Verificación de pronósticos por ensamble en alta resolución generados a partir del Sistema de Asimilación de Datos y Pronóstico Numérico del Servicio Meteorológico Nacional en dos casos de estudio

YAÑEZ, DAN; DILLON, MARIA EUGENIA; MALDONADO, PAULA; GARCÍA SKABAR, YANINA

METEOROLOGICA

CENTRO ARGENTINO DE METEORÓLOGOS

Lugar: Buenos Aires; Año: 2024

0325-187X

En este trabajo se busca evaluar el desempeño de los pronósticos probabilísticos en altaresolución (4 km) generados a partir del Sistema de Asimilación de datos y Pronósticonumérico del Servicio Meteorológico Nacional de Argentina (SAP.SMN) y estudiar elimpacto de las condiciones iniciales en los mismos, considerando pronósticos inicializados apartir de un ensamble de análisis regionales (AReg) y de análisis globales (SAP.SMN-ENS).Se seleccionaron 2 casos de estudio para analizar el desempeño de ambos pronósticos,caracterizados por el desarrollo de convección húmeda profunda y precipitación intensa sobreel centro-este de Argentina y Uruguay, ocurridos el 26-27 de febrero y el 6-7 de marzo de2022. Para verificar los pronósticos probabilísticos se utilizaron datos de estimacióncuantitativa de precipitación por satélite SQPE-OBS, reflectividad máxima de radares debanda C, datos de estaciones convencionales y radiosondeos. En líneas generales, se puedeconsiderar que AReg mostró un mejor desempeño para el caso 1 y SAP.SMN-ENS lo hizo enel caso 2, indicando un impacto significativo de las condiciones iniciales en el desempeño delpronóstico. En ambos casos de estudio, ambos experimentos logran representaradecuadamente los sistemas convectivos respecto de los datos de radar, con ciertas diferencias en la posición e intensidad de los mismos, dando como resultado una subestimación de laprecipitación acumulada en 24 horas en las zonas de máxima precipitación estimada porSQPE-OBS. Estos resultados son alentadores respecto de la inclusión de observacioneslocales en la condición inicial de los pronósticos numéricos en alta resolución delSAP.SMN-ENS y motivan a seguir avanzando en el desarrollo de un sistema regional deasimilación de datos que permita mejorar la precisión de los pronósticos, investigandoaspectos como la configuración y la estrategia de asimilación