Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas

• Autores: Cutraro, Federico; Righetti, Silvina Andrea; García Skabar, Yanina; Sacco, Maximiliano
• Año de publicación: 2020
• Idioma: español castellano
• Tipo de recurso: informe técnico
• Materia: KALMAN; CALIBRACIÓN; PRONÓSTICO NUMÉRICO; ERRORES SISTEMÁTICOS; WRF; HPC; GFS
• Institución: Servicio Meteorológico Nacional

Fil: Cutraro, Federico. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina.
Fil: Righetti, Silvina Andrea. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos; Argentina.
Fil: García Skabar, Yanina. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Instituto Franco Argentino sobre Estudios del Clima y sus Impactos; Argentina.
Fil: Sacco, Maximiliano A. Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos; Argentina.
Esta Nota Técnica forma parte de una serie que recopila informes realizados en el marco de la implementación del sistema de pronóstico numérico en el sistema de cómputo de alta performance HPC, Huayra Muyu (HM), adquirido a través del proyecto CyT Alerta. En la presente se aborda la problemática de corregir los errores sistemáticos en los pronósticos numéricos de la atmósfera que se utilizan en el Servicio Meteorológico Nacional (SMN). Para ello se aplica la metodología de Regresión Adaptada basada en el Filtro de Kalman (RAFK) a los modelos WRF y GFS, en sus versiones determinístico y ensamble, para los puntos de interés que poseen observaciones. Los resultados muestran que la metodología aplicada corrige los errores en los pronósticos de manera satisfactoria, mejorando así la calidad de los mismos. Para los puntos de interés que no poseen observaciones se plantea realizar una interpolación de la calibración obtenida en puntos con observaciones, ya sea temporal o espacial dependiendo del caso. Los resultados obtenidos muestran que la interpolación temporal en conjunto con el método ID de interpolación espacial permiten calibrar de manera adecuada aquellos puntos sin observaciones.
This Technical Note is part of a series that describes the work carried out to implement the numerical forecast system in the High Performance Computer Huayra Muyu (HM), which was financed as part of the CyT Alerta project. The purpose of this Technical Note is to describe the process to correct systematic errors in the numerical forecasts that are used at the National Meteorological Service. For this, an Adaptive Regression based on Kalman Filter is applied to WRF and GFS models, both deterministic and ensemble, for interest points with observations. The results show that the methodology applied correct systematic errors on forecasts in a satisfactory way, improving their quality. For interest points without observations, spatial or temporal interpolation of calibration at points with observations are considered. The results show that a temporal interpolation in combination with ID methodology for spatial interpolation, allow a suitable calibration on points without observations.