Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
STEPS-BE proporciona en tiempo real predicciones STEPS-BE integra como entrada una imagen
de predicción de conjuntos de 20 miembros a compuesta producida a partir de los radares de
resoluciones de 1 km y 5 min. Hasta 2 h de banda C de Wideumont (RMI, single-pol),
anticipación en un dominio de 512 512 km Zaventem (Belgocontrol, single-pol), Jabbeke (RMI,
utilizando el compuesto belga de 4 bandas C de dual-pol) y Avesnois (Meteo-France, dual-pol). El
radar como entrada. Fue desarrollado en el marco compuesto se produce en una cuadrícula de
del proyecto PLURISK de Belspo para una mejor resolución de 500 m mediante la combinación de
gestión de los riesgos inducidos por las pseudo-indicadores de posición de plan de altitud
precipitaciones en el entorno urbano. Con respecto constante (CAPPI) de un solo radar a una altura de
a la implementación original de STEPS (Bowler et 1500 m a.s.l. El algoritmo de composición toma el
al., 2006), STEPS-BE incluye dos mejoras valor máximo de reflectividad de cada radar en cada
principales, que están diseñadas para generar punto de la grilla.
mejores evasiones de STEPS sin mezcla de NWP. Los radares tienen diferentes hardware y
El primero está relacionado con el algoritmo de flujo estrategias de escaneo, y son operados por
óptico, que se amplía con un método de diferentes agencias (RMI, Belgo-control y Meteo-
interpolación basado en kernel para obtener France), lo que inevitablemente lleva a diferentes
campos de velocidad más suaves. El segundo se en el procesamiento de datos. Los radares
refiere a la generación de ruido estocástico solo Wideumont y Zaventem eliminan los ecos no
dentro del compuesto de radar advectado. Si bien meteorológicos utilizando el filtrado Doppler
la verificación de STEPS nowcasts con NWP estándar. El radar Jabbeke incluye un filtro
Blending ya ha sido extensa (Bowler et al., 2006; adicional de ecos parásitos que utiliza un algoritmo
Seed et al., 2013), este trabajo analiza la precisión de lógica difusa basado en los momentos de
de los conjuntos de STEPS sin fusión de NWP en polarización dual (esencialmente el coeficiente de
el rango de pronóstico de 0-2 h. en Lewis et al. correlación copolar, la textura de la reflectividad
(2015). diferencial y la textura del cambio de fase diferencial
Los nowcasts de Ensemble STEPS se calculan específico) . Meteo-France utiliza un mapa estático
para un conjunto de casos de desbordamiento de de ecos parásitos y un filtro estadístico para
alcantarillado que afectaron a las ciudades de eliminar los ecos no meteorológicos del radar
Lovaina y Ghent en 2013 y 2014. La precisión de la Avensois. La cadena francesa de procesamiento de
previsión media del conjunto se verifica utilizando datos de radar se describe en Tabary (2007) y en
puntuaciones de verificación continua (sesgo Figueras i Ventura y Tabary (2013).
multiplicativo, RMSE) y puntuaciones categóricas Dado que el radar Zaventem se utiliza
derivadas de la tabla de contingencia (probabilidad principalmente para aplicaciones de aviación, su
de detección, ratio de falsa alarma y puntaje de estrategia de exploración está optimizada para la
habilidad de Gilbert). Sin embargo, la parte más medición de vientos. Excepto por el escaneo de
interesante de este documento es la verificación elevación más bajo, se usa un modo dual PRF
probabilística y por conjuntos de los episodios de (1200/800 Hz). Los acimuts que se escanean con
STEPS utilizando eventos de precipitación tanto un alto PRF (1200 Hz) solo tienen un alcance
estratiformes como convectivos. Los nowcasts máximo de 125 km y se ven más afectados por el
segundo eco de disparo causado por células cascada (Schertzer y Lovejoy, 1987; Seed, 2003).
convectivas ubicadas más allá del rango de 125 km. La presencia de escalado espacial se puede
demostrar calculando el espectro de potencia (PS)
Todos los radares usan la relación estándar de de Fourier 2-D de un campo de precipitación. Una
Marshall-Palmer Z 200R1.6 para convertir la PS 1-D puede obtenerse promediando radialmente
reflectividad medida a la tasa de lluvia. la PS 2-D. Se dice que el campo de precipitación
Recientemente se desarrolló una imagen está escalando si la PS 1-D traza una línea recta en
compuesta con una estimación más avanzada de el diagrama log-log de la potencia contra la
precipitación cuantitativa basada en radar (QPE), frecuencia espacial (ley de potencia), que puede
que incluye mejores algoritmos de eliminación de ser parametrizada por uno o dos exponentes
ecos parásitos y también una corrección para la espectrales (ver , por ejemplo, Seed et al., 2013;
banda brillante, y la verificación del nuevo producto Foresti y Seed, 2014). Dentro del marco
está en curso. multiplicativo, un campo de lluvia no se representa
Los pronósticos de STEPS se generaron y como una colección de células convectivas de un
verificaron para un conjunto de casos de tamaño característico, sino más bien como una
desbordamiento del sistema de alcantarillado que jerarquía de estructuras de precipitación
afectaron a las ciudades de Gante y Lovaina (ver incrustadas entre sí en un continuo de escalas.
Tabla 1). Los casos de Ghent tienen un carácter STEPS considera la escala espacial
más estratiforme y ocurrieron a finales de otoño e descomponiendo el campo de lluvia del radar en
invierno. Por otro lado, los casos de Lovaina son una cascada multiplicativa utilizando una
más convectivos y ocurrieron en los meses de transformada rápida de Fourier (FFT) para aislar un
verano. En Goudenhoofdt y Delobbe (2009) se conjunto de ocho frecuencias espaciales (Seed,
puede encontrar una climatología detallada de las 2003; Bowler et al., 2006; Seed et al. ., 2013). Los
tormentas de convección en Bélgica. niveles superiores de la cascada (0, 1 y 2)
representan las bajas frecuencias espaciales
3. Sistema de predicción de conjuntos a corto (grandes estructuras de precipitación), mientras
plazo (STEPS) que los niveles inferiores de la cascada (5, 6, 7)
representan las frecuencias espaciales altas
3.1 descripción de STEPS (estructuras de precipitación pequeñas). Otro
comportamiento importante de los campos de lluvia
El Sistema de predicción de conjuntos a corto plazo
se conoce como escalamiento dinámico, que es la
(STEPS) fue desarrollado conjuntamente por la
observación empírica de que la tasa de desarrollo
Oficina de Meteorología de Australia (BOM) y el
temporal de las estructuras de lluvia es una función
MetOffice del Reino Unido (Bowler et al., 2006). Los
de ley de poder de su escala espacial (Venugopal
pronósticos STEPS se producen operacionalmente
et al., 1999; Foresti y Seed, 2014 ) Esto significa
en ambos servicios meteorológicos y se distribuyen
que las grandes características de precipitación son
a los pronosticadores meteorológicos y a varios
más persistentes y, por lo tanto, predecibles en
usuarios externos, en particular los servicios
comparación con las pequeñas células de
hidrológicos.
precipitación, lo cual está estrechamente
La idea clave detrás de STEPS es explicar el relacionado con el concepto de dependencia de la
crecimiento impredecible de la lluvia y los procesos predecibilidad de la precipitación (Germann y
de descomposición al agregar perturbaciones Zawadzki, 2002; Turner et al., 2004)
estocásticas a la extrapolación determinística de las
Las perturbaciones estocásticas deberían poder
imágenes de radar (Seed, 2003). Para ser eficaces,
reflejar las propiedades de los errores de
las perturbaciones estocásticas deben reproducir
pronóstico. La generación de errores de predicción
importantes propiedades estadísticas de los
correlacionados espacial y temporalmente es
campos de precipitación y los errores de pronóstico:
obligatoria para aplicaciones hidrológicas, en
Tabla 1. Lista de eventos de precipitación que particular cuando la longitud de correlación de los
causaron inundaciones en el sistema de errores es comparable o superior al tamaño y
alcantarillado en Gante y Lovaina. tiempo de respuesta de la cuenca. El ruido
estocástico correlacionado espacialmente se
**** TABLA 1 puede construir aplicando un filtro de ley de
potencia a un campo de ruido blanco (Schertzer y
1. escala espacial de los campos de precipitación,
Lovejoy, 1987). En la práctica, consta de tres pasos:
2. escala dinámica de los campos de precipitación,
calcular la FFT de un campo de ruido blanco,
3. correlación espacial de los errores de pronóstico, multiplicar los componentes obtenidos en
4. correlación temporal de los errores de pronóstico. frecuencia do- minante por un filtro dado y aplicar la
La escala espacial considera que el campo de FFT inversa para regresar al dominio espacial. Los
precipitación surge de procesos multiplicativos en espectros de potencia 1-D o 2-D del campo de lluvia
pueden usarse como un filtro para obtener campos
de ruido que tengan la misma escala y la misma
correlación espacial del campo de lluvia. La PS 1-D
de los campos de precipitación a menudo parece
ser una ley de potencia de la frecuencia espacial y
explica por qué el procedimiento también se conoce
como ley de potencia que filtra el ruido blanco. Para
representar las anisotropías del campo de
precipitaciones, el PS 2-D también se puede usar
como filtro. En ausencia de un campo de
precipitación objetivo a partir del cual derivar el PS,
el filtro puede parametrizarse utilizando una ley de
potencia climatológica (véase Seed et al., 2013).
Finalmente, las correlaciones temporales son
impuestas por el filtrado auto-regresivo (AR). Una
jerarquía de procesos de RA define la evolución
temporal de los niveles de cascada. Con la
excepción de los plazos de pronóstico más allá de
2-3 h (Atencia y Zawadzki, 2014), un proceso de AR
de orden 1 o 2 ya es una buena aproximación para
describir la descorrelación temporal de los errores
de pronóstico.
La implementación práctica de STEPS para Figura 1. Plataforma web de STEPS-BE que
reproducir estas importantes propiedades consiste muestra el pronóstico de la media del conjunto.
en los siguientes pasos (ver Bowler et al., 2006; 7. Aplicación del modelo AR (1) o AR (2) para la
Foresti y Seed, 2014). actualización temporal de los niveles de cascada en
1. Estimación del campo de velocidad utilizando cada tiempo de previsión utilizando las
flujo óptico en las dos últimas imágenes de lluvia de autocorrelaciones de Lagrange estimadas en el
radar (Bowler et al., 2004a) paso (3)
4 verificación de previsión
4.1 Configuración de la verificación
Esta sección presenta la verificación de los pronósticos STEPS-BE utilizando un conjunto de estudios de
casos (ver Sección 2). Las observaciones de radar acumuladas se emplearon como referencia para la
verificación. Las tasas de lluvia se acumulan en los últimos 5 minutos invirtiendo los vectores de campo en
función de las observaciones y luego realizando la corrección de advección. La previsión media de 30
minutos se verificó frente a las acumulaciones de radar observadas durante 30 minutos utilizando tanto
datos continuos como categóricos.puntajes de verificación. El procedimiento de verificación determinista
sigue el presentado en Foresti y Seed (2015), que fue diseñado para analizar la distribución espacial de los
errores de pronóstico. Se brindan más detalles sobre la configuración y los puntajes de la verificación del
pronóstico en el Apéndice A.
Los puntajes continuos incluyen el sesgo multiplicativo y el error cuadrático medio (RMSE), mientras que
los puntajes categóricos incluyen la probabilidad de detección (POD), el índice de falsas alarmas (FAR) y el
puntaje de habilidad Gilbert (GSS) derivados de la tabla de contingencia para umbrales de lluvia de 0.5 y5.0
mm h-1. Los umbrales de lluvia se dan en equivalentes intensidad independientemente de la acumulación
de lluvia pronosticada.
Figura 3. Promedio de acumulación de lluvia pronosticada y pronosticada para los casos de Lovaina. (a) Pronóstico y
(b) acumulaciones de lluvia observadas de 0 a 30 minutos los días 9 y 10 de junio de 2014. (c) Pronóstico y (d)
acumulaciones observadas de lluvia de 0 a 30 minutos del 19 al 20 de julio de 2014.
Por lo tanto, un umbral de 5.0 mm h-1 en una acumulación de 30 minutos corresponde a 2.5 mm de lluvia.
El sesgo multiplicativo y el RMSE se evaluaron solo en los lugares donde el pronóstico o las observaciones
de verificación excedieron 0.1 mm h-1, lo que se puede denominar una verificación débilmente condicional.
El pronóstico probabilístico de exceder 0.1, 0.5 y
5.0 mm h-1 se verificó usando los diagramas de confiabilidad y
Curvas ROC. Finalmente, la dispersión del conjunto se analizó comparando la extensión del conjunto con
el RMSE de la media del conjunto y mediante el uso de histogramas de rango. La verificación probabilística
y por conjuntos no tiene en cuenta la distribución espacial de los errores y agrupa los datos en espacio y
tiempo para derivar las estadísticas.
4.2 Verificación determinista
Las Figuras 2 y 3 muestran el pronóstico promedio y las tasas de precipitación pluvial observadas
correspondientes a la acumulación de medias de conjunto de 0-30 minutos actualizadas para los casos de
Gante y Lovaina, respectivamente. En otras palabras, representan el pronóstico promedio y las tasas de
lluvia observadas durante la duración del evento de precipitación (para el tiempo de anticipación de 0-30
minutos). El promedio se calculó utilizando el principio condicional débil explicado anteriormente. El
pronóstico promedio y las acumulaciones observadas en general coinciden muy bien con el pronóstico de
tiempo de anticipación de 0-30 min. El caso de Ghent el 10 de noviembre de 2013 (Figuras 2a yb) es el
único con flujos hacia el noroeste y se caracteriza por las tasas de precipitación promedio más bajas. El
radar Avesnois demuestra muy bien la dependencia de la gama de las tasas de lluvia promedio, que
disminuyen gradualmente al aumentar la distancia de la
Figura 4. Promedios sesgos de pronóstico multiplicativos de 0-30 min para los casos de Ghent el (a) 10 de
noviembre de 2013 y en (b) el 3 de enero de 2014 y los casos de Lovaina el (c) 9-10 de junio de 2014 y en (d) 19- 20
de julio de 2014. La interpretación de subestimación y sobreestimación por STEPS como crecimiento y deterioro
sistemático de las precipitaciones o simplemente como sesgos de medición de radar está sujeta a interpretación, tal
como se explica en el texto.
radar. Por el contrario, el anillo más pequeño de altas tasas de lluvia alrededor del radar Zaventem se debe
principalmente a la banda brillante (Fig. 2b).
El efecto de banda brillante influye en las observaciones del radar y, por lo tanto, los difuntos se basan en
su extrapolación. En tiempos de entrega más largos, las estimaciones de lluvia más grandes debido a la
banda brillante se extrapolan lejos de la ubicación del radar. Las perturbaciones estocásticas de STEPS
pueden ayudar a disolver gradualmente los patrones circulares introducidos por el efecto de banda brillante.
Sin embargo, la banda brillante afecta más a las observaciones usadas para la verificación, en particular
cuando la lluvia se aduce desde aguas arriba sobre la región del radar. En tal caso, las estimaciones locales
más grandes de lluvia conducen a un sesgo de verificación y los pronósticos se suponen erróneamente de
subestimación de la precipitación. A pesar de estos problemas, los efectos de banda brillante podrían no ser
tan importante para las aplicaciones hidrológicas urbanas. De hecho, a excepción de un caso estratiforme
presentado en este documento, las inundaciones pluviales ocurren principalmente en verano con eventos
de precipitación convectiva, durante los cuales la banda brillante está ausente o es insignificante.
El caso de Ghent el 3 de enero de 2014 tiene tasas de lluvia más altas y las estructuras alargadas de las
áreas de precipitación demuestran bien el régimen de flujo del sudoeste (Figuras 2c yd). En este caso, las
mediciones del radar Zaventem también se ven afectadas por ecos de segundo viaje, que aparecen como
un conjunto de estructuras de lluvia radialmente orientadas al noroeste del radar. Estos patrones alternantes
se explican por el modo dual de PRF de Zaventem (ver Sección 2).
Los casos de Lovaina del 9 de junio y del 19 al 20 de julio de 2014 tienen una importante actividad convectiva
(Figuras 3a-d). El máximo de av.
Figura 5. RMSE promedio pronosticado de 0-30 min para (a) el caso de invierno de Ghent el 3 de enero de 2014 y (b)
el caso de verano de Lovaina del 19 al 20 de julio de 2014.
Las tasas de lluvia de la época se encuentran sobre la cordillera de las Ardenas y la ciudad de Lovaina,
respectivamente. Debido a que las inundaciones repentinas urbanas pueden ser desencadenadas por una
única célula convectiva, la tasa promedio de lluvia durante la duración del evento puede no ser tan alta en
la ciudad considerada (p. Ej., Figura 3b).
La Figura 4 ilustra el sesgo multiplicativo de la predicción instantánea 0-30 min promediada sobre cada uno
de los cuatro eventos. En Foresti y Seed (2015) se da una interpretación detallada de tales sesgos de
pronóstico usando datos de radar australianos y su conexión a características orográficas, que señalan que
una fracción importante de los errores de pronóstico es causada por los sesgos de las observaciones de
radar de verificación en lugar de procesos sistemáticos de crecimiento y descomposición de la lluvia debido
a la orografía. En la figura 4a, es fácil advertir el efecto de la banda brillante, que provoca una serie de
sesgos de pronóstico sistemáticos alrededor del radar Zaventem y orientados perpendicularmente con
respecto a la dirección de flujo predominante (NW). La subestimación sistemática de las lluvias se produce
a lo largo de la costa belga del Mar del Norte. Un factor que contribuye a esta subestimación es la ausencia
de visibilidad del radar a distancias más largas. La precipitación entrante es detectada de repente por el
radar y, por lo tanto, STEPS subestima fuertemente. La única situación donde la dependencia del rango de
la estimación de la precipitación no afecta la verificación de predicción ocurre cuando el campo de velocidad
es perfectamente rotativo y está centrado en el radar (suponiendo que no haya bloqueo del haz). ¡Todos los
demás casos tienen que ver con el hecho de que la precipitación ahora también extrapola los sesgos de las
observaciones del radar! Contrariamente a lo esperado, en el lado del viento de las Ardenas existe una
sobreestimación, que puede representar una región de decaimiento sistemático de las precipitaciones. El
prejuicio sobre la ciudad de Ghent es afortunadamente pequeño y está incluido en el rango de 0 a 0.5 dB
(sobreestimación ligera, disminución de las precipitaciones). Tener pequeños prejuicios sistemáticos sobre
las ciudades de interés es muy importante para la integración futura de STEPS ahora se emite como entrada
en modelos hidráulicos.
En la figura 4b, la subestimación sistemática también se localiza aguas arriba con respecto a los vientos
predominantes (SW). Las sobreestimaciones fuertes en Alemania y los Países Bajos se deben
principalmente a la subestimación de las precipitaciones por la verificación de las observaciones de radar
en lugar de a la decadencia sistemática de la lluvia. Esto es particularmente visible después de un rango de
125 km desde el radar Zaventem, lo que demuestra una vez más que las discontinuidades y los sesgos en
las observaciones de radar conducen a errores en el pronóstico de extrapolación. También en este caso el
sesgo sobre la ciudad de Gante es pequeño, pero en el rango de 0.5 a 0 dB (subestimación ligera,
crecimiento de la lluvia). Las discontinuidades compuestas del radar también son visibles en la figura 4c,
pero esta vez ubicadas a un rango de 240 km al norte del radar Wideumont al entrar en el área cubierta por
el radar Jabbeke. Este sesgo de pronóstico se explica principalmente por el sesgo de calibración negativa
del radar Jabbeke, que se sabe que subestima ligeramente las tasas de lluvia con respecto al radar
Wideumont. Se produce una fuerte subestimación en las Ardenas debido a la iniciación sistemática y el
crecimiento de la convección que STEPS no puede predecir (figura 4c). Afortunadamente, la ciudad de
Leuven se encuentra en una región con pequeños sesgos en el rango de
0.5 a 0.5 dB. La Figura 4d es bastante interesante ya que se encuentran subestimaciones fuertes en frente
de la banda de lluvia (desde Charleroi hasta Lovaina y más allá) y sobreestimaciones en la parte posterior
de la banda de lluvia (al oeste del radar de Jabbeke). Las subestimaciones se deben a la iniciación
sistemática de lluvia frente a la banda de lluvia, mientras que las sobreestimaciones son probablemente
causadas por una extrapolación demasiado lenta de la lluvia, que tiende a arrastrarse en la parte posterior
de la banda de lluvia. Las dos bandas de subestimaciones al sur de Lovaina son causadas por dos tormentas
diferentes. El primero pasó sobre la ciudad de Lovaina y tuvo.
Figura 6. (a) POD, (b) FAR y (c) GSS de la previsión media del conjunto de 30-60 min de más de 0,5 mm h-1 para el
caso de Lovaina del 19 al 20 de julio de 2014.
un componente más fuerte del oeste con respecto al flujo predominante del sur. La segunda tormenta fue
más débil y tuvo un componente este más fuerte. Cuando la convección aislada no sigue el movimiento
predominante del campo de lluvia, pueden aparecer fuertes sesgos en el nowcast durante los primeros
tiempos de entrega.
La Figura 5 muestra la distribución espacial del RMSE para el evento estratiforme el 3 de enero de 2014 en
Gante y el evento convectivo del 19 al 20 de julio de 2014 en Lovaina. Si se compara con las Figs. 2d y 3d
está claro que el RMSE está fuertemente correlacionado con las regiones que tienen las mayores
acumulaciones medias de lluvia (efecto proporcional). Por lo tanto, no es sorprendente que el RMSE del
caso convectivo (figura 5b) muestre valores superiores a 10 mm h-1 en la ciudad de Lovaina. El invierno el
caso solo muestra valores de RMSE por debajo de 2 mm h-1 en la ciudad de Ghent.
La Figura 6 ilustra un ejemplo de verificación categórica de la previsión media de conjuntos de 30-60 minutos
para el caso de Lovaina del 19 al 20 de julio de 2014 en relación con el umbral de precipitaciones de 0.5
mm h-1. La probabilidad de detección es alta en todas partes (media de 0,75), excepto en los alrededores
de Amberes y al sur de Lovaina, donde STEPS no pudo predecir el inicio de las tormentas (figura 6a). La
relación de falsas alarmas es bastante baja (media de 0,36) y las regiones con valores altos se encuentran
principalmente en la parte posterior del frente, donde la precipitación es muy lenta en comparación con el
movimiento real del frente (Fig. 6b). Un alto puntaje de habilidad de Gilbert generalmente coincide con las
regiones con las mayores acumulaciones de lluvia y
Figura 7. Diagramas de confiabilidad para el caso de Ghent el 3 de enero de 2014 en relación con el pronóstico
probabilístico de exceder (a) 0.5 mm h-1 y (b) 5,0 mm h-1. (c, d) Igual que (a, b) pero para el caso de Lovaina del 19 al
20 de julio de 2014.
se vuelve más bajo en los bordes de las áreas de lluvia (Fig. 6c). Este hallazgo puede explicarse
conceptualmente si se piensa en la verificación del camino futuro de una sola célula convectiva. Las regiones
con la incertidumbre más alta se ubican a lo largo de los bordes de la trayectoria de tormenta pronosticada
y la habilidad más alta se obtiene en el centro de la trayectoria predicha.
4.3 Verificación probabilística
La figura 7 muestra los diagramas de fiabilidad relativos al pronóstico probabilístico de superar los umbrales
de lluvia de 0.5 y 5.0 mm h-1 para el caso Ghent el 3 de enero de 2014 (figuras 7a yb) y el caso de Lovaina
el 19-20 Julio de 2014 (Fig. 7c yd). El pronóstico probabilístico de referencia se toma como la frecuencia
climática de exceder un umbral de lluvia determinado durante ese evento de precipitación (línea punteada
horizontal). Inesperadamente, las previsiones del caso estratiforme en Gant.
Figura 8. Curvas ROC relativas al pronóstico probabilístico de exceder 0,1 mm h-1 para (a) el caso Ghent el 3 de enero
de 2014 y (b) el caso Lovaina del 19 al 20 de julio de 2014.
son menos confiables que los del caso convectivo en Leuven para ambos umbrales de lluvia. Las
predicciones probabilísticas de exceder 0.5 mm h-1 para el caso Ghent tienen una buena confiabilidad y
puntaje de habilidad Brier positivo (BSS) hasta 60 min de tiempo de anticipación (Fig. 7a). El umbral de lluvia
más alto de 5.0 mm h-1 es más difícil de predecir y solo hay habilidad hasta 30 minutos de tiempo de espera
(figura 7b). El caso convectivo en Lovaina es más predecible y el pronóstico probabilístico de exceder 0,5
mm h-1 muestra una habilidad de hasta 90 minutos (Fig. 7c). Es interesante notar que las probabilidades
pronosticadas que están cerca de la frecuencia climatológica (intersección de líneas alrededor de la
probabilidad 0.15) pueden fácilmente quedar fuera de la región hábil (Figura 7c). De hecho, es probable que
un pequeño sesgo de pronóstico sistemático sea peor que la climatología del evento en esas frecuencias.
El umbral de precipitación de 5.0 mm h-1 muestra nuevamente un límite de predictibilidad de 30 minutos
(Fig. 7d). A pesar de tener un BSS negativo, los siguientes tiempos de entrega (Fig. 7d) tienen una resolución
más alta que el caso estratiforme en Ghent (Fig. 7b).
La figura 8 ilustra las curvas ROC relativas al pronóstico probabilístico de exceder 0,1 mm h-1 para el caso
Ghent el 3 de enero de 2014 (figura 8a) y el caso Lovaina del 19 al 20 de julio de 2014 (figura 8b). Todas
las curvas ROC están muy lejos de la línea diagonal de ninguna habilidad. El nivel de probabilidad que está
marcado con una cruz es el que maximiza la diferencia entre la tasa de acierto (HR) y la tasa de falsa alarma
(F) (que no debe confundirse con la relación de falsa alarma, que está condicionada a las predicciones).
Este punto se ubica dentro de las probabilidades 0.1 y 0.2, lo que significa que se logra un pronóstico óptimo
de la probabilidad de lluvia cuando solo el 10-20% de los miembros del conjunto exceden el umbral 0.1 mm
h-1. Un anunciador que no tiene miedo de hacer falsas alarmas elegiría un nivel de probabilidad más bajo
para aumentar el número de visitas. Por el contrario, un pronosticador no confiado que quisiera minimizar
las falsas alarmas elegiría un nivel de probabilidad más alto, que sin embargo tiene la consecuencia de
reducir el número de aciertos. Como se esperaba, el área bajo las curvas ROC (AUC) disminuye para
aumentar los tiempos de entrega. La habilidad de discriminación para el evento convectivo en Lovaina es
ligeramente más alta que la del evento estratiforme en Gante, que confirma los hallazgos en los diagramas
de confiabilidad (Fig. 7). Esto no significa que las características de pequeña escala sean más fáciles de
predecir que las características de mayor escala, que se sabe que son falsas (ver Foresti y Seed, 2014).
Significa que la predictibilidad de sistemas convectivos bien definidos y organizados es más alta que la de
convección más moderada con vida más corta, al menos para los casos analizados en este documento.
4.4 Verificación del conjunto
La Figura 9 compara el error de la media del conjunto (RMSE) y la dispersión del conjunto para el caso de
Ghent el 3 de enero de 2014 y el caso de Lovaina del 19 al 20 de julio de 2014 (véase la interpretación de
la dispersión del conjunto en el Apéndice A). En ambos casos, el RMSE aumenta hasta un tiempo de entrega
de 50-60 minutos y luego comienza una disminución lenta, que puede ser contraintuitivo. Sin embargo, debe
recordarse que el pronóstico de la media del conjunto se vuelve más uniforme para aumentar los tiempos
de espera, lo que reduce el doble error de penalización debido a la predicción de una tormenta eléctrica en
el lugar equivocado. La extensión del conjunto también aumenta hasta
Figura 9. Comparación de la dispersión del conjunto y RMSE de la predicción media del conjunto en una resolución de
5 minutos para (a) el caso de Ghent el 3 de enero de 2014 y (b) el caso de Lovaina del 19 al 20 de julio de 2014.
Figura 10. Clasifique los histogramas para el caso de Lovaina del 19 al 20 de julio de 2014 para un tiempo de anticipación
de (a) 5 min y (b) 60 min.
tiempo de espera de 50-60 minutos y luego se estabiliza lentamente. Para los casos de Gante y Lovaina, la
dispersión del conjunto es menor que el error de la media del conjunto en todos los tiempos de entrega, lo
que sugiere que las predicciones por conjuntos son poco dispersivas. El grado de subdispersión es más alto
en un tiempo de avance de 5 minutos, con los valores de dispersión equivalentes al 60% del error de
pronóstico para el evento de invierno en Gante (figura 9a) y del 70% para el evento de verano en Lovaina
(figura 9b). Excepto por el tiempo de entrega de 5 minutos, la dispersión del conjunto representa el 75-90%
del error de pronóstico para el caso Ghent (figura 9a) y el 75-80% para el caso Leuven (figura 9b), que es
un buen resultado. Todavía no está claro por qué el RMSE en un tiempo de avance de 5 minutos es mayor
que el de 10 minutos para el caso de invierno en Gante (figura 9a).
La subestimación de la dispersión del conjunto en el primer tiempo de entrega puede atribuirse tanto a la
subestimación de la dispersión del conjunto como a la sobreestimación del conjunto. significa RMSE, pero
con diferentes grados según las diferentes causas. Los RMS altos al comienzo del lanzamiento pueden
deberse a que utiliza un campo de velocidad muy suave para la advección (véase la sección 3.2), que no
explota lo suficiente la predictibilidad a muy corto plazo de la precipitación a pequeña escala. características,
pero está optimizado para predicciones con plazos de entrega más largos. Otra explicación para esta
subestimación de la dispersión del conjunto podría deberse a la variabilidad espacio-temporal de la relación
Z-R. Los cambios espaciales y temporales en la distribución del tamaño de gota (DSD) pueden llevar a
cambios en la tasa de lluvia estimada que se usa para la verificación. Por lo tanto, podría haber un desajuste
entre el DSD "fijo" de los pronósticos y el DSD variable subyacente a las observaciones de verificación. Otra
posible fuente de desajuste podría deberse a la corrección de la advección con flujo óptico cuando se
calculan las acumulaciones de lluvia. El pronóstico acumula
las lation se calculan advectando el campo de lluvia promedio, y localmente pueden incluso exceder los
anterior hacia adelante. Por otro lado, las 3 dB (ver Fig. 4).
acumulaciones observadas se calculan invirtiendo
los vectores de flujo óptico y retrocediendo hacia el Por otro lado, los valores de RMSE marcan más la
campo de lluvia (véase la Sección 4.1). Esta distinción entre los dos casos de invierno en Gante
elección aumenta las diferencias al comparar las y los dos casos de verano en Lovaina. Para los
acumulaciones de predicción de 0-5 min (advección casos de invierno, los valores RMSE aumentan de
de la imagen de 0 min hacia adelante) con las 0.38-0.95 a un tiempo de espera de 30 minutos a
acumulaciones observadas de 0-5 min a posteriori 0.78-
(observación de la imagen de 5 min hacia atrás). El 1.48 a 120 min, mientras que para los casos de
enfoque ideal sería derivar la acumulación al verano de 1.84-2.45 a 2.52-3.38 mm h-1. Por lo
desplazar tanto la imagen anterior hacia adelante tanto, el RMSE de un tiempo actual de 30 minutos
como la última hacia atrás. Una acumulación de transmisión de los dos casos convectivos es más
óptima podría calcularse mediante un promedio alto que el RMSE de un nowcast de 120 minutos de
ponderado de las dos imágenes advectadas los dos casos estratiformes, como podría
discretizando el intervalo de 5 min. Sin embargo, tal esperarse. Es interesante mencionar que los
enfoque no es muy pragmático y requeriría tiempo puntajes de verificación lineal como el RMSE
computacional adicional para obtener una mejora dependen fuertemente de la varianza de los datos.
marginal en los pronósticos. En consecuencia, sería difícil comparar el error de
La Figura 10 ilustra los histogramas de rango para la transmisión actual de la media del conjunto
el caso de Lovaina del 19 al 20 de julio de 2014 para STEPS con la de una predicción inmediata, por
tiempos de entrega de 5 y 60 minutos. La forma en ejemplo, calculada por INCA-BE. De hecho, el
U de los histogramas de rango demuestra de nuevo proceso de promedio de conjunto filtra las
un cierto grado de baja dispersión del conjunto. En características de precipitación impredecibles y se
particular, todos los miembros del conjunto para el recompensa en términos de RMSE. Resultados
tiempo de avance de 5 min son inferiores a las similares ya fueron observados en Foresti et al.
observaciones en el 16% de los casos (Fig. 10a), (2015), quien también señaló la dificultad de
mientras que para el tiempo de avance de 60 min comparar los sistemas de predicción por conjuntos
ocurre en más del 30% de los casos ( Fig. 10b). Por con un número diferente de miembros del conjunto.
otro lado, la fracción de observaciones que cae por La probabilidad de detección relativa al 0.5 mm h-1
debajo del valor del miembro de conjunto más bajo el umbral disminuye de 78-86 a 33-58%, mientras
es solo del 8% para ambos tiempos de entrega. A que la proporción de falsas alarmas aumenta de 10-
pesar de que STEPS está diseñado para reproducir 17 a 46-65%. El puntaje de habilidad de Gilbert
la variabilidad espacio-temporal de la lluvia, comienza con valores de 0.58-0.64 y 0.29-0.40 en
subestima una cierta fracción de los extremos de los tiempos de anticipación de 30 y 60 minutos,
lluvia observados. Esta subestimación aumenta al respectivamente, y disminuye a valores de 0.08-
aumentar el tiempo de espera y representa una 0.20 a los 120 minutos. Wang et al. (2009)
suavidad creciente de los conjuntos STEPS, lo que informaron un valor de índice de éxito crítico de 0,45
probablemente se deba a la advección de la para las transmisiones instantáneas STEPS de 0-
cascada de lluvia del radar (consulte la Sección 3, 60 acumulaciones en relación con el umbral de 1
paso 6). De hecho, las características de la mm h-1. Teniendo en cuenta que el GSS es el CSI
precipitación a pequeña escala representadas por corregido por azar, este valor es comparable con
los niveles de la cascada inferior sufren más por la los de las acumulaciones de 30-60 minutos
difusión numérica durante la extrapolación obtenidas en este documento. Los valores de GSS
lagrangiana, que se observa como una pérdida relativos al umbral de 5,0 mm h-1 son mucho más
gradual de la variabilidad en los conjuntos bajos. Oscilan entre 0.15 y 0.44 para el primer
pronosticados. tiempo de entrega y se vuelven muy bajos y cerca
4.5 Resumen de verificación de los eventos de 0 después. Por lo tanto, la previsibilidad de las
estructuras de caída de lluvia que exceden 5.0 mm
h-1 rara vez excede los 30 minutos según el GSS.
La Tabla 2 proporciona una comparación de los Las áreas bajo los valores de la curva ROC que
puntajes de verificación para cada evento. La caracterizan el poder potencial de discriminación
desviación estándar promedio de los sesgos del pronóstico probabilístico de exceder 0.5 mm h-
multiplicativos del pronóstico del tiempo de 1 comienzan en 0.92-0.95 a los 30 minutos y
anticipación de 30 min está en el rango de 0.3-0.8. disminuyen a 0.69-0.79 a los 120 minutos. Para el
Excepto por el evento del 19 al 20 de julio de 2014, pronóstico probabilístico de exceder 5.0 mm h-1
los sesgos se mantienen muy por debajo de 1 dB comienzan en 0.88-0.90 y disminuyen a 0.62 para
para todos los tiempos de entrega, lo que es un los casos convectivos y a 0.50 para los casos
resultado positivo. Por supuesto, estos son valores estratiformes (sin discriminación).
De todos estos resultados podemos concluir que no
hay mucha predictibilidad más allá de 2 h de tiempo
de espera al extrapolar las 4 imágenes compuestas
de radar de banda C en Bélgica. Por lo tanto, un
tiempo de espera máximo de 2 h en STEPS-BE es
una buena opción. Extender este tiempo de espera
requiere combinar la extrapolación de radar con la
salida de los modelos de PNT para aumentar la
predictibilidad de la precipitación.
5. Conclusiones
en conjunto de 20 miembros en tiempo real se difunde a una resolución de 1 km y 5 min. hasta 2 h de tiempo de espera
utilizando los cuatro compuestos de radar de banda C de Bélgica. Comparado con la implementación original, STEPS-
BE incluye una interpolación basada en núcleo de vectores de flujo óptico para obtener campos de velocidad más suaves
y una mejora para generar ruido estocástico solo dentro del compuesto de radar advectado para respetar el dominio de
la validez. de los nowcasts.
El rendimiento de STEPS-BE se verificó utilizando las observaciones de radar como referencia en cuatro estudios de
casos que causaron inundaciones en las ciudades de Gante y Lovaina durante los años 2013 y 2014. Se verificó el
pronóstico de conjunto de las siguientes cuatro acumulaciones de 30 minutos utilizando el sesgo multiplicativo, el RMSE,
así como algunos puntajes categóricos derivados de la tabla de contingencia: la probabilidad de detección, la proporción
de falsa alarma y la puntuación de habilidad de Gilbert (puntaje de habilidad equitativa). La distribución espacial de los
sesgos multiplicativos reveló las regiones de sobreestimación y subestimación sistemáticas por STEPS. Las
subestimaciones a menudo se asocian con las ubicaciones de iniciación convectiva y crecimiento de tormentas
eléctricas, que STEPS no puede predecir. Por otro lado, las regiones de sobrestimación se deben principalmente a la
subestimación de la lluvia por las observaciones verifica- doras en lugar de la disminución sistemática de las
precipitaciones (ver Foresti y Seed, 2015, para una discusión más detallada). Para desenredar el pronóstico y los sesgos
de observación, se necesita un conocimiento detallado sobre la distribución espacial de los errores de medición del
radar para una situación climática dada. Los sesgos multiplicativos sobre las ciudades de Lovaina y Gante son muy
bajos (de 0.5 a 0.5 dB), lo cual es un buen punto de partida para integrar STEPS como transmisiones en los modelos
hidráulicos del sistema de alcantarillado. La verificación de pronóstico categórico ayudó a descubrir los lugares con baja
probabilidad de detección debido a la iniciación convectiva en el frente de la banda de lluvia y la alta proporción de falsas
alarmas en el parte posterior de la banda de lluvia, probablemente debido a una extrapolación de lluvia demasiado lenta
por parte de STEPS. Los diagramas de confiabilidad demostraron que las predicciones probabilísticas que exceden 0.5
mm h-1 tienen una habilidad de hasta 60-90 minutos. Por el contrario, las características de convección que exceden
5.0 mm h-1 son solo predecibles hasta 30 min. En términos de confiabilidad y capacidad de discriminación, también se
observó que las predicciones de eventos convectivos tienen más habilidades que las de eventos estratiformes. Los
conjuntos STEPS se caracterizan por un cierto grado de subestimación de la incertidumbre del pronóstico, con valores
del conjunto extendidos cerca del 75-90% del error de pronóstico.
La contribución actual se centró en la verificación de STEPS-BE nowcasts utilizando solo cuatro casos de precipitación
de diferente carácter. Las verificaciones deterministas y categóricas requieren muchos más casos para analizar la
distribución climatológica de los errores de pronóstico, por ejemplo, como se hizo en Foresti y Seed (2015). Por otro
lado, la verificación probabilística y de enmiendas reúne los datos en espacio y tiempo y converge mucho más rápido a
las estadísticas estables.
Desde una perspectiva de investigación, STEPS-BE
también podría ampliarse incluyendo un modelo
estocástico para dar cuenta de los errores de medición
de radar residuales, en particular para obtener
estimaciones más precisas de la incertidumbre del
pronóstico a corto plazo. El marco STEPS también
permite combinar el nowcast de extrapolación con la
salida de los modelos de NWP, que es un paso necesario
para aumentar la predictibilidad de la precipitación para
los tiempos de entrega más allá de las 2 h.
- Sesgo multiplicativo: