Vectores Vectores Singulares Singulares Buizza 2000Buizza 2000

Concepto: se utilizan métodos Concepto: se utilizan métodos estadísticos para calcular las estadísticos para calcular las direcciones o "vectores" en direcciones o "vectores" en los que las diferencias del los que las diferencias del pronóstico crecerán más pronóstico crecerán más rápidamente con el tiempo. rápidamente con el tiempo.

Los vectores singulares son perturbaciones con un Los vectores singulares son perturbaciones con un crecimiento máximo en un determinado período de tiempo.crecimiento máximo en un determinado período de tiempo. A partir de dichos vectores de crecimiento más rápido, el A partir de dichos vectores de crecimiento más rápido, el SPC retrocede hasta el tiempo inicial para obtener la SPC retrocede hasta el tiempo inicial para obtener la estructura estructura de la incertidumbre de las condiciones iniciales de la incertidumbre de las condiciones iniciales directamente relacionada con los "vectores" de crecimiento directamente relacionada con los "vectores" de crecimiento rápido. Luego el tamaño de estos vectores o rápido. Luego el tamaño de estos vectores o perturbaciones se ajusta a los errores de observación perturbaciones se ajusta a los errores de observación esperados y los del campo preliminar. Finalmente, estas esperados y los del campo preliminar. Finalmente, estas perturbaciones se suman a las CI.perturbaciones se suman a las CI.

Para iniciar un ciclo de incubación, Para iniciar un ciclo de incubación, se añaden perturbaciones se añaden perturbaciones aleatoriasaleatorias a a las condiciones las condiciones inicialesiniciales de análisis del modelo. Se de análisis del modelo. Se ejecutan entonces un pronóstico de ejecutan entonces un pronóstico de control y otro perturbado para un control y otro perturbado para un plazo de pronóstico corto plazo de pronóstico corto

Vectores criadosVectores criados

Luego los pronósticos de control y perturbado se diferencian para llegar a una perturbación tridimensional. Finalmente, esta perturbación se reduce a un tamaño que refleje las incertidumbres en las observaciones Estas nuevas perturbaciones se aplican entonces a un nuevo análisis proveniente del nuevo período de pronóstico y el ciclo "de incubación" se repite. El uso de los ciclos de incubación para generar perturbaciones en las condiciones iniciales se basa en las siguientes suposiciones básicas: los aspectos más importantes de la incertidumbre en la condiciones inicialesaparecerán y se volverán dominantes muy temprano en el período del pronóstico.

Observaciones perturbadas en Observaciones perturbadas en múltiples ciclos de análisismúltiples ciclos de análisis

Utiliza un conjunto de ciclos de asimilación de datos que Utiliza un conjunto de ciclos de asimilación de datos que realizan análisis independientes. realizan análisis independientes.

Cada ciclo de asimilación de datos emplea las Cada ciclo de asimilación de datos emplea las observaciones perturbadas de manera diferente y un observaciones perturbadas de manera diferente y un campo preliminar también perturbado de manera diferente. campo preliminar también perturbado de manera diferente. Esas perturbaciones se obtienen aleatoriamente a partir del Esas perturbaciones se obtienen aleatoriamente a partir del rango de error esperado en las observaciones y en el rango de error esperado en las observaciones y en el modelo.modelo.

Es posible usar el llamado Es posible usar el llamado filtro de Kalman para conjuntos filtro de Kalman para conjuntos ((Ensemble Kalman FilterEnsemble Kalman Filter, o EnKF), o EnKF) para proveer al sistema para proveer al sistema de asimilación de datos y al SPC una estructura de asimilación de datos y al SPC una estructura tridimensional de los "errores del día" para los campos de tridimensional de los "errores del día" para los campos de aproximación inicial y de análisis. El EnKF permite variar la aproximación inicial y de análisis. El EnKF permite variar la estructura del error de análisis y de aproximación inicial, estructura del error de análisis y de aproximación inicial, basándose en el régimen de flujo actual. El uso del EnKF da basándose en el régimen de flujo actual. El uso del EnKF da como resultado un vínculo directo entre el sistema de como resultado un vínculo directo entre el sistema de asimilación de datos y el sistema de pronóstico por asimilación de datos y el sistema de pronóstico por conjuntos. conjuntos.

Métodos estadísticos que se Métodos estadísticos que se aplican a la Predicción por aplican a la Predicción por EnsamblesEnsambles Los pronósticos por ensamble requieren Los pronósticos por ensamble requieren

del desarrollo de metodologías del desarrollo de metodologías estadísticas para poder aprovechar sus estadísticas para poder aprovechar sus productos al máximo.productos al máximo.

Estas metodologías deben emplearse Estas metodologías deben emplearse tanto para mostrar los productos como tanto para mostrar los productos como para evaluar la calidad de las para evaluar la calidad de las predicciones.predicciones.

Repaso de algunos conceptos Repaso de algunos conceptos estadísticos básicosestadísticos básicos Una distribución de probabilidad representa la frecuencia Una distribución de probabilidad representa la frecuencia

de ocurrencia de valores o rangos de valores específicos de ocurrencia de valores o rangos de valores específicos en una muestra particular de datos. en una muestra particular de datos.

Para describir sucintamente la distribución de Para describir sucintamente la distribución de probabilidad de una muestra de datos obtenida de un probabilidad de una muestra de datos obtenida de un conjunto grande de datos, utilizamos lo que se conoce conjunto grande de datos, utilizamos lo que se conoce como función de densidad de probabilidad, o FDP, en la como función de densidad de probabilidad, o FDP, en la cual el eje cual el eje xx representa los valores posibles para los representa los valores posibles para los datos y el eje datos y el eje yy la probabilidad de que ese valor ocurra, la probabilidad de que ese valor ocurra, de acuerdo con la muestra de datos.de acuerdo con la muestra de datos.

La FDP tiene una forma característica, una posición La FDP tiene una forma característica, una posición característica de su "centro" y una variabilidad o característica de su "centro" y una variabilidad o dispersión característica de los valores. dispersión característica de los valores.

Ejemplos básicosEjemplos básicos Normalmente, en la Normalmente, en la estadística de los pronósticos estadística de los pronósticos por conjuntos se supone una por conjuntos se supone una distribución normal. A veces, distribución normal. A veces, sin embargo, los datos del sin embargo, los datos del pronóstico por conjuntos pronóstico por conjuntos nonotienen una distribución tienen una distribución normal, como es el caso, por normal, como es el caso, por ejemplo, cuando es preciso ejemplo, cuando es preciso pronosticar dos o más pronosticar dos o más regímenes diferentes, lo cual regímenes diferentes, lo cual significa que hay dos o más significa que hay dos o más pronósticos con alta pronósticos con alta frecuencia. frecuencia.

A partir de una distribución de posibles estados iniciales podemos producir un set de pronósticos es decir una distribución de posibles pronósticos

El centro de una El centro de una distribucióndistribución

La La media aritmética media aritmética o o promediopromedio de una muestra de de una muestra de datos es simplemente la suma de los valores dividida por datos es simplemente la suma de los valores dividida por el número total de valores, el número total de valores,

Si organizamos un conjunto de datos de menor a mayor, Si organizamos un conjunto de datos de menor a mayor, el valor central que deja a cada lado (por encima y por el valor central que deja a cada lado (por encima y por debajo) la mitad de los datos es la debajo) la mitad de los datos es la medianamediana de la de la muestra.muestra.

La estadística de tendencia central dada por el valor o La estadística de tendencia central dada por el valor o intervalo observado con mayor frecuencia es la intervalo observado con mayor frecuencia es la moda moda de de la muestra de datos. la muestra de datos. Ninguno Ninguno de los valores en la de los valores en la muestra, con excepción de los que están en la categoría muestra, con excepción de los que están en la categoría de mayor frecuencia de observación, afecta al valor de la de mayor frecuencia de observación, afecta al valor de la moda. moda.

Medidas del centro de Medidas del centro de una distribuciónuna distribución

Media = 82.09 FMedia = 82.09 F Mediana = 83 FMediana = 83 F Moda = 84 FModa = 84 F

Ejemplo

Dispersión de una Dispersión de una distribucióndistribución

Una buena medida de la variabilidad utiliza todos los Una buena medida de la variabilidad utiliza todos los datos y aumenta a medida que aumenta la datos y aumenta a medida que aumenta la dispersión de la población o de la muestra de datos. dispersión de la población o de la muestra de datos.

Los datos no se ajustan Los datos no se ajustan muy bien a la curva, lo cual muy bien a la curva, lo cual puede deberse a:puede deberse a:–– pocos miembros en el pocos miembros en el

conjunto para que sea una conjunto para que sea una muestra representativa de muestra representativa de todos los posibles todos los posibles resultados de pronóstico o, resultados de pronóstico o, lo cual es más probable, lo cual es más probable,

–– el pronóstico por conjuntos el pronóstico por conjuntos presenta una situación a la presenta una situación a la cual no se puede aplicar la cual no se puede aplicar la distribución normal. distribución normal.

σ = (15,21 °F)1/2 = 3,90 °F Media= 82.09°F

Distribución de probabilidad teórica y ajuste a la distribución observada:

Ejemplo

Una posibilidad que Una posibilidad que puede producir una puede producir una distribución atípica del distribución atípica del pronóstico se da pronóstico se da cuando algunos cuando algunos miembros pronostican miembros pronostican el paso de un frente el paso de un frente frío antes del frío antes del momento de la momento de la verificación del verificación del pronóstico, y otros no. pronóstico, y otros no.

Otra manera de describir los datos de un conjunto consiste en organizarlos de modo que se pueda describir la posición relativa de un miembro particular dentro del conjunto completo. Una medida denominada percentil expresa esta posición en términos de porcentajes. El percentil de un valor da el porcentaje del conjunto de datos total que cae por debajo de ese valor.

Mediana: Percentil 50

Cual es el valor del cuartil 1?

Forma de una distribuciónForma de una distribución Muchos procesos atmosféricos Muchos procesos atmosféricos no no son son

normales y tampoco presentan distribuciones normales y tampoco presentan distribuciones normales: asimetríanormales: asimetría

Tamaño de las colas de una distribución: Kurtosis

Distribuciones multiDistribuciones multi--modalesmodalesUn PDF con múltiples máximos de probabilidad puede indicar que:• el pronóstico por conjuntos el pronóstico por conjuntos no cuenta con suficientes no cuenta con suficientes miembros para dar una miembros para dar una lectura exacta de las lectura exacta de las probabilidades de salidas de probabilidades de salidas de los pronósticos resultantelos pronósticos resultantecon más frecuenciacon más frecuencia•• que existen múltiples que existen múltiples regímenes de flujo que regímenes de flujo que tienen probabilidades tienen probabilidades considerables de poderse considerables de poderse verificarverificar..

Uso de la FDP en el proceso de pronóstico: Uso de la FDP en el proceso de pronóstico: Cálculo de la probabilidad de un eventoCálculo de la probabilidad de un evento

¿Cómo podríamos utilizar el error ¿Cómo podríamos utilizar el error estadístico del modelo en la práctica? estadístico del modelo en la práctica?

violeta: pronósticos (15.1°C)

azul: análisis (14.6 °C)

Muestra = 1000 pronósticos

Error medio: 0.5°C ; Desv del error: 0.8°C

La dispersión del error nos da una medida de la incertidumbre del pronóstico

Pronóstico: 15.5°C → 15°C

67% prob (1 ds) 14.2°C < T < 15.8°C)

El método más lógico para generar un El método más lógico para generar un pronóstico probabilístico consiste en utilizar pronóstico probabilístico consiste en utilizar pronósticos por conjuntos pronósticos por conjuntos para obtener para obtener una FDP de los posibles resultados del una FDP de los posibles resultados del pronóstico. Los pronósticos por conjuntos pronóstico. Los pronósticos por conjuntos tienen claras ventajas sobre los pronósticos tienen claras ventajas sobre los pronósticos deterministas simples, porque toman en deterministas simples, porque toman en cuenta los siguientes aspectos: cuenta los siguientes aspectos: –– la incertidumbre de la condición inicial actual y la incertidumbre de la condición inicial actual y

la predecibilidad atmosférica; la predecibilidad atmosférica; –– el efecto del régimen del flujo actual sobre la el efecto del régimen del flujo actual sobre la

predecibilidad y los sesgos del modelo de PNTpredecibilidad y los sesgos del modelo de PNT