Evaluación del Sistema de Asimilación de datos y Pronóstico numérico del Servicio Meteorológico Nacional: resultados del periodo 2020-2024

Abstract

Esta nota técnica presenta una evaluación del desempeño de los pronósticos determinísticos y probabilísticos del Sistema de Asimilación de datos y Pronóstico numérico del Servicio Meteorológico Nacional (SAP.SMN) durante el período de estudio comprendido entre el año 2020 y 2024. Constituye una actualización de los resultados para el periodo 2020-2022 presentados en Matsudo y García Skabar, 2023. En particular, se comparan los pronósticos del ciclo 06 UTC frente a observaciones provenientes de la red de estaciones de superficie del SMN. En la medida de lo posible, se incluye una comparación con pronósticos provenientes del modelo global de menor resolución GFS. Las variables verificadas son: precipitación acumulada en 24h, temperatura a 2m, temperatura mínima y máxima diarias y magnitud de viento. Asimismo, se incluye una comparación con variables calibradas. Los resultados muestran el impacto de la calibración en las temperaturas máximas diarias y la mejor correspondencia entre la distribución de la precipitación del SAP.SMN y las observaciones frente al modelo de menor resolución.

This technical note presents an evaluation of the performance of deterministic and probabilistic forecasts from the Data Assimilation and Numerical Prediction System of the National Meteorological Service of Argentina (SAP.SMN) during the study period from 2020 to 2024. It constitutes an update of the results for the 2020– 2022 period presented in Matsudo and García Skabar (2023). In particular, the 06 UTC cycle forecasts are compared against observations from the SMN surface station network. Where possible, a comparison is included with forecasts from the lower-resolution global GFS model. The verified variables are: 24-hour accumulated precipitation, 2m temperature, daily minimum and maximum temperatures, and wind speed. Additionally, a comparison with calibrated variables is included. Results show the positive impact of calibration on daily maximum temperatures and better correspondence between precipitation distribution of SAP.SMN and observations compared to the lower-resolution model.