GENERACIN Y EVALUACIN DE PRONSTICOS PROBABILSTICOS DE PRECIPITACIN EN ALGUNAS ESTACIONES DE ARGENTINA Laura S.

Aldeco1, Juan Ruiz2 y Celeste Saulo2 1 Servicio Meteorolgico Nacional. Buenos Aires. Argentina (aldeco@smn.gov.ar) 2 Centro de Investigaciones del Mar y la Atmsfera (CIMA/CONICET-UBA). Dpto. de Ciencias de la Atmsfera y los Ocanos, FCEN, UBA. Unidad Mixta Internacional-IFAECI (CNRS). Buenos Aires. Argentina. RESUMEN En este trabajo se generaron pronsticos probabilsticos de precipitacin y se evalu su desempeo en algunas estaciones de superficie del Servicio Meteorolgico Nacional. Para ello, se utiliz la tcnica de pronstico por anlogos aplicada a una serie extensa de datos pronosticados pasados. Se utilizaron, por un lado los pronsticos retrospectivos del modelo MRF del NCEP entre los aos 1979 y 2007, disponibles hasta un plazo de 15 das, recalculados utilizando la misma versin del modelo y que cuentan con una baja resolucin horizontal de aproximadamente 2.5. Por otro lado se utilizaron los datos de precipitacin diaria de 31 estaciones de superficie del Servicio Meteorolgico Nacional. Estos datos fueron utilizados para la bsqueda de anlogos, dado un pronstico para un da en particular. Se evaluaron por primera vez en Argentina utilizando esta tcnica- los pronsticos probabilsticos de precipitacin entre 1 y 14 das para los trimestres de invierno y verano en el perodo 1979-2007, para diferentes umbrales de precipitacin. Para ello se utiliz el ndice de acierto de Brier (BSS) y sus componentes, que mostraron un mejor desempeo con respecto al pronstico probabilstico no calibrado. El mayor aumento del BSS viene dado por un aumento en la confiabilidad. Alternativamente, estos pronsticos se compararon con los obtenidos con la tcnica de regresin logstica. A pesar de los inconvenientes en la aplicacin, los resultados muestran que mediante estas tcnicas se pueden obtener pronsticos confiables, con lo cual se considera que es viable la generacin de pronsticos probabilsticos en el Servicio Meteorolgico Nacional de forma operativa.

Palabras clave: precipitacin, pronsticos retrospectivos, pronstico probabilstico

IMPLEMENTATION AND EVALUATION OF PRECIPITATION PROBABILISTIC FORECASTS FOR SELECTED SURFACE STATIONS OVER ARGENTINA ABSTRACT In this work, an implementation and evaluation of the analogs technique to generate probabilistic precipitation forecasts over some surface stations of the National Meteorological Service has been made. With this aim, precipitation forecasts from the MRF-NCEP reforecast system for the period 1979-2007 have been used. The reforecast system runs with relatively coarse resolution (2.5), and provides up to 15-days forecasts, from 15 ensemble members. The advantage of using the reforecast system is that the same model version is used to generate forecasts for the whole period. This is crucial to obtain robust statistics about model errors. In this work, the technique has been applied to 31 surface stations, which are part of the National Meteorological Service precipitation dataset. The analogs technique has been evaluated - for the first time in Argentina - for winter and summer of the period 1979-2007. The Brier Skill Score (BSS) and its components have been used to evaluate the performance of these forecasts, resulting in better skills when compared with non-calibrated probabilistic forecasts. Both, resolution and reliability have been improved. However, most of the improvement in the BSS is explained by the increase in reliability. The analogs technique has been also compared with the logistic regression technique. Besides the limitations to the implementation of the analog technique to our region, these results show that it is feasible to generate reliable probabilistic precipitation forecasts in an operative framework at the National Meteorological Service.

Keywords: precipitation, retrospective forecasts, probabilistic forecast

1. INTRODUCCIN El pronstico numrico trae asociada una determinada incertidumbre (Lorenz, 1963), la cual puede ser cuantificada a travs de la utilizacin de pronsticos probabilsticos. Epstein (1969) propuso la utilizacin de un pronstico estocstico-dinmico, el cual consiste en tratar de determinar la funcin de distribucin de probabilidades (PDF) del estado futuro de la atmsfera, a partir de condiciones iniciales ligeramente diferentes. La hiptesis en la que se basa el pronstico estocstico-dinmico es que si las diferentes condiciones iniciales son ptimas, las propiedades estadsticas de la PDF de los pronsticos del modelo se asemejarn a las propiedades de la PDF de los estados futuros reales de la atmsfera. Esta metodologa se conoce como pronsticos por conjuntos o pronsticos por ensamble. Hoy en da, el estado del arte de la tecnologa computacional pone un lmite en la cantidad de diferentes simulaciones del estado actual de la atmsfera que no pueden ser tantas como lo indican los estudios tericos. Esta limitacin afecta, fundamentalmente, la generacin de pronsticos operativos: por ejemplo, el European Centre for Medium Range Weather Forecast (ECMWF) corre un ensamble de 51 miembros. Utilizando un ensamble es posible obtener estimaciones cuantitativas de la probabilidad de que se produzca un dado fenmeno (por ejemplo estimar la probabilidad de que llueva ms de 5 mm), en tanto que el valor categrico sigue siendo obtenido a partir de la media del ensamble. As, comenzaron a emplearse los conjuntos de pronsticos para la provisin de pronsticos probabilsticos. Esta forma de trabajo es actualmente la adoptada en todos los grandes centros de pronstico del mundo y, consecuentemente, se consider de inters generar pronsticos probabilsticos para la ocurrencia de precipitaciones por encima de diferentes umbrales en distintas estaciones sinpticas de Argentina, con el fin de aportar nuevas herramientas para el pronstico operativo. La forma ms directa de calcular la probabilidad a partir de un ensamble es, por ejemplo, si el ensamble est formado por 15 miembros y 9 de ellos pronostican precipitacin por encima de 5 mm, entonces la probabilidad de que haya precipitacin superior a 5 mm es igual a 9/15=0.6 (60%). No obstante, se ha demostrado que las probabilidades calculadas utilizando el mtodo antes descripto presentan problemas de confiabilidad, que se define como la relacin entre la probabilidad pronosticada y la frecuencia observada del evento. Estos problemas se deben bsicamente a la presencia de errores en los modelos y a que los mtodos de pronsticos por ensambles actuales no son capaces de representar adecuadamente la presencia, evolucin e interaccin de las diferentes fuentes de incertidumbre dentro del pronstico. Una forma de abordar esta problemtica es mediante mtodos de calibracin basados en un post-procesamiento estadstico que incorporan dichas fuentes de incertidumbre a posteriori (Hamill y Colucci 1997, 1998, Stensrud y Yussouf, 2007, entre otros). Estudios de estas caractersticas tambin han sido realizados recientemente sobre nuestra regin (Ruiz y otros 2008 y 2011, Ruiz y Saulo 2011). Para que la calibracin sea robusta es necesario disponer de una buena estadstica de los errores sistemticos del sistema de pronstico utilizado. Para eso, es indispensable contar con un historial de pronsticos lo suficientemente largo, lo cual es difcil de lograr si se tienen en cuenta los cambios permanentes que se realizan sobre los modelos de pronstico operativos. Los reforecast (Hamill y otros, 2006), que son archivos de pronsticos por ensamble de 15 miembros por da, corridos retrospectivamente desde el ao 1979 hasta la actualidad, basados en el modelo MRF (Medium Range Forecast) del NCEP, cumplen con estos requisitos y se encuentran disponibles en Internet a travs del sitio http://www.esrl.noaa.gov/psd/forecasts/reforecast/data.html Basados en la disponibilidad de esta importante base de datos, el objetivo de este trabajo es el desarrollo de un sistema de bsqueda de anlogos para su posterior utilizacin en el clculo de la probabilidad de ocurrencia de precipitacin por encima de diversos umbrales. La singularidad de este sistema, comparado con su versin original (Hamill y otros, 2006) es que el mtodo se aplica a datos sobre estaciones y no a un campo analizado de precipitacin. Eso genera particularidades en el tratamiento de la metodologa que son de inters documentar aqu.

2. DATOS Y METODOLOGA La tcnica para la generacin de pronsticos a partir de anlogos se puede sintetizar de la siguiente manera: primero se compara el pronstico actual (generado a partir de la media del ensamble) sobre una dada regin a un cierto plazo con todos los pronsticos retrospectivos (generados tambin a partir de la media de los respectivos ensambles) que verifiquen a ese mismo plazo. Los anlogos se obtienen, eligiendo aquellas

fechas en donde los campos pronosticados se asemejen ms al del pronstico actual sobre un rea acotada de aproximadamente 1000x1000 km centrada en el punto de retcula ms prximo a la estacin para la cual se quiere obtener el pronstico probabilstico. La similitud entre los pronsticos pasados y el pronstico actual se mide utilizando el error cuadrtico medio (ECM). Una vez que se tienen los anlogos se agrupan todas las observaciones de precipitacin correspondientes a las fechas de los anlogos, obtenindose as un ensamble de observaciones, en base al cual se estima la proba bilidad de ocurrencia de precipitacin para los prximos das (la probabilidad se calcula como la frecuencia observada del fenmeno para las fechas de los anlogos). En el presente trabajo se utilizaron los pronsticos diarios del modelo global MRF (Medium Range Forecast), versin anterior del Sistema Global de Pronstico del NCEP (GFS), con una resolucin horizontal aproximada de 2.5 (T62) y 28 niveles verticales en coordenadas sigma. Este modelo genera pronsticos por ensamble de 15 miembros, inicializados una vez por da, desde el ao 1979 hasta la actualidad. Ms detalles acerca de la construccin y variadas aplicaciones de esta extensa base de datos pueden encontrarse en Hamill y otros (2006). En este trabajo en particular, se analizan los pronsticos de precipitacin acumulada diaria para plazos de 1, 2, 3, 5, 7, 9, 12 y 14, limitados a la regin centro y noreste de Argentina. Para esto se obtuvieron los datos de precipitacin acumulada diaria en la regin mencionada en el perodo 1979-2007 para cada uno de los plazos de inters. En particular, la bsqueda de anlogos se realiz sobre los pronsticos retrospectivos correspondientes a la misma estacin del ao que el pronstico de partida. Por ejemplo, si tomamos el caso del pronstico de precipitacin del da 01 de agosto de 2007 se compara slo con los pronsticos retrospectivos de los meses de junio, julio y agosto de toda la serie. Es decir que dado 1 da, se tiene una base de 29(aos) x3(meses) x30(das)=2610 campos para buscar anlogos. La tcnica propuesta se ha evaluado en las estaciones de verano (diciembre, enero y febrero) e invierno (junio, julio y agosto) del perodo 1979-2007 para los plazos de pronstico mencionados. Esto es, para cada da dentro de esos perodos, se emplearon los pronsticos de precipitacin a diversos plazos generados ese da, para luego calcular el ECM contra el resto de los pronsticos a plazos iguales entre 1979 y 2007. Una consideracin importante a tener en cuenta para la aplicacin de la tcnica es que, como las observaciones son parte esencial de la metodologa, es necesario contar con una buena cobertura espacial de observaciones sobre la regin en que se buscan los anlogos. A diferencia de Hamill y otros (2006), quienes utilizaron datos de un reanlisis regional, aqu se han utilizado los datos de precipitacin diaria de las estaciones de superficie del Servicio Meteorolgico Nacional y se eligieron todas las estaciones dentro de la regin de estudio que tuviesen menos de un 90% de datos faltantes en el perodo 1979-2007 (Figura 1). Con esta restriccin, se retuvieron 31 estaciones. Por otro lado, esta regin se eligi porque, por un lado es la zona

Figura 1: Ubicacin geogrfica de las estaciones del SMN utilizadas dentro de la regin de estudio

con mayores cantidades anuales de precipitacin, con lo cual el pronstico de esta variable es de gran inters y de gran valor econmico y social. Por otro lado, es la regin donde el SMN concentra la mayora de sus estaciones de superficie, las cuales, por cmo trabaja la tcnica, son fundamentales para la aplicacin de la misma. La Figura 2, muestra un ejemplo aplicado a la estacin Ezeiza, en donde se muestra la ubicacin de la estacin, y el dominio utilizado para la bsqueda de anlogos en la base de datos del reforecast. Como se dijo previamente este dominio tiene aproximadamente una extensin horizontal de 1000x1000 Km.

Figura 2: Subdominio reducido de 1000x1000 km en el cual se realiz la bsqueda de anlogos en el caso de Ezeiza, centrado en el punto de retcula ms cercano a dicha estacin (Punto azul: estacin Ezeiza del SMN. Puntos rojos: puntos de retcula del modelo)

Para estudiar y documentar el potencial de esta tcnica se han repetido los experimentos para diferentes umbrales de precipitacin. Es decir, cada verificacin realizada se ha llevado a cabo reteniendo 75 anlogos para los siguientes umbrales: 1.0, 2.5, 5, 7.5, 10, 15, 20, 30 y 40 mm. La eleccin de 75 anlogos responde a los resultados de Aldeco (2011), donde se evalu la respuesta del mtodo a distintas cantidades de anlogos, siendo esta la que produjo mejores resultados. Los resultados han sido comparados entre s y tambin con el pronstico probabilstico generado a partir de los 15 miembros del ensamble sin calibracin aplicada. En el caso en el que se tuvo en cuenta el pronstico del ensamble sin calibrar, se han utilizado los miembros del ensamble por separado para lograr la construccin del pronstico probabilstico por encima de los umbrales mencionados. Con el fin de comparar esta tcnica con otras estrategias para la calibracin de pronsticos probabilsticos, se ha aplicado un algoritmo de ajuste logstico (Applequist y otros 2002; Hamill y otros 2004) para cada estacin del SMN en el perodo 1979-2007. Esta tcnica se basa en encontrar la curva de regresin logstica (Wilks, 2006) que mejor se ajusta a la relacin entre la precipitacin pronosticada y la probabilidad de la precipitacin observada por encima de un determinado umbral. La forma general de la regresin logstica viene dada por la siguiente ecuacin:

1 (1) 1+ exp(fa + b) Donde p(y > tr | f) es la probabilidad de que la precipitacin observada supere un determinado p(y > tr | f) =
umbral tr, dado un pronstico f . El predictor es la variable f , que en este caso es la potencia 1/3 de la precipitacin pronosticada de la media del ensamble para el punto de retcula del modelo ms cercano a la estacin sobre la que se est trabajando (Sloughter, 2007). En Ruiz y Saulo (2011) se ha probado transformar la precipitacin pronosticada con otros valores de potencias, concluyndose que la transformacin de 1/3 es con la que se obtienen mejores resultados. a y b son coeficientes parmetros que definen al modelo de regresin y sus valores son aqullos que permiten un mejor ajuste entre las observaciones y el pronstico. Para determinarlos, la tcnica utiliza los datos de todo el perodo (1979-2007 en este caso). Para evaluar la calidad de los sistemas de pronsticos probabilsticos se suele utilizar el ndice de Brier (BR) (Brier, 1950), cuya expresin se puede ver en la ecuacin 2.

BR =

1 N

(pi
i=1

oi )2

(2)

donde Oi es la probabilidad observada y vale 1 cuando el evento ocurri y 0 cuando no, y p i es la probabilidad pronosticada. N es la cantidad de pares de pronstico/observacin disponibles dentro del perodo a verificar. En este trabajo se utiliz el ndice de acierto de Brier (BSS de acuerdo con sus siglas en ingls), en el cual se compara el BR con un BR de referencia. El BR de referencia aqu utilizado es el BR de la climatologa. El BSS se define a travs de la ecuacin 3.

BSS= 1

BR BR climatologa

(3)

Teniendo en cuenta que el valor ptimo de BR es 0, se deduce de la ecuacin 3 que el valor ptimo de BSS es 1. Valores positivos de BSS indican que la calidad del pronstico es mejor que la climatologa. El ndice de acierto de Brier se calcul para cada estacin del SMN, para el pronstico de precipitacin por encima de los diferentes umbrales generado a partir de: la tcnica de los anlogos, la tcnica de regresin logstica y el pronstico generado a partir del ensamble sin calibrar. Para analizar los resultados con mayor detalle, es interesante descomponer el BSS de acuerdo con Stephenson y otros (2008). Si aplicamos esta descomposicin al ndice BSS, (ecuacin 3), el mismo quedar con dos componentes, una asociada a la confiabilidad y otra asociada a la resolucin generalizada (ecuacin 4).

BSS=BSSconf +BSSres

(4)

La resolucin se puede interpretar como la capacidad del pronstico de discriminar entre la ocurrencia y no ocurrencia de un dado evento, dicha componente es positiva y cuanto mayor es su valor indica mayor capacidad de discriminacin. La confiabilidad del pronstico mide la relacin que existe entre la probabilidad pronosticada y la frecuencia observada de un dado evento. Esta componente es negativa, consecuentemente, cuanto ms cercano a cero es su valor, indica una mayor relacin entre ambas cantidades, es decir que la confiabilidad del pronstico es mayor. Hamill y Juras (2006) plantean que se puede subestimar el BR de la climatologa si el mismo se calcula sobre regiones muy amplias, con diferentes regmenes de precipitacin. Por ello, proponen que los ndices utilizados para la verificacin se calculen sobre regiones lo mas homogneas posibles para tener una mejor representacin de la calidad de los pronsticos. Siguiendo esta idea, y la descripcin de los diferentes regmenes de precipitacin para distintos umbrales hecha en Robledo (2007), para aquellos casos en que se presenta un BSS medio areal, se lo ha calculado en base a la consideracin de 2 subregiones: norte y sur. Luego, se obtuvieron dichos ndices para las 2 subregiones, para cada umbral y para cada plazo de pronstico considerado. Para ello, en cada subregin se tomaron todas las estaciones juntas (o sea, todos los pares de pronstico/observacin que pertenecen a cada subregin) y se procedi al clculo del ndice. El BR de la climatologa tambin fue calculado para cada subregin por separado, utilizando la totalidad de los datos contenidos en cada una de ellas. Finalmente, cabe destacar que, si bien existen otros ndices para cuantificar los atributos de un pronstico probabilstico (ver Anexo I, Ruiz, 2009), se considera que el BSS y su descomposicin ofrecen una buena sntesis de las propiedades de los pronsticos probabilsticos que aqu se proponen.

3. RESULTADOS
Para mostrar cmo la tcnica de los anlogos permite mejorar la calidad del pronstico probabilstico de precipitacin sobre la regin de estudio, se muestra el BSS para los umbrales y los plazos mencionados, en cada regin. Se analiza la calidad de los pronsticos por anlogos, y se los compara con las otras dos tcnicas introducidas previamente. La Figura 3 muestra el BSS en funcin del plazo de pronstico y para los umbrales 1, 5 y 10 mm, sobre ambas regiones durante el invierno en el perodo 1979-2007. El pronstico probabilstico no calibrado tiene asociados valores de BSS negativos y no fue incluido en la figura para una

mejor visualizacin. Se puede ver, que en la regin norte el BSS de los pronsticos por anlogos es superior a la regresin logstica para el umbral de 1 mm para un plazo de hasta 100 hs. En la regin sur presentan un desempeo similar para 1 mm a 36 hs, y a plazos superiores (hasta 132 hs), los pronsticos por anlogos presentan mayor BSS para 1 y 5 mm. La Figura 3 sugiere que, para umbrales inferiores o iguales a 10 mm, la tcnica de anlogos es ms ventajosa que la regresin logstica en ambas regiones para plazos entre 60 y 156 horas (6 das y medio), en tanto que para plazos mayores la tcnica de regresin logstica presenta un BSS mayor.)

Figura 3: BSS en funcin del plazo de pronstico para la regin norte (izquierda) y la regin sur (derecha) para el invierno (1979-2007). Azul: tcnica de pronstico por anlogos con 75 miembros, rojo: tcnica de regresin logstica. Umbrales: lnea punteada: 10 mm, lnea llena: 5 mm, lnea llena con crculos: 1 mm.

En la Figura 4 se muestran las componentes de confiabilidad y resolucin del BSS correspondiente a la Figura 3. En estas figuras s se incluye el ensamble no calibrado para poder tener una buena apreciacin de en qu medida ambas tcnicas mejoran el desempeo del pronstico y a qu componente se le atribuye la mayor mejora. La Figura 4a) muestra la componente de confiabilidad para ambas regiones. Se puede observar que para los plazos menores a 132 hs de pronstico, la tcnica de regresin logstica tiene mayor confiabilidad que la de los pronsticos por anlogos, si bien estas diferencias son pequeas (del orden de 10 -2). En el prximo conjunto de figuras se analizar con mayor detalle esta componente a travs de los diagramas de confiabilidad. Se evidencia aqu que una de las mayores desventajas del uso de pronsticos sin calibrar reside en su baja confiabilidad. La Figura 4b) muestra la componente de resolucin para ambas regiones. Se puede ver que la resolucin es mayor para el caso de la tcnica de pronsticos por anlogos. Los valores de la misma son cercanos a los valores de BSS y al igual que este, disminuyen a medida que aumenta el umbral. Al comparar el pronstico probabilstico no calibrado con las otras 2 tcnicas, si se observan las escalas de valores en ambas componentes, se puede ver que el aumento de BSS ms importante viene dado principalmente por el aumento en la confiabilidad del pronstico. La Figura 5 muestra los diagramas de confiabilidad para ambas regiones en invierno para un plazo de 36 hs y para los 3 sistemas de pronstico. La diagonal representa la relacin que resultara si un sistema de pronstico fuese perfectamente confiable. Se puede ver en todos los casos que el pronstico sin calibrar no es confiable y al aplicarle cualquiera de las tcnicas, su confiabilidad mejora. En la regin norte para el umbral de 1 mm, tanto la regresin logstica como la tcnica de los anlogos se comportan de manera similar para probabilidades pronosticadas inferiores al 30% inclusive, quedando ambas muy cercanas a la curva de un caso ideal, si bien presentan una leve tendencia a que las probabilidades pronosticadas sean inferiores a las frecuencias observadas, o sea a la subestimacin. Para probabilidades pronosticadas superiores a 60% la tcnica de regresin logstica presenta una tendencia a que las probabilidades pronosticadas sean superiores a las frecuencias observadas de precipitacin (i.e: sobre-estimacin) y la de pronsticos por anlogos presenta lo contrario, y con mayor error (mayor distancia a la diagonal). En el caso de la regin sur para el umbral de 1 mm, el comportamiento es similar que en la regin norte, pero en este caso la distancia de la tcnica de

a)

b)
Figura 4: a) Confiabilidad en funcin del plazo de pronstico para la regin norte (izquierda arriba) y la regin sur (derecha arriba) para el invierno (1979-2007). b) Resolucin en funcin del plazo de pronstico para la regin norte (izquierda abajo) y la regin sur (derecha abajo) para el invierno (1979-2007). Azul: tcnica de pronstico por anlogos con 75 miembros, rojo: tcnica de regresin logstica y negro: tcnica del ensamble no calibrado. Umbrales: lnea punteada: 10 mm, lnea llena: 5 mm, lnea llena con crculos: 1 mm.

Figura 5: Diagramas de confiabilidad para las regiones norte y sur para 36 hs de pronstico en invierno, para los umbrales 1 mm (primera fila) y 10 mm (segunda fila). Azul: pronstico por anlogos con 75 miembros, rojo: regresin logstica, verde: pronstico no calibrado.

pronsticos por anlogos a la curva ideal es un poco mayor, es decir, la confiabilidad de esta tcnica es menor en esta regin. Para el caso de 10 mm tambin se observa una mejora a partir de la calibracin pero los 3 sistemas se alejan ms del caso ideal y el mejor comportamiento lo muestra la tcnica de regresin logstica en ambas regiones. Se puede ver tambin en el caso de la tcnica de anlogos que la curva se corta en probabilidades de 40%, lo cual indica que esta tcnica tiene una escasa posibilidad de dar una certeza mayor que el 40% de probabilidad de que llueva ms de 10 mm en ambas regiones, indicando una gran incertidumbre para este caso. El pronstico no calibrado en todos los casos, salvo para las probabilidades ms bajas, tiende a la sobre-estimacin de la probabilidad de precipitacin en ambas regiones. La Figura 6 es anloga a la Figura 3, pero para el caso del verano. Se puede observar que el ndice es mayor para la tcnica de pronsticos por anlogos, para ambas regiones a plazos inferiores a las 156 hs, si bien esta diferencia es menor para el umbral de 1 mm en la regin sur. En este caso la ventaja de la tcnica de anlogos sobre la logstica en la regin norte es ms clara que en el caso de invierno. El BSS del verano para ambas regiones es menor respecto del BSS de invierno. Ninguna de las tcnicas supera la climatologa a plazos por encima de los 8 das (200 hs de pronstico). Este resultado es muy relevante dado que nos ofrece una estimacin del lmite de predictibilidad que tienen los pronsticos de lluvia en esta regin.

Figura 6: BSS en funcin del plazo de pronstico para la regin norte (izquierda) y la regin sur (derecha) para el verano (1979-2007). Azul: tcnica de pronstico por anlogos con 75 miembros, rojo: tcnica de regresin logstica. Umbrales: lnea punteada: 10 mm, lnea llena: 5 mm, lnea llena con crculos: 1 mm.

La Figura 7 muestra las componentes de BSS, para los meses de verano. En la Figura 7a) se muestra la confiabilidad para los tres sistemas, y al igual que en el caso de invierno se ve que las tcnicas aplicadas mejoran la confiabilidad del pronstico para todos los plazos mostrados. A diferencia de lo observado durante el invierno, en este caso el pronstico por anlogos es menos confiable a plazos ms largos para los 3 umbrales mostrados. La Figura 7b) muestra la componente de resolucin, la cual mejora a partir de las tcnicas de calibracin. Al igual que en el caso de invierno, la mayor parte del aumento de BSS respecto del pronstico probabilstico no calibrado, viene explicada por el aumento en la confiabilidad del pronstico. En la Figura 8 se muestran los diagramas de confiabilidad para cada regin, a 36 hs de pronstico en verano para los umbrales de 1 y 10 mm. Respecto del caso de invierno se puede ver que la tcnica de regresin logstica se asemeja mucho ms a la curva del caso ideal en ambas regiones, salvo para 10 mm en la regin sur donde esto no es tan claro. La tcnica de pronsticos por anlogos tambin presenta mayor confiabilidad que en el caso de invierno en todos los umbrales mostrados, manteniendo una tendencia a la subestimacin para probabilidades pronosticadas superiores al 30% aproximadamente. La tcnica de regresin logstica en la regin sur, presenta una moderada tendencia a la sobre-estimacin para probabilidades superiores al 60% (en el caso de 1 mm) y superiores al 30% (en el caso de 10 mm).

a)

b)

b)

Figura 7: a) Confiabilidad en funcin del plazo de pronstico para la regin norte (izquierda arriba) y la regin sur (derecha arriba) para el verano (1979-2007). b) Resolucin en funcin del plazo de pronstico para la regin norte (izquierda abajo) y la regin sur (derecha abajo) para el verano (1979-2007). Azul: tcnica de pronstico por anlogos con 75 miembros, rojo: tcnica de regresin logstica y negro: tcnica del ensamble no calibrado. Umbrales: lnea punteada: 10 mm, lnea llena: 5 mm, lnea llena con crculos: 1 mm.

Figura 8: Diagramas de confiabilidad para las regiones norte y sur para 36 hs de pronstico en verano, para los umbrales 1 mm (primera fila) y 10 mm (segunda fila). Azul: pronstico por anlogos con 75 miembros, rojo: regresin logstica, verde: pronstico no calibrado.

Del anlisis previo se concluye que la aplicacin de estas tcnicas mejora el desempeo de los pronsticos probabilsticos, en particular para los umbrales ms bajos, que presentan mayores valores de BSS. Resta establecer la significancia de estos resultados, lo cual ser parte de trabajos futuros. No obstante, estos resultados revisten una gran importancia dado que indica que estas tcnicas son buenas herramientas para obtener pronsticos confiables de probabilidades de precipitacin, en rangos que en verano llegan a los 7 das y en invierno a los 9 das. Esta informacin puede ser de gran utilidad para diversas reas, de acuerdo a su aplicacin. Aldeco 2011, muestra un ejemplo de cmo se podra ofrecer este producto en forma operativa, mediante mapas de probabilidad de precipitacin por encima de diferentes umbrales.

4. CONCLUSIONES
Se analizaron las componentes del BSS para dos subregiones de la Argentina y se pudo ver que, respecto del pronstico no calibrado, el mayor aumento de BSS vino dado por un aumento en la confiabilidad del pronstico, para ambas tcnicas aplicadas y en ambas regiones. Esto muestra la desventaja de utilizar pronsticos provenientes de ensambles sin calibrar, dado que su baja confiabilidad los hace productos de poco valor. Este resultado se refuerza al analizar los diagramas de confiabilidad, los cuales muestran que ambas tcnicas son mucho ms confiables que el pronstico no calibrado. La mayor confiabilidad se encontr para el umbral de 1 mm y para probabilidades pronosticadas inferiores al 30-40%, resultando la tcnica de regresin logstica ms confiable que la de pronsticos por anlogos, para ambos umbrales analizados (1 y 10 mm). Adems la tcnica de pronsticos por anlogos tanto en invierno como en verano presenta una tendencia a la subestimacin de precipitacin pronosticada para ambos umbrales mostrados. El mayor error de esta metodologa (i.e mayor separacin de la diagonal en los diagramas) respecto de la regresin logstica puede estar relacionado con la tcnica de seleccin de anlogos. En el caso del umbral de 10 mm, no se dan valores de probabilidad superiores al 40%, con lo cual est diciendo que no puede pronosticar precipitaciones superiores a 10 mm con mayor certeza que un 40%. Este resultado sugiere que este sistema de pronstico presenta mucha incertidumbre para este umbral. Si bien tambin la regresin logstica pierde confiabilidad a medida que se incrementan los umbrales de precipitacin, el problema es menos marcado, lo cual da indicios de que hay margen para mejorar la tcnica de anlogos lo cual habr que explorar en trabajos futuros. Los resultados presentados en este trabajo dejan en claro que la aplicacin de la tcnica de los pronsticos por anlogos a una serie extensa de pronsticos retrospectivos presenta mltiples ventajas. Por un lado, su aplicacin genera una mejora marcada en la calidad de los pronsticos comparada con el uso de los pronsticos probabilsticos no calibrados, estudiada a travs del ndice de acierto de Brier. Por otro lado, se ha demostrado que es posible obtener pronsticos probabilsticos de precipitacin cuyo valor como informacin til es mayor que el de la climatologa a plazos de hasta 7 das en los meses de verano y de hasta 9 das en los meses de invierno. El potencial de esta tcnica es alto y por ello es recomendable que se implemente operativamente en el Servicio Meteorolgico Nacional. En este sentido, cabe destacar que el SMN est trabajando en esa direccin.

Agradecimientos: este trabajo fue parcialmente financiado por los siguientes proyectos: CONICET PIP 112200801-00399, UBACyT 20020100100434, ANPCyT PICT-2010-2110, ANPCyT PICT 2010-1986 y UBACyT 20020100300089.

5. REFERENCIAS Aldeco, L., 2011. Aplicacin de la tcnica de anlogos a la generacin de pronsticos probabilsticos de precipitacin sobre algunas estaciones de la Argentina. Tesis de Licenciatura del Departamento de Ciencias de la Atmsfera y los Ocanos, FCEyN, Universidad de Buenos Aires. Applequist, S., Gahrs, E. G., Pfeffer, R. L. y Niu, X. F., 2002. Comparison of methodologies for probabilistic quantitative precipitation forecasting. Weather and Forecasting, 17, 783-799. Brier, G. W., 1950. Verification of Forecasts Expressed in Terms of Probability. Monthly Weather Review, 78, 1-3. Buizza, R., 1997. Potential Forecast Skill of Ensemble Prediction and Spread and Skill Distributions of the ECMWF Ensemble Prediction System. Monthly Weather Review, 125, 99119. Coutinho, M. M., 1999. Previso por conjuntos utilizando perturbaes baseadas em componentes principais. So Jos dos Campos. 136p. Dissertao (Mestrado em Meteorologia) - Instituto Nacional de Pesquisas Espaciais. Epstein, E. S., 1969. Stochastic-dynamic prediction. Tellus, 21, 739-759. Hamill, T. y Colucci, S. J., 1997. Verification of Eta-RSM Short-Range Ensemble Forecast, Monthly Weather Review, 125, 1312-1327. Hamill, T., Whitaker, J. S. y Wei, X., 2004. Ensemble reforecasting: Improving medium-range forecast skill using retrospective forecasts. Monthly Weather Review, 132, 2373-2386. Hamill, T., Whitaker, J. y Mullen, S., 2006. Reforecasts. An important data set for improving weather predictions. Bulletin of the American Meteorological Society, 33-46. Hamill, T. M. y Juras, J., 2006. Measuring forecast skill: is it real skill or is the varying climatology?. Quarterly Journal of the Royal Meteorological Society, 132, 2905. Lorenz, E. N., 1963. Deterministic Nonperiodic Flow. Journal of the Atmospheric Sciences, 20, 130-141. Molteni, F., Buizza, R., Palmer, T. N. y Petroliagis, T., 1996. The ECMWF Ensemble Prediction System: Methodology and validation. Quarterly Journal of the Royal Meteorological Society, 122, 73-119. Robledo, F. A. y Penalba, O. C. Anlisis estacional de la frecuencia diaria y la intensidad de los extremos de precipitacin sobre el sudeste de Sudamrica. Meteorologica, Vol 32, N 1-2, 31-49. Ruiz, J. J., Saulo, A. C. y Kalnay, E., 2008. Comparison of methods to generate probabilistic quantitative precipitation forecasts over South America. Weather and Forecasting. Vol 24, Issue 1, 319-336. Ruiz, J., 2009. Aplicacin de los pronsticos por ensambles a la prediccin del tiempo a corto plazo sobre Sudamrica. Tesis doctoral del Departamento de Ciencias de la Atmsfera y los Ocanos, FCEyN, Universidad de Buenos Aires. Ruiz, J. y Saulo, C., 2011. How sensitive are probabilistic precipitation forecasts to the choice of calibration algorithms and the ensemble generation method? Part I: Sensitivity to calibration methods. Enviado a Meteorological Applications, en prensa. Saulo, C., Cardazzo, S., Ruiz, J., Campetella, C. y Rolla, A., 2008. El sistema de pronstico experimental del Centro de Investigaciones del Mar y la Atmsfera, Meteorologica, Vol 33, 83-97. Sloughter, J., J., Raftery., A., Gneiting, T. y Fraley, C., 2007. Probabilistic Quantitative Precipitation Forecasting Using Bayesian Model Averaging. Monthly Weather Review, 135, 3209-3220.

Stensrud, D. y Yussouf, N., 2007. Reliable Probabilistic Quantitative Precipitation Forecast from a ShortRange Ensemble Forecasting System. Weather and Forecasting, 22, 3-17. Sthepenson, D. B., Coelho, C. A. y Jolliffe, I. T., 2008. Two Extra Components in the Brier Score Decomposition. Weather and Forecasting, 23, 752-757. Toth, Z. y Kalnay, E., 1993. Ensemble forecasting at NMC: The generation of perturbations. Bulletin of the American Meteorological Society, 74, 2317-2330. Wilks, D. S., 2006. Statistical Methods in the Atmospheric Sciences, 2nd Ed. International Geophysics Series, Vol. 59, Academic Press, 627 pp.