• Nota informativa. Temporal de lluvia y viento
El meu Web
Aplicació oficial 'El Tiempo de AEMET' (Android e iOS)
Contactar
Mapa web
Seguix-nos en Facebook
Seguix-nos en Twitter
AEMET blog.es
Seguix-nos en YouTube
RSS
IniciInformacióDetalle

Expertos de todo el mundo se reúnen en España para mejorar las habilidades predictivas de fenómenos adversos de alto impacto mediante el uso de la predicción por conjuntos

22/10/2019 - AEMET acoge, del 22 al 24 de octubre y en su sede central ubicada en Madrid, las jornadas de "LAM-EPS prediction of high impact weather and extremes" en las que expertos en modelización numérica de toda Europa con invitados del resto del mundo analizarán las bondades de emplear la predicción por conjuntos como herramienta clave en la mejora de las habilidades predictivas de fenómenos adversos de alto impacto.

El año pasado se cumplieron 25 años del uso de la predicción por conjuntos (también llamados ensembles de predicción o EPS) en el ECMWF, una metodología que se enfrenta al problema de los límites que la naturaleza caótica de la atmósfera introduce en la predicción determinística, y que permite, de alguna manera, gestionar la incertidumbre que introducen en el conocimiento del estado inicial las propias observaciones o las simplificaciones de las ecuaciones de gobierno de la atmósfera y que permiten que los ordenadores las resuelvan. Los esfuerzos realizados desde entonces se han transformado en avances muy significativos, ayudados entre otros por el aumento sostenido en la capacidad de cálculo que proporcionan los nuevos ordenadores, abriendo el camino para nuevos desarrollos y mejoras en los próximos años.

El uso de la predicción por conjuntos se está extendiendo de forma progresiva, no solo porque cada vez esta herramienta es más sofisticada, con resoluciones cada vez más altas, parametrizaciones más realistas y las asimilaciones que tienen en cuenta la incertidumbre en la evaluación del estado atmosférico, sino porque en ocasiones el entorno a modelizar así lo exige; éste es el caso de España. El tiempo en España es complejo y su predicción resulta complicada debido a diferentes causas: su accidentada orografía, sus más de 8.000 kilómetros de costa, la visita que nos hacen tanto masas de aire polares como tropicales o del Sahara, o la influencia de un mar como el Mediterráneo con una estacionalidad muy marcada. Esta complejidad da origen frecuentemente a fenómenos meteorológicos extremos, en muchos casos caracterizados por una notable variabilidad espacial y temporal. El concepto de riesgo combina la probabilidad de ocurrencia de un fenómeno con el impacto que puede originar. Por este motivo el uso de conjuntos de predicciones se muestra como una de las herramientas más apropiadas para generar información sobre extremos y para tomar las correspondientes decisiones.

AEMET no puede ser ajena a esta evolución y como Servicio Meteorológico Nacional de España está embarcado en este esfuerzo y plenamente comprometido en la colaboración con otros servicios europeos a través del proyecto SRNWP-EPS 2019-2023 de EUMETNET. De hecho, AEMET dispone ya de un sistema multimodelo que demuestra buen comportamiento predictivo, ?SREPS, que se encuentra en fase avanzado de pruebas en el Servicio Nacional de Predicción y que será totalmente operacional el año próximo y que se espera extender con más predicciones con la renovación de su capacidad computacional a través del HPC.

El proyecto SRNWP-EPSII de EUMETNET está coordinado por AEMET (España), ItAF-REMET (Italia) y RMI (Bélgica)
El proyecto SRNWP-EPSII de EUMETNET está coordinado por AEMET (España), ItAF-REMET (Italia) y RMI (Bélgica)

Las jornadas "LAM-EPS prediction of high impact weather and extremes" que AEMET acoge en su sede central, en Madrid, del 22 al 24 de octubre permitirán conocer los últimos avances de la predicción por conjuntos así como intercambiar experiencias y problemas comunes. En ese sentido, lo que se va a presentar abarca un amplio abanico de temas que van desde un análisis de las mejoras que supone el trabajar con un mayor número de modelos integrantes de la predicción por conjuntos, pasando por un aumento de la resolución temporal de las soluciones, es decir, la obtención de resultados más frecuentes, así como el empleo de nuevas estrategias en la definición de las parametrizaciones físicas basadas en perturbaciones estocásticas, o incluso la utilización de "machine learning" o aprendizaje automático dentro del concepto de inteligencia artificial como herramienta para obtener, de forma automatizada, los mejores elementos que integren una predicción por conjuntos orientada a mejorar la predicción por tormentas, entre otras muchas propuestas.

Email
Compartir a Twitter
© AEMET. Autoritzat l'ús de la informació i la seua reproducció citant AEMET com a autora de la mateixa.
Aplicació oficial 'El Tiempo de AEMET' (Android e iOS)
Seguix-nos en Facebook
Seguix-nos en Twitter
AEMET blog.es
Seguix-nos en YouTube
RSS