Ensamblaje de Modelos del NCEP

1. Ensamblaje de Modelos del NCEP Herramientas Disponibles para Hacer un Mejor Pronostico

2. Temas • Estadísticas de los Modelos • Ciencia de los Ensambles • Cómo se Utilizan • Espagueti vs. Carta Promedio • Pronósticos de Precipitación • Verificación

3. Estadísticas de Modelos Globales

4. 27 Años de Verificación de Modelos Globales: Día 5

5. Verificación Diaria de Modelos Globales: Día 5

6. Verificación Diaria de Modelos Globales: Día 6

7. Verificación de los Pronósticos • Históricamente, los modelos tienden a verificar mejor en el hemisferio norte que en el sur. ¿Por qué?

8. Hemisferio Norte vs. Hemisferio Sur A

9. Verificación de los Modelos • Generalmente los modelos van a dar mejor resultado en sus pronósticos de medio/largo rango cuando onda larga dominan • Buena confianza en patrones de invierno • Baja confianza en patrones de verano

10. Ciencia de los Ensambles

11. ¿Que es un Ensamble de Modelos? • Es una colección de dos o más modelos de pronóstico que son válidos, o verifican, para la misma hora. • También, cuando se comparan corridas anteriores de un modelo válidos para una hora dada, se esta haciendo un ensamblaje de modelos. • La mayoría de los meteorólogos, sin saberlo, tienen experiencia practica en el uso del ensamblaje de modelos

12. Previsibilidad de los Modelos • Se deben considerar las posibilidades de errores • En las condiciones iniciales • La verificación de los análisis • Sistemas de asimilación de datos • Imprecisiones de los modelos (física, dinámica, horizontal, vertical, y escalas temporales, etc) • Los efectos de cómputos (números truncados, sistemas de procesamiento, etc), • Y muchas otras cuestiones. • Debido a todo esto, las previsiones deterministicas, de un solo modelo, nunca serán totalmente correctas.

13. Ventajas del Sistema de Pronósticos de Ensamblaje (SPE) vs. Soluciones Deterministas • SPE considera la naturaleza caótica de la atmósfera y las limitantes de la predicción numérica. • SPE evalúa cuan grande es la incertidumbre en un pronóstico. • SPE nos estima la probabilidad que un dado pronostico se cumpla/verifique.

14. Modelos de Ensamblaje: Concepto • La atmósfera es un sistema dinámico en estado de caos. • Pequeños errores y diferencias en las condiciones iniciales nos llevaran a errores en los cálculos que con el pasar del tiempo se harán cada vez mayores. • Si corremos un modelo utilizando diferentes condiciones iniciales podríamos determinar la mayor o menor probabilidad de que el evento pronosticado realmente ocurra con base en el grado de acierto que muestren en sus resultados.

15. Limitantes de Pronósticos Deterministas • Pronostico Determinista: Uno que busca establecer relaciones de causa/efecto basado en un conjunto de condiciones iniciales. • Las ecuaciones en los modelos no capturan todos los procesos atmosféricos. • Las ecuaciones son una aproximación de la atmósfera. • Cortes y abreviaciones en las ecuaciones producen errores. • Los modelos no pueden solucionar ciertos procesos atmosféricos de menor escala sobre un nivel determinado. • Los sistemas tienen que tener dimensiones espaciales superiores a 5 veces la resolución del modelo. • Observaciones iniciales no están disponibles en cada punto de la atmósfera. • Hay limitantes en los datos, tanto en la vertical como en la horizontal • Problemas de precisión en los datos iniciales/de análisis. • Errores en condiciones iniciales

16. Contabilizando los Errores • La incertidumbre comienza en la inicialización • No podemos medir los datos en puntos infinitesimales. • Diferentes instrumentos y problemas de calibración. • Cantidad de Datos no disponibles en todo los puntos (vertical/horizontal) • En lugar de obtener un solo pronostico de un conjunto de datos iniciales, podemos obtener múltiples pronósticos para distintas inicializaciones.

17. ¿Cómo Podemos Acumular Diferentes Inicializaciones? • Podemos simular diferentes inicializaciones perturbando un conjunto de datos iniciales que tenemos disponible. • Se asume que las condiciones iniciales sintéticamente derivadas capturan las verdaderas condiciones iniciales. • Asumiendo que esto es cierto, podemos correr el modelo nuevamente con cada grupo de datos. • Mientras mas modelos se corran, mayor la probabilidad de capturar los atributos esenciales de las condiciones iniciales.

18. ¿Son Buenos los Datos? Un ejemplo de datos malos que podrían contaminar un modelo. Miren los vientos Además, son muy pocos los niveles disponibles

19. Salidas Diferentes de un Modelo Pueden Agregarse al Ensamblaje • El modelo puede ser fuente de errores. • Correr el modelo con diferentes esquemas físicas (diferentes esquemas de convección como ejemplo). • Correr el modelo a diferentes resoluciones • Comparar los productos del modelo de corridas anteriores validas a una hora dada.

20. Perturbar la Dinámica o la Física del Modelo • Métodos utilizados para "perturbar" un modelo: • Método de perturbar la parametrización física • (por ejemplo, diferentes esquemas de convección, BMJ-versus Kain Fritsch) • Perturbar el sistema de coordenadas • (por ejemplo, sigma vs eta) • Perturbar métodos numéricos • (por ejemplo, espectral vs punto de grilla)

21. Ensamblaje de Modelos • En el NCEP, actualmente se corren 21 miembros diferentes por ciclo (00, 06, 12, 18), y para dos sectores • El GEFS global, y el SREF regional • En el Centro Europeo ellos corren mas de 50 miembros por ciclo. • Los productos de los modelos Británicos (UKMET) y Europeo (ECMWF) son incluidos en nuestra derivación del ensamblaje global.

22. Terminología • Pronostico de Ensamblaje: Una colección de salidas de modelos válidos para la misma hora. • Miembro: Solución individual del Ensamblaje • Control: El miembro del ensamblaje que fue obtenido del mejor análisis disponible. • Promedio del Ensamblaje: El promedio de los miembros • Diferencia: La desviación estadística del promedio

27. Como se Utilizan Carta Espagueti

28. Herramientas del SPE • Grafico de “Espagueti” • Promedio de los Miembros y la Diferencia • Probabilidades

29. Grafico de Espagueti • Típicamente los miembros del ensamblaje se agrupan durante las primeras horas de la corrida del modelo. • Los miembros tienden a diferir con el pasar del tiempo y las perturbaciones se hacen mayores. • La incertidumbre crece según se expande el periodo del pronostico.

30. Ejemplo: Grafico Total

31. Carta Espagueti :El Contorno de 5,520 mgp Miembros del ensamblaje se agrupan muy bien en el Pacifico, pero no en el cono sur. - Confianza es alta donde se agrupan, baja donde divergen.

32. Carta Espagueti: El Contorno de 5,570 mgp Miembros del ensamblaje se agrupan muy bien. La poca variabilidad nos da confianza en el pronóstico. - Buen agrupamiento en todo el dominio. Confianza en el pronóstico es alta.

33. Promedio del Ensamblaje • Agrupamiento: Un método automático que identifica, extrae salidas parecidas y deriva productos de estas soluciones. • Cuando los miembros del ensamblaje se desvían del promedio esto sugiere baja confianza en el pronostico. • Cuando los miembros se agrupan alrededor del promedio la confianza en el pronostico es alta. • Generalmente, en latitudes medias y altas, notaran buen agrupamiento de los miembros hasta 60-84 hrs. • Cuando los modelos divergen a partir de 48 hrs, tenemos un pronostico de muy baja confianza

34. Grafico de Espagueti • Graficar no más de dos o tres contornos para facilitar la legibilidad (en este caso uno), con cada uno de los miembros en un color diferente • Cualitativamente hablando, nos muestra la distribución de los diferentes miembros en un nivel y contorno dado

35. Ventajas / Limitantes del Grafico de Espagueti • Ventajas • Concisa presentación de la información • Muestra todos los miembros • Podemos tener una idea de la probable distribución de los contornos previstos que muestra • Limitantes • Al solo ver un contorno, no da una visión completa del patrón total • Requiere información adicional para la buena interpretación de los productos

36. Como se Utilizan Promedio

37. Promedio de los Miembros y la Diferencia/Variabilidad • El grafico de espagueti es una herramienta subjetiva para que el usuario identifique donde los miembros difieren. • El promedio de los miembros y su diferencia, es una herramienta objetiva que el usuario puede utilizar para reconocer áreas de diferencia entre los modelos.

38. Promedio de los Miembros y la Diferencia

39. Interpretación del Grafico de Promedio y Diferencias • Dos Dipolos: Sugiere diferencia de horas o temporales entre los miembros. • Un Solo Núcleo: Sugiere diferencias de amplitud entre los miembros.

40. Grafico de Promedio y Diferencias A menudo resulta útil examinar los diagramas espagueti para entender mejor los diagramas de media y dispersión.

41. Características del promedio • El promedio del ensamblaje, en general, produce un mejor pronostico que el modelo operacional ¿Por qué? • Las características mas previsibles permanecen intactas, y las menos predecibles son suavizadas • Significancia de las Diferencias/Variabilidad • Permite evaluar la incertidumbre, por que más variabilidad significa mayor incertidumbre 3

42. Ventajas del Promedio del Ensamblaje y la Diferencia/Variabilidad • Presentación concisa • Características impredecibles son suavizadas en el promedio • En general, el promedio del ensamblaje tiende a verificar mejor, después de 84 horas • La variabilidad nos permite cuantificar la incertidumbre • Cuando la variabilidad es baja, la confianza y probabilidad de que verifique son altas. • Cuando la variabilidad es alta, la confianza y probabilidad de que verifique el pronóstico es baja.

43. Ejemplo Carta Promedio y la Diferencia Miembros en Excelente Acuerdo

44. Ejemplo Carta Promedio y la Diferencia Miembros con Diferencias Temporales ¿Qué impacto tiene el que veamos diferencias grandes en la parte delantera de la vaguada? Tendencia a acelerar

45. Ejemplo Carta Promedio y la Diferencia Miembros con Diferencias de Amplitud ¿Qué impacto tiene el que veamos diferencias grandes a lo largo del eje vaguada? Tendencia a ampliar

46. Confianza en el Pronostico Dependiendo de la diferencia y/o variabilidad, el meteorólogo puede establecer cuanto confianza puede poner en un pronóstico dado. Aquí la variabilidad es baja y la confianza alta.

47. Confianza en el Pronostico Cuando hay gran variabilidad entre los miembros, y el error, es muy grande la confianza en el pronóstico es baja.

48. Tengan cuidado utilizando el promedio • Observe como la línea negra, que representa la media del conjunto, es esencialmente zonal, mientras que muchos de los miembros del conjunto muestran dorsales o vaguadas (resaltadas con los círculos) en el este y oeste de los EE.UU.

49. Desventajas del Promedio delEnsamblaje y la Diferencia • Se asume una distribución normal • Cuando la distribución no es normal: • Comportamiento es caótico y la agrupación en torno a soluciones múltiples • Promedio del ensamblaje no representan la mejor solución • Diferencias del ensamblaje no será verdaderamente significativa • Interpretación del promedio del ensamblaje y la diferencia requiere información sobre la forma de distribución del ensamblaje • Gráficos de Espagueti ayuda deducir la forma de una distribución sobre el ensamblaje promedio • Tamaño de la diferencia con respecto al ensamblaje promedio ayuda a inferir la incertidumbre espacial de las características

50. Corrección de los Errores Sistemático en los Sistemas de Ensamblaje • Los errores sistemáticos pueden ser minimizados si aplicamos una corrección basada en como previsiones anteriores verificaron. • En el NCEP utilizamos un periodo de 30 días (funciona siempre y cuando el régimen no cambia mucho). • Un plazo de tiempo más largo, (por ej. una temporada completa o varias estaciones de distintos años), los errores son más independientes de un régimen específico. • Para periodos de tiempo mas corto, como en un mes, el patrón mas reciente es aplicado. • Ajustes serán diferente para diferentes regímenes de flujo. • Pero, si el régimen es diferente del que el pasado, la corrección al ensamblaje no seria correcta