Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos

Autores
Aldeco, Laura Soledad; de Elia, Ramón; Ruiz, Juan José
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
informe técnico
Estado
versión publicada
Descripción
Fil: Aldeco, Laura Soledad. Servicio Meteorológico Nacional; Argentina.
Fil: de Elía, Ramón. Servicio Meteorológico Nacional; Argentina.
Fil: Ruiz, Juan Jose. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina
El objetivo de este trabajo es documentar el proceso de generación de los pronósticos semanales de precipitación y temperatura media generados mediante la técnica de regresión por análogos y analizar su desempeño entre 2021 y 2023. En febrero de 2019 el Servicio Meteorológico Nacional (SMN) comenzó a generar de forma operativa pronósticos semanales de precipitación y temperatura media para las semanas 1 (días 1 a 7) y 2 (días 8 a 14). Para implementarlos, se utilizaron pronósticos cuyos errores fueron parcialmente corregidos con la técnica de regresión por análogos, dadas las ventajas documentadas que representa usar esta técnica respecto de utilizar las salidas de modelos sin calibrar. Para la generación y calibración de dichos pronósticos se utilizaron datos observados de estaciones de la red del SMN y la base de pronósticos retrospectivos del modelo GEFS, ambos en el período 2000-2019. La verificación en el caso de la precipitación se realizó para los umbrales de 5 mm y 30 mm de precipitación acumulada semanal. Para ello se construyeron tablas de contingencia y se calcularon algunos índices derivados de la misma: el Bias en la frecuencia, la probabilidad de detección y el Equitable Threat Score. Para verificar la temperatura media se calculó la raíz del Error Cuadrático Medio (RMSE) y la correlación entre anomalías pronosticadas y observadas para ambas semanas de pronóstico, en el período 2021-2023. Al mismo tiempo, se comparó el desempeño de los pronósticos generados con la técnica de regresión por análogos con el desempeño de los pronósticos sin calibrar. Los resultados muestran que, tanto para la precipitación acumulada como -de manera más notable- para la temperatura media, la calibración mediante la regresión por análogos reduce el error de los pronósticos, en ambas semanas. De esta manera se obtienen pronósticos de mejor calidad que si se utilizaran las salidas del modelo sin post-procesamiento alguno.
This work aims to assess the generation of the weekly forecasts of precipitation and mean temperature built using the analogs technique, and to analyze the performance of these forecasts. The National Meteorological Service (NMS) of Argentina has been generating operational precipitation and mean temperature forecasts for week 1 (days 1 to 7) and week 2 (days 8 to 14) since February 2019. To achieve this, the analog regression technique was used given the documented advantages of using this technique over using the non-calibrated model outputs. The technique was applied to surface stations data from the NMS observation network and to GEFS retrospective forecasts database, both within the 2000-2019 period. Verification was made for 5 mm and 30 mm thresholds of weekly accumulated precipitation, using some scores associated to the contingency table: Bias in Frequency, Probability of Detection and Equitable Threat Score. In the case of weekly mean temperature, the scores used were Correlation of Anomalies and Root Mean Squared Error, in 2021-2023 period. Also, the performance of the forecasts generated using the analog regression technique was compared with the performance of the non-calibrated forecasts. The results show that, for both accumulated precipitation and –to a greater extent-- mean temperature, calibration using analog regression reduces the error of the non- calibrated forecasts in both weeks. Consequently, better quality forecasts are obtained compared to using the model outputs without any post-processing.
Materia
Pronóstico semanal
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/2.5/ar/
Repositorio
El Abrigo
Institución
Servicio Meteorológico Nacional
OAI Identificador
oai:repositorio.smn.gob.ar:20.500.12160/2941

id ELABRIGO_1c739a70a2184451e711d3bb6fe872e5
oai_identifier_str oai:repositorio.smn.gob.ar:20.500.12160/2941
network_acronym_str ELABRIGO
repository_id_str 3915
network_name_str El Abrigo
spelling Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogosAldeco, Laura Soledadde Elia, RamónRuiz, Juan JoséPronóstico semanalFil: Aldeco, Laura Soledad. Servicio Meteorológico Nacional; Argentina.Fil: de Elía, Ramón. Servicio Meteorológico Nacional; Argentina.Fil: Ruiz, Juan Jose. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; ArgentinaEl objetivo de este trabajo es documentar el proceso de generación de los pronósticos semanales de precipitación y temperatura media generados mediante la técnica de regresión por análogos y analizar su desempeño entre 2021 y 2023. En febrero de 2019 el Servicio Meteorológico Nacional (SMN) comenzó a generar de forma operativa pronósticos semanales de precipitación y temperatura media para las semanas 1 (días 1 a 7) y 2 (días 8 a 14). Para implementarlos, se utilizaron pronósticos cuyos errores fueron parcialmente corregidos con la técnica de regresión por análogos, dadas las ventajas documentadas que representa usar esta técnica respecto de utilizar las salidas de modelos sin calibrar. Para la generación y calibración de dichos pronósticos se utilizaron datos observados de estaciones de la red del SMN y la base de pronósticos retrospectivos del modelo GEFS, ambos en el período 2000-2019. La verificación en el caso de la precipitación se realizó para los umbrales de 5 mm y 30 mm de precipitación acumulada semanal. Para ello se construyeron tablas de contingencia y se calcularon algunos índices derivados de la misma: el Bias en la frecuencia, la probabilidad de detección y el Equitable Threat Score. Para verificar la temperatura media se calculó la raíz del Error Cuadrático Medio (RMSE) y la correlación entre anomalías pronosticadas y observadas para ambas semanas de pronóstico, en el período 2021-2023. Al mismo tiempo, se comparó el desempeño de los pronósticos generados con la técnica de regresión por análogos con el desempeño de los pronósticos sin calibrar. Los resultados muestran que, tanto para la precipitación acumulada como -de manera más notable- para la temperatura media, la calibración mediante la regresión por análogos reduce el error de los pronósticos, en ambas semanas. De esta manera se obtienen pronósticos de mejor calidad que si se utilizaran las salidas del modelo sin post-procesamiento alguno.This work aims to assess the generation of the weekly forecasts of precipitation and mean temperature built using the analogs technique, and to analyze the performance of these forecasts. The National Meteorological Service (NMS) of Argentina has been generating operational precipitation and mean temperature forecasts for week 1 (days 1 to 7) and week 2 (days 8 to 14) since February 2019. To achieve this, the analog regression technique was used given the documented advantages of using this technique over using the non-calibrated model outputs. The technique was applied to surface stations data from the NMS observation network and to GEFS retrospective forecasts database, both within the 2000-2019 period. Verification was made for 5 mm and 30 mm thresholds of weekly accumulated precipitation, using some scores associated to the contingency table: Bias in Frequency, Probability of Detection and Equitable Threat Score. In the case of weekly mean temperature, the scores used were Correlation of Anomalies and Root Mean Squared Error, in 2021-2023 period. Also, the performance of the forecasts generated using the analog regression technique was compared with the performance of the non-calibrated forecasts. The results show that, for both accumulated precipitation and –to a greater extent-- mean temperature, calibration using analog regression reduces the error of the non- calibrated forecasts in both weeks. Consequently, better quality forecasts are obtained compared to using the model outputs without any post-processing.Servicio Meteorológico Nacional2025-01-29T18:38:53Z2025-01-29T18:38:53Z2025-01info:eu-repo/semantics/reportinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicoapplication/pdfAldeco, L., S., de Elía R., Ruiz J. J., 2025: Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos. Nota Técnica SMN 2025-192.http://hdl.handle.net/20.500.12160/2941spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/2.5/ar/reponame:El Abrigoinstname:Servicio Meteorológico Nacional2025-09-04T11:15:46Zoai:repositorio.smn.gob.ar:20.500.12160/2941instacron:SMNInstitucionalhttp://repositorio.smn.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.smn.gob.ar/oai/requestmacevedo@smn.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39152025-09-04 11:15:46.505El Abrigo - Servicio Meteorológico Nacionalfalse
dc.title.none.fl_str_mv Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
title Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
spellingShingle Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
Aldeco, Laura Soledad
Pronóstico semanal
title_short Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
title_full Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
title_fullStr Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
title_full_unstemmed Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
title_sort Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos
dc.creator.none.fl_str_mv Aldeco, Laura Soledad
de Elia, Ramón
Ruiz, Juan José
author Aldeco, Laura Soledad
author_facet Aldeco, Laura Soledad
de Elia, Ramón
Ruiz, Juan José
author_role author
author2 de Elia, Ramón
Ruiz, Juan José
author2_role author
author
dc.subject.none.fl_str_mv Pronóstico semanal
topic Pronóstico semanal
dc.description.none.fl_txt_mv Fil: Aldeco, Laura Soledad. Servicio Meteorológico Nacional; Argentina.
Fil: de Elía, Ramón. Servicio Meteorológico Nacional; Argentina.
Fil: Ruiz, Juan Jose. Consejo Nacional de Investigaciones Científicas y Técnicas. Oficina de Coordinación Administrativa Ciudad Universitaria. Centro de Investigaciones del Mar y la Atmósfera. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Centro de Investigaciones del Mar y la Atmósfera; Argentina
El objetivo de este trabajo es documentar el proceso de generación de los pronósticos semanales de precipitación y temperatura media generados mediante la técnica de regresión por análogos y analizar su desempeño entre 2021 y 2023. En febrero de 2019 el Servicio Meteorológico Nacional (SMN) comenzó a generar de forma operativa pronósticos semanales de precipitación y temperatura media para las semanas 1 (días 1 a 7) y 2 (días 8 a 14). Para implementarlos, se utilizaron pronósticos cuyos errores fueron parcialmente corregidos con la técnica de regresión por análogos, dadas las ventajas documentadas que representa usar esta técnica respecto de utilizar las salidas de modelos sin calibrar. Para la generación y calibración de dichos pronósticos se utilizaron datos observados de estaciones de la red del SMN y la base de pronósticos retrospectivos del modelo GEFS, ambos en el período 2000-2019. La verificación en el caso de la precipitación se realizó para los umbrales de 5 mm y 30 mm de precipitación acumulada semanal. Para ello se construyeron tablas de contingencia y se calcularon algunos índices derivados de la misma: el Bias en la frecuencia, la probabilidad de detección y el Equitable Threat Score. Para verificar la temperatura media se calculó la raíz del Error Cuadrático Medio (RMSE) y la correlación entre anomalías pronosticadas y observadas para ambas semanas de pronóstico, en el período 2021-2023. Al mismo tiempo, se comparó el desempeño de los pronósticos generados con la técnica de regresión por análogos con el desempeño de los pronósticos sin calibrar. Los resultados muestran que, tanto para la precipitación acumulada como -de manera más notable- para la temperatura media, la calibración mediante la regresión por análogos reduce el error de los pronósticos, en ambas semanas. De esta manera se obtienen pronósticos de mejor calidad que si se utilizaran las salidas del modelo sin post-procesamiento alguno.
This work aims to assess the generation of the weekly forecasts of precipitation and mean temperature built using the analogs technique, and to analyze the performance of these forecasts. The National Meteorological Service (NMS) of Argentina has been generating operational precipitation and mean temperature forecasts for week 1 (days 1 to 7) and week 2 (days 8 to 14) since February 2019. To achieve this, the analog regression technique was used given the documented advantages of using this technique over using the non-calibrated model outputs. The technique was applied to surface stations data from the NMS observation network and to GEFS retrospective forecasts database, both within the 2000-2019 period. Verification was made for 5 mm and 30 mm thresholds of weekly accumulated precipitation, using some scores associated to the contingency table: Bias in Frequency, Probability of Detection and Equitable Threat Score. In the case of weekly mean temperature, the scores used were Correlation of Anomalies and Root Mean Squared Error, in 2021-2023 period. Also, the performance of the forecasts generated using the analog regression technique was compared with the performance of the non-calibrated forecasts. The results show that, for both accumulated precipitation and –to a greater extent-- mean temperature, calibration using analog regression reduces the error of the non- calibrated forecasts in both weeks. Consequently, better quality forecasts are obtained compared to using the model outputs without any post-processing.
description Fil: Aldeco, Laura Soledad. Servicio Meteorológico Nacional; Argentina.
publishDate 2025
dc.date.none.fl_str_mv 2025-01-29T18:38:53Z
2025-01-29T18:38:53Z
2025-01
dc.type.none.fl_str_mv info:eu-repo/semantics/report
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_18gh
info:ar-repo/semantics/informeTecnico
format report
status_str publishedVersion
dc.identifier.none.fl_str_mv Aldeco, L., S., de Elía R., Ruiz J. J., 2025: Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos. Nota Técnica SMN 2025-192.
http://hdl.handle.net/20.500.12160/2941
identifier_str_mv Aldeco, L., S., de Elía R., Ruiz J. J., 2025: Verificación de los pronósticos semanales de precipitación y temperatura media generados con la técnica de regresión por análogos. Nota Técnica SMN 2025-192.
url http://hdl.handle.net/20.500.12160/2941
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Servicio Meteorológico Nacional
publisher.none.fl_str_mv Servicio Meteorológico Nacional
dc.source.none.fl_str_mv reponame:El Abrigo
instname:Servicio Meteorológico Nacional
reponame_str El Abrigo
collection El Abrigo
instname_str Servicio Meteorológico Nacional
repository.name.fl_str_mv El Abrigo - Servicio Meteorológico Nacional
repository.mail.fl_str_mv macevedo@smn.gov.ar
_version_ 1842344147668697088
score 12.623145