Predicción meteorológica por conjuntos

Descarga de la guía

Guía para comprender el fundamento de la predicción por conjuntos como técnica para predicciones a medio plazo y conocer los productos de libre acceso ofrecidos por el ECMWF.

1.Incertidumbre en las salidas deterministas.

La predicción del tiempo a través de modelos numéricos lleva asociado una serie de errores e incertidumbre que imposibilita una buena predicción realizando uso de un único escenario (determinista) previsto por estos modelos.

Así por un lado, se necesita conocer el estado actual que presenta la atmósfera para realizar la predicción y aquí radica la primera fuente de error. Es imposible conocer con una precisión absoluta el estado de la misma a pesar de contar con una buena red mundial de observación. Así en el siguiente gráfico podemos ver la red usada por el ECMWF para la asimilación de los datos necesarios para poder iniciar la modelización de la atmósfera. Procesa rutinariamente 90 productos de satélites y aunque de los 40 millones de datos que asimila diariamente, proceden en su mayoría de satélites, también procesa datos de las redes de observación terrestres y de aeronaves.

Figura 1: Red de observaciones usadas por el ECMWF. Fuente: ECMWF

Por otro lado, las ecuaciones (dinámica del modelo) que describen el estado dinámico y no lineal de la atmósfera no tienen solución analítica por lo que para su resolución se necesita usar aproximaciones. Además son fuertemente dependientes de las condiciones iniciales, por lo que pequeños cambios de estas, producen grandes variaciones en las soluciones y esto limita la predecibilidad. Por si esto fuera poco, determinados procesos físicos de la atmósfera ocurren en escalas demasiado pequeñas para ser representados explícitamente por los modelos por lo que se recurren a una estimación de estos efectos (parametrización del modelo).

2.La predicción por conjuntos, la herramienta más útil a medio plazo.

Por estos motivos, la predicción a más de 3 días vista parece adquirir un carácter aleatorio usando un único escenario ya que a cada actualización de la predicción, se obtienen estados de la atmósfera que pueden llegar a ser muy distintos del anterior. Para intentar poder realizar una predicción más certera a partir de este plazo de tiempo, se recurre a la predicción por conjuntos ( EPS) realizada por el ECMWF desde el año 1992. Con diferentes métodos, se computan un conjunto de condiciones iniciales plausibles y un conjunto de predicciones válidas o escenarios para un determinado rango temporal y para la misma zona geográfica (Santos, 2018).

Así el ECMWF altera las condiciones iniciales observadas para obtener 50 nuevas. Estas perturbaciones son siempre plausibles con los datos observados. Así se modifican la temperatura, presión y viento en las zonas que contribuyen a la inestabilidad de la atmósfera. A esto hay que sumarle modificaciones en la tendencia de la vorticidad y en las aproximaciones de aquellos procesos físicos de escala demasiado pequeñas. También de forma selectiva se generan perturbaciones allí donde el error en las condiciones iniciales crece de forma más rápida.

Se generan así 50 modelos (miembros) a los que hay que sumarle el modelo sin las condiciones iniciales perturbadas (miembro control). Estos 51 modelos tienen una resolución menor que el HRES (determinista) con el fin de ahorrar en recursos computacionales. Los 51 modelos se integran 2 veces al día, con un alcance de hasta 15 días, y una resolución horizontal que es de 18 km y con 91 niveles verticales. Existe además una versión extendida, el ENS Extended, con alcances desde el día 16 al 46 y con una resolución horizontal de 36 km.

Figura 2: Representación de los distintos miembros del EPS. Fuente: ECMWF

Así en lugar de tener una predicción, tenemos 51 escenarios plausibles. Cuando la dispersión de los pronósticos es pequeña, y es razonablemente consistente con la determinista de mayor resolución, entonces sabemos que la predecibilidad es grande. En cambio, una gran dispersión de los resultados nos indicará que la incertidumbre es muy alta, y una inconsistencia con el modelo determinista de mayor resolución nos indica que la resolución juega un papel crítico y por tanto debemos mirar el EPS con precaución. La proporción de miembros del conjunto que prevé unas condiciones determinadas, indica la probabilidad de que ocurra. (Ghelli y Gutiérrez 2018).

3.Productos del ECMWF para una predicción por conjuntos.

A continuación vamos a abordar cómo realizar una predicción meteorológica por conjuntos (EPS) siguiendo el esquema lógico de esta metodología. Es sabido por todos, que la política restrictiva del ECMWF impide que se disponga de sus productos de forma libre. Sin embargo, aquellos a los que si podemos acceder, resultan muy útiles y permiten realizar una predicción con éxito.

Así describiré diez productos de libre acceso, explicando su interés y dando consejos acerca de su uso así como precauciones que debemos tomar para evitar errores derivados de una mala interpretación. Haciendo clic sobre la imagen se accederá a la web del producto . Debemos tener en cuenta, que este tipo de predicción es publicada a las 8:30 y 20:30 UTC, es decir, una hora y media después del determinista. Sin más, comenzamos:

A.Comparación control-determinista.

Figura 3: Comparación entre determinista y control para el campo de geopotencial a 500 hPa donde se observan diferencias entre uno y otro en la situación de la vaguada. Fuente: Meteologix.

Interés: En el punto 2 de este artículo explicábamos que la predicción por conjuntos usa una resolución que es la mitad de la usada en la de alta resolución (determinista) para ahorrar en recursos computacionales. Sin embargo, en determinadas ocasiones resulta clave en la predicción el papel que juega la resolución del modelo. Por este motivo, el primer paso que debemos realizar es una comparación visual entre la salida determinista y el miembro control para una mismo campo (geopotencial 500 hPa, temperatura 850 hPa, etc), zona, día y hora.

Nota: En la web de Meteologix, el escenario de alta resolución y determinista está identificado como “master” y el miembro control como “control #0”

Interpretación: Si control (control #0) y determinista (master) presentan pautas similares, entonces la resolución horizontal no es algo crucial en la situación y podemos seguir con el resto de la información del EPS sin más consideraciones. Sin embargo, si presentasen pautas distintas, eso implicaría que la resolución horizontal jugaría un papel importante en la situación y, por tanto, podemos seguir la información del EPS pero con cierta precaución, dado que su resolución es menor y la resolución es importante en esa situación. (Santos, 2018)

B. Mapa de los miembros.

Figura 4: representación de 6 miembros del EPS para el campo de geopotencial a 500 hPa. Fuente: Meteologix

Interés: para cada uno de los miembros del EPS se representan el mapa con el campo solicitado. Suelen usarse para que ante un posible escenario establecido por el predictor o a través de la técnica de agrupamientos (clustering), usar el miembro que mejor lo representa.

Interpretación: se interpretan al igual que se hace con un mapa determinista según el campo seleccionado. Comparar los 51 escenarios posibles establecidos por el EPS resulta un trabajo muy arduo por lo que en general tiene poco interés si no se nos ofrece mediante una técnica de agrupación de escenarios. Por ahora, no es de acceso libre esta técnica de agrupamientos del ECMWF.

C.Mapa promedio del conjunto.

Figura 5: mapa promedio del EPS del campo de la presión a nivel del mar y geopotencial a 500 hPa. Fuente: Meteociel.

Interés: consiste en la representación de la media obtenida por los 51 miembros del EPS. Esta representación del promedio suaviza las características de pequeña escala dejando visibles las de gran escala como los centros de acción.

Interpretación: el promedio del conjunto no es siempre una situación plausible puesto que surge de una operación estadística y no previsto por el modelo. Por tanto no debemos hacer uso de el por sí solo ya que nos informará de un escenario que no ha sido determinado por nuestro modelo. Algunas webs ofrecen este producto de forma individual por lo que aconsejo no hacer uso de el, salvo con mucha precaución y teniendo siempre presente esta explicación. Suele usarse asociado a la dispersión, como veremos más adelante.

D. [endif]Mapa de alta resolución del campo de presión a nivel del mar y dispersión asociada.

Figura 6: Mapa presión nivel del mar y dispersión asociada.

Interés: la variabilidad entre los distintos miembros del conjunto se puede medir a través de la dispersión. Esta se representa mediante colores asociadas a una escala que nos indica la variación de presión que existe entre los miembros. La dispersión es una medida de la incertidumbre meteorológica

Interpretación: En líneas generales, la interpretación se realiza identificando las áreas de mayor dispersión sobre los patrones sinópticos que presente la situación. Para conocer el valor de la dispersión se usa la escala de colores y el rango de presión asociado.

En el ejemplo, gran parte de la península tendría una dispersión de entre 4 y 8 hPa sobre el valor de la isobara representada.

Como patrón característico, usaremos la figura de abajo para el campo de geopotencial de 500 hPa. Según la posición de la dispersión en el eje de la vaguada, interpretaremos como una mayor incertidumbre en la intensidad de la vaguada (fig 7 izquierda), incertidumbre en zonas que no aparecen bien reflejadas en el modelo debido a su menor escala (fig 7 central) o incertidumbre en la posición de la vaguada (fig 7 derecha).

Figura 7: ejemplo de dispersión en el campo de geopotencial a 500 hPa. Fuente: COMET.

E. [endif]Mapa de alta resolución de otros campos y dispersión asociada.

Figura 8: Geopotencial a 500 hPa a alta resolución y dispersión asociada. Fuente: ECMWF.

Interés: Además del campo de presión a nivel del mar, es posible conocer la dispersión asociada a otros campos como el geopotencial a 500 hPa, temperatura a 850 hPa y viento a 850 hPa.

Interpretación: En líneas generales, la interpretación se realiza identificando las áreas de mayor dispersión sobre los patrones sinópticos que presente la situación. Para conocer el valor de la dispersión se usa la escala de colores y el rango del campo asociado.

En el ejemplo, la dispersión sobre el oeste de la península tomaría un valor de 2 a 4 hPa sobre lo representado en las isohipsas. El este peninsular tiene una dispersión de 4 a 8 hPa por lo que existe una mayor incertidumbre sobre cómo afectará la vaguada a esta región.

F.Mapa del promedio y dispersión normalizada asociada.

Figura 9: Campo de geopotencial promedio del EPS y dispersión normalizada asociada. Fuente: ECMWF

Interés: se representa el promedio del conjunto para diversos campos y su dispersión en relación a valores de dispersión observados en los últimos 30 días. Por tanto nos valora si la incertidumbre en más alta o baja de lo habitual en los últimos 30 días y serán zonas a prestar atención a lo largo de los sucesivos días.

Interpretación: En líneas generales, la interpretación se realiza identificando las áreas de mayor dispersión sobre los patrones sinópticos que presente la situación. Las zonas verdes presentan poca incertidumbre con respecto a lo habitual en esa zona por lo que tiene una predecibilidad aceptable. Sin embargo las zonas rosadas tienen una incertidumbre superior a lo habitual y baja predecibilidad. Las zonas sin sombrear presentan las misma dispersión de los últimos 30 días.

En el ejemplo mostrado, la dorsal atlántica tiene una baja incertidumbre puesto que nos ha venido acompañando durante bastantes días atrás. Sin embargo, el que pase una vaguada por el este peninsular presenta una alta incertidumbre puesto que no ha sido lo habitual en los últimos días y será la zona a realizar el seguimiento en las próximas salidas del modelo.

G. Mapa de probabilidad de un evento.

Figura 10: mapa de probabilidad de rachas de viento de AEMet y mapa de probabilidad de precipitación de Meteologix.

Interés: se representan la probabilidad de que ocurra un evento meteorológico (precipitación, temperatura, rachas de viento) mediante colores para un rango de valor establecido.

Interpretación: son mapas muy útiles y fáciles de interpretar. Disponemos de ellos en la web de AEMet hasta a 3 días vista y para 15 días en Meteologix (precipitación y ciclones tropicales)

En el ejemplo, los rangos establecidos son rachas máximas de viento superiores a 70 km/h y precipitación superior a 1 mm en 24 h.

H. Mapa de predicción de riesgos.

Figura 11: predicción de riesgo para el campo de la precipitación y temperatura mínima. Fuente: Meteologix.

Interés: nos indica cuanto de extrema es la predicción realizada para un evento y por tanto, la anormalidad de la situación prevista con respecto a los últimos 20 años. Se muestran para temperatura máxima y mínima, precipitación y rachas en 24 horas.

Interpretación: la escala de colores se identifica la extremidad desde 0 (normal) hasta 1 (extremo), poco habitual para esa época del año. En el caso de temperaturas, la escala toma hasta valores -1, anomalía muy negativa, por debajo de lo normal para esa época del año o 1, anomalía muy positiva, muy altas para esa época del año.

I. Penachos.

Figura 12: penachos para la ciudad de Madrid para el campo de la temperatura. Fuente: Meteologix.

Interés: permite la predicción por conjuntos para una localidad. Se representan para el parámetro elegido, la evolución natural a lo largo de los días previstos por el conjunto de miembros además de la salida determinista.

Interpretación: en primer lugar debemos elegir la localidad deseada. Una vez nos aparezca el gráfico, en la zona superior se pueden elegir hasta 9 parámetros distintos. Se muestran dos líneas y una zona sombreada que representan la evolución del parámetro seleccionado. Al desplazar el ratón y colocarlo sobre un día y hora en concreto (eje inferior) aparecerá el valor previsto en la zona inferior.

La línea roja es la salida determinista (main run) y la azul el promedio del conjunto de miembros (ensemble mean). Cuanto más próximo sean estos valores entre sí, menor incertidumbre tendrá el valor previsto por la salida determinista de alta resolución.

La zona sombreada indica la evolución del parámetro prevista por el conjunto de miembros. A medida que transcurre el tiempo, este abanico es más amplio ya que la variabilidad entre los miembros también es mayor y por tanto más incierta es la predicción.

También se muestran los valores del percentil 10% y 90% que nos indica el rango entre los que “podría” oscilar el valor de ese parámetro.

Los máximos y mínimos es el valor más alto y bajo previsto entre los 51 miembros del conjunto y se consideran valores extremos que se podrían alcanzar aunque en general la probabilidad de ocurrencia es mínima en situaciones donde el abanico de posibilidades sea amplio. Si estos valores escapan de lo habitual para la zona y época de año, debemos prestar especial atención y realizar un seguimiento en sucesivas salidas.

Hay que tener en cuenta que para los parámetros de la precipitación y espesor de nieve nos muestra el acumulado desde el inicio de la predicción, por lo que si queremos conocer la cantidad que se acumulará en un rango de tiempo, debemos hacer la diferencia entre el inicio y fin del periodo deseado.

J. Ciclones tropicales.

Figura 13: productos de predicción del huracán Ophelia del catálogo de ciclones tropicales. Fuente: ECMWF.

Interés: para tormentas tropicales, ciclones tropicales y huracanes-tifones se muestra en las siete subregiones a escala global, siete productos que facilitan su predicción.

Interpretación: destacan el mapa de probabilidad de impacto en una zona de la región y el de las trayectorias previstas por la salida determinista y EPS. También podemos ver la probabilidad de que pase de una categoría a otra, velocidad del viento y presión a nivel del mar. Otra posibilidad son los productos de verificación.

Como en nuestra zona son pocos habituales y los productos ofrecidos son numerosos, no los detallo en este artículo, pues necesitaría de uno específico para ello.

Bibliografía.

- Explicación de la predicción por conjuntos. Módulo COMET.

-Santos, C. y col (2018). Física del caos en la predicción meteorológica. AEMet.

-User guide to ECMWF forecast products. 2015. ECMWF.