Seminario Iberoamericano sobre Sistemas de Informacin y Pronstico Hidrometeorolgico Avances, potenci

1
Seminario Iberoamericano sobre Sistemas de
Información y Pronóstico HidrometeorológicoAvanc
es, potencialidad y limitaciones actuales de la
predicción meteorológica operativa

• Ángel Rivera
• Fermín Elizaga
• F. Martín
• Área de Predicción y Aplicaciones
• Instituto Nacional de Meteorología

2
Tipos de inundaciones

• Inundaciones repentinas (flash-floods)
  Intensidades elevadas de precipitación que
  afectan a una zona determinada de forma brusca y
  rápida (casi siempre en menos de 6 horas desde
  que se producen las lluvias). (Biescas, 1996).

• Inundaciones de cuenca fluvial Asociadas a
  periodos de precipitaciones persistentes,
  abundantes y continuas durante días y/o semanas,
  que pueden verse favorecidas por situaciones de
  deshielo. (Pisuerga, Valladolid, Marzo 2001)

3
Requerimiento creciente de predicciones
cuantitativas de precipitación (QPF)Porqué es
tan difícil abordarel problema de la QPF?

• Debe determinarse con precisión
• Cuándo
• Cuánto
• Dónde
• Con que seguridad?

4

• En general, las precipitaciones más fuertes están
  asociadas con fenómenos convectivos.
• Ingredientes necesarios para el desarrollo de
  convección
• Inestabilidad
• Mecanismo de disparo que inicie los movimientos
  verticales
• Humedad
• El problema de los posibles factores inhibidores

5

• Problemas
• Existen una gran cantidad de entornos,
  sinópticos y mesoescalares, en los que se puede
  desarrollar la convección.
• Al mismo tiempo, existe también un amplio
  abanico de fenómenos convectivos, desde la simple
  célula convectiva a sistemas convectivos de
  mesoescala (SCM) con alto grado de organización.

6

• Dificultad de los modelos para predecir
  correctamente
• la inestabilidad
• la existencia de posibles tapaderas que limiten
  los desarrollos convectivos
• las estructuras de temperatura y humedad a
  pequeña escala en niveles bajos
• Interacción entre escalas. Importancia de los
  frentes de racha y de las fronteras en niveles
  bajos para focalizar la convección.

7
Porqué tienen tantos problemas los modelos
numéricos?

• Inicialización. Falta de datos (o limitaciones de
  los mismos) en áreas de gran importancia océano
  Atlántico.
• Procesos atmosféricos no lineales pequeños
  cambios en condiciones iniciales producen
  predicciones muy distintas (base para la
  predicción por conjuntos).
• Aproximaciones en la física de los modelos.
  Parametrización de la convección en los modelos
  operativos. Parametrización de la microfísica en
  modelos alta resolución.
• Además, es difícil para el predictor tener en
  cuenta el impacto de la física en las
  predicciones.

8
Métodos y técnicas de prediccióna corto y medio
plazo

• Diversos modos de abordar las predicciones a
  corto y medio plazo
• Predicción determinista usando modelos numéricos
  o una mezcla hombre-modelo
• Predicción probabilista
• Usando guías numéricas y métodos estadísticos
• Usando técnicas de predicción por conjuntos
  (Ensembles)
• O una mezcla hombre-estadística
• Muy importante no existe ningún método que
  funcione bien para todas las situaciones y, de
  forma específica, para los casos de situaciones
  con umbrales altos, muy poco frecuentes.

9
Predicción determinista Inestabilidad atmosférica

• Los perfiles verticales (observados o previstos)
  son la base para estimar la inestabilidad.
• El CAPE (energía potencial convectiva disponible)
  es un buen indicador de la inestabilidad para el
  caso de la convección profunda.
• Sin embargo, aunque en la mayor parte de las
  situaciones de precipitaciones fuertes existe
  inestabilidad, no son necesarios altos valores de
  CAPE. De hecho, muchos casos de alta eficiencia
  de precipitación están asociados a valores bajos
  o moderados de CAPE.

10
Uso de modelos

• Los modelos numéricos, a pesar de las
  limitaciones que tienen, proporcionan las guías
  básicas de predicción.
• Son una ayuda indispensable para realizar
  estimaciones de la estabilidad y su evolución
  temporal.
• Ejemplo de la situación del 20 de julio 2003

11
Productos deterministas basados en modelos

• Mapa de precipitación prevista

• Meteograma

12
Predicción probabilística

• La QPF probabilística (PQPF) va siendo cada vez
  más importante dentro de la comunidad
  meteorológica (frente a las aproximaciones
  deterministas) debido fundamentalmente a
• Dificultad para obtener estimaciones adecuadas de
  QPF
• La ayuda que proporciona para la toma de
  decisiones (relación coste-beneficio) en aquellos
  ámbitos muy sensibles a las condiciones
  meteorológicas.

13
Distintos tipos de métodos estadísticos

• Regresión lineal (tipo MOS)
• Análisis discriminante
• Redes neuronales (método no lineal)
• Filtros de Kalman
• Método de análogos
• En general, las probabilidades obtenidas mediante
  métodos estadísticos están bien calibradas,
  especialmente para umbrales bajos.

14
Ventajas e inconvenientes

• Ventajas métodos estadísticos
• Eliminación de algunos de los sesgos sistemáticos
  de los modelos.
• Probabilidades generalmente fiables. Buena
  calibración para umbrales bajos.
• Proporcionan predicciones adaptadas para lugares
  específicos.
• Inconvenientes
• Importancia de las bases de datos.
• Necesidad de adaptación a los cambios de los
  modelos.
• Los casos extremos suelen estar fuera de las
  estadísticas.

15
Método de análogos del INM

• Se basa en la hipótesis de que configuraciones
  meteorológicas similares dan lugar a fenómenos
  similares.
• El método actualmente operativo en el INM
  selecciona las 30 situaciones más parecidas a la
  actual (base de datos 1/1/79 31/12/97)
• Proporciona probabilidades de precipitación
  superior a varios umbrales, tanto para
  predicciones locales como para áreas, así como el
  valor medio y el máximo de los 30 análogos.

16
Método de análogos del INM

• Ejemplo de PQPF locales

17
Método de análogos del INM

• Ejemplo de PQPF por áreas

18
Método de análogos del INM

• Algunos datos de verificación

19
Predicción por conjuntos (Ensembles)

• En que consiste?
• En tratar de evaluar la influencia de la
  incertidumbre en las condiciones iniciales,
  mediante la obtención de un número de
  predicciones que parten de condiciones iniciales
  ligeramente diferentes.

20
Predicción por conjuntos (Ensembles)

• Importancia de la incertidumbre en las
  condiciones iniciales

21
Predicción por conjuntos en el INM

• El actual sistema de predicción por conjuntos
  utilizado en el INM es el del Centro Europeo de
  Predicción a Medio Plazo.
• Está formado por 51 predicciones (Control más 50
  miembros que parten de condiciones iniciales
  perturbadas) obtenidas con un modelo numérico de
  menor resolución que el operativo.

22
Predicción por conjuntos en el INM
23
Predicción por conjuntos en el INM

• Ejemplo de algunos productos disponibles

• Grupos

• Mapas de probabilidad para diferentes umbrales

• Meteogramas

24
Predicción por conjuntos limitaciones

• No está claro como especificar de forma optima
  las condiciones iniciales.
• Mayor tiempo de ordenador
• Incertidumbre en la física de los modelos
• Igual probabilidad para cada miembro
• El uso de modelos de baja resolución es apropiado
  para evaluar el riesgo de precipitaciones
  fuertes. Necesidad de suficiente resolución para
  predecir explícitamente la convección.

25
Tendencia
Métodos estadísticos
Salidas directas modelos numéricos
Extrapolación
Sistema Experto
Campos derivados modelos numéricos
Predicción por conjuntos
26
Métodos y técnicas de vigilancia ypredicción
inmediata

• Vigilar el estado actual de la atmósfera es
  indispensable para poder predecir su estado
  futuro.
• Desde el punto de vista de la vigilancia
  atmosférica el elemento fundamental son los datos
  de observación, destacando, por su elevada
  resolución y continuidad espacial y temporal,
  los datos de teledetección satélite, radar y
  rayos.
• Muy importante necesidad de integrar todos los
  datos disponibles radar, satélite, rayos,
  observaciones convencionales, modelos numéricos
  de predicción, etc.

27
Métodos y técnicas de vigilancia ypredicción
inmediata

• La predicción inmediata (nowcasting) se basa,
  fundamentalmente, en la extrapolación hacia el
  futuro de las condiciones existentes en un
  instante dado.
• Problema la pura extrapolación lineal simple,
  aunque produce predicciones de alta calidad en la
  primera hora, pierde rápidamente calidad para
  periodos de tiempo más lejanos (no tiene en
  cuenta desarrollos o decaimientos de los
  sistemas).
• Es preciso combinar la extrapolación con métodos
  dinámicos, haciendo uso de modelos numéricos de
  alta resolución, que asimilen todos los datos
  disponibles.

28
Vigilancia regional

• Principales productos en modo normal
• PPI, CAPPI, Echotop, ZMAX HOR/ZMAX VER

29
Vigilancia nacional

• Productos de composición radarsatélite
• Uso combinado de radar e imágenes Rapid-Scan
  (Meteosat)
• PPI, Echotop

30
Análisis objetivo de datos radar

• En los últimos años se han desarrollado en el INM
  aplicaciones para analizar, identificar,
  diagnosticar y extrapolar estructuras (2D) y
  células (3D), de manera objetiva y automática.
• Objetivo disponer de herramientas operativas
  mejoradas para la vigilancia de la convección
  profunda en tiempo real.
• La aproximación se basa en la integración de
  diferentes tipos de datos radar, rayos, satélite
  y modelos numéricos.

31
Análisis objetivo de datos radar

• 2 niveles de integración regional y nacional
• A nivel regional se realizan análisis objetivos
  bidimensionales (2D) y tridimensionales (3D) de
  datos radar.
• A nivel nacional, solo se obtienen análisis 2D

32
Análisis objetivo 2D

• El análisis identifica estructuras convectivas
  precipitantes, separando los ecos convectivos de
  los ligados a lluvia de tipo estratiforme.
• A nivel regional se utiliza el PPI o un CAPPI
  bajo, mientras que a escala nacional se usa la
  imagen compuesta de máximos de reflectividad
  (ZMAX)
• Las estructuras convectivas son caracterizadas
  por medio de diferentes propiedades y
  extrapoladas hasta 1 hora.

33
Ejemplos de análisis objetivo 2D
34
Análisis objetivo 3D

• Identifica células convectivas 3D embebidas en
  las estructuras 2D previamente analizadas
• Se utiliza toda la información del volumen
  cartesiano (los 12 CAPPIS)
• Cada célula 3D consta de 2 o más objetos 2D en
  CAPPIS consecutivos, y es extrapolada
  independientemente de la estructura 2D a la que
  pertenece.

35
Ejemplos de análisis objetivo 3D
36
Ejemplos de análisis objetivo 3D
37
Nuevo satélite MSG (Meteosat Second Generation)

• Las capacidades mejoradas del nuevo satélite
  Meteosat, que se prevé se encuentre operativo
  durante el 2004, serán un elemento fundamental
  para las actividades de vigilancia y nowcasting
• Mayor resolución espacial (hasta 1 km en el canal
  visible) y temporal (15 minutos), que permitirán
  reconocer de forma temprana diversas
  características asociadas con el desarrollo y
  evolución de fenómenos convectivos significativos

38
SAFNWC

• Proyecto de cooperación, financiado por EUMETSAT
  y liderado por el INM, cuyo objetivo es
  proporcionar servicios operativos que aseguren un
  uso adecuado de los datos de satélite en el
  nowcasting y el muy corto plazo.
• Algunos de los productos que estarán disponibles
• Análisis de estabilidad
• Agua precipitable por capas y total
• RDT (Rapid development thunderstorms)
• Intensidad de precipitación convectiva
• Vientos de alta resolución
• ...