Sobre las técnicas de nowcasting con sensores remotos
- Autores
- Arruti, Aldana; García Skabar, Yanina; Ruiz, Juan José; Vidal, Luciano
- Año de publicación
- 2024
- Idioma
- español castellano
- Tipo de recurso
- informe técnico
- Estado
- versión publicada
- Descripción
- Fil: Arruti, Aldana. 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: 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: Ruiz, Juan José. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones del Mar y la Atmósfera. Instituto Franco Argentino sobre Estudios del Clima y sus Impactos; Argentina.
Fil: Vidal, Luciano. 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.
El pronóstico a muy corto plazo, conocido como nowcasting, desempeña un papel crucial en la predicción de eventos meteorológicos a muy corto plazo, proporcionando información vital para la toma de decisiones en diversos sectores. Esta Nota Técnica revisa las técnicas más avanzadas utilizadas en la actualidad para mejorar el desempeño del nowcasting. Exploramos el empleo de tecnologías emergentes, como el uso de datos satelitales de alta resolución, la integración de modelos numéricos de alta frecuencia y la aplicación de algoritmos de aprendizaje profundo. Se destaca la importancia de la observación en tiempo real y la asimilación de datos para ajustar modelos en tiempo casi real, permitiendo una respuesta rápida y precisa ante eventos meteorológicos extremos. Además, se aborda la importancia de considerar la incertidumbre en el nowcasting, lo que ha llevado al desarrollo de sistemas con enfoque probabilístico. Esta Nota Técnica proporciona una visión integral de las últimas tendencias y avances en técnicas de nowcasting, con el objetivo de mejorar la capacidad de anticipación y la mitigación de riesgos asociados a fenómenos meteorológicos adversos. Este análisis detallado busca proporcionar una comprensión completa de las técnicas de nowcasting y su aplicación potencial en el SMN.
Weather nowcasting plays a crucial role in predicting very short-term meteorological events, providing vital information for decision-making in various sectors. This Technical Note reviews the most advanced techniques currently used to enhance nowcasting performance. We explore the use of emerging technologies, such as high-resolution satellite data, the integration of high-frequency numerical models, and the application of deep learning algorithms. The importance of real-time observation and data assimilation to adjust models in near real-time is emphasized, enabling a quick and precise response to extreme weather events. Additionally, the significance of considering uncertainty in nowcasting is addressed, leading to the development of probabilistic approaches. This Technical Note provides a comprehensive overview of the latest trends and advancements in nowcasting tech- niques, aiming to improve anticipation capabilities and mitigate risks associated with adverse weather phenomena. This detailed analysis seeks to offer a complete understanding of nowcasting techniques and their potential applica- tion at the National Meteorological Service (NMS). - Materia
-
PRONÓSTICO A MUY CORTO PLAZO
PRECIPITACIÓN
RADAR
SATÉLITE - 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:20.500.12160/2755
Ver los metadatos del registro completo
id |
ELABRIGO_e686d894d306f4ac7062e0382c5de4e1 |
---|---|
oai_identifier_str |
oai:repositorio.smn.gob.ar:20.500.12160/2755 |
network_acronym_str |
ELABRIGO |
repository_id_str |
3915 |
network_name_str |
El Abrigo |
spelling |
Sobre las técnicas de nowcasting con sensores remotosArruti, AldanaGarcía Skabar, YaninaRuiz, Juan JoséVidal, LucianoPRONÓSTICO A MUY CORTO PLAZOPRECIPITACIÓNRADARSATÉLITEFil: Arruti, Aldana. 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: 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: Ruiz, Juan José. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones del Mar y la Atmósfera. Instituto Franco Argentino sobre Estudios del Clima y sus Impactos; Argentina.Fil: Vidal, Luciano. 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.El pronóstico a muy corto plazo, conocido como nowcasting, desempeña un papel crucial en la predicción de eventos meteorológicos a muy corto plazo, proporcionando información vital para la toma de decisiones en diversos sectores. Esta Nota Técnica revisa las técnicas más avanzadas utilizadas en la actualidad para mejorar el desempeño del nowcasting. Exploramos el empleo de tecnologías emergentes, como el uso de datos satelitales de alta resolución, la integración de modelos numéricos de alta frecuencia y la aplicación de algoritmos de aprendizaje profundo. Se destaca la importancia de la observación en tiempo real y la asimilación de datos para ajustar modelos en tiempo casi real, permitiendo una respuesta rápida y precisa ante eventos meteorológicos extremos. Además, se aborda la importancia de considerar la incertidumbre en el nowcasting, lo que ha llevado al desarrollo de sistemas con enfoque probabilístico. Esta Nota Técnica proporciona una visión integral de las últimas tendencias y avances en técnicas de nowcasting, con el objetivo de mejorar la capacidad de anticipación y la mitigación de riesgos asociados a fenómenos meteorológicos adversos. Este análisis detallado busca proporcionar una comprensión completa de las técnicas de nowcasting y su aplicación potencial en el SMN.Weather nowcasting plays a crucial role in predicting very short-term meteorological events, providing vital information for decision-making in various sectors. This Technical Note reviews the most advanced techniques currently used to enhance nowcasting performance. We explore the use of emerging technologies, such as high-resolution satellite data, the integration of high-frequency numerical models, and the application of deep learning algorithms. The importance of real-time observation and data assimilation to adjust models in near real-time is emphasized, enabling a quick and precise response to extreme weather events. Additionally, the significance of considering uncertainty in nowcasting is addressed, leading to the development of probabilistic approaches. This Technical Note provides a comprehensive overview of the latest trends and advancements in nowcasting tech- niques, aiming to improve anticipation capabilities and mitigate risks associated with adverse weather phenomena. This detailed analysis seeks to offer a complete understanding of nowcasting techniques and their potential applica- tion at the National Meteorological Service (NMS).Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de Sensores Remotos2024-04-23T21:21:20Z2024-04-23T21:21:20Z2024-04info:eu-repo/semantics/reportinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_18ghinfo:ar-repo/semantics/informeTecnicoapplication/pdfArruti, A., Y. García Skabar, J. Ruiz y L. Vidal, 2024: Sobre las técnicas de nowcasting con sensores remotos. Nota Técnica SMN 2024-171.http://hdl.handle.net/20.500.12160/2755spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:El Abrigoinstname:Servicio Meteorológico Nacional2025-09-29T14:28:55Zoai:repositorio.smn.gob.ar:20.500.12160/2755instacron:SMNInstitucionalhttp://repositorio.smn.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.smn.gob.ar/oai/requestmacevedo@smn.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39152025-09-29 14:28:55.635El Abrigo - Servicio Meteorológico Nacionalfalse |
dc.title.none.fl_str_mv |
Sobre las técnicas de nowcasting con sensores remotos |
title |
Sobre las técnicas de nowcasting con sensores remotos |
spellingShingle |
Sobre las técnicas de nowcasting con sensores remotos Arruti, Aldana PRONÓSTICO A MUY CORTO PLAZO PRECIPITACIÓN RADAR SATÉLITE |
title_short |
Sobre las técnicas de nowcasting con sensores remotos |
title_full |
Sobre las técnicas de nowcasting con sensores remotos |
title_fullStr |
Sobre las técnicas de nowcasting con sensores remotos |
title_full_unstemmed |
Sobre las técnicas de nowcasting con sensores remotos |
title_sort |
Sobre las técnicas de nowcasting con sensores remotos |
dc.creator.none.fl_str_mv |
Arruti, Aldana García Skabar, Yanina Ruiz, Juan José Vidal, Luciano |
author |
Arruti, Aldana |
author_facet |
Arruti, Aldana García Skabar, Yanina Ruiz, Juan José Vidal, Luciano |
author_role |
author |
author2 |
García Skabar, Yanina Ruiz, Juan José Vidal, Luciano |
author2_role |
author author author |
dc.subject.none.fl_str_mv |
PRONÓSTICO A MUY CORTO PLAZO PRECIPITACIÓN RADAR SATÉLITE |
topic |
PRONÓSTICO A MUY CORTO PLAZO PRECIPITACIÓN RADAR SATÉLITE |
dc.description.none.fl_txt_mv |
Fil: Arruti, Aldana. 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: 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: Ruiz, Juan José. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales. Departamento de Ciencias de la Atmósfera y los Océanos. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro de Investigaciones del Mar y la Atmósfera. Instituto Franco Argentino sobre Estudios del Clima y sus Impactos; Argentina. Fil: Vidal, Luciano. 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. El pronóstico a muy corto plazo, conocido como nowcasting, desempeña un papel crucial en la predicción de eventos meteorológicos a muy corto plazo, proporcionando información vital para la toma de decisiones en diversos sectores. Esta Nota Técnica revisa las técnicas más avanzadas utilizadas en la actualidad para mejorar el desempeño del nowcasting. Exploramos el empleo de tecnologías emergentes, como el uso de datos satelitales de alta resolución, la integración de modelos numéricos de alta frecuencia y la aplicación de algoritmos de aprendizaje profundo. Se destaca la importancia de la observación en tiempo real y la asimilación de datos para ajustar modelos en tiempo casi real, permitiendo una respuesta rápida y precisa ante eventos meteorológicos extremos. Además, se aborda la importancia de considerar la incertidumbre en el nowcasting, lo que ha llevado al desarrollo de sistemas con enfoque probabilístico. Esta Nota Técnica proporciona una visión integral de las últimas tendencias y avances en técnicas de nowcasting, con el objetivo de mejorar la capacidad de anticipación y la mitigación de riesgos asociados a fenómenos meteorológicos adversos. Este análisis detallado busca proporcionar una comprensión completa de las técnicas de nowcasting y su aplicación potencial en el SMN. Weather nowcasting plays a crucial role in predicting very short-term meteorological events, providing vital information for decision-making in various sectors. This Technical Note reviews the most advanced techniques currently used to enhance nowcasting performance. We explore the use of emerging technologies, such as high-resolution satellite data, the integration of high-frequency numerical models, and the application of deep learning algorithms. The importance of real-time observation and data assimilation to adjust models in near real-time is emphasized, enabling a quick and precise response to extreme weather events. Additionally, the significance of considering uncertainty in nowcasting is addressed, leading to the development of probabilistic approaches. This Technical Note provides a comprehensive overview of the latest trends and advancements in nowcasting tech- niques, aiming to improve anticipation capabilities and mitigate risks associated with adverse weather phenomena. This detailed analysis seeks to offer a complete understanding of nowcasting techniques and their potential applica- tion at the National Meteorological Service (NMS). |
description |
Fil: Arruti, Aldana. 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 |
2024 |
dc.date.none.fl_str_mv |
2024-04-23T21:21:20Z 2024-04-23T21:21:20Z 2024-04 |
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 |
Arruti, A., Y. García Skabar, J. Ruiz y L. Vidal, 2024: Sobre las técnicas de nowcasting con sensores remotos. Nota Técnica SMN 2024-171. http://hdl.handle.net/20.500.12160/2755 |
identifier_str_mv |
Arruti, A., Y. García Skabar, J. Ruiz y L. Vidal, 2024: Sobre las técnicas de nowcasting con sensores remotos. Nota Técnica SMN 2024-171. |
url |
http://hdl.handle.net/20.500.12160/2755 |
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 Modelación Ambiental y de Sensores Remotos |
publisher.none.fl_str_mv |
Servicio Meteorológico Nacional. Dirección Nacional de Ciencia e Innovación en Productos y Servicios. Dirección de Productos de Modelación Ambiental y de 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_ |
1844621642103259136 |
score |
12.559606 |