Debido a la naturaleza caótica de la atmósfera, pronóstico del tiempo, incluso con modelos de predicción meteorológica numérica en constante mejora, eventualmente pierden su precisión. Los meteorólogos tienen un fuerte deseo de comprender mejor este proceso mientras intentan rastrear el error de pronóstico hasta las brechas de observación y proporcionar un medio de mejora.

Error cuadrático medio (rms, o su plaza, la distancia de varianza) se utiliza a menudo para medir diferencias entre campos simulados y observados. En este caso, Los científicos midieron la distancia entre un campo de pronóstico de modelo dentro de su cuadrícula y el campo de análisis de verificación que representa todas las observaciones del mundo real. Sin embargo, hay que tener en cuenta que las características atmosféricas, Los frentes similares y los sistemas de presión son características meteorológicas tridimensionales en el espacio que los modelos informáticos desplazan y también distorsionan estructuralmente a medida que el pronóstico numérico se aleja de la iniciación. Las métricas de error de varianza o rms no cuantifican el desplazamiento y la distorsión de los sistemas meteorológicos.

En un artículo publicado recientemente en Avances en ciencias atmosféricas , un equipo de científicos de la Administración Nacional Oceánica y Atmosférica (NOAA), el Instituto de Tecnología de Massachusetts (MIT), y la Universidad de Connecticut se propuso encontrar un enfoque general para evaluar los componentes posicionales y estructurales de la diferencia total entre dos campos. Esencialmente, Los meteorólogos quieren evaluar la precisión de muchas características meteorológicas diferentes dentro de un pronóstico de modelo en comparación con un análisis de verificación basado en observaciones del mundo real.

Sai Ravela del MIT, un coautor de este estudio, desarrolló previamente un método de alineación de campo. En este caso, Este enfoque alinea el campo de pronóstico del modelo con el análisis basado en la observación de manera fluida para minimizar la diferencia. Próximo, Los errores a pequeña escala de origen incierto se eliminan de los tres campos (el pronóstico original y alineado, así como el análisis de verificación, o proxy de observaciones) a través de un proceso llamado filtrado espacial o suavizado. La distancia de varianza total, o diferencia, luego se divide en tres componentes únicos. Error posicional, que es la distancia de varianza entre el pronóstico del modelo original suavizado y los campos de pronóstico alineados suavizados, y error estructural que es la distancia de varianza entre el pronóstico alineado suavizado y los campos de análisis de verificación suavizados, son dos lados de un triángulo rectángulo, y ruido de escala fina, cuáles son los errores inciertos a pequeña escala eliminados del análisis de verificación y pronóstico del modelo original, o campos de observación.

Este método genera los tres componentes de error ortogonales como campos escalares, así como un campo vectorial que indica el desplazamiento a gran escala del pronóstico en comparación con el campo de análisis observacional. Curiosamente, en todas las regiones y plazos de entrega que estudió el equipo, más de la mitad de la varianza del error total está asociada con la ubicación incorrecta de las características meteorológicas. Por lo tanto, el desplazamiento es más pronunciado que la distorsión en los campos de pronóstico:solo alrededor del 25% de la varianza del error se asocia con inexactitudes estructurales de las características parcialmente predecibles, como frentes y sistemas de baja presión. El resto de la varianza del error sigue siendo una variabilidad inexplicable o impredecible, o ruido.

"Cómo aumenta el ruido en la variación del error en función del tiempo de espera previsto, y si una descomposición del ruido estructural-posicional de la dispersión entre un conjunto de pronósticos perturbados captura los componentes del error de pronóstico es objeto de estudios en curso, "dijo el Dr. Jankov de NOAA, el autor principal del estudio.