Projecte S2S4E una eina digital que interpreta i analitza amb gran precisió els pronòstics estacionals i sub-estacionals.

Estem davant d’una eina de millora en la predicció meteorològica, sumant a les previsions estacionals a les previsions subestacionals. La bona noticia és que el projecte esta obert i és accessible fins al 30 de gener, l’únic que teniu que fer és registrar-vos i validar el correu ho podeu fer a: https://s2s4e-dst.bsc.es/#/ fent clic a Access Tool, podeu jugar amb l’eina i fer previsions a 1/2/3/4 setmanes i a 1/2/3 mesos amb diferents variables., crec que per tots els friki meteos val la pena fer una ullada i podreu fer prèvies fins el mes de març amb una de les millors eines més novedoses de predicció a mig i llarg termini.

La base de dades S2S conté previsions subestacionals (fins a 60 dies) (de vegades coneguts com a retrocessos) procedents d’11 centres operatius i de recerca. Es basa en part en la base de dades THORPEX Interactive Grand Global Ensemble (TIGGE) per a les previsions de rang mitjà (fins a 15 dies) 7 i el projecte Climate-System Historical Forecast (CHFP) per a les previsions estacionals.

S2S4E oferirà un servei innovador per millorar la gestió de la variabilitat dels RE /Recursos energètics) mitjançant el desenvolupament de nous mètodes de recerca que exploren les fronteres de les condicions meteorològiques per a les properes setmanes i mesos. (Pàgina web S2S4E)

La base del projecte és una eina anomenada SKILLS què es un percentatge indicatiu de com millor és el pronòstic en comparació a la climatologia: el que es fa és donar els tercils (que recordem es un % de probabilitat d’estar “per sobre”, “per sota” o en el “normal” de la mitjana climàtica) és a dir un 33,3%, el que surt a la foto com Above (x sobre) Normal (normal) i below (per sota). Si la boleta esta en gris el significat és que no hi ha skill i per tant l’eina no dóna un millor resultat que la previsió climatològica.

Les puntuacions del SKILL(destresa) proporcionades al DST van seguides de termes descriptius que mesuren qualitativament el rendiment de la previsió.
Aquests termes són justos (skill superior "above" al 0% i inferior "below" al 15%), bones "good"(habilitat entre el 15% i el 30%) i molt bones "very good" (habilitat superior al 30%).

Per exemple aquest quadre ens mostra un skill que millora la probabilitat del que seria la previsió ordinària i qualifica l’skill amb un 14% per tant molt pròxim al 15%,, recordeu quant el punts surten desactivats en gris significa que no hi ha millora del pronòstic respecte el pronostic climàtic, observeu en el gràfic de sota que quant la bola és més grossa significa que el % de millora de la previsió és més alta, en aquest exemple estem mirant la variable Temperatura i el color ja ens és indicatiu (taronja mitjana superior blau mitjana inferior) si us fixeu el forecast la previsió és que la temperatura estigui per sobre la mitjana en un 53% amb una millora de probabilitat respecte el que deia la previsió climatològica molt bona ja que el skill supera el 30% per tant estaria en molt bona.

Com podeu veure l’eina és molt intuïtiva podeu posar el grau de skill, definint el % que us interessa, teniu moltíssimes variables meteorològiques i energètiques que podeu escollir en el quadre de l’esquerra, podeu definir dates i teniu sobre setmanes o mesos simplement fent clic.

Agrair a l’empresa Nnergix Weather analytics service dedicada a les energies renovables i la meteorologia que porten 3 anys col·laborant en el projecte S2S4E (https://s2s4e.eu/), per contactar amb mi i per començar una col·laboració mútua, i poder experimentar amb aquest gran projecte.

web: https://www.nnergix.com/

Twitter:

@nnergix

@S2S4E