Muchas decisiones de gestión que involucran a los sectores de agricultura, energía, defensas civiles, entre otros, necesitan información meteorológica que va desde las próximas semanas a los próximos meses, por lo que los pronósticos dentro en estos plazos de tiempo son de gran valor socioeconómico.
El pronóstico a dos o más semanas es un producto que desde hace algunos años comenzó a realizarse en los principales centros globales del clima y en algunos servicios meteorológicos. Si bien el desempeño de los modelos numéricos disminuye a medida que aumenta el plazo de pronóstico, en el último tiempo se han puesto esfuerzos en comprender los fenómenos que ocurren en una escala temporal que no es ni de tiempo (corto plazo) ni de clima (largo plazo), llamada escala subestacional.
Técnica de análogos
Hay diferentes formas para obtener un pronóstico a dos o más semanas, siendo la más directa el cálculo del pronóstico a partir de la salida de algún modelo numérico que pronostique en esa escala de tiempo. En el Servicio Meteorológico Nacional (SMN) se utilizó una técnica conocida como técnica de análogos para implementarlos, ya que presenta algunas ventajas respecto de utilizar la salida directa del modelo.
Para utilizar esta técnica se necesitan datos observados y pronósticos históricos. Como los sistemas de pronósticos suelen tener cambios (generalmente mejoras), la única manera de tener un sistema de pronóstico que sea técnicamente igual en los últimos 20 o 30 años es generando series de pronósticos retrospectivos. Los pronósticos retrospectivos son pronósticos corridos hacia atrás con un mismo modelo numérico, es decir que son pronósticos del pasado. De esta manera, se construye una base de datos de pronósticos para un determinado modelo, que se pueden comparar con las observaciones en el mismo período de tiempo.
De estas comparaciones entre pronóstico y observaciones se pueden identificar los errores sistemáticos de los modelos numéricos y, por lo tanto, corregirlos. Este procedimiento se denomina “calibración” del modelo numérico.
En este caso el modelo utilizado es el Sistema Global de Pronóstico (GFS, por sus siglas en inglés) del Centro Nacional de Predicción Ambiental (NCEP) de Estados Unidos, mientras que los datos observados utilizados corresponden a la red de estaciones de superficie del SMN e INTA (Instituto Nacional de Tecnología Agropecuaria). La longitud de la base de datos de pronósticos y de observaciones es de más de 30 años.
¿En qué consiste la técnica de análogos? La técnica se puede resumir en 3 pasos:
-
Se compara el pronóstico actual del modelo sobre una región dada al plazo correspondiente (a una o dos semanas) con todos los pronósticos pasados del modelo que tengan el mismo plazo de tiempo.
-
Los análogos son los campos pronosticados pasados que más se asemejan al campo de pronóstico actual, utilizando alguna medida de similitud. Para que la técnica sea efectiva, se deben identificar al menos 75 análogos.
-
Una vez obtenidos los campos análogos, se buscan todas las observaciones correspondientes a las fechas de los pronósticos análogos, y en base a dichas observaciones se calcula el promedio del ensamble (que tendrá tantos miembros como campos análogos se identificaron) para precipitación y para temperatura, con sus respectivas anomalías semanales.
Una de las ventajas de esta técnica es que al tomar las observaciones en lugar de los campos pronosticados se está “corrigiendo” al modelo cada vez que el mismo pronosticó una situación similar. Otra de las ventajas que presentó en su momento es que permitió obtener un pronóstico por ensambles sin necesidad de un alto costo computacional.
Como analogía, los pasos que realiza esta técnica de análogos se pueden pensar como similares a los de un pronosticador cuando recurre a su “memoria” (ya que por su experiencia puede reconocer algunos errores sistemáticos de los modelos). En ese proceso, el pronosticador usa su experiencia y memoria cotejando lo que realmente sucedió y lo que fue observado cuando el modelo pronosticó una determinada situación. En el caso de la técnica objetiva, la misma recurre a la historia contenida en la longitud de su base de datos de pronósticos.
En el último tiempo se han puesto esfuerzos
en comprender los fenómenos que ocurren
en una escala temporal que no es ni de tiempo
(corto plazo) ni de clima (largo plazo), llamada
escala subestacional.
En un principio, en 2012, esta técnica se utilizó en la región húmeda de Argentina y se generaban pronósticos diarios a plazos hasta una semana. Con la creciente necesidad de los diferentes tomadores de decisión, en 2015 se comenzó a experimentar haciendo pronósticos para las semanas 1 y 2. Una diferencia sustantiva es que estos pronósticos proporcionan valores promedio para toda una semana, en lugar de un valor para cada día. Dependiendo de la aplicación, conocer la precipitación que se espera para toda una semana puede ser un dato de mayor relevancia que el de cada día individual.
Este sistema se mantuvo experimental hasta que pasó a fase operativa a principios de 2019. Los productos disponibles con esta metodología son los campos de precipitación y de temperatura media y las anomalías respecto de su valor medio semanal, para las semanas 1 (días 1 al 7) y 2 (días 8 al 14) de pronóstico. Estos pronósticos se actualizan diariamente y brindan información acerca de lo que pronostica la técnica, en promedio para los próximos 14 días.
El ‘caos’ en el pronóstico semanal
Pronosticar los fenómenos que suceden en plazos iguales o superiores a 2 semanas es muy difícil, ya que domina la naturaleza caótica de la atmósfera y los modelos numéricos pierden confiabilidad. Es por eso que suelen presentar mayor porcentaje de error que un pronóstico a corto plazo, lo cual representa una limitación de este tipo de productos.
Sin embargo, a veces pueden presentar mayor certeza cuando hay algún fenómeno u oscilación que module lo que puede suceder en el rango de tiempo de las dos semanas. Algunas de estas oscilaciones se describieron en la edición número 4 de Meteoros (Madden-Julian, Modo anular Austral, Dipolo del Océano Índico). Por eso, el pronóstico semanal viene de la mano del monitoreo y el esfuerzo por la mayor comprensión de estas oscilaciones y la dinámica que las gobierna, ya que en algunos casos (aunque no en todos) constituyen una fuente de previsibilidad.
Fuentes consultadas:
-
Meteoros 2017, año 9, número 4.Repositorio Institucional del SMN (http://hdl.handle.net/20.500.12160/1224)
-
Tesis de licenciatura en Cs. De la Atmósfera: “APLICACIÓN DE LA TÉCNICA DE ANÁLOGOS A LA GENERACIÓN DE PRONÓSTICOS PROBABILÍSTICOS DE PRECIPITACIÓN SOBRE ALGUNAS ESTACIONES DE LA ARGENTINA” de Laura S. Aldeco. Este trabajo sirvió como base para el desarrollo de este producto conjunto entre el SMN y el Centro de Investigaciones del Mar y la Atmósfera (CIMA).
