Evaluando las salidas de modelos numéricos de predicción con las imágenes de vapor de agua

o Idiomas: Inglés
o Fecha de publicación: 31/03/2015
o Nivel de dificultad: 3 '
o Tiempo de ejecución: 1,00 a 1,25 h
o Incluye Audio: no
o Plugins: ninguno
o Temas: Modelación Numérica (PNT), meteorología por satélite

Los meteorólogos tienen un pronóstico difícil por delante de ellos. Pero, ¿cómo se supone que deben saber qué datos del modelo serán los mejores para ayudarles a llegar a una conclusión sobre la situación? En situaciones como ésta, el primer paso debe ser siempre evaluar los datos del modelo en contra de un conjunto de observaciones actuales que deberían mostrar una relación de 1-a-1 con la salida del modelo: datos observados que se ajusten a las salidas del modelo.

¿Qué variable debe ser trazada? ¿En qué superficie? ¿Qué observaciones actuales tendrán más peso para la evaluación del modelo? Si usted sabe las respuestas a algunas de las preguntas, pero no todas, encontrará estas respuestas y más yendo a través de esta lección.

En este sentido las imágenes de los canales de vapor de agua, WV, son observaciones satélitales de gran ayuda para conocer la bondad y errores del modelo de predicción.

Objetivos

• Analizar diferentes variables sobre su eficacia para la comparación de las imágenes de vapor de agua para la evaluación de las salidas de la predicción numérica del tiempo (modelo).
  • Lista de la mejor variable del modelo de predicción del tiempo para comparar con las imágenes de vapor de agua.
• Clasificar las comparaciones entre imágenes de WV/ predicción numérica del tiempo (modelo) en función de su encaje / desajuste en ciertas áreas entre las imágenes de vapor de agua, la superficie de vorticidad potencial y las imágenes sintéticas (previstas) de vapor de agua por el modelo.
  • Proponer que se puede hacer con diferentes situaciones con los campos de pronóstico.
• Ajustar una previsión de predicción numérica del tiempo (modelo), basado en la evaluación comparativa contra las imágenes de vapor de agua.

Ver el modulo en:
https://www.meted.ucar.edu/training_module.php?id=1137#.VSDRmuFtGpR

Debes registrate de forma gratuita para analizar El módulo.

Fuente: METED COMET