Nowcasting en base a extrapolación de datos de radar

Autores
Arruti, Aldana; García Skabar, Yanina; Ruiz, Juan José; Vidal, Luciano
Año de publicación
2022
Idioma
español castellano
Tipo de recurso
documento de conferencia
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.
Un sistema de pronóstico a muy corto plazo (nowcasting) de precipitación tiene como objetivo detectar, analizar y seguir la evolución de manera objetiva de diferentes sistemas precipitantes. Los sistemas de nowcasting pueden dividirse en tres grupos: los sistemas basados en la identificación y seguimiento de objetos individuales (seguimiento de celdas), los sistemas basados en la estimación de un campo de vectores de movimiento (VM) y aquellos que incorporaron técnicas de aprendizaje automático. Por otro lado, los sistemas de nowcasting que presentan un enfoque probabilístico buscan cuantificar la incertidumbre del pronóstico a través de la estimación de la probabilidad de ocurrencia de un evento mediante un conjunto de posibles estados del sistema. Este tipo de sistemas trae numerosos beneficios ya que permite a los tomadores de decisión determinar los criterios para emitir alarmas basado en la probabilidad de superar determinados umbrales de reflectividad o precipitación. En el presente trabajo se emplean diferentes técnicas de nowcasting aplicadas al campo de reflectividad radar, con un enfoque determinístico y probabilístico y se evalúan los resultados para un conjunto de casos de sistemas precipitantes en el marco de su implementación en el Servicio Meteorológico Nacional de Argentina.
Materia
PRONÓSTICO A MUY CORTO PLAZO
REFLECTIVIDAD
PREDICTIBILIDAD
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:20.500.12160/2433

id ELABRIGO_f213d2064b516317adaa96693cd65497
oai_identifier_str oai:repositorio.smn.gob.ar:20.500.12160/2433
network_acronym_str ELABRIGO
repository_id_str 3915
network_name_str El Abrigo
spelling Nowcasting en base a extrapolación de datos de radarArruti, AldanaGarcía Skabar, YaninaRuiz, Juan JoséVidal, LucianoPRONÓSTICO A MUY CORTO PLAZOREFLECTIVIDADPREDICTIBILIDADFil: 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.Un sistema de pronóstico a muy corto plazo (nowcasting) de precipitación tiene como objetivo detectar, analizar y seguir la evolución de manera objetiva de diferentes sistemas precipitantes. Los sistemas de nowcasting pueden dividirse en tres grupos: los sistemas basados en la identificación y seguimiento de objetos individuales (seguimiento de celdas), los sistemas basados en la estimación de un campo de vectores de movimiento (VM) y aquellos que incorporaron técnicas de aprendizaje automático. Por otro lado, los sistemas de nowcasting que presentan un enfoque probabilístico buscan cuantificar la incertidumbre del pronóstico a través de la estimación de la probabilidad de ocurrencia de un evento mediante un conjunto de posibles estados del sistema. Este tipo de sistemas trae numerosos beneficios ya que permite a los tomadores de decisión determinar los criterios para emitir alarmas basado en la probabilidad de superar determinados umbrales de reflectividad o precipitación. En el presente trabajo se emplean diferentes técnicas de nowcasting aplicadas al campo de reflectividad radar, con un enfoque determinístico y probabilístico y se evalúan los resultados para un conjunto de casos de sistemas precipitantes en el marco de su implementación en el Servicio Meteorológico Nacional de Argentina.Centro Argentino de Meteorólogos2023-04-25T14:33:16Z2023-04-25T14:33:16Z2022-11info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://hdl.handle.net/20.500.12160/2433spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:El Abrigoinstname:Servicio Meteorológico Nacional2025-09-29T14:28:54Zoai:repositorio.smn.gob.ar:20.500.12160/2433instacron:SMNInstitucionalhttp://repositorio.smn.gob.ar/Organismo científico-tecnológicoNo correspondehttp://repositorio.smn.gob.ar/oai/requestmacevedo@smn.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:39152025-09-29 14:28:55.025El Abrigo - Servicio Meteorológico Nacionalfalse
dc.title.none.fl_str_mv Nowcasting en base a extrapolación de datos de radar
title Nowcasting en base a extrapolación de datos de radar
spellingShingle Nowcasting en base a extrapolación de datos de radar
Arruti, Aldana
PRONÓSTICO A MUY CORTO PLAZO
REFLECTIVIDAD
PREDICTIBILIDAD
title_short Nowcasting en base a extrapolación de datos de radar
title_full Nowcasting en base a extrapolación de datos de radar
title_fullStr Nowcasting en base a extrapolación de datos de radar
title_full_unstemmed Nowcasting en base a extrapolación de datos de radar
title_sort Nowcasting en base a extrapolación de datos de radar
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
REFLECTIVIDAD
PREDICTIBILIDAD
topic PRONÓSTICO A MUY CORTO PLAZO
REFLECTIVIDAD
PREDICTIBILIDAD
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.
Un sistema de pronóstico a muy corto plazo (nowcasting) de precipitación tiene como objetivo detectar, analizar y seguir la evolución de manera objetiva de diferentes sistemas precipitantes. Los sistemas de nowcasting pueden dividirse en tres grupos: los sistemas basados en la identificación y seguimiento de objetos individuales (seguimiento de celdas), los sistemas basados en la estimación de un campo de vectores de movimiento (VM) y aquellos que incorporaron técnicas de aprendizaje automático. Por otro lado, los sistemas de nowcasting que presentan un enfoque probabilístico buscan cuantificar la incertidumbre del pronóstico a través de la estimación de la probabilidad de ocurrencia de un evento mediante un conjunto de posibles estados del sistema. Este tipo de sistemas trae numerosos beneficios ya que permite a los tomadores de decisión determinar los criterios para emitir alarmas basado en la probabilidad de superar determinados umbrales de reflectividad o precipitación. En el presente trabajo se emplean diferentes técnicas de nowcasting aplicadas al campo de reflectividad radar, con un enfoque determinístico y probabilístico y se evalúan los resultados para un conjunto de casos de sistemas precipitantes en el marco de su implementación en el Servicio Meteorológico Nacional de Argentina.
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 2022
dc.date.none.fl_str_mv 2022-11
2023-04-25T14:33:16Z
2023-04-25T14:33:16Z
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/20.500.12160/2433
url http://hdl.handle.net/20.500.12160/2433
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 Centro Argentino de Meteorólogos
publisher.none.fl_str_mv Centro Argentino de Meteorólogos
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_ 1844621641734160384
score 12.559606