Un modelo de pronóstico de ciclones tropicales es un programa informático que utiliza datos meteorológicos para pronosticar aspectos del estado futuro de los ciclones tropicales . Hay tres tipos de modelos: estadístico, dinámico o estadístico-dinámico combinado. [1] Modelo de pronóstico dual. Tanto los pronósticos de consenso como los de superconjunto pueden utilizar la guía de las ejecuciones de modelos globales y regionales para mejorar el rendimiento más que cualquiera de sus componentes respectivos. Las técnicas utilizadas en el Centro Conjunto de Alerta de Tifones indican que los pronósticos de superensamblaje son una herramienta muy poderosa para pronosticar la trayectoria.
Orientación estadística
La primera guía estadística utilizada por el Centro Nacional de Huracanes fue la Técnica Analógica de Huracanes (HURRAN), que estaba disponible en 1969. Utilizaba la base de datos de ciclones tropicales del Atlántico Norte recientemente desarrollada para encontrar tormentas con trayectorias similares. Luego cambió sus pistas a través de la trayectoria actual de la tormenta y usó la ubicación, la dirección y la velocidad del movimiento, y la fecha para encontrar análogos adecuados. El método funcionó bien con las tormentas al sur del paralelo 25 que aún no se habían vuelto hacia el norte, pero mal con los sistemas cerca o después de la recursividad. [2] Desde 1972, el modelo estadístico de Climatología y Persistencia (CLIPER) se ha utilizado para ayudar a generar pronósticos de trayectoria de ciclones tropicales. En la era de los pronósticos dinámicos hábiles, CLIPER ahora se utiliza como línea de base para mostrar la habilidad del modelo y del pronosticador. [3] El Pronóstico Estadístico de Intensidad de Huracanes (SHIFOR) se ha utilizado desde 1979 para pronosticar la intensidad de ciclones tropicales. Utiliza la climatología y la persistencia para predecir la intensidad futura, incluido el día juliano actual , la intensidad actual del ciclón, la intensidad del ciclón hace 12 horas, la latitud y longitud inicial de la tormenta, así como su zona (este-oeste) y meridional (norte-sur). ) componentes del movimiento. [2]
Una serie de modelos estadístico-dinámicos, que utilizaron ecuaciones de regresión basadas en la salida de CLIPER y la última salida de los modelos de ecuaciones primitivas ejecutados en el Centro Meteorológico Nacional, luego Centros Nacionales de Predicción Ambiental , se desarrollaron entre las décadas de 1970 y 1990 y se denominaron NHC73. NHC83, NHC90, NHC91 y NHC98. [1] [4] Dentro del campo de la predicción de la trayectoria de ciclones tropicales , a pesar de la guía de modelos dinámicos en constante mejora que se produjo con un mayor poder computacional, no fue hasta la década de 1980 cuando la predicción numérica del tiempo mostró habilidad , y hasta la década de 1990 cuando superó sistemáticamente a los modelos estadísticos o dinámicos simples. [5] En 1994, se creó una versión de SHIFOR para el noroeste del Océano Pacífico para el pronóstico de tifones , conocido como Pronóstico Estadístico de Intensidad de Tifones (STIFOR), que utilizó los datos de 1971-1990 para esa región para desarrollar pronósticos de intensidad hasta 72 horas. en el futuro. [6]
En lo que respecta al pronóstico de la intensidad, el Esquema Estadístico de Predicción de la Intensidad de Huracanes (SHIPS) utiliza relaciones entre las condiciones ambientales del Sistema de Pronóstico Global (GFS), como la cizalladura vertical del viento y las temperaturas de la superficie del mar , la climatología y la persistencia (comportamiento de las tormentas) a través de múltiples técnicas de regresión. elaborar un pronóstico de intensidad para los sistemas en los océanos Atlántico norte y Pacífico nororiental. [1] Se desarrolló un modelo similar para el noroeste del Océano Pacífico y el hemisferio sur conocido como Sistema Estadístico de Predicción de Intensidad (STIPS), que tiene en cuenta las interacciones terrestres a través de las condiciones ambientales de entrada del modelo del Sistema de Predicción Global Operacional de la Marina (NOGAPS). [7] La versión de BUQUES con un componente de descomposición tierra adentro se conoce como Buques de descomposición (DSHIPS). El modelo de ecuación de crecimiento logístico (LGEM) utiliza la misma entrada que SHIPS pero dentro de un sistema de predicción dinámica simplificado. [1] Dentro del pronóstico de lluvia de ciclones tropicales , el modelo de climatología y persistencia de lluvia (r-CLIPER) se desarrolló utilizando datos de lluvia de microondas de satélites en órbita polar sobre el océano y mediciones de lluvia de primer orden desde la tierra, para obtener una precipitación realista distribución de ciclones tropicales según el pronóstico de trayectoria del Centro Nacional de Huracanes. Ha estado en funcionamiento desde 2004. [8] Se ha desarrollado un modelo estadístico-paramétrico de radios de viento para su uso en el Centro Nacional de Huracanes y el Centro Conjunto de Alerta de Tifones que utiliza la climatología y la persistencia para predecir la estructura del viento hasta cinco días en el futuro. [2]
Guiado dinámico
Durante 1972, se desarrolló el primer modelo para pronosticar marejadas ciclónicas a lo largo de la plataforma continental de los Estados Unidos, conocido como el Programa Especial para Enumerar la Amplitud de las Mareas de Huracanes (SPLASH). [9] En 1978, comenzó a funcionar el primer modelo de seguimiento de huracanes basado en la dinámica atmosférica , el modelo de malla fina móvil (MFM). [10] El modelo de área limitada cuasi-lagrangiana (QLM) es un modelo de ecuación primitiva multinivel que utiliza una cuadrícula cartesiana y el sistema de pronóstico global (GFS) para las condiciones de contorno. [2] A principios de la década de 1980, se descubrió que la asimilación de los vientos derivados de satélites a partir de imágenes de vapor de agua, infrarrojas y satelitales visibles mejoraba la predicción de la trayectoria de los ciclones tropicales. [11] El modelo de huracanes del Laboratorio de Dinámica de Fluidos Geofísicos (GFDL) se utilizó con fines de investigación entre 1973 y mediados de la década de 1980. Una vez que se determinó que podía demostrar habilidad en la predicción de huracanes, una transición de varios años transformó el modelo de investigación en un modelo operativo que podría ser utilizado por el Servicio Meteorológico Nacional para pronósticos de trayectoria e intensidad en 1995. [12] Para 1985, El modelo Sea Lake y Overland Surges from Hurricanes (SLOSH) se había desarrollado para su uso en áreas del Golfo de México y cerca de la costa este de los Estados Unidos, que era más robusto que el modelo SPLASH. [13]
El Modelo de Advección Beta (BAM) se ha utilizado operacionalmente desde 1987 usando vientos de dirección promediados a través de la capa de 850 hPa a 200 hPa y el efecto Beta que hace que una tormenta se desplace hacia el noroeste debido a las diferencias en el efecto coriolis a través del ciclón tropical. [14] Cuanto mayor sea el ciclón, mayor será el impacto del efecto beta. [15] A partir de 1990, tres versiones del BAM se ejecutaron operativamente: los vientos promedio BAM poco profundos (BAMS) en una capa de 850 hPa a 700 hPa, el BAM medio (BAMM) que usa vientos promedio en un 850 hPa a 400 hPa capa, y BAM Deep (BAMD), que es el mismo que el BAM anterior a 1990. [4] Para un huracán débil sin una actividad de tormenta central bien desarrollada, BAMS funciona bien, porque las tormentas débiles tienden a ser dirigidas por vientos de bajo nivel. [1] A medida que la tormenta se vuelve más fuerte y la actividad de tormenta asociada cerca de su centro se vuelve más profunda, BAMM y BAMD se vuelven más precisos, ya que estos tipos de tormentas son dirigidos más por los vientos en el nivel superior. Si el pronóstico de las tres versiones es similar, entonces el pronosticador puede concluir que hay una incertidumbre mínima, pero si las versiones varían mucho, entonces el pronosticador tiene menos confianza en la pista pronosticada debido a la mayor incertidumbre. [16] Las grandes diferencias entre las predicciones del modelo también pueden indicar cizalladura del viento en la atmósfera, lo que también podría afectar el pronóstico de intensidad. [1]
Probado en 1989 y 1990, el modelo Vic Ooyama Barotropic (VICBAR) utilizó una representación spline-B cúbica de variables para el análisis objetivo de observaciones y soluciones a las ecuaciones de predicción de aguas someras en dominios anidados, con las condiciones de contorno definidas como las globales. modelo de pronóstico. [17] Se implementó operativamente como el modelo barotrópico de transformación sinusoidal de área limitada (LBAR) en 1992, utilizando el GFS para las condiciones de contorno. [2] Para 1990, Australia había desarrollado su propio modelo de marejada ciclónica que podía ejecutarse en unos pocos minutos en una computadora personal. [18] La Agencia Meteorológica de Japón (JMA) desarrolló su propio Modelo de Tifones (TYM) en 1994, [19] y en 1998, la agencia comenzó a utilizar su propio modelo dinámico de marejada ciclónica . [20]
El modelo de Investigación y Pronóstico del Tiempo de Huracanes (HWRF) es una versión especializada del modelo de Investigación y Pronóstico del Tiempo (WRF) y se utiliza para pronosticar la trayectoria y la intensidad de los ciclones tropicales . El modelo fue desarrollado por la Administración Nacional Oceánica y Atmosférica (NOAA), el Laboratorio de Investigación Naval de EE. UU. , La Universidad de Rhode Island y la Universidad Estatal de Florida . [21] Entró en funcionamiento en 2007. [22] A pesar de las mejoras en la predicción de trayectorias, las predicciones de la intensidad de un ciclón tropical basadas en predicciones meteorológicas numéricas siguen siendo un desafío, ya que los métodos estadísticos siguen mostrando una mayor habilidad que la guía dinámica. [23] Aparte de la orientación especializada, orientación global como GFS, modelo unificado (UKMET), NOGAPS, modelo espectral global japonés (GSM), modelo del Centro Europeo de Previsiones Meteorológicas a Medio Plazo , Action de Recherche Petite Echelle Grande Echelle de Francia (ARPEGE) y los modelos Aire Limit´ee Adaptation Dynamique Initialisation (ALADIN), el modelo del Centro Nacional de Pronóstico del Tiempo a Mediano Alcance (NCMRWF) de la India, el Sistema Global de Asimilación y Predicción de Datos (GDAPS) de Corea y los modelos del Sistema Regional de Asimilación y Predicción de Datos (RDAPS) , El modelo del modelo espectral regional operacional de Hong Kong / China (ORSM) y el modelo canadiense del modelo ambiental global multiescala (GEM) se utilizan con fines de seguimiento e intensidad. [2]
Oportunidad
Algunos modelos no producen resultados lo suficientemente rápido como para usarse en el ciclo de pronóstico inmediatamente después de que el modelo comienza a ejecutarse (incluidos HWRF, GFDL y FSSE). La mayoría de los modelos de pistas anteriores (excepto CLIPER) requieren datos de modelos meteorológicos globales , como el GFS, que producen resultados aproximadamente cuatro horas después de los tiempos sinópticos de 0000, 0600, 1200 y 1800, hora universal coordinada (UTC). Para la mitad de sus pronósticos, el NHC emite pronósticos solo tres horas después de esa hora, por lo que algunos modelos "tempranos", NHC90, BAM y LBAR, se ejecutan utilizando un pronóstico de 12 horas para el tiempo actual. Los modelos "tardíos", como GFS y GFDL, terminan después de que ya se ha emitido el aviso. Estos modelos se interpolan a la posición actual de la tormenta para su uso en el siguiente ciclo de pronóstico, por ejemplo, GFDI, la versión interpolada del modelo GFDL. [1] [24]
Métodos de consenso
El uso de un consenso de modelos de pronóstico reduce el error de pronóstico. [25] Trackwise, el modelo GUNA es un consenso de las versiones interpoladas de GFDL, UKMET con control de calidad aplicado al rastreador de ciclones, los modelos NOGAPS de la Marina de los Estados Unidos y GFS. La versión de GUNA corregida por los sesgos del modelo se conoce como CGUN. El consenso TCON es el consenso GUNA más el modelo Hurricane WRF. La versión del TCON corregida para los sesgos del modelo se conoce como TCCN. Un promedio rezagado de las dos últimas corridas de los miembros dentro del TCON más el modelo ECMWF se conoce como consenso TVCN. La versión de TVCN corregida para los sesgos del modelo es el consenso de TVCC. [1]
A principios de 2013, NAVGEM reemplazó a NOGAPS como el principal modelo operativo global de pronóstico de la Marina. Para la temporada 2013, y hasta que pueda ocurrir la verificación del modelo, no se está utilizando en el desarrollo de pronósticos de consenso.
Para la intensidad, una combinación de los modelos LGEM, GFDL interpolado, HWRF interpolado y DSHIPS se conoce como consenso ICON. El promedio rezagado de las dos últimas corridas de modelos dentro del consenso ICON se denomina consenso IVCN. [1] En todo el Pacífico noroccidental y el hemisferio sur, se forma un consenso STIPS de diez miembros a partir de los resultados de NOGAPS, GFS, el GSM japonés, el Sistema acoplado de predicción de mesoescala océano / atmósfera (COAMPS), el UKMET y el TYM japonés. , el GFDL con condiciones de frontera NOGAPS, el Modelo de la Agencia Meteorológica de la Fuerza Aérea (AFWA), el Sistema Australiano de Predicción de Área Local de Ciclones Tropicales y el Modelo Barotrópico de Weber. [7]
Métodos de conjunto
Ningún modelo es perfectamente exacto porque es imposible aprender exactamente todo sobre la atmósfera de manera lo suficientemente oportuna, y las mediciones atmosféricas que se toman no son completamente precisas. [26] El uso del método de pronóstico de conjunto, ya sea un conjunto de múltiples modelos o numerosos miembros de conjunto basados en el modelo global, ayuda a definir la incertidumbre y limitar los errores adicionales. [27] [28]
La JMA ha producido un sistema de pronóstico de conjunto de 11 miembros para tifones conocido como Sistema de Predicción de Conjunto de Tifones (TEPS) desde febrero de 2008, que se ejecutará en 132 horas en el futuro. Utiliza una versión de menor resolución (con mayor espaciado de cuadrícula) de su GSM, con diez miembros perturbados y un miembro no perturbado. El sistema reduce los errores en un promedio de 40 kilómetros (25 millas) cinco días en el futuro en comparación con su GSM de mayor resolución. [29]
El Florida State Super Ensemble (FSSE) se produce a partir de un conjunto de modelos que luego utiliza ecuaciones de regresión estadística desarrolladas durante una fase de entrenamiento para reducir sus sesgos, lo que produce pronósticos mejores que los modelos de miembros o su solución media. Utiliza 11 modelos globales, incluidos cinco desarrollados en la Universidad Estatal de Florida , el Modelo Unificado, el GFS, el NOGAPS, el NOGAPS de la Marina de los Estados Unidos, el modelo del Centro de Investigación de la Oficina Australiana de Meteorología (BMRC) y la Recherche en Prévision Numérique (RPN ) de Canadá. ) modelo. Demuestra una habilidad significativa en las predicciones de trayectoria, intensidad y lluvia de ciclones tropicales. [30]
La ayuda de pronóstico de aproximación sistemática (SAFA) fue desarrollada por el Centro Conjunto de Alerta de Tifones para crear un pronóstico de consenso selectivo que eliminó de la consideración los pronósticos más erróneos en un marco de tiempo de 72 horas utilizando el modelo NOGAPS de la Marina de los Estados Unidos, el GFDL, el Meteorológico de Japón Modelos globales y de tifones de la agencia, así como el UKMET. Todos los modelos mejoraron durante los cinco años de historia de SAFA y la eliminación de pronósticos erróneos resultó difícil en las operaciones. [31]
Teoría de las manchas solares
Un informe de 2010 correlaciona una baja actividad de manchas solares con una alta actividad de huracanes . Al analizar los datos históricos, había una probabilidad del 25% de que al menos un huracán azotara los Estados Unidos continentales durante un año pico de manchas solares; un 64% de probabilidad durante un año con pocas manchas solares. En junio de 2010, los predictores de huracanes en los EE. UU. No estaban usando esta información. [32]
Precisión del modelo de pronóstico de huracanes
La precisión de los modelos de pronóstico de huracanes puede variar significativamente de una tormenta a otra. Para algunas tormentas, los factores que afectan la trayectoria del huracán son relativamente sencillos, y los modelos no solo son precisos sino que producen pronósticos similares, mientras que para otras tormentas los factores que afectan la trayectoria del huracán son más complejos y diferentes modelos producen pronósticos muy diferentes. [33]
Ver también
- Pronóstico de ciclones tropicales
- Pronóstico de lluvia de ciclones tropicales
- Predicción del tiempo
Referencias
- ^ a b c d e f g h i Centro Nacional de Huracanes (julio de 2009). "Resumen técnico de los modelos de intensidad y seguimiento del Centro Nacional de Huracanes" (PDF) . Administración Nacional Oceánica y Atmosférica . págs. 1-7 . Consultado el 26 de febrero de 2011 .
- ^ a b c d e f Chan, Johnny CL y Jeffrey D. Kepert (2010). Perspectivas globales sobre ciclones tropicales: de la ciencia a la mitigación . World Scientific. págs. 288-292. ISBN 978-981-4293-47-1. Consultado el 24 de febrero de 2011 .
- ^ Knaff, John A .; Demaria, Mark; Sampson, Charles R .; Gross, James M. (febrero de 2003). "Pronósticos estadísticos de intensidad de ciclones tropicales de 5 días derivados de la climatología y la persistencia" (PDF) . Clima y pronóstico . 18 : 80–81. Código Bibliográfico : 2003WtFor..18 ... 80K . doi : 10.1175 / 1520-0434 (2003) 018 <0080: SDTCIF> 2.0.CO; 2 . ISSN 1520-0434 . Consultado el 25 de febrero de 2011 .
- ^ a b Simpson, Robert H. (2003). ¡Huracán !: afrontando el desastre: avances y desafíos desde Galveston, 1900 . Unión Geofísica Americana . pag. 110. ISBN 978-0-87590-297-5. Consultado el 25 de febrero de 2011 .
- ^ Franklin, James (20 de abril de 2010). "Verificación del pronóstico del Centro Nacional de Huracanes" . Centro Nacional de Huracanes . Consultado el 2 de enero de 2011 .
- ^ Chu, Jan-Hwa (noviembre de 1994). "Un modelo de regresión para el pronóstico de intensidad de ciclones tropicales del Pacífico norte occidental" . Laboratorio de Investigaciones Navales de los Estados Unidos . Consultado el 15 de marzo de 2011 .
- ^ a b Sampson, Charles R., John A. Knaff y Mark DeMaria (1 de marzo de 2006). "Un consenso de modelo de intensidad estadística para el centro conjunto de alerta de tifones" (PDF) . Consultado el 15 de marzo de 2011 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Consejo Nacional de Investigaciones (EE. UU.). Comité sobre el futuro de las misiones de medición de las precipitaciones, Consejo Nacional de Investigación (EE. UU.). Junta de Ciencias Atmosféricas y Clima (2007). El papel de la NOAA en la estimación y aplicación de la precipitación global basada en el espacio . Prensa de Academias Nacionales. ISBN 978-0-309-10298-8.
- ^ Jelesnianski, CP, J. Chen y WA Shaffer (abril de 1992). "SLOSH: marejadas marítimas, lacustres y terrestres causadas por huracanes. Informe técnico de la NOAA NWS 48" (PDF) . Administración Nacional Oceánica y Atmosférica . pag. 2 . Consultado el 15 de marzo de 2011 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Shuman, Frederick G. (septiembre de 1989). "Historia de la predicción numérica del tiempo en el Centro Meteorológico Nacional" . Clima y pronóstico . 4 (3): 286-296. Código Bibliográfico : 1989WtFor ... 4..286S . doi : 10.1175 / 1520-0434 (1989) 004 <0286: HONWPA> 2.0.CO; 2 . ISSN 1520-0434 .
- ^ Le Marshall; JF; LM Leslie y AF Bennett (1996). "Ciclón tropical Beti : un ejemplo de los beneficios de asimilar datos de viento satelital por hora" (PDF) . Revista Meteorológica Australiana . 45 : 275.
- ^ Laboratorio de Dinámica de Fluidos Geofísicos (28 de enero de 2011). "Previsión de intensidad y seguimiento operacional de huracanes" . Administración Nacional Oceánica y Atmosférica . Consultado el 25 de febrero de 2011 .
- ^ Jarvinen BJ y CJ Neumann (1985). "Una evaluación del modelo de marejada ciclónica SLOSH" . Boletín de la Sociedad Meteorológica Estadounidense . 66 (11): 1408-1411. Código Bibliográfico : 1985BAMS ... 66.1408. . doi : 10.1175 / 1520-0477-66.11.1408 .
- ^ Glosario de meteorología (junio de 2000). "Efecto Beta" . Sociedad Meteorológica Estadounidense . Archivado desde el original el 6 de junio de 2011 . Consultado el 5 de mayo de 2008 .
- ^ "Sección 1. Influencias en el movimiento de ciclones tropicales" . Marina de los Estados Unidos . 2011 . Consultado el 25 de febrero de 2011 .
- ^ Warner, Thomas Tomkins (2010). Predicción numérica del tiempo y el clima . Prensa de la Universidad de Cambridge . págs. 266-275. ISBN 978-0-521-51389-0. Consultado el 11 de febrero de 2011 .
- ^ Demaria, Mark; Aberson, Sim D .; Ooyama, Katsuyuki V .; Señor, Stephen J. (1992). "Un modelo espectral anidado para el pronóstico de la trayectoria de huracanes" . Revisión mensual del clima . 120 (8): 1628–1643. Código bibliográfico : 1992MWRv..120.1628D . doi : 10.1175 / 1520-0493 (1992) 120 <1628: ANSMFH> 2.0.CO; 2 . ISSN 1520-0493 .
- ^ Hubbert, Graeme D., Greg J. Holland, Lance M. Leslie, Michael J. Manton (marzo de 1991). "Técnicas informáticas: un sistema en tiempo real para pronosticar marejadas ciclónicas tropicales" . Clima y pronóstico . 6 (1): 86–87. Código Bibliográfico : 1991WtFor ... 6 ... 86H . doi : 10.1175 / 1520-0434 (1991) 006 <0086: ARTSFF> 2.0.CO; 2 . ISSN 1520-0434 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Zschau, Jochen y Andreas N. Küppers (2003). Sistemas de alerta temprana para la reducción de desastres naturales . Saltador. pag. 172. ISBN 978-3-540-67962-2. Consultado el 16 de marzo de 2011 .
- ^ Higaki, Masakazu, Hironori Hayashibara y Futoshi Nozaki (20 de abril de 2009). "Esquema del modelo de predicción de marejadas ciclónicas en la Agencia Meteorológica de Japón" (PDF) . Agencia Meteorológica de Japón . pag. 25 . Consultado el 15 de marzo de 2011 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ "La precisión del pronóstico del tiempo se impulsa con el nuevo modelo de computadora" . Comunicado de prensa de UCAR . Archivado desde el original el 19 de mayo de 2007 . Consultado el 9 de julio de 2007 .
- ^ "Nuevo modelo avanzado de huracanes ayuda a los pronosticadores de la NOAA" . Revista NOAA . Consultado el 9 de julio de 2007 .
- ^ Rappaport, Edward N .; Franklin, James L .; Ávila, Lixion A .; Baig, Stephen R .; Beven, John L .; Blake, Eric S .; Burr, Christopher A .; Jiing, Jiann-Gwo; Juckins, Christopher A .; Knabb, Richard D .; Landsea, Christopher W .; Mainelli, Michelle; Mayfield, Max; McAdie, Colin J .; Pasch, Richard J .; Sisko, Christopher; Stewart, Stacy R .; Tribble, Ahsha N. (abril de 2009). "Avances y desafíos en el Centro Nacional de Huracanes". Clima y pronóstico . 24 (2): 395–419. Código Bibliográfico : 2009WtFor..24..395R . CiteSeerX 10.1.1.207.4667 . doi : 10.1175 / 2008WAF2222128.1 .
- ^ Franklin, James L. (21 de mayo de 2006). "Informe de verificación de pronóstico del Centro Nacional de Huracanes 2005" (PDF) . Centro Nacional de Huracanes . pag. 6 . Consultado el 26 de febrero de 2011 .
- ^ Kimberlain, Todd (junio de 2007). "Charla de intensidad y movimiento de ciclones tropicales" . Predicción Centro Hidrometeorológico . Consultado el 21 de julio de 2007 .
- ^ Epstein, ES (diciembre de 1969). "Predicción dinámica estocástica". Tellus . 21 (6): 739–759. Código Bibliográfico : 1969Tell ... 21..739E . doi : 10.1111 / j.2153-3490.1969.tb00483.x .
- ^ Grimit, Eric P .; Mass, Clifford F. (octubre de 2004). "Redefinición de la relación de habilidades de extensión de conjunto desde una perspectiva probabilística" (PDF) . Universidad de Washington . Archivado desde el original (PDF) el 12 de octubre de 2008 . Consultado el 2 de enero de 2010 .
- ^ Zhou, Binbin; Du, Jun (febrero de 2010). "Predicción de niebla de un sistema de predicción de conjunto de mesoescala multimodelo" (PDF) . Clima y pronóstico . 25 (1): 303–322. Código Bibliográfico : 2010WtFor..25..303Z . doi : 10.1175 / 2009WAF2222289.1 . Consultado el 2 de enero de 2011 .
- ^ Yamaguchi, Munehiko & Takuya Komori (20 de abril de 2009). "Esquema del sistema de predicción de conjuntos de tifones en la Agencia Meteorológica de Japón" (PDF) . Agencia Meteorológica de Japón . págs. 14-15 . Consultado el 15 de marzo de 2011 .
- ^ Palmer, Tim y Renate Hagedorn (2006). Previsibilidad del tiempo y el clima . Prensa de la Universidad de Cambridge. págs. 532–545. ISBN 978-0-521-84882-4. Consultado el 26 de febrero de 2011 .
- ^ Sampson, Charles R., John A. Knaff y Edward M. Fukada (junio de 2007). "Notas y correspondencia: evaluación operativa de un consenso selectivo en la cuenca del Pacífico norte occidental". Clima y pronóstico . 22 (3): 671–675. Código Bib : 2007WtFor..22..671S . doi : 10.1175 / WAF991.1 .CS1 maint: varios nombres: lista de autores ( enlace )
- ^ Waymer, Jim (1 de junio de 2010). "Investigadores: menos manchas solares, más tormentas". Melbourne, Florida: Florida hoy. págs. 1A.
- ^ [NULO]. "Huracanes: ciencia y sociedad: precisión del modelo de pronóstico de huracanes" .
enlaces externos
- Guía de referencia para meteorólogos de ciclones tropicales, capítulo 5
- Análisis de modelos y pronósticos de NCEP
- Información y antecedentes del modelo de pronóstico del Centro Nacional de Huracanes