Calibraciones de predicciones estacionales de la velocidad del viento para argentina, 1993-2016

• Autores: Poggi, María Mercedes; Bettolli, María Laura; Azorín-Molina, César; Skansi, María de los Milagros
• Año de publicación: 2025
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Meteorología; Observaciones; Pronóstico climático; Post-procesamiento
• Institución: Universidad Nacional de La Plata

La predicción estacional consiste en prever las condiciones climáticas medias durante un período de varios meses con una anticipación de semanas, derivando su habilidad predictiva de factores que cambian gradualmente, y cómo la atmósfera interactúa y se ve influida por dichos factores. A su vez, la predictibilidad a medio plazo de una variable específica, como la velocidad del viento, depende de la región, la estación del año, el tiempo de anticipación, el período de pronóstico y su relación con los principales modos de variabilidad. Los Modelos de Circulación General (MCGs) son herramientas fundamentales para la predicción en esta escala temporal, ya que representan la interacción entre los distintos componentes del sistema climático. En los últimos años, las predicciones estacionales de los MCGs han experimentado avances significativos, logrando generar previsiones hábiles incluso en regiones extratropicales, donde anteriormente no mostraban habilidad sustancial (Osman y Vera, 2017). Sin embargo, todavía presentan errores sistemáticos y sus resoluciones espaciales no son lo suficientemente altas para aplicaciones prácticas. Por ello, es necesario aplicar técnicas de post-procesamiento. Entre ellas, se destacan el bias adjustment (BA) y el ensemble recalibration (RC), los cuales ajustan los pronósticos crudos de la variable de interés, para hacerlas compatibles con las observaciones históricas. Estas técnicas son menos costosas computacionalmente dado que, por ejemplo, no requieren la identificación de predictores, pudiendo ser adecuados para su uso operativo. En Argentina, la predicción estacional de la velocidad del viento es una línea de investigación incipiente, recién explorada por Viazzo (2024). Sin embargo, aún no se han desarrollado estudios que apliquen técnicas de post-procesamiento a las predicciones estacionales de los MCGs para esta variable. Las investigaciones existentes se han centrado, principalmente, en el downscaling estadístico y dinámico de temperatura y precipitación (Bettolli et al., 2021). Esta temática es sumamente relevante para el sector de la energía eólica, entre otros, más aún cuando estudios como el de Torralba et al. (2017) han demostrado que las predicciones climáticas pueden aportar un valor adicional a sus aplicaciones. Frente a este contexto, los objetivos del presente trabajo son: a) Evaluar las predicciones estacionales de MGCs que integran el Servicio de Cambio Climático de Copernicus. b) Aplicar métodos de BA, RC y de machine learning (ML) para corregir las predicciones estacionales de los MGCs considerados, y evaluar su desempeño.
Facultad de Ciencias Astronómicas y Geofísicas