Evaluación de pronósticos numéricos calibrados subestacionales de la temperatura mínima y máxima

Abstract

El pronóstico semanal de temperatura es utilizado por varios sectores para conocer las perspectivas a mayor plazo. En este trabajo se evalúa la calidad de dos técnicas de calibración aplicadas a la temperatura máxima y la temperatura mínima semanal del pronóstico numérico del modelo GFS en un plazo de dos semanas. Las metodologías utilizadas son la BC-NOAA y la Regresión Adaptada basada en el Filtro de Kalman (RAFK). Los resultados muestran que ambas metodologías presentan un buen desempeño en corregir los errores sistemáticos del pronóstico. Sin embargo la metodología RAFK tiene mayores posibilidades de mejora al utilizar datos observados de estaciones. Se analizó también un caso de estudio para una ola de calor que afectó a gran parte del país en la que ambas metodologías lograron reducir un fuerte bias cálido en el pronóstico y en el caso de RAFK, también se observó una mejora en el pronóstico probabilístico.

The weekly temperature forecast is used by various sectors to estimate the longer-term outlook. In this work, the quality of two calibration techniques applied to the weekly maximum temperature and minimum temperature forecast of the GFS numerical model over a period of two weeks is evaluated. The methodologies used are BC-NOAA and Adapted Regression based on the Kalman Filter (RAFK). The results show that both methodologies present good performance in correcting systematic forecast errors. However, the RAFK methodology has greater possibilities for improvement by using observed data from stations. A case study was also analyzed for a heat wave that affected a large part of the country in which both methodologies managed to reduce a strong warm bias in the forecast and in the case of RAFK, an improvement in the probabilistic forecast was also observed.