Resumen

KAR, S. C.; IYENGAR, G. R.  y  BOHRA, A. K.. Ensemble spread and systematic errors in the medium-range predictions during the Indian summer monsoon. Atmósfera [online]. 2011, vol.24, n.2, pp.173-191. ISSN 0187-6236.

En el National Centre for Medium Range Weather Forcasting (NCMRWF) de la India se utilizan dos modelos globales, a diferentes resoluciones, para preparar pronósticos de tiempo de rango medio. Para mejorar la habilidad de los pronósticos se implementó, de manera experimental, un sistema ensamblado de predicción (EPS). Se realizaron corridas de pronósticos experimentales con un ensamble de ocho miembros y los resultados se analizan para la temporada del monzón. La media de los pronósticos de precipitación del ensamble muestra que, sobre una amplia región de las planicies del Ganges, el EPS muestra la actividad del monzón (activo y débil) de manera razonablemente buena con un avance de hasta seis días. Sin embargo, en las partes orientales de la India la media de precipitación del ensamble es buena sólo en rango corto. La propagación del ensamble se hace bastante grande a partir del día 4 del pronóstico y más allá. El examen del patrón de precipitación del modelo y de la propagación del ensamble, para los días 1 a 6 de pronóstico, muestra que no hay relación lineal entre el incremento de la propagación y la cantidad de precipitación. El modelo tiene la tendencia sistemática de incrementar la actividad de precipitación sobre la parte central de la Bahía de Bengala y las partes orientales de la India al incrementarse la longitud del pronóstico. Al mismo tiempo el modelo tiende a secar la región ecuatorial del Océano Índico, sin embargo esta tendencia no se observa en el modelo de alta resolución. En los campos de circulación el modelo también tiene errores sistemáticos grandes. Los resultados sugieren que para obtener el máximo beneficio del EPS las desviaciones sistemáticas del modelo deben reducirse ya que el método de anidamiento considera únicamente las incertidumbres de las condiciones iniciales y no los errores relacionados con el modelo.

Palabras llave : Forecast; rainfall; skill; spread; global; model.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )