Medio siglo del Centro Europeo de Predicción a Plazo Medio (ECMWF) Parte 2: Principales contribuciones al avance de la predicción numérica del tiempo
DOI:
https://doi.org/10.30859/ameTyCn89p16Citas
Alexe, M. et al., 2024. GraphDOP: Towards skilful data-driven medium-range weather forecasts learnt and initialised directly from observations. arXiv:2412.15687 [physics.ao-ph]. https://doi.org/10.48550/arXiv.2412.15687
Balsamo, G. et al., 2020: The ERA5 global reanalysis. Quarterly Journal of the Royal Meteorological Society, 146(730), 1999–2049. https://doi.org/10.1002/qj.3803
Bauer, P., Thorpe, A., Brunet, G., 2015. The quiet revolution of numerical weather prediction. Nature, 525(7567), 47-55. https://doi.org/10.1038/nature14956
Bauer, P., 2024: What if? Numerical weather prediction at the crossroads. Journal of the European Meteorological Society, 1. https://doi.org/10.1016/j.jemets.2024.100002
Buontempo, C. et al., 2022: The Copernicus Climate Change Service: Climate Science in Action. Bull. Amer. Meteor. Soc., 103(12), E2669–E2687. https://doi.org/10.1175/ BAMS-D-21-0315.1
Buizza, R. and Richardson, D., 2017: 25 years of ensemble forecasting at ECMWF, ECMWF newsletter No.number 153, pag 20-31, https://doi.org/10.21957/bv418o
Chantry, M., Ben Bouallegue, Z., Magnusson, L., Maier-Gerber, M., Dramsch, J., 2023. The rise of machine learning in weather forecasting. ECMWF Science Blog, https:// www.ecmwf.int/en/about/media-centre/science-blog/2023/rise-machine-learningweather-forecasting
Courtier P., E. Andersson, W. Heckley, J. Pailleux, D. Vasiljevic, M. Hamrud, A. Hollingsworth, F. Rabier and M. Fisher, 1998: The ECMWF implementation of three-dimensional variational assimilation (3D-Var). I: Formulation.Q. J. R. Meteorol. Soc., Vol 124, No. 550, pp 1783, https://doi.org/10.1002/qj.49712455002
ECMWF, 2017: 20 years of 4D-Var: better forecasts through a better use of observations. Disponible en https://www.ecmwf.int/en/about/media-centre/news/2017/20-years-4d-var-better-forecasts-throughbetter-use-observations
ECMWF, 2022: 25 years of 4D-Var: how machine learning can improve the use of observations. Disponible en https://www.ecmwf.int/en/about/media-centre/news/2022/25-years-4d-var-how-machinelearning-can-improve-use-observations
ECMWF, 2022: 30 years of ensemble forecasting at ECMWF. Disponible en https://www.ecmwf.int/en/about/media-centre/focus/2022/30-years-ensemble-forecastingecmwf#:~:text=ECMWF%20was%20one%20of%20the,a%20range%20of%20environmental%20services
Keisler, R., 2022: Forecasting Global Weather with Graph Neural Networks.arXiv:2202.07575 [physics.ao-ph]. https://doi.org/10.48550/arXiv.2202.07575
Lang, S. et al. 2024. AIFS -- ECMWF’s data-driven forecasting system. ar-Xiv:2406.01465 [physics.ao-ph]. https://doi.org/10.48550/arXiv.2406.01465
Molteni, F., R. Buizza, T.N. Palmer, T. Petroliagis,1996: The ECMWF ensemble prediction system: methodology and validation. Q. J. R.. Meteorol. Soc., 122, pp. 73-119, https://doi.org/10.1002/qj.49712252905
Peuch, V.-H. et al., 2022: The Copernicus Atmosphere Monitoring Service: From Research to Operations. Bull. Amer. Meteor. Soc., 103 (12), E2650–E2668. https://doi.org/10.1175/BAMS-D-21-0314.1
Rabier, F., H. Järvinen, E. Klinker, J.-F. Mahfouf, A. Simmons, 2000: The ECMWF operational implementation of four-dimensional variational assimilation. I: Experimental results with simplified physics. Q. J. R. Meteorol. Soc., 126, 1143-1170, https://doi.org/10.1002/qj.49712656415
Talagrand , O. y Courtier , P., 1987: Variational assimilation of meteorological observations with the adjoint vorticity equation- Part I. Theory. Q. J. R. Meteorol. Soc. 113 , 1311 – 1328, https://doi.org/10.1002/qj.49711347812
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2025 Ernesto Rodríguez Camino
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Las obras que se publican en esta revista están sujetas a los siguientes términos:
1. La revista conserva los derechos patrimoniales (copyright) de las obras publicadas, y favorece y permite la reutilización de las mismas bajo la licencia indicada en el punto 2.
2. Las obras se publican en la edición electrónica de la revista bajo una licencia Creative Commons ReconocimientoNoComercialSinObraDerivada3.0 España (texto legal). Sepueden copiar, usar, difundir, transmitir y exponer públicamente, siempre que se cite la autoría, la url, y la revista, y no se usen para fines comerciales.
3. Los autores están de acuerdo con la licencia de uso utilizada por la revista, con las condiciones de autoarchivo y con la política de acceso abierto.
4. En caso de reutilización de las obras publicadas debe mencionarse la existencia y especificaciones de la licencia de uso además de mencionar la autoría y fuente original de su publicación.
