Products, help and information

Temperatura del aire

Sensibilidad a los horarios previstos

El rendimiento del modelo generalmente disminuye con el aumento del número de horas esperadas. La precisión de la temperatura del aire de 2 m al elegir el meteoblue Learning Multimodel (mLM) está dentro de 1.2 K para el pronóstico de 24 horas y dentro de 2.0 K para el pronóstico de 6 días. Esto significa que el pronóstico de 24 horas del mLM es tan bueno como el pronóstico de 6 días de los modelos autónomos de pronóstico meteorológico numérico.

MAE [K] basado en las horas esperadas para el mLM para un solo día de análisis y la media (negro). También se muestra el error de pronóstico de 24 horas para los modelos MOS (azul) y brutos (rojo).

Una introducción rápida a meteoblue Learning Multimodel puede ser descargada abajo:

mlm_leaflet.pdf (6,96 MB)

Previsión de 24 horas de datos históricos y de pronóstico

Nuestros resultados muestran que el meteoblue Learning Multimodel (mLM), que se utiliza en la predicción operativa, tiene un rendimiento significativamente mejor que las simulaciones MOS y el modelo histórico de reanálisis ERA5 (MAE = 1,2 K frente a MAE = 1,5 K). La precisión de los modelos autónomos de predicción meteorológica numérica (por ejemplo, NEMS, GFS) es significativamente menor que la de los modelos MOS y mLM en particular.

Más del 90% de todas las estaciones meteorológicas tienen una precisión mejor que 2 K usando meteoblue Learning Multimodel (mLM). Este número se reduce al 85% utilizando el modelo de reanálisis ERA5 y al 50% (36%) utilizando el modelo autónomo de predicción meteorológica numérica NEMS (GFS).

Las regiones continentales y de gran altitud suelen estar peor simuladas que las regiones marítimas y de baja altitud. Los errores en Europa y América del Norte son generalmente menores que en el hemisferio Sur. Las temperaturas del aire son generalmente más bajas en el hemisferio Norte en invierno que en verano.

Realización del modelo de predicción de 24 horas del mLM (panel superior), el modelo de reanálisis ERA5 (inferior izquierda) y el modelo numérico de predicción meteorológica GFS (inferior derecha) para septiembre - octubre de 2018.

Temperatura

NEMS Global 25km - verificación de temperatura

Simulaciones de temperatura con MOS:

  • Corrige la mayoría de los errores
  • 92% de estaciones con MAE* < 2.0°C
  • Mejora vs. RAW = 0.8°C
  • 85% de todos los errores horarios < 2.0°C

Se utiliza en todas las previsiones de meteoblue.

meteoblue proporciona más de 70% de todas las temperaturas por debajo de 2°C de diferencia de temperatura medida - con 3 días (72 horas) de antelación. Para las próximas 12 horas, más del 80% de todas las previsiones de temperatura son menos de 2°C de diferencia de medición - en una base horaria. El RMSE (Root Mean Square Error) de las previsiones por hora es de menos de 2,5°C hasta 3 días de previsiones, y alrededor de 2°C para la previsión de un día (estos datos son válidos para Europa y América del Norte).
¿Qué significa eso?

Personalmente: Si usted asume que puede distinguir las diferencias de temperatura de más de 2°C (por sensación), entonces 2/3 de todas las previsiones de temperatura horaria de meteoblue son ya correctas con 3 días de antelación! Esto significa que cuando usted ve una previsión meteoblue para las próximas 72 horas, tendrá por lo menos durante 54 horas la misma temperatura que las previsiones de meteoblue.
Técnicamente: Si interpolar las mediciones de temperatura de una estación meteorológica cada 3 horas en datos cada hora y compararlas con las mediciones horarias reales, su RMSE es 1,5 a 2,0°C. El error de la previsión meteoblue es, en promedio, 2,2°C. Esto significa que la previsión de temperatura es tan buena como una medición cada 6 horas.

MAE*: Mean absolute error (error medio absoluto)

Ejemplo de uso

En el siguiente ejemplo se muestra la probabilidad de heladas.

Ejemplo hipotético: Usted le interesa tener temperaturas por debajo de 0°C, heladas, porque usted es un agricultor y está preocupado por su cultivo. El error del modelo es de +/- 2°C en 85% de los casos. Esto significa que con un riesgo de 15%, la temperatura puede variar en más de 2°C. Pero usted sólo está interesado en las temperaturas decrecientes por lo que el riesgo de las variaciones de temperatura en la dirección negativa es sólo la mitad: 7,5%. Precisamente, a una temperatura de 2°C tiene una probabilidad de 7,5% que la temperatura cae por debajo de 0°C. Si la temperatura crítica para su cultivo es de -1°C, el riesgo es aún menor: 3,75%; así como una temperatura crítica de -2 ° C: 1,875%.

La misma idea se puede hacer con un error de 1°C en 85% de los casos. Hay una disminución de la probabilidad de que la temperatura desciende por debajo de 0°C; el riesgo es de 3,75% a 0°C.

Si la previsión es válida sólo para 60% de todos los casos el riesgo es el siguiente: A una temperatura de 2°C usted tiene una probabilidad del 20% que la temperatura desciende por debajo de 0°C; 10% a una temperatura por debajo de -1°C.

Todas estas consideraciones se suponen que usted está estimando el riesgo de temperaturas por debajo de 0°C a una temperatura real de 2°C. Si este cálculo se realiza, por ejemplo, 1°C, se altera el riesgo.

En la figura, estos hechos se presentan de una manera visual.

Visualización del riesgo de que la temperatura descienda por debajo de 0°C.