Corrección de bias para pronósticos de precipitación del modelo ETA/SENAMHI

Abstract

Actualmente, los modelos numéricos son una herramienta bien importante para el pronóstico del tiempo e investigación de los diversos procesos que ocurren en la atmosfera. Debido a la fuerte influencia que tienen los factores meteorológicos sobre las diferentes actividades humanas, es de gran requerimiento tener pronósticos mucho más precisos y aterrizados, especialmente de variables tan importante como lo es la precipitación. Sin embargo, los modelos no siempre presentan simulaciones que sean consistente con lo observado y generalmente tiene errores sistemáticos y aleatorios que deben ser analizados. Es por ello que un paso importante en la generación de pronósticos numéricos es el pos-procesamiento de las salidas del modelo, que se realiza a través de técnicas de ajustes de bias usando modelos estadísticos calibrados con series históricas de datos observados y del modelo, proceso comúnmente conocido como Model Output Statistic (MOS). Existen una gran variedad de técnicas estadísticas que se requiere desarrollar, calibrar y validar con el fin de eliminar los errores sistemáticos de los modelos. En ese contexto y teniendo la alta complejidad de pronosticar la precipitación debido a su alta dependencia a la geografía y de procesos a diferentes escalas, el presente trabajo tiene como objetivo calibrar y validar cuatro metodologías de corrección de bias para la precipitación pronosticada del modelo ETA/SENAMHI con la finalidad de conocer la habilidad y limitaciones de estos.