Products, help and information

Verificación de simulaciones

Variables meteorológicas
Modelos atmosfericos
Disponibilidad de datos
Verificación espacial y temporal.

Llevamos a cabo una verificación extensa y regular de nuestros y otros modelos de simulación, comparándolos con los datos reales de medición y observación. De este modo, nos aseguramos de que nuestros servicios proporcionen datos meteorológicos de alta calidad (y en continua mejora), tanto históricos como de previsión. meteoblue es el primer servicio comercial del clima que publica regularmente datos de verificación en el sitio web de la compañía desde 2010, así como actualizaciones diarias de precisión local.

¿Por qué publicamos nuestras verificaciones?

  1. Somos transparentes: el tiempo no es un "caos" y nuestros clientes deben saber lo que reciben.
  2. Ofrecemos calidad: nuestra precisión es tan alta que vale la pena demostrarla.
  3. Somos realistas: usted debe saber qué esperar de una previsión o datos históricos y qué no esperar.
  4. Somos competitivos: si alguien cree que no somos lo suficientemente buenos, muéstrenos cómo hacerlo mejor.

¿Qué significa la calidad de simulación de meteoblue? Esta página y subpáginas muestran algunos de los estudios más importantes.

Modelización mejoró en las últimas décadas

Los modelos numéricos de previsión meteorológica se han mejorado continuamente en las últimas décadas. Alrededor de 1980, la previsión de 24 horas (24h) de la temperatura del aire se calculó con una precisión de alrededor del 70%. En 2018, la precisión de la previsión de 24 horas aumentó a alrededor del 90% y la previsión de 72 horas en la actualidad es tan buena como la previsión de 24 horas hace 40 años. En los modelos numéricos de previsión meteorológica, la precisión de la altura geopotencial de 500 hPa es incluso mayor que la precisión de la simulación de temperatura del aire de 2m. La evolución de las precisiones del modelo a lo largo del tiempo se puede ver en la siguiente figura (Fuente: ECMWF).

Evolution of the forecast skill [%] of the 500hPa geopotential height from 1980-2013. (Source: ECMWF, 2013)

Tres factores principales son responsables de la creciente precisión del modelo durante los últimos 40 años:

  1. Condiciones iniciales: las condiciones iniciales del modelo de previsión meteorológica numérico se estiman significativamente mejores que hace 40 años. Las nuevas técnicas de medición meteorológica (por ejemplo, observaciones satelitales) y mediciones más precisas son responsables de esta mejora.
  2. Resolución horizontal (y vertical) más precisa de los modelos numéricos de previsión meteorológica debido a una mayor potencia tecnológica.
  3. Mejores parametrizaciones de sub-celda en los modelos numéricos que hace 40 años.

La precisión de un modelo de simulación meteorológica depende significativamente de la variable meteorológica elegida. Las variables meteorológicas como la temperatura del aire de 2m, la presión de la superficie o la altura geopotencial de 500 hPa se calculan con gran precisión, mientras que otras variables (por ejemplo, precipitación, ráfagas de viento, etc.) tienen una precisión más baja, generalmente causada por variaciones espaciales a pequeña escala que no se resuelven en modelos meteorológicos.

Verificación de meteoblue para datos históricos y previsión

A continuación, mostramos la precisión del modelo de meteoblue para diferentes variables meteorológicas y la habilidad de modelo de multi-modelos de meteoblue, MOS, modelos de reanálisis y modelos de previsión meteorológica numéricos autónomos ("en bruto").

La verificación de los modelos numéricos de previsión meteorológica es muy relevante para todas las partes interesadas para mostrar que los modelos de previsión meteorológica tienen una habilidad de modelo más amplia que las previsiones climatológicas simples o las previsiones de persistencia ("El clima del mañana es el mismo que el de hoy").

Ámbito

Se han verificado cuatro variables meteorológicas diferentes (temperatura del aire, velocidad del viento, precipitación y temperatura del punto de rocío) en más de 10,000 estaciones meteorológicas diferentes en todo el mundo durante el año 2017, mediante el análisis de la precisión del modelo de diferentes materias primas ("autónomas") modelos de previsión meteorológica, observaciones satelitales y modelos de reanálisis. Además, la precisión del modelo de los diferentes enfoques de multi-modelos se probó y comparó con los modelos brutos ("autónomos") y una previsión de 24 horas (24h) a partir de las estadísticas de resultados del modelo (MOS). Distinguimos entre conjuntos de datos históricos y conjuntos de datos de previsión, según la disponibilidad de los datos del modelo.

Resumen

La siguiente tabla muestra el MAE (error absoluto medio en K) por hora (y anual para la precipitación anual), determinado para cada método y variable en 10,000 estaciones meteorológicas a nivel mundial para el año 2017.

Comparison of the mean absolute error (MAE) for four different meteorological parameters for more than 10'000 weather stations worldwide. The analysis was conducted based on measurements recorded in 2017.
Enfoque del modelo Temperatura del aire Velocidad del viento Precipitación anual Temperatura del punto de rocío
Previsión Multi-modelo de aprendizaje de meteoblue 1.2 K - 170 mm -
MOS 1.5 K 1.2 m s-1 - 1.7 K
Modelos de previsión meteorológica 1.7 - 2.2 K 1.5 - 1.7 m s-1 220 - 230 mm 1.9 - 2.4 K
Historia Actualizaciones en tiempo real (NEMS30) 2.1 K 1.7 m s-1 220 mm 2.2 K
Modelo de reanálisis 1.5 K 1.5 m s-1 120 - 180 mm 1.6 K

Recomendaciones

Desde una perspectiva de precisión, recomendamos las siguientes fuentes para datos meteorológicos espaciales (mundiales):

Reanálisis Historia Previsión
Temperatura del aire ERA5 NEMS local, NEMS30 meteoblue Learning Multimodel (mLM)
Velocidad del viento ERA5 NEMS local, NEMS30 MOS de meteoblue y modelo mixto de meteoblue
Precipitación (eventos diarios)

ERA5 (todos los eventos de precipitación)

CMORPH (fuertes precipitaciones)

NEMS local, NEMS30 meteoblue Learning Multimodel (mLM)
Precipitación (sumas anuales) modelo mixto del histórico de meteoblue modelo mixto del histórico de meteoblue meteoblue Learning Multimodel (mLM)
Temperatura del punto de rocío ERA5 NEMS local, NEMS30 MOS de meteoblue y modelo mixto de meteoblue

Para el análisis histórico, los modelos de reanálisis ofrecen la mayor precisión, pero solo están disponibles con un lapso de tiempo de 2-5 días (CMORPH) a 2-3 meses (ERA5), y aún no cubren 20 años. Para aplicaciones que requieren actualizaciones en tiempo real, consistencia y extensión de tiempo de más de 30 años y múltiples variables, NEMS30 es la única solución actualmente disponible.

Más información sobre la verificación de datos históricos y de pronóstico se puede encontrar a continuación:

Variables meteorologicas

Temperatura del aire

La temperatura del aire de 2m se calcula mejor mediante el multi-modelo de aprendizaje de meteoblue (MLM) con valores de MAE = 1.2 K. La previsión de la temperatura del aire de MOS brinda la misma precisión que el modelo de reanálisis ERA5 (MAE = 1.5 K), que se recomienda para conjuntos de datos históricos. Los modelos (brutos) de previsión meteorológica global 'autónomos' funcionan en el rango entre 1.7 y 2.2 K. Por lo tanto, la previsión de 6 días del multi-modelo de meteoblue es tan buena como la previsión de 1 día de un modelo numérico 'autónomo' de previsión meteorológica.

Velocidad del viento

La incertidumbre del modelo de la velocidad del viento pronosticada de 10m está dentro de 1.5 – 1.7 m s-1 al usar modelos de previsión meteorológica "autónomos" y para los datos históricos 1.5 – 1.7 m s-1 usando el modelo de reanálisis ERA5. Con MOS, el error del modelo podría reducirse a 1.2 m s-1 para simulaciones de modelo con MOS.

Radiación

meteoblue calcula la radiación para la superficie terrestre y marina y para las capas atmosféricas, tanto como la luz solar directa e indirecta entrante, así como la radiación reflejada de las nubes o la superficie. La simulación de radiación de meteoblue es consistente en los continentes y alcanza un error absoluto medio mensual de 1-15% en el 95% de todos los lugares.

Precipitación

La habilidad del modelo de eventos de precipitación diaria disminuye al aumentar la intensidad de precipitación. Los modelos numéricos de previsión meteorológica son la mejor fuente para la detección de pequeños eventos de precipitación. Para eventos de precipitaciones intensas, la habilidad del modelo de observación satelital es mayor que la de los modelos numéricos de previsión meteorológica. La habilidad del modelo no se pudo aumentar mezclando dos (o más) modelos para eventos de precipitación diaria.

Para los datos históricos, las sumas de precipitación anual se calculan mejor utilizando observaciones satelitales de CHIRPS2, que se corrigen con el mismo conjunto de datos utilizado en este estudio. Se espera que la precisión del modelo de CHIRPS2 en regiones sin estaciones de medición sea significativamente menor y desconocida.

Temperatura del punto de rocío

La precisión del modelo para la temperatura del punto de rocío es ligeramente inferior a la precisión del modelo para la temperatura del aire. Los valores de MAE están entre 1.9 - 2.4 K para los modelos numéricos de previsión meteorológica y 1.6 K para un modelo de reanálisis. La precisión de las simulaciones de modelos con MOS se encuentra en un rango similar al del modelo de reanálisis.

Estudios de verificación

A continuación se puede descargar un estudio de verificación completo de la temperatura del aire, la velocidad del viento, la precipitación y la temperatura del punto de rocío en más de 10,000 estaciones meteorológicas en todo el mundo para el año 2017:

meteoblue_verification_global_Summary_2017_EN_20181113z10.pdf (4,23 MB)

Se realizó un estudio de verificación para Europa en 2011, que compara la precisión del modelo de los modelos climáticos con una resolución espacial de 40, 12 y 3 km, para la temperatura del aire y la velocidad del viento mediante el uso de MOS y modelos sin procesar. El estudio se puede descargar aquí:

meteoblue_NMM_validation_mueller_2011.pdf (1,60 MB)