La persistencia como referencia en la estimación de la habilidad de las predicciones del Tiempo a corto plazo

Abstract

Se presenta un método de pronóstico por persistencia para la determinación de la habilidad de las predicciones del Centro de Pronósticos del Tiempo (CenPro) del Instituto de Meteorología de Cuba (INSMET). Todo ello para introducir un nuevo enfoque en la verificación de los pronósticos ante la sencillez del método de evaluación actual. Para su confección se partió del procedimiento de Moya et al. (2013) para las temperaturas extremas. El persistente quedó conformado por tres algoritmos para la predicción de: las temperaturas extremas y la fuerza del viento en el que se consideraron intervalos de máximo solapamiento (IMS), la dirección del viento en el que se utilizaron criterios de selección organizados jerárquicamente, así como para la nubosidad y la precipitación. También se expone una adecuación del método ante la verificación de la cobertura nubosa y del área cubierta por lluvia mediante las imágenes de satélite. El procedimiento propuesto se validó con las predicciones válidas para 24 horas del periodo lluvioso del año 2016, arrojando cuatro nuevas distribuciones de los IMS. En este periodo, la efectividad promedio de las predicciones del CenPro superó la del pronóstico persistente. Los valores del índice de habilidad fueron positivos para las variables involucradas en la evaluación de las predicciones, excepto la fuerza del viento que alcanza valores negativos significativos a favor del persistente. Los resultados aquí presentados permiten considerar la habilidad de los pronósticos en el resultado final de la evaluación, principalmente en aquellos días donde las variaciones de las condiciones meteorológicas son notables. A persistence forecasting method is presented for the determination of the ability of predictions issued by the Weather Forecast Center of the Institute of Meteorology of Cuba. All this in order to introduce a new approach in the verification of the forecasts before the current simplicity of the prediction’s evaluation. For the construction of the persistent, we proceeded from the procedure of Moya et al. (2013) and was made up of three algorithms for the prediction of: extreme temperatures and wind force in which maximum overlapping intervals were considered, wind direction in hierarchically organized selection criteria were used, as well as cloudiness and precipitation. Also, an adequacy of the method is exposed to the possibility of verifying the forecasts of cloud cover and of the area covered by rain through the satellite images. The validation of the proposal was made with technical predictions valid for twenty four hours in the rainy season of 2016 and observations of surface stations of the Institute of Meteorology of Cuba, yielding four new distributions of maximum overlapping intervals. In this period, the average effectiveness of short range predictions overcame that of persistent prediction. Both types of forecasts show a lower effectiveness in the months of May and October, related to the beginning and end of the rainy season in Cuba, and reaffirm the cloudiness and precipitation as the variables with the lowest historical compliance rates. A measure of the quality of forecast center predictions are given by the positive values of the ability index obtained for all meteorological variables involved in the assessment of predictions, except wind strength reaching negative values in favor of persistent prognosis. The results presented here allow to take into account in the final result of the evaluation the skill of the forecasts, mainly in those days where the variations of the meteorological conditions are remarkable. (sic)