Utilizar la predicción meteorológica por conjuntos es la mejor estrategia para realizar un pronóstico correcto de la situación atmosférica venidera a medio plazo.

La mayoría de las veces, los aficionados nos dejamos llevar por los mapas, a veces muy sugerentes, que nos muestran las salidas deterministas.

Para poner luz en este asunto, Juan Antonio Salado, meteorólogo, nos explica de forma muy didáctica cómo realizar previsiones basadas en los múltiples escenarios que los modelos numéricos nos aportan en cada actualización.

La incertidumbre de las salidas deterministas

La predicción del tiempo a través de modelos numéricos lleva asociado una serie de errores e incertidumbre que imposibilita una buena predicción realizando uso de un único escenario (determinista) previsto por estos modelos.

Así por un lado, se necesita conocer el estado actual que presenta la atmósfera para realizar la predicción y aquí radica la primera fuente de error.

Es imposible conocer con una precisión absoluta el estado de la misma a pesar de contar con una buena red mundial de observación.

La importancia de la red de observación

En el siguiente gráfico podemos ver la red usada por el ECMWF para la asimilación de los datos necesarios para poder iniciar la modelización de la atmósfera.

Procesa rutinariamente 90 productos de satélites y aunque de los 40 millones de datos que asimila diariamente, proceden en su mayoría de satélites, también procesa datos de las redes de observación terrestres y de aeronaves.

La dinámica del modelo

Por otro lado, las ecuaciones (dinámica del modelo) que describen el estado dinámico y no lineal de la atmósfera no tienen solución analítica por lo que para su resolución se necesita usar aproximaciones.

Además son fuertemente dependientes de las condiciones iniciales, por lo que pequeños cambios de estas,  producen grandes variaciones en las soluciones y esto limita la predecibilidad.

Por si esto fuera poco, determinados procesos físicos de la atmósfera ocurren en escalas demasiado pequeñas para ser representados explícitamente por los modelos por lo que se recurren a una estimación de estos efectos (parametrización del modelo).

La predicción por conjuntos, la herramienta más acertada a medio plazo

Por estos motivos, la predicción a más de 3 días vista parece adquirir un carácter aleatorio usando un único escenario ya que a cada actualización de la predicción, se obtienen estados de la atmósfera que pueden llegar a ser muy distintos del anterior.

Para intentar poder realizar una predicción más certera a partir de este plazo de tiempo, se recurre a la predicción por conjuntos (EPS) realizada por el ECMWF desde el año 1992. Con diferentes métodos, se computan un conjunto de condiciones iniciales plausibles y un conjunto de predicciones válidas o escenarios para un determinado rango temporal y para la misma zona geográfica.

(Santos, 2018)

Cómo trabaja el ECMWF

Así el ECMWF altera las condiciones iniciales observadas para obtener 50 nuevas. Estas perturbaciones son siempre plausibles con los datos observados.

Así se modifican la temperatura, presión y viento en las zonas que contribuyen a la inestabilidad de la atmósfera. A esto hay que sumarle modificaciones en la tendencia de la vorticidad y en las aproximaciones de aquellos procesos físicos de escala demasiado pequeñas.

También de forma selectiva se generan perturbaciones allí donde el error en las condiciones iniciales crece de forma más rápida.

50+1 modelos o miembros

Se generan así 50 modelos (miembros) a los que hay que sumarle el modelo sin las condiciones iniciales perturbadas (miembro control).

Estos 51 modelos tienen una resolución menor que el HRES (determinista) con el fin de ahorrar en recursos computacionales.

Los 51 modelos se integran 2 veces al día, con un alcance de hasta 15 días, y una resolución horizontal que es de 18 km y con 91 niveles verticales.

Existe además una versión extendida, el ENS Extended, con alcances desde el día 16 al 46 y con una resolución horizontal de 36 km.

Cómo interpretar las variaciones de los distintos escenarios

De esta forma, en lugar de tener una predicción, tenemos 51 escenarios plausibles. Cuando la dispersión de los pronósticos es pequeña, y es razonablemente consistente con la determinista de mayor resolución, entonces sabemos que la predecibilidad es grande.

En cambio, una gran dispersión de los resultados nos indicará que la incertidumbre es muy alta, y una inconsistencia con el modelo determinista de mayor resolución nos indica que la resolución juega un papel crítico y por tanto debemos mirar el EPS con precaución.

La proporción de miembros del conjunto que prevé unas condiciones determinadas, indica la probabilidad de que ocurra.

(Ghelli y Gutiérrez 2018)

Una vez que hemos abordado el origen y funcionamiento de la predicción por conjuntos, en el próximo capítulo trataré los productos que nos ofrece el ECMWF, explicando como han de ser usados además de dónde los podemos localizar a través de Internet.

Bibliografía

• Santos, C. y col (2018). Física del caos en la predicción meteorológica. AEMet.

• User guide to ECMWF forecast products. 2015. ECMWF