UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 1

Tamaño: px

Comenzar la demostración a partir de la página:

Download "UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 1"

Cristina Isabel Aguilar Venegas
hace 6 años
Vistas:

El sistema de Lorenz Sistemas de predicción por conjuntos para la predicción

1 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 1 La atmósfera y la teoría del caos. El sistema de Lorenz Sistemas de predicción por conjuntos para la predicción probabilística del tiempo Verificación objetiva de predicciones probabilísticas Aplicación de predicciones probabilísticas a problemas reales

2 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 2 Sistemas de predicción por conjuntos para la predicción probabilística del tiempo José A. García-Moya Zapata AEMET Sesión Formativa IIC 1 de Marzo de 2013

3 Calidad del modelo del ECMWF UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 3

4 Comparación con otros centros mundiales - OMM UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 4

UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 5 Introducción El skill de los modelos de predicción numérica del tiempo parece tener una conducta asintótica.

5 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 5 Introducción El skill de los modelos de predicción numérica del tiempo parece tener una conducta asintótica. Dicha saturación no tiene que ver directamente con las mejoras en los diferentes componentes de los modelos. En los últimos 20 años el aumento enorme de la cantidad y calidad de las observaciones y de los métodos de asimilación de datos (4DVAR) han mejorado ligeramente la calidad de los modelos. La calidad de los modelos depende de las situaciones meteorológicas, de las escalas espaciales y temporales y de las variables meteorológicas.

UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 6 Predictabilidad o Predecibilidad o Predicibilidad A partir de esta experiencia práctica y de los estudios

6 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 6 Predictabilidad o Predecibilidad o Predicibilidad A partir de esta experiencia práctica y de los estudios teóricos surgió un nuevo concepto (años 80): Predictability Se define como el grado con el que puede hacerse la predicción del estado de un sistema de manera cuantitativa.

7 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 7 Sensibilidad a las condiciones iniciales

8 Observaciones UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 8

9 Evolución temporal de la PDF UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 9

10 Evolución temporal de la PDF UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 10

11 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 11 Cuestiones meteorológicas Los problemas principales de la predicción del tiempo están relacionados con el tiempo severo y las escalas espaciales y temporales. La precipitación convectiva intensa y el viento en terrenos de orografía compleja son ejemplos. La predictabilidad de estas variables es muy pequeña.

12 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 12 Predicción por conjuntos La predicción de eventos extremos es intrínsecamente probabilística. La predicción por conjuntos ( Ensemble Prediction System EPS) es la herramienta que ayuda a una correcta predicción de la PDF. Forecast risk (Palmer, ECMWF Seminar 2002) es el objetivo de la predicción meteorológica para el siglo XXI.

13 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 13 Predicción por conjuntos Es la herramienta para una predicción probabilística. Objetivo: muestrear el espacio de las infinitas soluciones de la situación meteorológica prevista. La muestra tiene que ser finita por recursos computacionales (~50 miembros como máximo). El muestreo tiene que ser lo suficientemente inteligente para muestrear la parte más activa de todo el espectro. Generalmente se muestrean las principales fuentes de incertidumbre de los sistemas de predicción numérica.

14 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 14 Errores de los modelos Debido a las incertidumbres en las condiciones iniciales. Debido a la formulación del modelo. Debido a las simplificaciones en los esquemas de parametrizaciones físicas. Para los modelos de área limitada, indertidumbres en las condiciones de contorno laterales. Debido a las incertidumbres en los campos del suelo y del subsuelo (temperatura, contenido de agua líquida).

15 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 15 Soluciones de los EPS I Ensembles multi-modelo (Hou & Kalnay 2001). Métodos de Física Estocástica (Buizza et al. 1999). Ensembles multi-condiciones de contorno: De varios modelos deterministas globales. De un EPS global (ECMWF). Técnica SLAF (Hou & Kalnay 2001).

16 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 16 Soluciones de los EPS II Diferentes métodos de asimilación de datos: Interpolación óptima estadística. Métodos variacionales (3D o 4D). Perturbaciones en el análisis: Vectores singulares (ECMWF, Palmer et al. 1997). Técnica Breeding (NCEP, Toth & Kalnay 1997). Scaled Lagged Average Forecast (SLAF, Hou & Kalnay 2001). Métodos basados en los filtros de Kalman (Ensemble Transform Kalman Filter - ETKF, Wang & Bishop 2002)

17 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 17 Modelos deterministas Un único modelo Una única condición inicial Una única predicción X( t ) 0 X ( t + Δt) 0

18 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 18 Fuentes de incertidumbre Incertidumbre en las CI: Obs Métodos de DA Uncertainty of models PDEs Física

19 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 19 Modelos de predicción probabilísticos Single input = PDF ρ( t ) 0 Single output = PDF ρ( t + Δt) 0

20 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 20 PDF: Evolución temporal

Investigar los efectos de las diferentes fuentes de incertidumbre en los resultados de los modelos.

21 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 21 Objetivos del EPS Encontrar la mejor estimación de la PDF de la situación meteorológica. Investigar los efectos de las diferentes fuentes de incertidumbre en los resultados de los modelos. Identificar en el día a día área de baja predecibilidad. Calibrar la predictabilidad dependiente del patrón meteorológico previsto. Calcular la probabilidad de diferentes escenarios para la predicción.

22 Qué es un EPS? UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 22

23 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 23 Como simular la incertidumbre Perturbaciones en las condiciones iniciales Perturbaciones en la Física del modelo

24 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 24 Stamps High resolution operatinal 1 Control 50 members

25 60 W 40 W (75) 0. Sunday 26 December UTC ECMWF Forecast t+12 VT: Monday 27 December UTC Surface: mean sea level pressure Sunday 26 December UTC ECMWF EPS Ensemble Std Dev t+12 VT: Monday 27 December UTC 1000hPa geopotential height (51 Members) W 20 W 0 20 E N 70 N 60 N 50 N 40 N 30 N E E 60 E 40 E UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles Ensemble mean and spread Sunday 26 December UTC ECMWF Forecast t+24 VT: Monday 27 December UTC Surface: mean sea level pressure Sunday 26 December UTC ECMWF EPS Ensemble Std Dev t+24 VT: Monday 27 December UTC 1000hPa geopotential height (51 Members) 20 N W 40 W (75) W 80 E 80 N 50 N N 70 N N W 80 E 60 E 40 E 2.5 (75) 1. Sunday 26 December UTC ECMWF Forecast t+36 VT: Tuesday 28 December UTC Surface: mean sea level pressure Sunday 26 December UTC ECMWF EPS Ensemble Std Dev t+36 VT: Tuesday 28 December UTC 1000hPa geopotential height (51 Members) W N 70 N E 80 E 20 N E N 60 N W 0 20 E N 988. Z1000 Martin Storm 40 W N E N N 20 W 0 20 E

26 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 26 Mapas de probabilidad

27 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 27 Productos derivados: índice de predicción extrema (EFI) EFI 2mT

28 Trayectorias de Ciclones tropicales UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 28

29 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 29 Trayectorias de Ciclones tropicales Gordon: From 00UTC Monday 18 September 2006

30 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 30 Trayectorias de Ciclones tropicales: Katrina From 12UTC Thursday 25 Aug 2005 From 12UTC Friday 26 Aug 2005

31 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 31 Qué es nuevo y qué no EPS es un sistema de predicción probabilístico. La dispersión ( spread ) de un EPS puede representar la incertidumbre de la predicción ( predecibilidad ). Este tipo de información no puede extraerse de un modelo determinista. No nuevo: Los predictores aproximan la predictabilidad de acuerdo con su experiencia de la calidad del modelo numérico determinista (errores dependientes del flujo y de las escalas temporales y espaciales de la predicción). La inconsistencia de diferentes modelos deterministas se ha usado tradicionalmente como una muestra de la incertidumbre de la predicción. Nuevo: EPS da una representación explícita y cuantitativa de la incertidumbre. Aproxima la PDF de la predicción de la situación meteorológica. Es una herramienta mucho más útil en el caso de situación de predecibilidad baja (tiempo severo).

32 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 32 EPS en los medios Cortesía de Renate Hagedorn, ECMWF Cortesía de Robert Mureau, KNMI

Hagedorn, 2006: Predictability of Weather and Climate.

33 UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Ensembles 33 Referencias Palmer, T., and R. Hagedorn, 2006: Predictability of Weather and Climate. Cambridge University Press, 718 pp. García-Moya et al 2011: Predictability of short-range forecasting: a multimodel approach, Tellus-A

Documentos relacionados

UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Aplicaciones 1

UAM-IIC-CatedraAMYP> SFER> Predicción Probabilística> Aplicaciones 1 La atmósfera y la teoría del caos. El sistema de Lorenz Sistemas de predicción por conjuntos para la predicción probabilística del tiempo