Accuracy Considerations

Esta página cubre los siguientes temas

  • Inconsistencias en los mapas de precipitación debido a diferentes resoluciones de modelos;
  • Precisión menor con modelo bruto de mayor resolución;
  • Fallas de los modelos de simulación climática en regiones tropicales;
  • Otros conjuntos de datos espaciales disponibles para la comparación;
  • Aumento de las debilidades de los conjuntos de datos de observación de satélite con la creciente distancia ecuatorial;
  • Inconsistencias dentro de las series temporales mezcladas de diferentes modelos;
  • Visión general de los extensos estudios de verificación a largo plazo realizados;

Las simulaciones de evento y la cantidad de precipitación, así como la cantidad real de precipitación, son algunas de las variables más importantes en la meteorología, que muestran simultáneamente una ocurrencia altamente variable en pequeñas distancias, debido a su compleja naturaleza física, y están entre las variables más difíciles son simuladas con alta precisión

Mientras trabajamos continuamente en mejoras para nuestras simulaciones, con esta página queremos garantizar que nuestros usuarios sean conscientes de algunos de los problemas de precisión más importantes relacionados con las previsiones de precipitación, para poder interpretar correctamente los datos y posibles deficiencias.

En general, es importante diferenciar la precisión de la cantidad de precipitación y la precisión del evento de precipitación que tiene resultados a veces diferentes. Cuando las medidas de precisión se evalúan, piense primero sobre sus prioridades: un evento de precipitación es el criterio más importante (es decir, si mañana será totalmente seco o habrá alguna lluvia) o es el valor de la precipitación (es decir, llueve 10 o 30mm en los próximos 2 días)?

Inconsistencias en los mapas de precipitación debido a diferentes resoluciones de modelos

Los mapas meteorológicos de meteoblue seleccionan automáticamente los datos del modelo más adecuado, que cambian de acuerdo con el área de visualización del mapa y el nivel de zoom (por ejemplo, para Europa central, el nivel de zoom 4 muestra los datos NEMSGLOBAL, nivel de zoom 5 muestra los datos NEMS12 y el nivel de zoom 6 muestra los datos del NEMS4)

Para la precipitación, esto tiene como consecuencia que los mapas de baja resolución parecen mostrar una distribución de precipitación espacial más amplia que los mapas de alta resolución. Por otro lado, mientras que los mapas de alta resolución muestran una distribución de precipitación espacial más estrecha, muestran mayores cantidades de precipitación local.

Esto se puede explicar fácilmente: Si una celda de quadrícula con una resolución de 30x30km está compuesta de células de rejilla 3x3 con una resolución de 10x10km, y si una de esas celdas de cuadrícula menores simuló una tormenta, todas las celdas de 30x30km en la vista de baja resolución mostrarán una tormenta y serán de color azul. (= precipitación presente), ya que no es posible distinguir en qué parte de la célula de rejilla ocurre la tempestad: el modelo de baja resolución sabe que la precipitación ocurrirá en algún lugar de la gran célula, y simultáneamente, calculará la media de cantidad de precipitación de ese evento local en toda la célula, lo que reducirá la intensidad.

Precisión menor con el modelo bruto de mayor resolución

Nuestros estudios de verificación mostraron que la precisión de la simulación de precipitación del modelo de mayor resolución (4 km en Europa) es menor en promedio que en los modelos de baja resolución (12km y 30km), debido a la ocurrencia en pequeña escala de eventos de precipitación.

Esto puede ser entendido fácilmente imaginándose una pequeña tempestad de truenos que avanza en una pista que en realidad es desplazada a 2 km de la pista simulada (lo que puede suceder fácilmente). Ahora, con una celda de cuadrícula de 4 km, es probable que la pista real pase por diferentes celdas de cuadrícula que la pista simulada. Como resultado, la simulación producirá dos pistas de células incorrectas (una donde la tormenta fue simulada pero no pasó, y una donde no fue simulada pero la tormenta en realidad pasó) a causa de una sola tormenta. Ir a un modelo de resolución inferior reduce este problema, ya que el cambio entre la pista simulada y la real tiene que ser mucho mayor para tener la misma probabilidad de prever dos pistas de celdas de cuadrícula erróneas simultáneamente

Los resultados más precisos del modelo bruto se encuentran con una resolución espacial de 6-12km. La simulación de 12km resultó ser más precisa que la simulación de resolución de 30km. Las excepciones de estos resultados se encuentran en áreas montañosas, donde los modelos de mayor resolución producen una mejor precisión de precipitación que los modelos de baja resolución, porque los primeros tienen una mejor comprensión de la topografía.

Al utilizar los datos de meteoblue, recibirá el siguiente resultado del modelo:

  • En la interfaz history+ (si los datos de precipitación de alta resolución están seleccionados) así como en el API histórico (si no se selecciona ningún dominio), el modelo de resolución media (12 km a europa) se extrae automáticamente en lugar del modelo de mayor resolución (4 km a Europa). Usted tiene la opción de seleccionar el modelo de baja resolución para datos a largo plazo.
  • Para los datos solicitados específicamente de un modelo específico, recibirá estos datos de esta plantilla. Algunas brechas de datos se pueden rellenar con datos del modelo de resolución más baja. Estas lagunas pueden ser indicadas por demanda.

Las predicciones (para el API: cuando no se especifica ningún dominio) no se diferencian de los modelos, pues los datos entregados son una composición multimodal para la cual no se puede asignar ninguna resolución específica; por lo que esta cuestión no se aplica. Sin embargo, la serie de datos históricos no será capaz de reproducir exactamente la previsión de varios modelos, ya que la disponibilidad de los modelos en el momento de la producción de las previsiones no puede reproducirse exactamente en retrospectiva. Si es necesaria una verificación de la previsión histórica de precipitación, la previsión de precipitación real debe almacenarse al menos una vez al día.

Debilidad de modelos de simulación climática em regiones tropicales

En las regiones tropicales (así como en las regiones con lluvias intensas de monzones), la simulación de la precipitación es especialmente difícil. Esto es debido a la alta ocurrencia de eventos de precipitación, con grandes cantidades de lluvias en períodos cortos. Además, la precipitación convectiva, así como la precipitación durante las tempestades, son más comunes. Ambas formas de precipitación pueden ser muy complejas y localmente altamente inconsistentes y, por lo tanto, son aún más difíciles de simular con precisión en comparación con otras formas de precipitación.

La implicación de esta dificultad en simulaciones precisas es que la cantidad de precipitación en regiones tropicales generalmente es subestimada (excepciones se aplican, lo que hace una corrección sistemática muy difícil).

Otros conjuntos de datos espaciales disponibles para la comparación

Para resolver estos problemas de precisión con simulaciones de precipitación, además de nuestros propios modelos, meteoblue recoge y distribuye una amplia gama de diferentes conjuntos de datos de precipitación de operadores tercerizados.

Además de un gran número de modelos propios globales (2 modelos) y regionales (14 modelos), la base de datos de meteoblue también contiene modelos de previsión como GFS (NOAA) e ICON (DWD), modelos de reanálisis como ERA5 (ECMWF) , conjunto de datos de observación por satélite como CHIRPS2 y CMORPH que se mejoran mediante correcciones con mediciones de precipitación, así como datos de radar en algunas regiones (debido a varias razones, no se puede ofrecer ningún dato de radar completo para todo el mundo). Como todos estos conjuntos de datos vienen con diferentes puntos fuertes e imprecisiones, pueden haber grandes diferencias en la precisión, dependiendo del tiempo y la ubicación de la consulta. Más información se puede encontrar en nuestras páginas de verificación.

Various precipitation datasets available from the meteoblue database

En conclusión, no es posible definir fácilmente un conjunto de datos que tenga la mejor precisión para todos los usos y lugares. Además, sin una medición de alta calidad a una distancia razonable, es difícil estimar qué conjunto de datos tiene la mejor calidad en esta situación. Para más información sobre la calidad de los diferentes conjuntos de datos, consulte nuestra página de verificación de precipitación.

Con las API históricas y predicción de meteoblue, definiendo el atributo de dominio para el modelo deseado, se pueden recopilar datos específicos de simulación de precipitación.

Con la API de precipitación histórica, todos los conjuntos de datos arriba mencionados pueden ser entregados a necesidades específicas del cliente en relación a la precipitación.

Para el history+, lanzaremos una versión extendida este año, que pone a disposición todos los diferentes conjuntos de datos de precipitación a través de la interfaz popular.

Aumento de las debilidades de los conjuntos de datos de observación de satélite con la creciente distancia ecuatorial

Los conjuntos de datos CHIRPS2 y CMORPH son producidos por satélites geosíncronos, que se colocan sobre el ecuador, circulando alrededor de la Tierra con la misma velocidad de rotación de la Tierra. Por lo tanto, su visión en áreas ecuatoriales es precisa y rectangular, mientras que en latitudes más altas, la visión de satélite tiene que pasar por más capas atmosféricas, en un ángulo menor. Por lo tanto, la calidad es mejor en las áreas ecuatoriales y disminuye conforme va hacia los polos.

Sólo CHIRPS2 está disponible para regiones entre 50 ° S hasta 50 ° N y CMORPH sólo entre 70 ° S y 70 ° N. No obstante, se sugiere que estos conjuntos de datos se utilizan aún más restrictivamente, de 45 ° S a 45 ° N o incluso entre 30 ° S y 30 ° N sólo. Con nuestros más recientes estudios de verificación, se puede observar que, para lugares más distantes del ecuador, otros conjuntos de datos de precipitación muestran la mejor precisión.

Inconsistencias dentro de series temporales mezcladas de diferentes modelos

Como la naturaleza inconsistente de la precipitación no permite la corrección de sesgo significativo (así como el post-procesamiento MOS tampoco proporciona mejoras), como se puede hacer automáticamente para otras variables, la fusión de diferentes modelos y series temporales no es posible sin dejar inconsistencias sustanciales en los datos.

Basel didn't see a sudden decrease in total yearly precipitation... ...it's a failed merge of two different precipitation datasets.

Esto es importante considerar al recolectar series temporales de datos de precipitación del API histórico de la meteoblue. Cuando no se especifica ningún dominio (o un dominio local, lo que se sugiere en general y para la mayoría de las otras variables), el API proporciona datos de alta resolución, empezando con la implementación del modelo actual de mayor resolución. Cuando se solicitan datos de fechas anteriores, la API proporciona datos de baja resolución del modelo NEMSGLOBAL (volviendo hasta 1985). Para evitar esta inconsistencia, sugerimos el uso de una API de precipitación histórica específica, adicional al API histórico regular, que sigue siendo la más adecuada para todas las otras variables.

Dentro de la interfaz history +, es importante que el conjunto de datos de precipitación correcta ("alta resolución, intervalo de tiempo limitado" o "baja resolución, desde 1985") sea solicitado, dependiendo de los requisitos específicos de uso. Tenga en cuenta que, cuando para una ubicación específica no existe ningún modelo, el "intervalo de tiempo limitado y de alta resolución" proporciona el modelo global de baja resolución. La resolución disponible localmente se puede confirmar fácilmente observando el tamaño de la celda de quadrícula del rainSPOT.

Los datos de previsión son el resultado de una composición multimodal, para la cual no se puede asignar ninguna resolución específica, por lo que este problema no se aplica.

Visión general de los extensos estudios de verificación a largo plazo realizados

meteoblue realiza extensos estudios de verificación a largo plazo para entender la calidad de los datos de precipitación, producidos por sus propios modelos y también por varios operadores tercerizados, en comparación con varios miles de estaciones de medición de precipitación.

En general, una buena simulación de precipitación puede estimar correctamente el 85% de las horas secas / lluviosas, con un Heidke Skill Score de 0.3 - 0.6 para eventos mayores que 1mm / día. En lo que se refiere a los valores de precipitación, el 90% de los datos de la simulación tienen una precisión de + - 30% en comparación con las mediciones.

Los métodos de post-procesamiento, como mezcla multimodal o MLM, son capaces de elevar la precisión de la simulación de precipitación a un nivel más alto.

Para más información y los últimos informes de verificación, consulte nuestra página de verificación de precipitación.