Predicción empírica en el Atlántico Norte: invierno de 1976 y verano de 1994

Abstract

[ES]En este trabajo se presentan unos ejemplos concretos de una serie de pronósticos elaborados con un modelo de predicción empírica. El modelo se basa en la Descomposición en Valores Singulares de la matriz de covarianza cruzada calculada entre dos variables climatológicas: el predictor y el predictando. El campo predictor está constituido por las anomalías de la temperatura de la superficie del mar en el Atlántico Norte, y el campo predictando son las anomalías de la temperatura del aire a 850 hPa sobre el mismo dominio. Los ejemplos que se van a mostrar ilustran los resultados del modelo y corresponden a dos situaciones extremas: el invierno de 1976 y el verano de 1994. El modelo de predicción admite dos variantes: la primera trabaja con campos filtrados y la segunda con un esquema estacional. El análisis de los ejemplos para ambos casos muestra que el modelo sí parece reproducir el signo de las anomalías de temperatura, pero no la amplitud, a no ser que se trate de valores extremos.

[EN]In this work we present some examples among a set of forecasts performed by using an empirical forecast model. The model is based on the Singular Value Decomposition of the cross-covariance matrix between two climatic variables: the predictor and the predictand field. As predictor field we have considered the sea surface temperature anomalies over the North Atlantic basin and as predictand field the anomalous values of air temperature at 850 hPa over roughly the same domain. The case studies to be shown correspond to two extreme situations: the winter of 1976 and the summer of 1994. Our forecasts can be carried out following two different schemes: the former works on filtered fields and the latter works on seasonal fields. The analysis of the case studies for both procedures show the model can capture successfully the sign of the air temperature anomalies. However the amplitude of the anomalies is well forecasted as long as they are extreme values.