Predicción estacional de condiciones anómalas en el Atlántico Norte

Abstract

[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. In this case both, the predictor and predictand fields are divided into four sets, according to the seasonal cycle. For the predictor field, each of the sets is named TOR. Each TOR forecasts separately one predictand season, as the time lead increases. The results show the highest skill levels at two regions: one around Bermuda and the other over the Iberian Peninsula. The skill of forecasts has a strong seasonal dependence. Summer forecasts turn out to be the most successful.