Professional Documents
Culture Documents
Eugenia Kalnay
University of Maryland
High Level Task Force for the Global Framework for Climate Services
15ava Reunin de la Asociacin Regional III de la OMM Bogot, 22-29 Septiembre 2010 Gracias por las imgenes de Geert Jan Van Oldenborgh (KNMI) y Joe Casola de la National Academy of Sciences
ca. 1974
Charney
Lorenz
Lorenz (1963) introdujo la idea del caos, que limita a unos 15 das la predecibilidad del tiempo. En 1960, el pronstico a dos das era inservible en el HN, a un solo da en el HS Ahora son tiles por ms de una semana!
Las mejoras del pronstico numrico se deben a: Mejoras del modelo Mejoras de las observaciones Mejoras de la asimilacin de datos (4D-Var, y pronto EnKF) Los pronsticos para el HS son tan buenos como para el HN!
FORECAST
Pronsticos de Ensamble
Creamos ensambles de pronsticos para simular la incertidumbre de los pronsticos. Debemos incluir: Incertidumbres en las condiciones iniciales (los errores en el anlisis de hoy) Incertidumbres en los modelos (deficiencias de los modelos)
FORECAST 2
FORECAST 3
FORECAST 1
OBSERVATIONS
forecasts
ANALYSIS
MODEL
ASIMILACION DE DATOS
forecast time observations
analysis
ERA-Interim y ERA-40 usaron exactamente las mismas observaciones as que las mejoras reflejan 5 aos de desarrollo del modelo y asimilacin de datos.
analysis
time
El anlisis combina el pronstico con las observaciones. Los ensambles dan la incertidumbre del pronstico y del anlisis: Dan la matriz de covariance del error entre todas las variables.
Fuentes de predecibilidad
a largo plazo
El Nio y Oscilacin del Sur (ENSO, 6-12 meses) Oscilacin de Madden y Julian (MJO, 1-2 meses) Memoria de la tierra (e.g., humedad del suelo, nieve, 2-4 semanas) Volcanes que llegan a la estratsfera (1-2 aos) Memoria del ocano acoplado a la atmsfera (meses) Cambio de clima: algunas tendencias son claramente predecibles
Lluvia
2 semanas
meses a aos
1-2 meses
10 das antes
2-3 semanas
NCEP CFS
ECMWF
Dos modelos acoplados dinmicos muy buenos: NCEP y ECMWF Dos modelos estadsticos muy buenos: CPC Anlogo Construdo y CPC Markov
CPC CA
CPC Markov
En Julio y Agosto haba una Nia Fuerte (-1.5C anomala): Si la correlacin es roja (<0), esperamos lluvias fuertes
Hay bastante acierto, especialmente en Mxico, Centroamrica, parte de Sudamrica, Indonesia y Australia
Buen pronstico
Resumen Pronstico del tiempo: 2 semanas de lmite de predecibilidad (Lorenz, 1963). Los errores del pronstico crecen debido a inestabilidades y de errores del modelo.
Resumen Pronstico del tiempo: 2 semanas de lmite de predecibilidad (Lorenz, 1963). Los errores del pronstico crecen debido a inestabilidades y de errores del modelo. Hemos aprendido a usar ensambles para el caos.
Resumen Pronstico del tiempo: 2 semanas de lmite de predecibilidad (Lorenz, 1963). Los errores del pronstico crecen debido a inestabilidades y de errores del modelo. Hemos aprendido a usar ensambles para el caos. Inestabilidades acopladas (El Nio): duran ms. Los mtodos estadsticos eran mejores que los modelos dinmicos, ahora los modelos son mejores
Resumen Pronstico del tiempo: 2 semanas de lmite de predecibilidad (Lorenz, 1963). Los errores del pronstico crecen debido a inestabilidades y de errores del modelo. Hemos aprendido a usar ensambles para el caos. Inestabilidades acopladas (El Nio): duran ms. Los mtodos estadsticos eran mejores que los modelos dinmicos, ahora los modelos son mejores Projecciones de cambio de clima: forzadas por los gases de invernadero y el uso de la tierra. Son ms predecibles si los escenarios usados para el forzante son razonables.
Resumen Pronstico del tiempo: 2 semanas de lmite de predecibilidad (Lorenz, 1963). Los errores del pronstico crecen debido a inestabilidades y de errores del modelo. Hemos aprendido a usar ensambles para el caos. Inestabilidades acopladas (El Nio): duran ms. Los mtodos estadsticos eran mejores que los modelos dinmicos, ahora los modelos son mejores Projecciones de cambio de clima: forzadas por los gases de invernadero y el uso de la tierra. Son ms predecibles si los escenarios usados para el forzante son razonables. Los modelos y observaciones an pueden mejorar mucho.
Todava hay mucho que hacer en el pronstico del tiempo y del clima: Debemos continuar mejorando las clima observaciones, anlisis y modelos acoplados.
OBSERVATIONS
forecasts
ANALYSIS
MODEL
Muchas Gracias!