Cenma forecast tools, linear regression models, neural networks models, deterministic models

1. WRF en CENMA.
07.10.2010, Primer Encuentro Nacional de Modelación Atmosférica.
Claudio Cortés Norambuena.
Licenciado en Meteorología.
Centro Nacional del Medio Ambiente, CENMA.

2. WRF en CENMA.
ANTECEDENTES
• 1998. Sistema de pronóstico MP10, Santiago.
• 2002. Sistema de pronóstico Ozono, Santiago.
• 2007. Sistema de pronóstico MP10, Temuco.
• 2010. Sistema de pronóstico MP10, Rancagua.

3. WRF en CENMA.
Herramientas de pronóstico, modelos:
• No existe la técnica perfecta , cada una tiene sus fortalezas y
debilidades.
• Los modelos son sólo herramientas, no el sistema de
pronóstico en sí mismo.
Por lo tanto :
• El sistema de pronóstico de CENMA consiste en un enfoque
fenomenológico.
• Basado en el juicio experto y el conocimiento de las
debilidades y fortalezas de cada una de las herramientas.
• El enfoque fenomenológico es la única técnica que permite
integrar variables cuantitativas y cualitativas.

4. WRF en CENMA.
Sistema de pronóstico.
ENTRADAS
Variables
observadas y Herramientas Juicio Experto
PMCA de Pronóstico (Pronóstico Final)
pronosticadas a
diferentes
escalas

5. WRF en CENMA.
Acierto PMCA, temporada 2010.
PMCA: Potencial Meteorológico de Contaminación Atmosférica
1-5 (Buenas-Malas condiciones de dispersión)

6. WRF en CENMA.
Desempeño modelo Cassmassi, temporada 2010.

7. WRF en CENMA.
Modelo oficial Cassmassi: Joseph Cassmassi (1999-2000).
Regresión múltiple.
ENTRADAS :
• Día de la semana.
• PM10: Media de 24H a las 10AM por estación.
• Radiosondeos Santo Domingo.
• PMCA (Potencial Meteorológico de Contaminación
Atmosférica, 1 a 5).
SALIDA: Máximo promedio móvil para las próximas 24 horas
para cada una de las estaciones de la red MACAM.

8. WRF en CENMA.
Desempeño MOS-CENMA , temporada 2009.

9. WRF en CENMA.
Modelo complementario 1, MOS-CENMA: Yukio Misumi (1998-
2000), Claudio Cortés (2006). Regresión Múltiple con
coeficientes autoajustables.
ENTRADAS, GFS (GRIB 2.5 x2.5 ):
• Diferencia de la Temperatura Virtual entre 700 y 850 hPa.
• Intensidad del viento zonal en 850 hPa.
• Máxima media móvil de PM10 24H hasta las 16PM, para cada
estación de la red MACAM.
SALIDA: Promedio móvil de 24H para las 00, 06, 12 y 18 horas,
hasta 72 en adelante, para cada estación de la red MACAM.

10. WRF en CENMA.
Desempeño modelo Neuronal-CENMA , temporada 2009.

11. WRF en CENMA.
Modelo complementario 2, Neuronal-CENMA: Claudio Cortés
(2005). Redes Neuronales.
ENTRADAS ETA-CPTEC (40x40 KM):
• Día de la semana y mes.
• Temperatura, Pressión, Humedad Relativa, Viento y
Cobertura Nubosa (Max, Min, Media para cada variables).
• Max 24H PM10 promedio hasta las 16PM para cada estación
de la red MACAM.
SALIDA: Máximo promedio móvil para las próximas 24 horas
para cada una de las estaciones de la red MACAM.

12. WRF en CENMA.
DEBILIDADES DE LOS MODELOS ACTUALES
MODELO MOS-CENMA (GFS):
• Baja sensibilidad.
• Subestimación.
• Resolución temporal: 6 horas.
MODELO NEURONAL-CENMA (ETA):
• Muy alta sensibilidad.
• Sobreestimación.
• Integra solo variables de superficie.

13. WRF en CENMA.
CENMA-WRF para Santiago. http://aire.cenma.cl

14. WRF en CENMA.
CENMA-WRF para Santiago.
• 4 veces al día (0, 6, 12 y 18 UTC).
• Entradas GFS GRIBS (0,25 x 0,25 ).
• Duración de la corrida: 1,5 hrs app .
• Pronóstico cada 1 hora hasta 96 horas.
• 4x 4 KM para la RM
• Servidor DELL PowerEdge 2950: 8x2,66 GHZ, 8 MB RAM, 1TB
HDD, conexión ADSL 2 mb/s.

15. WRF en CENMA.
CENMA-WRF para Santiago.
• Mejor resolución espacial (4x4 Km).
• Mejor resolución temporal (1 Hr).
• Determinar con mejor precisión fenómenos de pequeña
escala.
• Generar productos derivados (meteogramas, perfiles, etc).
• Condiciones de entrada para modelos de dispersión
(evaluaciones de impacto ambiental).
• Desarrollar modelos de pronóstico de calidad de aire de
mayor precisión.

16. WRF en CENMA.
Convenio de transferencia tecnológica DRI-CENMA.
• Caracterización de Fuentes Emisoras.
• Implementación de WRF-Chem.

17. WRF en CENMA.
Trabajo en Progreso: Conexión WRF-Red Meteorológica
CENMA.

18. WRF en CENMA.
Trabajo en Progreso: Elaboración de Inventarios de emisiones,
conexión WRF-Monitoreo de Calidad del Aire (MACAM)

19. WRF en CENMA.
Trabajo en Progreso: Modelos de pronóstico calidad del aire
para Santiago.
Modelo Estadístico.
Condiciones de inicio desde WRF-CENMA.
Pronóstico de MP10, MP2.5 y Ozono.
Resolución Temporal: 1 hora.
Anticipación: 96 horas.
Autoajuste y correción de errores basado en RNA.

20. WRF en CENMA.
07.10.2010, Primer Encuentro Nacional de Modelación Atmosférica.
Claudio Cortés Norambuena.
Licenciado en Meteorología.
Centro Nacional del Medio Ambiente, CENMA.

21. CENMA forecasting tools.
Cassmassi performance, 2010 Cassmassi performance, 2010
Only model. Model with expert adjustment.
89.1% 97.9%
Global accuracy Global accuracy
23.1% 15.4%
Not alerted events Not alerted events
33.3% 15.4%
Fake alerts Fake alerts