122 Aniversario Dirección Meteorológica de Chile Pronóstico del Tiempo en el 2006: Oportunidades y Desafíos René D. Garreaud Departamento de Geofísica.

Presentación del tema: "122 Aniversario Dirección Meteorológica de Chile Pronóstico del Tiempo en el 2006: Oportunidades y Desafíos René D. Garreaud Departamento de Geofísica."— Transcripción de la presentación:

1 122 Aniversario Dirección Meteorológica de Chile Pronóstico del Tiempo en el 2006: Oportunidades y Desafíos René D. Garreaud Departamento de Geofísica Universidad de Chile Marzo 2006

2 Pronóstico del Tiempo en el 2006: Oportunidades y Desafíos Validación y Valorización del Pronóstico del Tiempo Expansión de la Comunidad Operativa Modelos numéricos de pronóstico ¿Maquinas versus humanos? ¿Que quieren los usuarios? (especialmente los que pagan)

3 Pronóstico del Tiempo y Predicción Climática Plazo de Previsión [días] 0.5 Resolución Espacial [km] 10.0 1.0 100.0 3 1 7 Cobertura espacial [km 2 ] 10  10 Tormentas de Invierno Tormentas de Verano Variabilidad intraestacional e interanual de Precip. Pronóstico Numérico del Tiempo + MOS Modelos climáticos estadísticos Herramienta Extrapolación observaciones Modelos de mesoescala y microescala 30 300 0.1 100  100 5000  5000 1000  1000

4 Bondad del Pronóstico Utilidad del pronóstico Bueno y Útil Bueno e InútilMalo e Inútil Bondad y Utilidad del pronóstico no son lo mismo...

5 La bondad del pronóstico es una medida objetiva de su capacidad de acertar estados futuros de la atmósfera: Variables continuas: R 2, ecm, sesgo, etc.... ecm

6 o1e2o3o4....oN p1f11f12f13 p2f21f22f23 p3f33 p4f44... pNfNN En el caso de variables discretas (o variables continuas discretizadas) se emplean tablas de contingencia Cada celda la frecuencia de ocurrencia de un estado i dado un pronóstico de estado j ( f {i/j} ) (Pronóstico perfecto : f {i/j} = 0 si i  j)

7 N=100 Observación LluviaNo-Lluvia Pron. Lluvia A=25B=530 Pron. No-Lluvia C=10D=6070 3565100 Climatología observada Climatología del pronóstico Caso más simple y mas frecuente N=2 Hit-rate: (25+60)/100 85% False-alarm rate: 5/100 5% Missing rate: 10/100 10% Muchos otros mas...Bias, TS, POD,...

8 Sin embargo los índices anteriores NO dicen mucho del pronósticos por si solos... La bondad del pronóstico se establece al comparar sus índices con los obtenidos con otras formas de estimar las condiciones futuras: Otros sistemas de pronósticos Persistencia Azar Climatología

9 N=100 Observación LluviaNo-Lluvia Pron. Lluvia 044 Pron. No-Lluvia 59196 595100 N=100 Observación LluviaNo-Lluvia Pron. Lluvia 000 Pron. No-Lluvia 595100 595100 Nuestro pronóstico. HR=0.91 Pronóstico fijo. HR=0.95 Particular cuidado en pronóstico de eventos muy infrecuentes.

10 Definiciones básicas Consideremos una actividad productiva que es afectada por la condición meteorológica. Esta condición se asocia con la ocurrencia de eventos {E 1, E 2,..., E n } La actividad productiva puede adoptar M acciones distintas. Sea L j,k el beneficio (o costo) de realizar la acción j dada la ocurrencia de un evento k. La probabilidad climatológica de un evento es: p(E k ) = P k. (  P k = 1) Sea Q h la frecuencia histórica de realizar un pronóstico del evento h. Sea  k,h = probabilidad (pronóstico de evento h ocurra un evento k) Valorización de los Pronósticos Meteorológicos Con la información anterior es posible calcular los beneficios de largo plazo asociados a los distintos tipos de pronósticos (e.g., Murphy et al. 1999)

11 Bondad del pronóstico Beneficio ($) Pronóstico Perfecto Acciones Perfectas Pronóstico Imperfecto Acciones Perfectas Solo climatología Acción Perfecta Pronóstico Imperfecto Acciones Imperfectas 1. Techo de valorización se obtiene usando un “pronóstico perfecto” (BPP). 2. Info. climatológica permite selccionar acción que maximiza beneficio de largo plazo (BC). 3. Evaluación del beneficio esperado usando un modelo de pronóstico requiere conocer su estadística y la forma en que la actvidad se va a realizar (estrategia) 4. Uso inadecuado de un pronóstico podría llevar a BPR < BC Valorización de los Pronósticos Meteorológicos

12 Condiciones Iniciales y de Borde generadas por modelos globales (e.g. AVN) en tiempo real vía Internet Códigos numéricos portables y eficientes (MM5, RAMS, WRF, etc…) Modelos numéricos de pronóstico del tiempo de área limitada corriendo en forma operacional en múltiples instituciones: Servicios Met. Nacionales Universidades Centros regionales Empresas privadas Consultoras en meteorología Internet provee además un medio de difundir los resultados de estos modelos. Cluster y Super PC a precios accesibles La expansión de la comunidad de meteorología operativa

13 La creciente superposición entre los diversos actores de la comunidad meteorológica operativa no solo ocurre en el campo de la predicción numérica del tiempo, sino también en la colección y diseminación de observaciones meteorológicas. Escenarios posibles frente a esta superposición:  Generar una saludable colaboración, promoviendo por ejemplo sistemas de pronósticos basados en “Ensambles” y coordinando esfuerzos de investigación aplicada que no pueden ser ejectudados en forma individual  Indiferencia y/o tensión entre los actores (publico/privado, tradicionales/emergentes). Superposición pasa a ser considerada invasión. La expansión de la comunidad de meteorología operativa

14 Condiciones iniciales Salidas numéricas para tiempo futuro Condiciones de borde Lon (x) Lat (y)... Twup Elev (z)... Twup Elev (z) Modelo Numérico Modelos numéricos de pronóstico ¿Maquinas versus humanos?

15 Salidas numéricas... Twup Post-procesamiento estadístico (MOS, Perfect Prog, redes neuronales, etc.) permiten pronóstico objetivo (Guidance) Mapas y otras formas graficas para el apoyo del pronóstico subjetivo realizado por un meteorólogo Pronóstico de variables meteorológicas (e.g., Tx, Precip.) para un lugar o región Modelos numéricos de pronóstico: ¿Maquinas versus humanos?

16 Predictores salidas del modelo, obs. recientes, climatología Predictante (Tx, Tn, PP, etc.) Estadística Predictores salidas del modelo, obs. recientes, climatología Predictante (Tx, Tn, PP, etc.) Estadística Reg. Lineal Multiples Redes Neuronales MOS-Desarrollo MOS-Aplicación VentajasDesventajas Remueve sesgo del MPN Permite conocer error del pronóstico Requiere “historía” de observaciones y salidas del MPN Emplea múltiples predictoresEcuaciones son dependientes del modelo Puede pronósticar variables “no meteorológicas” Usualmente calibrado para condiciones medias MOS: Model Output Statistics

17 ¿Como se comparan entre si los pronósticos subjetivos (guiados por modelos numéricos) con MOS? Caso ejemplo: pronósticos de temperaturas extremas en 17 estaciones en EE.UU. durante el período invernal. Para cada sistema se calculó su error absoluto medio ( Baars and Mass, WAF 2005 ) en el tiempo y todas las estaciones. Mejor Peor 12h 24h 36h 48h NWS guiado Modelos numéricos de pronóstico ¿Maquinas versus humanos?

18 Baars and Mass (2005) obtuvieron las siguientes conclusiones:  En general, los pronósticos objetivos (MOS) han alcanzado y superado a los pronósticos subjetivos de temperaturas extremas y probabilidad de precipitación.  Los mejores pronósticos objetivos emplean sistemas mas o menos sofisticados de MOS aplicados a las salidas de varios modelos numéricos (Consensus MOS, Weighted MOS, etc.)  La calidad de los pronósticos objetivos decae en situaciones extremas (e.g., grandes cambios de temperatura), pues los MOS están calibrados para los valores medios.  Los pronósticos subjetivos (guiados por salidas numéricas) continúan siendo mejores en el rango 0-24 horas, donde los meteorólogos pueden integrar en forma efectiva otras fuentes de información. Modelos numéricos de pronóstico ¿Maquinas versus humanos?

19 Sectores Productivos (Agricultura-Forestal, Pesca, Energía, Agua, Minería, Transporte) y Sistemas de Protección Civil Variables Ambientales Indices de ventilación, Probabilidad de heladas, potencial de incendio, caudales, etc... Modelos intermedios con grado de complejidad variable Modelos de Pronóstico Meteorológico (MPM) (T, p, q, V, ,R, H, LE,...) Atmósfera – Meteorología - Clima ¿Qué quieren los usuarios? (especialmente los que pagan)

20 Post-procesamiento de resultados del MPN (e.g., horas de frío, índice de ventilación) y un escalamiento espacial hacia abajo (10  10 km  1  1 km) Combinación MPN con información meteor. precedente (e.g., lluvias en el último mes para calculo de humedad del suelo) y/o información ambiental concurrente o precedente (e.g., índice actual de vegetación para determinar potencial de incendio). Enlace MPN con modelos adicionales (e.g., modelo de nieves, modelo de olas, modelos de evapotranspiración, etc.) Modelos intermedios

21 Es fundamental conservar y analizar el desempeño de los pronósticos en forma estadística. La bondad de un modelo es una medida relativa. El beneficio asociado a los pronósticos (y su valorización) depende de su desempeño, pero también de las acciones que se ejecutan a partir de ellos. La creciente disponibilidad de recursos para ejecutar modelos numéricos del tiempo contribuye a ampliar la comunidad operativa, con las oportunidades y desafíos que ello conlleva. Pronósticos objetivos (e.g., MOS) parecen destinados a superar a los pronósticos subjetivos en previsiones sobre un día. Conclusiones I

22 En consecuencia, las instituciones involucradas en meteorología operativa deberían re-orientar sus esfuerzos a: Desarrollo de sistemas objetivos basados en múltiples modelos numéricos (e.g., Ensemble MOS) Análisis y pronóstico subjetivo de corto plazo (0-24 horas), en especial en presencia de condiciones lejos de la climatología Desarrollo interdisciplinario de modelos “ambientales” intermedios que, basados en los resultados de los modelos numéricos del tiempo, permitan la predicción de variables especificas y de directo interes para sectores productivos Conclusiones II