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
- Institución
- Servicio Meteorológico Nacional
- OAI Identificador
- oai:repositorio.smn.gob.ar:20.500.12160/1405
Ver los metadatos del registro completo
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 |