Agrupamiento de los miembros en la predicción por conjuntos del modelo GFS ENS

La predicción por conjunto es una herramienta clave en la predicción  moderna. La página de weather online (ver link final) nos ofrece un nuevo producto: agrupamiento de escenarios en grupos. Se muestran salidas e interpretación de estos nuevos productos aplicados a la precipitación.

La Predicción por conjuntos

La predicción de la atmosfera se altamente compleja ya que su evolución depende fuertemente de las condiciones iniciales de partida de un modelo atmosférico. Estas condiciones iniciales no son perfectamente conocidas. Además los métodos de cálculo de los MNP están condicionados por la física  de los complejos procesos que tiene lugar en la atmosfera, los límites de cálculo y los errores de procesamiento en la dinámica del modelo.

Para solventar parte de los problemas se introduce la predicción por conjuntos o Ensemble.

La predicción numérica por conjuntos que es un método de predicción numérica que se utiliza para intentar generar una muestra representativa de los posibles estados futuros de un sistema dinámico. La Previsión Ensemble es una forma de análisis de Monte Carlo: múltiples predicciones numéricas se realizan usando condiciones iniciales ligeramente diferentes que son todas plausibles dado el conjunto del pasado y actual de observaciones o mediciones. A veces, el conjunto de predicciones pueden utilizar diferentes modelos de pronóstico para los diferentes miembros, o diferentes formulaciones de un modelo de pronóstico. Las múltiples simulaciones se llevan a cabo para dar cuenta de las dos fuentes de incertidumbre en los modelos de previsión del tiempo:

(1) los errores introducidos por el caos o la dependencia sensible de las condiciones iniciales; y

(2) los errores introducidos debido a las imperfecciones en el modelo, tales como las distancias de cuadrícula finitas.

El modelo por conjuntos del GFS, GFS ENS, parte de 20 condiciones iniciales diferentes, pero próximas entre sí, y genera 20 escenarios de evolución de los modelos GFS (de más baja resolución que el originario determinista). Estas 20 salidas de modelos pueden ser parecidas unas a otras por lo que es posible  agrupar algunos de los miembros en grupos o clusters. De estos grupos se suele presentar la media de los miembros o escenarios. Así por ejemplo es posible analizar la media de las predicciones de la presión en superficie, de los 20 miembros o de los miembros que pertenecen a un mismo grupo.

Nos centraremos en los mapas de precipitación, aunque el portal aludido ofrece más variables meteorológicas.

Descripción

El mapa precipitación - actualizado cada 6 horas - muestra la precipitación modelada en mm. Las áreas de precipitación están representadas por isoyetas - líneas con la misma cantidad de precipitación, como se hace normalmente. Sin embargo, el modelado de la precipitación aún no es muy fiable. Si se comparan los resultados modelados con los valores observados se dará cuenta de que el modelo no es nada mejor que una aproximación de primer orden, sobre todo cuando la precipitación convectivas está presente. Sin embargo, estos mapas son de alguna utilidad para los meteorólogos.

Nota: Recuerde que 100 mm de precipitación es equivalente a aproximadamente 4 pulgadas.

Agrupamiento de los miembros del  Ensemble o predicción por conjunto

Los 20 miembros de la pasada por conjuntos  del GFS ENS se agrupan en diferentes grupos para reducir el número inicial (20),  lo que significa agrupar miembros similares de acuerdo con la jerarquía "método de Ward" La presión media de la superficie de todos los miembros de cada grupo se calcula y se muestra como un mapa isobárico. El número de miembros de cada grupo determina la probabilidad del pronóstico (ver porcentajes). Un grupo de 20 miembros, el total, equivale a 100%, 5 miembros equivale a un 20%. 

La agrupación permite manejar más fácilmente la evolución y en el caso de la precipitación permite cuantificar la incertidumbre de ella (porcentaje) de que precipite o no precipite en una zona. Veamos unos ejemplos a varios días vista partiendo de la pasada del 12 de mayo de 2014: para el 18 de mayo, arriba, y para el  27 mayo abajo:

Agrupamiento De Los Miembros En La Predicción Por Conjuntos Del Modelo Gfs Ens
Agrupamiento De Los Miembros En La Predicción Por Conjuntos Del Modelo Gfs Ens

Para un día dado, los 20 miembros se agrupan en clusters o grupos por similitud. De los 20 escenarios se pasan a N grupos para un día dado. El porcentaje de probabilidad de que se de dicha situación vendrá dado por el número de miembros perteneciente al un grupo.

Dendrograma

Un dendrograma es un mapa complementario donde se muestra el resultado de agrupamiento por “distancias” y, por lo tanto,  muestra las distancias multidimensional entre objetos (escenarios) en una estructura en forma de árbol. Los objetos (miembros) que están más cerca en un espacio multidimensional de datos están conectados por una línea horizontal y forma un clúster o grupo de miembros. La distancia entre un par dado de objetos (o conglomerados) se indica mediante la altura de la línea horizontal.

[http://www.statistics4u.info/fundstat_germ/cc_dendrograms ] . Cuanto mayor sea la distancia mayor es la diferencia entre dos escenarios de evolución.

Nota tomada de Wikipedia:

Un dendrograma es un tipo de representación gráfica o diagrama de datos en forma de árbol (Dendro=árbol) que organiza los datos en subcategorías que se van dividiendo en otros hasta llegar al nivel de detalle deseado (asemejándose a las ramas de un árbol que se van dividiendo en otras sucesivamente). Este tipo de representación permite apreciar claramente las relaciones de agrupación entre los datos e incluso entre grupos de ellos aunque no las relaciones de similaridad o cercanía entre categorías. Observando las sucesivas subdivisiones podemos hacernos una idea sobre los criterios de agrupación de los mismos, la distancia entre los datos según las relaciones establecidas, etc. También podríamos referirnos al dendrograma como la ilustración de las agrupaciones derivadas de la aplicación de un algoritmo de clustering jerárquico.

Estos mapas están disponibles en Weather On-line

Fuente:  Weather online  http://www.weatheronline.co.uk/

Esta entrada se publicó en Reportajes en 17 May 2014 por Francisco Martín León