¿Qué es el error de predicción?
El error de predicción meteorológica es la discrepancia entre el pronóstico emitido por un modelo o meteorólogo y las condiciones que finalmente se observan. Todo pronóstico contiene errores: la cuestión no es si hay error, sino cuánto y de qué tipo. La ciencia de la verificación de pronósticos se dedica a cuantificar, clasificar y analizar estos errores para mejorar los sistemas de predicción.
Tipos de error
Los errores de predicción se clasifican en varias categorías. El error sistemático (bias) es una tendencia persistente del modelo a sobreestimar o subestimar una variable; por ejemplo, un modelo que siempre predice 1 °C más de lo observado. El error aleatorio varía de caso a caso sin patrón fijo y está relacionado con la naturaleza caótica de la atmósfera. El error de fase ocurre cuando el modelo predice un fenómeno (una borrasca, un frente) en el momento o lugar correcto pero desplazado en el tiempo o el espacio.
Métricas principales
Las métricas más utilizadas son el RMSE (Root Mean Square Error), que penaliza los errores grandes; el MAE (Mean Absolute Error), que trata todos los errores por igual; el bias (error medio), que mide la tendencia sistemática; y el skill score, que compara el modelo con una referencia (climatología o persistencia). Para eventos binarios (llueve/no llueve), se usan el índice de Brier, la tasa de aciertos (hit rate) y la tasa de falsas alarmas.
Crecimiento del error con el tiempo
El error crece inexorablemente con el horizonte de predicción debido a la naturaleza caótica de la atmósfera. Para la temperatura a 2 m, el RMSE típico es de 1-2 °C a 24 h, 2-3 °C a 72 h, y 3-5 °C a 7 días. Para la precipitación, la degradación es más rápida. Este crecimiento es el fundamento de por qué los pronósticos más allá de 10 días son poco fiables en detalle.
WikiMeteo