Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024

Autores
Matsudo, Cynthia; Righetti, Silvina; García Skabar, Yanina; Cutraro, Federico; Dillon, María Eugenia; Maldonado, Paula; Sacco, Maximilano; Alvarez Imaz, Milagros; Osores, Soledad
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
La capacidad de los sistemas de pronóstico numérico en detectar la posible ocurrencia de eventos meteorológicos de alto impacto para la población depende, en gran parte, de su habilidad para resolver los procesos termodinámicos que suceden en la atmósfera. Los pronósticos de alta resolución (escala del kilómetro) mejoran el detalle y realismo de los procesos atmosféricos (Kain et al., 2006), pero enfrentan desafíos como la imprecisión en la representación de los procesos de subgrilla y una rápida pérdida de predictibilidad, donde el crecimiento de los errores en escalas grandes domina progresivamente (Durran y Gingrich, 2014; Nielsen y Schumacher, 2016). Todo esto manifiesta la necesidad de contar con enfoques probabilísticos y esquemas de verificación que evalúen tanto la agudeza (precisión) como la confiabilidad (calibración) de los ensambles, mitigando las limitaciones inherentes a la alta resolución. La componente operativa del Sistema de Asimilación y Pronóstico del SMN (SAP.SMN, Matsudo et al., 2022) implementada en 2020 provee pronósticos determinísticos y probabilísticos con 4 km de resolución horizontal. Desde ese entonces se ha desarrollado un esquema de verificación para cuantificar los errores utilizando métricas estadísticas acordes para mostrar el desempeño de sus pronósticos. El objetivo de este trabajo es analizar la calidad del SAP.SMN del ciclo de 06 UTC para el periodo 2020-2024. Cuando resulta posible, se incluye una comparación con un modelo global de menor resolución como el GFS. Se plantearán las ventajas y desafíos en el desempeño de los modelos regionales de alta resolución.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
WRF
Calidad
SMN
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:10915/193418
Acceder
id SEDICI_f40a0469b15f4acab11da2902efffae6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/193418
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024Matsudo, CynthiaRighetti, SilvinaGarcía Skabar, YaninaCutraro, FedericoDillon, María EugeniaMaldonado, PaulaSacco, MaximilanoAlvarez Imaz, MilagrosOsores, SoledadMeteorologíaWRFCalidadSMNLa capacidad de los sistemas de pronóstico numérico en detectar la posible ocurrencia de eventos meteorológicos de alto impacto para la población depende, en gran parte, de su habilidad para resolver los procesos termodinámicos que suceden en la atmósfera. Los pronósticos de alta resolución (escala del kilómetro) mejoran el detalle y realismo de los procesos atmosféricos (Kain et al., 2006), pero enfrentan desafíos como la imprecisión en la representación de los procesos de subgrilla y una rápida pérdida de predictibilidad, donde el crecimiento de los errores en escalas grandes domina progresivamente (Durran y Gingrich, 2014; Nielsen y Schumacher, 2016). Todo esto manifiesta la necesidad de contar con enfoques probabilísticos y esquemas de verificación que evalúen tanto la agudeza (precisión) como la confiabilidad (calibración) de los ensambles, mitigando las limitaciones inherentes a la alta resolución. La componente operativa del Sistema de Asimilación y Pronóstico del SMN (SAP.SMN, Matsudo et al., 2022) implementada en 2020 provee pronósticos determinísticos y probabilísticos con 4 km de resolución horizontal. Desde ese entonces se ha desarrollado un esquema de verificación para cuantificar los errores utilizando métricas estadísticas acordes para mostrar el desempeño de sus pronósticos. El objetivo de este trabajo es analizar la calidad del SAP.SMN del ciclo de 06 UTC para el periodo 2020-2024. Cuando resulta posible, se incluye una comparación con un modelo global de menor resolución como el GFS. Se plantearán las ventajas y desafíos en el desempeño de los modelos regionales de alta resolución.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/10915/193418spainfo: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_T158.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:10915/193418Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-04-23 11:56:07.664SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
title Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
spellingShingle Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
Matsudo, Cynthia
Meteorología
WRF
Calidad
SMN
title_short Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
title_full Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
title_fullStr Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
title_full_unstemmed Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
title_sort Desempeño del sistema de asimilación y pronóstico del Servicio Meteorológico Nacional: resultados de verificación en el periodo 2020-2024
dc.creator.none.fl_str_mv Matsudo, Cynthia
Righetti, Silvina
García Skabar, Yanina
Cutraro, Federico
Dillon, María Eugenia
Maldonado, Paula
Sacco, Maximilano
Alvarez Imaz, Milagros
Osores, Soledad
author Matsudo, Cynthia
author_facet Matsudo, Cynthia
Righetti, Silvina
García Skabar, Yanina
Cutraro, Federico
Dillon, María Eugenia
Maldonado, Paula
Sacco, Maximilano
Alvarez Imaz, Milagros
Osores, Soledad
author_role author
author2 Righetti, Silvina
García Skabar, Yanina
Cutraro, Federico
Dillon, María Eugenia
Maldonado, Paula
Sacco, Maximilano
Alvarez Imaz, Milagros
Osores, Soledad
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Meteorología
WRF
Calidad
SMN
topic Meteorología
WRF
Calidad
SMN
dc.description.none.fl_txt_mv La capacidad de los sistemas de pronóstico numérico en detectar la posible ocurrencia de eventos meteorológicos de alto impacto para la población depende, en gran parte, de su habilidad para resolver los procesos termodinámicos que suceden en la atmósfera. Los pronósticos de alta resolución (escala del kilómetro) mejoran el detalle y realismo de los procesos atmosféricos (Kain et al., 2006), pero enfrentan desafíos como la imprecisión en la representación de los procesos de subgrilla y una rápida pérdida de predictibilidad, donde el crecimiento de los errores en escalas grandes domina progresivamente (Durran y Gingrich, 2014; Nielsen y Schumacher, 2016). Todo esto manifiesta la necesidad de contar con enfoques probabilísticos y esquemas de verificación que evalúen tanto la agudeza (precisión) como la confiabilidad (calibración) de los ensambles, mitigando las limitaciones inherentes a la alta resolución. La componente operativa del Sistema de Asimilación y Pronóstico del SMN (SAP.SMN, Matsudo et al., 2022) implementada en 2020 provee pronósticos determinísticos y probabilísticos con 4 km de resolución horizontal. Desde ese entonces se ha desarrollado un esquema de verificación para cuantificar los errores utilizando métricas estadísticas acordes para mostrar el desempeño de sus pronósticos. El objetivo de este trabajo es analizar la calidad del SAP.SMN del ciclo de 06 UTC para el periodo 2020-2024. Cuando resulta posible, se incluye una comparación con un modelo global de menor resolución como el GFS. Se plantearán las ventajas y desafíos en el desempeño de los modelos regionales de alta resolución.
Facultad de Ciencias Astronómicas y Geofísicas
description La capacidad de los sistemas de pronóstico numérico en detectar la posible ocurrencia de eventos meteorológicos de alto impacto para la población depende, en gran parte, de su habilidad para resolver los procesos termodinámicos que suceden en la atmósfera. Los pronósticos de alta resolución (escala del kilómetro) mejoran el detalle y realismo de los procesos atmosféricos (Kain et al., 2006), pero enfrentan desafíos como la imprecisión en la representación de los procesos de subgrilla y una rápida pérdida de predictibilidad, donde el crecimiento de los errores en escalas grandes domina progresivamente (Durran y Gingrich, 2014; Nielsen y Schumacher, 2016). Todo esto manifiesta la necesidad de contar con enfoques probabilísticos y esquemas de verificación que evalúen tanto la agudeza (precisión) como la confiabilidad (calibración) de los ensambles, mitigando las limitaciones inherentes a la alta resolución. La componente operativa del Sistema de Asimilación y Pronóstico del SMN (SAP.SMN, Matsudo et al., 2022) implementada en 2020 provee pronósticos determinísticos y probabilísticos con 4 km de resolución horizontal. Desde ese entonces se ha desarrollado un esquema de verificación para cuantificar los errores utilizando métricas estadísticas acordes para mostrar el desempeño de sus pronósticos. El objetivo de este trabajo es analizar la calidad del SAP.SMN del ciclo de 06 UTC para el periodo 2020-2024. Cuando resulta posible, se incluye una comparación con un modelo global de menor resolución como el GFS. Se plantearán las ventajas y desafíos en el desempeño de los modelos regionales de alta resolución.
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/10915/193418
url http://sedici.unlp.edu.ar/handle/10915/193418
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_T158.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_ 1863367892764983296
score 13.05261

Publicaciones similares