Estadísticas de resultados del modelo (MOS)

MOS (Model Output Statistics) es la técnica de post-procesamiento de los resultados de modelos de previsión meteorológica numérica utilizando estadísticas de mediciones locales históricas o mediciones actuales del tiempo. El servicio MOS mejora sustancialmente la exactitud de los datos históricos de temperatura, humedad, velocidad del viento y la radiación (otras variables se pueden especificar a solicitud).

Modelos estadísticos puros son excelentes en "nowcasting" (la previsión meteorológica local a corto plazo), pero son generalmente sin valor más allá de unas seis horas, ya que su precisión es entonces más baja que la de los modelos físicos. La técnica MOS combina los resultados del modelo y las estadísticas, mediante el uso de los complejos modelos numéricos basados ​​en la física de la atmósfera para predecir los patrones climáticos a gran escala, y el uso de ecuaciones de regresión en post-procesamiento estadístico para aclarar los detalles del tiempo de superficie.

Podemos proporcionar una estimación de la mejora con el MOS, si usted nos envía los datos de medición de la(s) estación(s) en cuestión de por lo menos 1 año, obtenidos en o después de 2004, preferentemente a partir de 2008 en formato .csv. Las mediciones pueden tener una resolución de tiempo arbitrario (10 minutos, 15 minutos, 1h, 3h) que es mayor que 1 minuto y menor de 3 horas. La misma serie de tiempo también puede cambiar el intervalo durante el periodo de medición (por ejemplo, 5 meses con 10 minutos de datos seguido de 7 meses con los datos de 1h es también muy bien). Además, necesitamos los nombres (ID), las coordenadas y (si es posible) la altitud de las estaciones. Por otra parte, debemos saber, en la que la altitud (encima del suelo) los sensores de las variables se encuentran y qué zona horaria (huso horario) se utiliza para la tabla de medición (datos).

Ejemplo de archivo:

STATIONID;latitude (decimal degrees);longitude (decimal degrees);altitude (m asl.)
myStation;23.42;-173.23;134.5
TIME (UTC) YYYYMMDD hh:mm; wind speed (m/s)
20150101 00:10;3.46
20150101 00:20;2.45
20150101 00:30;23.45
20150101 00:40;13.44
20150101 00:50;4.43
20150101 01:00;1.44
20150101 01:10;-999
20150101 01:20;-999
20150101 01:30;13.24
20150101 01:40;13.24
20150101 01:50;13.24

Este es un ejemplo para datos de 10 min. Datos por horas también son buenos. No intente a interpolar los valores con el fin de cerrar los datos vacíos, ya que esto dará lugar a una disminución de la calidad de la previsión. Marque los valores perdidos como -999 o no incluir estos pasos de tiempo en absoluto en el archivo.

La precisión es generalmente mejor que un modelo estadístico puro o que un resultado del modelo numérico (NMM) puro.