Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio

Autores
Dillon, María Eugenia; Maldonado, Paula; Ruiz, Juan; Amemiya, Arata; Cutraro, Federico; Gacitua Gutierrez, Jorge; Casaretto, Gimena; Matsudo, Cynthia; Sacco, Maximiliano; Alfie, Emanuel; Pulido, Manuel; García Skabar, Yanina; Miyoshi, Takemasa
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
PREVENIR es un proyecto de cooperación entre Argentina y Japón (2022-2027) cuyo objetivo es desarrollar un sistema de alerta temprana enfocado en los impactos causados por precipitación intensa e inundaciones urbanas. En la actualidad, el Sistema de Asimilación y Pronóstico numérico del tiempo del Servicio Meteorológico Nacional (SAP.SMN) consiste de pronósticos determinísticos y probabilísticos de 4 km de resolución horizontal, inicializados 4 veces al día en una región que abarca el sur de Sudamérica (Matsudo et al., 2022; 2025). Con el fin de obtener pronósticos más precisos y con una mayor frecuencia de actualización, en el marco de PREVENIR se está desarrollando un sistema de asimilación de datos de actualización rápida con una resolución temporal y espacial mayor a la del SAP.SMN, poniendo el foco en las cuencas de Sarandí Santo Domingo (SSD) (provincia de Buenos Aires) y Suquía Villa Paez (SVP) (provincia de Córdoba). Utilizando el método Local Ensemble Transform Kalman Filter (LETKF; Hunt et al, 2007) y los modelos Weather Research and Forecasting (WRF) y Scalable Computing for Advanced Library and Environment (SCALE), se llevaron a cabo dos casos de estudio en los que se encontraron tanto resultados alentadores como algunas limitaciones en el diseño y la evaluación del sistema (Dillon et al, 2024). El objetivo de este trabajo es proponer un sistema LETKF-WRF con características más ajustadas al problema y mostrar su desempeño para un nuevo caso de estudio.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
PREVENIR
Pronóstico numérico
Precipitación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/193435
Acceder
id SEDICI_2f3f4d2d214c5d93463d1296fa98d63c
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193435
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudioDillon, María EugeniaMaldonado, PaulaRuiz, JuanAmemiya, ArataCutraro, FedericoGacitua Gutierrez, JorgeCasaretto, GimenaMatsudo, CynthiaSacco, MaximilianoAlfie, EmanuelPulido, ManuelGarcía Skabar, YaninaMiyoshi, TakemasaMeteorologíaPREVENIRPronóstico numéricoPrecipitaciónPREVENIR es un proyecto de cooperación entre Argentina y Japón (2022-2027) cuyo objetivo es desarrollar un sistema de alerta temprana enfocado en los impactos causados por precipitación intensa e inundaciones urbanas. En la actualidad, el Sistema de Asimilación y Pronóstico numérico del tiempo del Servicio Meteorológico Nacional (SAP.SMN) consiste de pronósticos determinísticos y probabilísticos de 4 km de resolución horizontal, inicializados 4 veces al día en una región que abarca el sur de Sudamérica (Matsudo et al., 2022; 2025). Con el fin de obtener pronósticos más precisos y con una mayor frecuencia de actualización, en el marco de PREVENIR se está desarrollando un sistema de asimilación de datos de actualización rápida con una resolución temporal y espacial mayor a la del SAP.SMN, poniendo el foco en las cuencas de Sarandí Santo Domingo (SSD) (provincia de Buenos Aires) y Suquía Villa Paez (SVP) (provincia de Córdoba). Utilizando el método Local Ensemble Transform Kalman Filter (LETKF; Hunt et al, 2007) y los modelos Weather Research and Forecasting (WRF) y Scalable Computing for Advanced Library and Environment (SCALE), se llevaron a cabo dos casos de estudio en los que se encontraron tanto resultados alentadores como algunas limitaciones en el diseño y la evaluación del sistema (Dillon et al, 2024). El objetivo de este trabajo es proponer un sistema LETKF-WRF con características más ajustadas al problema y mostrar su desempeño para un nuevo caso de estudio.Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/193435spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A1_T180.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-04-23T11:56:07Zoai:sedici.unlp.edu.ar:10915/193435Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-23 11:56:07.696SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
title Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
spellingShingle Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
Dillon, María Eugenia
Meteorología
PREVENIR
Pronóstico numérico
Precipitación
title_short Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
title_full Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
title_fullStr Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
title_full_unstemmed Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
title_sort Prototipo del sistema de actualización rápida de asimilación de datos y pronóstico numérico del proyecto prevenir: aplicación a un caso de estudio
dc.creator.none.fl_str_mv Dillon, María Eugenia
Maldonado, Paula
Ruiz, Juan
Amemiya, Arata
Cutraro, Federico
Gacitua Gutierrez, Jorge
Casaretto, Gimena
Matsudo, Cynthia
Sacco, Maximiliano
Alfie, Emanuel
Pulido, Manuel
García Skabar, Yanina
Miyoshi, Takemasa
author Dillon, María Eugenia
author_facet Dillon, María Eugenia
Maldonado, Paula
Ruiz, Juan
Amemiya, Arata
Cutraro, Federico
Gacitua Gutierrez, Jorge
Casaretto, Gimena
Matsudo, Cynthia
Sacco, Maximiliano
Alfie, Emanuel
Pulido, Manuel
García Skabar, Yanina
Miyoshi, Takemasa
author_role author
author2 Maldonado, Paula
Ruiz, Juan
Amemiya, Arata
Cutraro, Federico
Gacitua Gutierrez, Jorge
Casaretto, Gimena
Matsudo, Cynthia
Sacco, Maximiliano
Alfie, Emanuel
Pulido, Manuel
García Skabar, Yanina
Miyoshi, Takemasa
author2_role author
author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Meteorología
PREVENIR
Pronóstico numérico
Precipitación
topic Meteorología
PREVENIR
Pronóstico numérico
Precipitación
dc.description.none.fl_txt_mv PREVENIR es un proyecto de cooperación entre Argentina y Japón (2022-2027) cuyo objetivo es desarrollar un sistema de alerta temprana enfocado en los impactos causados por precipitación intensa e inundaciones urbanas. En la actualidad, el Sistema de Asimilación y Pronóstico numérico del tiempo del Servicio Meteorológico Nacional (SAP.SMN) consiste de pronósticos determinísticos y probabilísticos de 4 km de resolución horizontal, inicializados 4 veces al día en una región que abarca el sur de Sudamérica (Matsudo et al., 2022; 2025). Con el fin de obtener pronósticos más precisos y con una mayor frecuencia de actualización, en el marco de PREVENIR se está desarrollando un sistema de asimilación de datos de actualización rápida con una resolución temporal y espacial mayor a la del SAP.SMN, poniendo el foco en las cuencas de Sarandí Santo Domingo (SSD) (provincia de Buenos Aires) y Suquía Villa Paez (SVP) (provincia de Córdoba). Utilizando el método Local Ensemble Transform Kalman Filter (LETKF; Hunt et al, 2007) y los modelos Weather Research and Forecasting (WRF) y Scalable Computing for Advanced Library and Environment (SCALE), se llevaron a cabo dos casos de estudio en los que se encontraron tanto resultados alentadores como algunas limitaciones en el diseño y la evaluación del sistema (Dillon et al, 2024). El objetivo de este trabajo es proponer un sistema LETKF-WRF con características más ajustadas al problema y mostrar su desempeño para un nuevo caso de estudio.
Facultad de Ciencias Astronómicas y Geofísicas
description PREVENIR es un proyecto de cooperación entre Argentina y Japón (2022-2027) cuyo objetivo es desarrollar un sistema de alerta temprana enfocado en los impactos causados por precipitación intensa e inundaciones urbanas. En la actualidad, el Sistema de Asimilación y Pronóstico numérico del tiempo del Servicio Meteorológico Nacional (SAP.SMN) consiste de pronósticos determinísticos y probabilísticos de 4 km de resolución horizontal, inicializados 4 veces al día en una región que abarca el sur de Sudamérica (Matsudo et al., 2022; 2025). Con el fin de obtener pronósticos más precisos y con una mayor frecuencia de actualización, en el marco de PREVENIR se está desarrollando un sistema de asimilación de datos de actualización rápida con una resolución temporal y espacial mayor a la del SAP.SMN, poniendo el foco en las cuencas de Sarandí Santo Domingo (SSD) (provincia de Buenos Aires) y Suquía Villa Paez (SVP) (provincia de Córdoba). Utilizando el método Local Ensemble Transform Kalman Filter (LETKF; Hunt et al, 2007) y los modelos Weather Research and Forecasting (WRF) y Scalable Computing for Advanced Library and Environment (SCALE), se llevaron a cabo dos casos de estudio en los que se encontraron tanto resultados alentadores como algunas limitaciones en el diseño y la evaluación del sistema (Dillon et al, 2024). El objetivo de este trabajo es proponer un sistema LETKF-WRF con características más ajustadas al problema y mostrar su desempeño para un nuevo caso de estudio.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
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://sedici.unlp.edu.ar/handle/10915/193435
url http://sedici.unlp.edu.ar/handle/10915/193435
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A1_T180.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1863367892777566208
score 13.05261

Publicaciones similares