La incertidumbre de las precipitaciones intensas: el caso del 27- 30 sept. 2012

Síguenos en Twitter: @RAM_meteo.
Y en Facebook: RAMmeteorologia.

Recientemente tuvimos la oportunidad de vivir una situación de alta incertidumbre en la trayectoria del Nadine: si se acercaba o no a España. Realmente la incertidumbre de la trayectoria del Nadine fue un caso particular de la incertidumbre inherente a la predicción atmosférica en general de la atmósfera durante esas fechas.

En esos días de la primera mitad de septiembre la predeciblidad de la atmósfera en nuestras latitudes era muy baja y en particular este hecho se traducía particularmente en la dispersión de la trayectorias prevista de la tormenta tropical aludida: cada modelo la llevaba para una zona determinada y cada uno daba bandazos en las siguientes pasadas.

Hoy nos encontramos con el mismo problema básico de la predicción – la incertidumbre, que siempre está- pero relacionado con las lluvias intensas y otoñales en ciertas zonas de España a final de septiembre. Y siempre la convección esta por el medio, justo uno de los elementos o variables meteorológicas no manejadas con la suficiente eficacia y habilidad por los modelos numéricos de predicción actuales, tanto peor cuanto más intensas como es este caso ¿Cuánto lloverá en la costa de Málaga o Almería?

No lo sabemos de forma exacta, y como siempre tenemos la inseguridad o la incertidumbre de su predicción. La respuesta hay que buscarla en la combinación de los modelos de un único escenario de evolución (modelos deterministas) y los modelos tipo ensemble o por conjuntos (modelos probalísticos). Y en caso de discrepancias entre uno y otro - que siempres las hay- la balanza se inclina por los modelos probabilísticos que son capaces de cuantificar la medida de incertidumbre del fenómeno a predecir. La cuantificación de la incertidumbre no se ha hace con único modelo

La situación del 27-30 de septiembre de 2012 es muy interesante desde el punto de vista de la predicción de las precipitaciones intensas en diversos lugares de España y vamos a tratar de analizarla, desde el punto de vista más eficaz y realista usando las herramientas de Internet. Los técnicos de los SMN usarán herramientas más sofisticadas en sus entornos de trabajo con mejor resolución espacio temporal y mejores modelos.

El modelo global Ensemble del GFS: GEFS

Este modelo consta de 20 escenarios de evolución, a partir de un modelo de control que es equivalente al modelo GFS global de alta resolución. El modelo de control tiene degrada sus resolución espacial respecto al de máxima. A partir del modelo de control se corren 20 escenarios de evolución modificando oportunamente las condiciones iniciales de partida, donde se supone que pudiera estar la evolución real de la atmósfera, y a partir de ahí se realizan las evolución de los 20 escenarios o modelos que darán resultados y predicciones diferentes. Mediante tratamiento estadístico es posible analizar y comparar los 20 +1 modelos de evolución con las salidas del determinista de alta resolución y generar salidas probabilísticas de forma que podamos analizar para un campo/variable determinado:

• La predicción de cada uno de los miembros: 20 +1, no muy eficaz
• La predicción de control/media y el grado de dispersión e incertidumbre. Muy útil
• Otras salidas.

Es muy común analizar las salidas del promedio del Ensemble o la salida de control junto con la medida de la dispersión o incertidumbre de los otros miembros. Ver Anexo para más detalles para el tema de la desviación estándar.

Para no alargarnos, analizaremos las salidas básicas de PCP para Málaga/Alicante/Almeria dadas por el modelo GEFS provenientes de los portales de Meteociel y Weather Online.

Ahora podríamos preguntarnos, gracias a las salidas Ensembles:

¿Es probable que llueva en Málaga/Alicante/Almeria el 28 a las 12 UTC/14 h local?

¿Cuánto? y ¿ cuánto de máxima y de mínima?

¿Cuál es el grado de incertidumbre?

Continuará

Anexo, tomado de Wikipedia

Desviación estándar

La desviación estándar o desviación típica (denotada con el símbolo ? o s, dependiendo de la procedencia del conjunto de datos) es una medida de centralización o dispersión para variables de razón (ratio o cociente) y de intervalo, de gran utilidad en la estadística descriptiva.

Se define como la raíz cuadrada de la varianza. Junto con este valor, la desviación típica es una medida (cuadrática) que informa de la media de distancias que tienen los datos respecto de su media aritmética, expresada en las mismas unidades que la variable.

Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de tendencia central, sino que necesitamos conocer también la desviación que presentan los datos en su distribución respecto de la media aritmética de dicha distribución, con objeto de tener una visión de los mismos más acorde con la realidad al momento de describirlos e interpretarlos para la toma de decisiones.

Interpretación y aplicación

La desviación estándar es una medida del grado de dispersión de los datos con respecto al valor promedio. Dicho de otra manera, la desviación estándar es simplemente el "promedio" o variación esperada con respecto a la media aritmética.

Por ejemplo, las tres muestras (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8 ) cada una tiene una media de 7. Sus desviaciones estándar muestrales son 8,08; 5,77 y 1,15 respectivamente. La tercera muestra tiene una desviación mucho menor que las otras dos porque sus valores están más cerca de 7.

La desviación estándar puede ser interpretada como una medida de incertidumbre. La desviación estándar de un grupo repetido de medidas nos da la precisión de éstas. Cuando se va a determinar si un grupo de medidas está de acuerdo con el modelo teórico, la desviación estándar de esas medidas es de vital importancia: si la media de las medidas está demasiado alejada de la predicción (con la distancia medida en desviaciones estándar), entonces consideramos que las medidas contradicen la teoría. Esto es coherente, ya que las mediciones caen fuera del rango de valores en el cual sería razonable esperar que ocurrieran si el modelo teórico fuera correcto. La desviación estándar es uno de tres parámetros de ubicación central; muestra la agrupación de los datos alrededor de un valor central (la media o promedio).