Detectando errores en los modelos numéricos de predicción

Identificando las faltas de correspondencia entre las condiciones observadas y la salida del modelo

Página de bienvenida del módulo

En esta lección se verá algunos métodos apropiados para hacer estas comparaciones manteniendo el enfoque en los procesos atmosféricos más amplios

NWP Comparisons: Total-column Variables

o Idiomas: Inglés
o Fecha de publicación: 2019-03-22
o Nivel de dificultad: 3 '
o Tiempo de estudio: 0 - .25 h
o Incluye sonido: sí
o Complementos necesarios: no
o Temas: Modelización numérica (PNT)

Otra manera de identificar las faltas de correspondencia entre las condiciones observadas y la salida del modelo consiste en examinar las variables de columna total. Hay varias que se pueden considerar y ofrecen un método de comparación relativamente sencillo para identificar las faltas de correspondencia que se pueden corregir. En esta lección veremos algunos métodos apropiados para hacer estas comparaciones manteniendo el enfoque en los procesos atmosféricos más amplios.

Esta lección es la segunda de una serie de lecciones en formato de video que presenta tres métodos diferentes para modificar la salida del modelo y agregar valor al pronóstico.

Objetivos

Evaluar la salida relevante del modelo cotejándola con las integraciones de columna total observadas.
• Analizar las faltas de correspondencia con su propio modelo mental tridimensional y cortes verticales.
• Identificar un proceso que pueda explicar la falta de correspondencia.

Comenzar la lección

COMET METED

Esta entrada se publicó en Noticias en 07 Abr 2019 por Francisco Martín León