El pronóstico cuantitativo de precipitación (abreviado QPF ) es la cantidad esperada de precipitación derretida acumulada durante un período de tiempo específico sobre un área específica. [1] Se creará un QPF cuando se esperen cantidades de precipitación que alcancen un umbral mínimo durante el período válido del pronóstico. Los períodos válidos de pronósticos de precipitación normalmente son horas sinópticas como 00:00, 06:00, 12:00 y 18:00 GMT . El terreno se considera en QPF mediante el uso de la topografía o en función de los patrones de precipitación climatológica de observaciones con gran detalle. A partir de mediados y fines de la década de 1990, los QPF se utilizaron dentro de los modelos de pronóstico hidrológico para simular el impacto en los ríos de todo Estados Unidos. Los modelos de pronóstico muestran una sensibilidad significativa a los niveles de humedad dentro de la capa límite planetaria o en los niveles más bajos de la atmósfera, que disminuye con la altura. [2] El QPF se puede generar sobre una base cuantitativa, pronosticando cantidades, o cualitativa, pronosticando la probabilidad de una cantidad específica. [3] Las técnicas de predicción mediante imágenes de radar muestran una mayor precisión que las predicciones con modelos en un plazo de seis a siete horas a partir del momento de la imagen de radar. Las predicciones se pueden verificar mediante el uso de mediciones de pluviómetros , estimaciones de radar meteorológico o una combinación de ambos. Se pueden determinar diversos niveles de precisión para medir el valor de la predicción de precipitaciones.
Existen algoritmos para pronosticar las precipitaciones basándose en tendencias de radar a corto plazo, en cuestión de horas. Las técnicas de pronóstico con imágenes de radar muestran una mayor precisión que los pronósticos con modelos en un plazo de seis a siete horas a partir del momento de la imagen de radar. [4]
En el pasado, el pronosticador era responsable de generar el pronóstico meteorológico completo basado en las observaciones disponibles. [5] Hoy, la entrada de los meteorólogos generalmente se limita a elegir un modelo basado en varios parámetros, como sesgos del modelo y rendimiento. [6] El uso de un consenso de modelos de pronóstico, así como de miembros del conjunto de los diversos modelos, puede ayudar a reducir el error de pronóstico. [7] Sin embargo, independientemente de lo pequeño que sea el error promedio con cualquier sistema individual, aún son posibles errores grandes dentro de cualquier pieza particular de orientación en cualquier ejecución del modelo dada. [8] Se requiere que los profesionales interpreten los datos del modelo en pronósticos meteorológicos que sean comprensibles para el profano. Los profesionales pueden usar el conocimiento de los efectos locales que pueden ser demasiado pequeños en tamaño para ser resueltos por el modelo para agregar información al pronóstico. Como ejemplo, el terreno se considera en el proceso QPF utilizando topografía o patrones de precipitación climatológicos a partir de observaciones con gran detalle. [9] Usando la guía del modelo y comparando los diversos campos de pronóstico con la climatología, los eventos extremos como la precipitación excesiva asociada con eventos de inundación posteriores conducen a mejores pronósticos. [10] Si bien la creciente precisión de los modelos de pronóstico implica que en algún momento en el futuro los seres humanos ya no serán necesarios en el proceso de pronóstico, actualmente todavía existe la necesidad de intervención humana. [11]
La previsión de la precipitación en las próximas seis horas se conoce a menudo como nowcasting . [12] En este intervalo de tiempo es posible pronosticar características más pequeñas, como lluvias individuales y tormentas eléctricas, con una precisión razonable, así como otras características demasiado pequeñas para ser resueltas por un modelo informático. Un ser humano, con los últimos datos de radar, satélite y observación, podrá hacer un mejor análisis de las características de pequeña escala presentes y, por lo tanto, podrá hacer una previsión más precisa para las siguientes horas. [13] Sin embargo, ahora existen sistemas expertos que utilizan esos datos y modelos numéricos de mesoescala para hacer una mejor extrapolación, incluida la evolución de esas características en el tiempo.
El nivel de detalle que se puede proporcionar en un pronóstico aumenta con el tiempo a medida que disminuyen los errores. Llega un momento en que los errores son tan grandes que el pronóstico no tiene correlación con el estado real de la atmósfera. Observar un solo modelo de pronóstico no indica qué probabilidad hay de que ese pronóstico sea correcto. El pronóstico conjunto implica la producción de muchos pronósticos para reflejar la incertidumbre en el estado inicial de la atmósfera (debido a errores en las observaciones y muestreo insuficiente). La gama de diferentes pronósticos producidos puede entonces evaluar la incertidumbre en el pronóstico. Los pronósticos conjuntos se utilizan cada vez más para el pronóstico meteorológico operativo (por ejemplo, en el Centro Europeo de Pronósticos Meteorológicos a Plazo Medio (ECMWF), los Centros Nacionales de Predicción Ambiental (NCEP) y el Centro Canadiense de Pronósticos). [6] Los pronósticos de precipitación de media de conjunto tienen los mismos problemas asociados con su uso en otros campos, ya que promedian valores más extremos y, por lo tanto, tienen una utilidad limitada para eventos extremos. En el caso de la media del conjunto SREF, utilizada en Estados Unidos, esta utilidad decreciente comienza con valores tan bajos como 0,50 pulgadas (13 mm). [14]
Además de los pronósticos gráficos de precipitaciones que muestran cantidades cuantitativas, se pueden realizar pronósticos de precipitaciones que describan las probabilidades de que se cumplan ciertas cantidades de lluvia. Esto permite al pronosticador asignar el grado de incertidumbre al pronóstico. Esta técnica se considera informativa en relación con la climatología. [15] Este método se ha utilizado durante años en los pronósticos del Servicio Meteorológico Nacional , ya que la probabilidad de lluvia de un período es igual a la probabilidad de que caigan 0,01 pulgadas (0,25 mm) en un lugar determinado. [16] En este caso, se conoce como probabilidad de precipitación . Estas probabilidades se pueden derivar de un pronóstico determinista utilizando posprocesamiento informático. [17]
En 2006, la Oficina de Meteorología comenzó a utilizar un método de predicción de precipitaciones mediante una combinación o conjunto de diferentes modelos de predicción. Se denomina Conjunto del Pobre (PME, por sus siglas en inglés). Sus predicciones son más precisas a lo largo del tiempo que cualquiera de los modelos individuales que componen el conjunto. El PME se produce rápidamente y está disponible a través de la página Water and the Land en su sitio web. [18]
El Observatorio de Hong Kong genera alertas de tormentas de corta duración para sistemas que se espera que acumulen una cierta cantidad de lluvia por hora durante las próximas horas. Utilizan tres niveles de alerta. La alerta ámbar indica que se espera una intensidad de lluvia de 30 milímetros (1,2 pulgadas) por hora. La alerta roja indica que se anticipan cantidades de lluvia de 50 milímetros (2,0 pulgadas) por hora. La alerta negra indica que son posibles índices de lluvia de 70 milímetros (2,8 pulgadas). [19]
En los Estados Unidos, el Centro de Predicción Hidrometeorológica , [20] los Centros de Pronóstico de Ríos, [1] y las oficinas de pronóstico locales dentro del Servicio Meteorológico Nacional crean pronósticos de precipitación para hasta cinco días en el futuro, [21] pronosticando cantidades iguales o mayores a 0,01 pulgadas (0,25 mm). A partir de mediados y fines de la década de 1990, los QPF se utilizaron dentro de los modelos de pronóstico hidrológico para simular el impacto de la lluvia en los niveles de los ríos. [22]
Las previsiones de precipitaciones se pueden verificar de varias maneras. Las observaciones de los pluviómetros se pueden agrupar en cuadrículas para obtener promedios de áreas, que luego se comparan con las cuadrículas de los modelos de previsión. Las estimaciones de los radares meteorológicos se pueden utilizar directamente o se pueden corregir en función de las observaciones de los pluviómetros. [4]
Varias puntuaciones estadísticas pueden basarse en los campos observados y pronosticados. Una, conocida como sesgo , compara el tamaño del campo pronosticado con el campo observado, con el objetivo de una puntuación de 1. La puntuación de amenaza implica la intersección de los conjuntos pronosticados y observados, con una puntuación de verificación máxima posible de 1. [23] La probabilidad de detección , o POD, se encuentra dividiendo la superposición entre los campos pronosticados y observados por el tamaño del campo observado: el objetivo aquí es una puntuación de 1. El índice de éxito crítico, o CSI, divide la superposición entre los campos pronosticados y observados por el tamaño combinado de los campos pronosticados y observados: el objetivo aquí es una puntuación de 1. La tasa de falsas alarmas , o FAR, divide el área del pronóstico que no se superpone al campo observado por el tamaño del área pronosticada. El valor objetivo en esta medida es cero. [4]
En el caso de los ciclones tropicales que afectan a Estados Unidos, el modelo de pronóstico global GFS tuvo el mejor desempeño en lo que respecta a sus pronósticos de precipitaciones en los últimos años, superando a los modelos de pronóstico NAM y ECMWF . [21]