LA PREDICCION ESTADISTICA ESTACIONAL DE LA LLUVIA EN EL

COMAHUE COMO HERRAMIENTA PARA LA TOMA DE DECISIONES

Dra. Marcela Hebe González CIMA/CONICET-UBA

DCAO FCEN UBAgonzalez@cima.fcen.uba.ar

 

OBJETIVO Generar pronósticos estadísticos de precipitación estacional

IMPORTANCIA:

Los recursos energéticos en Argentina provienen en gran medida de centrales hidroeléctricas que operan en la región del Comahue, como "El Chocón" y "Piedra del Aguila".

jan

feb

mar apr

may jun jul

aug

sep

oct

nov

dec

0250500750

10001250150017502000

RN RL

pp m

ensu

al a

cum

ulad

a(de

cimas

de

mm

)

1975-2012

METODOLOGIACorrelación entre pp media areal en MJJ y ASO con anomalías de TSM, G1000, G500, G200, U850 y V850 (Reanálisis NCEP) en Abril y Setiembre.

Definición de predictores

Aplicación de modelo de regresión múltiple lineal; forward stepwise.

Predictores con sustento físico e independientes entre si

Eficiencia probada utilizando la metodología de validación cruzada o crossvalidación que implica recalcular el modelo con n-1 datos

Modelo para la pp de MJJ en RL

P (MJJ, RL) = -1551,7 S1 - 132,1 G1 +1485,7 M1 + 200763,9

1975

1977

1979

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

010002000300040005000600070008000 precipitación MJJ RL

observada estimada

pp(

10*m

m)

Varianza explicada 66,5%Correlación 0,51

Forzante de TSM tropical G200: Ondas de Rossby en el Pacífico V850: Fase ENOS

Modelo para la pp de MJJ en RN

P(MJJ, RN) = -1120,1 S2 –10,94 G2 + 92673,4

 TSM G500

1975

1977

1979

1981

1983

1985

1987

1989

1991

1993

1995

1997

1999

2001

2003

2005

2007

0500

100015002000250030003500400045005000 precipitación MJJ RN

observada estimada

pp

(dec

imas

de

mm

)

Varianza explicada 47%Correlación 0,45

Modelo para la pp de ASO en RL y RN

P(ASO, RL) = –13,94 G3 + 3952,1 (30%)P(ASO, RN) = –9,4 G4 + 769,1 S3 – 16769,9

(42%)G1000 Pacífico TSM Pacífico subtropical

Campos compuestos de G1000 en julio para los años húmedos (pp ASO RL> segundo tercil; 272 mm) y para los años secos (pp< primer tercil ;

200 mm)

EFICIENCIAso

bre Pp> 2º

tercil norm a

l

1º tercil>pp>2º tercil

sub Pp<1º

tercil

  H (%) POD (%) FAR (%)Pp sobre MJJ RL 82 73 27Pp sub MJJ RL 76 64 36

Pp sobre MJJ RN 70 55 45Pp sub MJJ RN 70 55 45

Pp sobre ASO RL 55 29 38Pp sub ASO RL 82 63 38

Pp sobre ASO RN 82 73 27Pp sub ASO RN 76 64 36

EFICIENCIA  MJJ RL ASO RL MJJ RN ASO RN

pp media observada (mm) 479,5 244,1 281,6 114,6

pp media estimada (mm) 477,9 243,2 288,1 112,8

primer tercil observado (mm) 418,1 200,2 235,5 77,0segundo tercil observado

(mm) 558,1 272,0 312,7 137,5

primer tercil estimado (mm) 409,8 220,2 251,4 92,9

segundo tercil estimado (mm) 550,8 270,0 317,8 140,6

% aciertos de categorías 48,5 57,6 45,5 48,5

% fallos en 1 categoría 48,5 36,4 48,5 48,5

% de fallos en 2 categorías 3,0 6,1 6,1 3,0

correlación precipitación estimada y observada 0,5 0,46 0,45 0,45

MODELO CUALITATIVO DE PREDICCIÓN DE LLUVIA ESTACIONAL

Prono cualitativo

1. Predictores

del mes previo para

cada trimestre

2. Para un trimestre

en particular se observa

el comportami

ento

3. Se establece si predomina el patrón

sub, sobre o normal

4. Se compara

con lo observado

luego.

MODELO CUALITATIVO DE PREDICCIÓN DE LLUVIA ESTACIONAL

Limay Limay Neuquen Neuquenaño trimestre pp estimada ppobservada pp estimada ppobservada

2009 MJJ 2010 MJJ

JJA n n JAS n n ASO n n SON OND n n NDE

2011 DEF n EFM n n FMA sin pronóstico n sin pronóstico n MAM n n AMJ sin pronóstico sin pronóstico MJJ JJA n n JAS ASO SON n n OND NDE n

2012 DEF sin pronóstico sin pronóstico EFM FMA sin pronóstico sin pronóstico MAM n AMJ n n n MJJ JJA JAS n ASO SON OND NDE

2013 DEF n n n n EFM n n FMA n n n n MAM n n n n AMJ n n MJJ n n JJA n n n

RL: 35 pronos %

RN: 35 pronos %

19 aciertos 54,3 17 aciertos 48,610 fallos 1

cat 28,616 fallos 1

cat 45,76 fallos 2

cat 17,12 fallos 2

cat 5,7

Pp estacional estimada y observada en RL y RN generada observando

los patrones de comportamiento de

variables meteorológicas el mes

previo

verde: sobrenormal, marrón: subnormal, celeste: normal).

CONCLUSIONES

Se desarrollaron modelos de regresión lineal múltiples para estimar la precipitación estacional de MJJ y ASO en RL y RN

Los 3 factores precursores de la pp MJJ fueron: TSM en el Océano Índico tropical, el tren de ondas sobre el Océano Pacífico y la fase ENOS

En el caso de pp ASO predominó la dinámica de capas bajas

La eficiencia es buena cuando se pronostica lluvia sobre y subnormal en RN pero fue mejor el pronóstico de sobre en RL

La aplicación del método cualitativo de pronóstico trimestral en base a patrones previos, indicaron que el porcentaje de acierto es del 54% en RL y 48% en RN.

Agradecimientos• Los datos fueron provistos

por la Administración Interjurisdiccional de las Cuencas de los Ríos Negro, Limay y Neuquén (AIC), el Servicio Meteorológico Nacional (SMN) y la Secretaría de Recursos Hídricos de la Nación. • Este trabajo fue financiado por los proyectos UBACyT 2010-2012 CC02, UBACyT 2011-2014 01/Y128, CONICET PIP 112-200801-00195, PICT 2010-2110.

• Los campos de las variables met fueron provistas por NOAA/ESRL Physical Sciences Division, Boulder Colorado desde su página web: http://www.esrl.noaa.gov/psd

MUCHAS GRACIAS!!