| Summary: | Ponencia presentada en: III Congreso de la Asociación Española de Climatología “El agua y el clima”, celebrado en Palma de Mallorca del 16 al 19 de junio de 2002. [ES]El objetivo de este trabajo es desarrollar un esquema de predicción empírico que pueda superar los niveles de la habilidad de predicción obtenidos con el modelo de la persistencia. Por este motivo, se ha desarrollado un modelo estadístico de predicción, que tiene como núcleo la Descomposición en Valores Singulares de una matriz. Esta técnica produce pares de patrones que explican la máxima covarianza entre dos campos. Como campo predictor se han escogido las anomalías de la superficie del mar y como campo predictando, las anomalías de la temperatura del aire al nivel de 850 hPa, ambos en la cuenca Noratlántica. El esquema de predicción opera en campos estacionales, es decir el predictor y el predictando se dividen en cuatro conjuntos, atendiendo al ciclo estacional. En el caso del campo predictor, cada conjunto se denomina TOR. Cada TOR predice por separado una estación en el predictando, al variar el intervalo de antelación requerido en la predicción. Los resultados de los pronósticos muestran que la habilidad de predicción es buena en dos regiones del dominio, una región cercana a Bermuda y otra en la Península Ibérica. La habilidad de predicción también presenta una gran dependencia con la estación predictanda, siendo en el verano cuando se alcanzan los mejores pronósticos. [EN]The main goal of this work is the developing of an empirical forecast scheme capable of beating the skill levels obtained by the persistence model. We have built a statistical forecast model which has as its core the Singular Value Decomposition of a matrix. This technique yields pairs of patterns that explain the maximum covariance between two fields. We have chosen as predictor field the sea surface temperature anomalies and as predictand field the air temperature anomalies at 850 hPa, both in the North Atlantic basin. The forecasts scheme works on seasonal fields. ...
|
|---|