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
Estado
versión publicada
Descripción
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.
Materia
KALMAN
CALIBRACIÓN
PRONÓSTICO NUMÉRICO
ERRORES SISTEMÁTICOS
WRF
HPC
GFS
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
El Abrigo
Institución
Servicio Meteorológico Nacional
OAI Identificador
oai:repositorio.smn.gob.ar:20.500.12160/1405

id ELABRIGO_aa14005560da4f38dfa7cd44413086b3
oai_identifier_str oai:repositorio.smn.gob.ar:20.500.12160/1405
network_acronym_str ELABRIGO
repository_id_str 3915
network_name_str El Abrigo
spelling Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadasCutraro, FedericoRighetti, Silvina AndreaGarcía Skabar, YaninaSacco, MaximilianoKALMANCALIBRACIÓNPRONÓSTICO NUMÉRICOERRORES SISTEMÁTICOSWRFHPCGFSFil: 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.Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelado Ambiental y Sensores Remotos.2020-11-24T23:32:51Z2020-11-24T23:32:51Z2020-11info:eu-repo/semantics/reportinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicoapplication/pdfCutraro, F., S. Righetti, Y. García Skabar y M. Sacco, 2020: Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas. Nota Técnica SMN 2020-81.http://hdl.handle.net/20.500.12160/1405spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:El Abrigoinstname:Servicio Meteorológico Nacional2025-09-04T11:13:54Zoai:repositorio.smn.gob.ar:20.500.12160/1405instacron:SMNInstitucionalhttp://repositorio.smn.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.smn.gob.ar/oai/requestmacevedo@smn.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39152025-09-04 11:13:55.055El Abrigo - Servicio Meteorológico Nacionalfalse
dc.title.none.fl_str_mv Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
title Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
spellingShingle Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
Cutraro, Federico
KALMAN
CALIBRACIÓN
PRONÓSTICO NUMÉRICO
ERRORES SISTEMÁTICOS
WRF
HPC
GFS
title_short Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
title_full Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
title_fullStr Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
title_full_unstemmed Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
title_sort Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas
dc.creator.none.fl_str_mv Cutraro, Federico
Righetti, Silvina Andrea
García Skabar, Yanina
Sacco, Maximiliano
author Cutraro, Federico
author_facet Cutraro, Federico
Righetti, Silvina Andrea
García Skabar, Yanina
Sacco, Maximiliano
author_role author
author2 Righetti, Silvina Andrea
García Skabar, Yanina
Sacco, Maximiliano
author2_role author
author
author
dc.subject.none.fl_str_mv KALMAN
CALIBRACIÓN
PRONÓSTICO NUMÉRICO
ERRORES SISTEMÁTICOS
WRF
HPC
GFS
topic KALMAN
CALIBRACIÓN
PRONÓSTICO NUMÉRICO
ERRORES SISTEMÁTICOS
WRF
HPC
GFS
dc.description.none.fl_txt_mv 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.
description 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.
publishDate 2020
dc.date.none.fl_str_mv 2020-11-24T23:32:51Z
2020-11-24T23:32:51Z
2020-11
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 Cutraro, F., S. Righetti, Y. García Skabar y M. Sacco, 2020: Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas. Nota Técnica SMN 2020-81.
http://hdl.handle.net/20.500.12160/1405
identifier_str_mv Cutraro, F., S. Righetti, Y. García Skabar y M. Sacco, 2020: Implementación del sistema de pronóstico numérico en el HPC: Calibración de temperaturas pronosticadas. Nota Técnica SMN 2020-81.
url http://hdl.handle.net/20.500.12160/1405
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelado Ambiental y Sensores Remotos.
publisher.none.fl_str_mv Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelado Ambiental y Sensores Remotos.
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_ 1842344145900797952
score 12.623145