la predicción del tiempo a partir de modelos numéricos

Nº 22 - Junio - Julio - Agosto de 2004
LA PREDICCIÓN DEL TIEMPO A PARTIR DE MODELOS NUMÉRICOS
Luis Alfonso López Álvarez
MSC. Meteorología
Pronosticador – Ingeniero de Sistemas IDEAM. (Colombia)
[email protected]
RESUMEN
El presente artículo hace una aproximación a algunos de los temas que son involucrados en la modelación
numérica del tiempo, de manera muy superficial, haciendo tal vez énfasis en la problemática que involucra
efectuar pronósticos del tiempo a partir de modelos numéricos. Es notablemente cierto el hecho que para la
obtención de un buen pronóstico, adicional a las herramientas disponibles para la modelación del tiempo, es
necesario contar con personal experimentado en tales tareas, con conocimientos sólidos en la climatología
misma de los lugares para los cuales se pretende hacer pronóstico. La instalación misma de un modelo de
predicción, por sí sola, no conlleva un éxito asegurado en la elaboración de un pronóstico; es necesario contar
con los recursos y el tiempo necesarios para efectuar pruebas, las cuales si no son siempre suficientes, son
apropiadas para determinar que los resultados obtenidos a partir de los modelos son adecuados y pueden ser
considerados como válidos para elaborar pronósticos.
Palabras clave: Modelación numérica; modelos numéricos de predicción.
ABSTRACT
The numerical weather modelling is a constant and latent preoccupation in all the forecast centers of the
world. The systems of numerical weather modelling include, among other requirements, the analysis of
meteorological data in a place and to one hour determined, for, as of that moment, to try to consider the
future conditions of the same one. The present article makes an approach to some of the subjects that are
involved in the numerical modelling of weather, of very superficial way, doing perhaps emphasis in the
problematic one that it involves to carry out prognoses of the time from numerical models. The fact that stops
the obtaining of a good prognosis, additional is remarkably certain to the tools available for the modelling the
weather, is necessary to count on personnel experienced in such tasks, with solid knowledge in the same
climatology of the places for which it is tried to make prognosis. The same installation of a prediction model,
by itself, does not entail a success ensured in the processing of a prognosis; it is necessary to count on the
resources and the time necessary to carry out tests, which if they are not always sufficient, are appropriate to
determine that the results obtained from the models are adapted and can be considered like valid to process
forecast.
Key words: Numerical modelling; numerical weather models.
1. INTRODUCCIÓN
Los modelos numéricos son muy útiles para la predicción del tiempo a corto y mediano plazo. Muchos de los
Centros Meteorológicos del mundo, los de mayor avance científico, cuentan con un grupo de científicos
trabajando arduamente en la investigación y desarrollo de los modelos de predicción numérica, con el objetivo
de lograr perfeccionar el pronóstico.
Estos modelos de predicción pueden ser implementados a través de técnicas numéricas que representan la
atmósfera, mediante el uso adecuado de las observaciones existentes, o incluso, desarrollando nuevos tipos de
observación.
Hoy día, las salidas de los modelos de Predicción Numérica del tiempo son una de las herramientas más
comúnmente utilizadas por los pronosticadores en los Servicios Meteorológicos. Por ello, es de utilidad el
conocer las características físicas y dinámicas en las que se basan estos modelos, para así, poder evaluar su
comportamiento y tomar decisiones cuando utilizan sus diferentes campos como herramientas para elaborar
sus pronósticos.
2. ASPECTOS METODOLÓGICOS
2.1. Modelamiento Numérico
Es el proceso mediante el cual se obtiene un pronóstico objetivo del estado futuro de la atmósfera mediante la
solución de un grupo de ecuaciones que describen la evolución de un grupo de variables (temperatura,
velocidad y dirección del viento, humedad, presión) que a su vez definen el estado de la atmósfera.
El proceso se inicia con el análisis del estado actual de la atmósfera utilizando un pronóstico a muy corto plazo
y adicionando las observaciones disponibles para ello con el fin de lograr una mejor descripción del verdadero
estado actual de la atmósfera. A partir de allí se ejecuta un modelo en computador para producir el pronóstico.
Todos los modelos numéricos de la atmósfera se basan el mismo grupo de ecuaciones que gobiernan la
atmósfera y las cuales son descritas en términos no-matemáticos (De advección, De conservación de la Masa o
De Continuidad, Hidrostática, Termodinámica, De Estado, De Vapor de Agua). Los modelos numéricos difieren
entre sí en las aproximaciones y suposiciones hechas en la aplicación de éstas ecuaciones y en como ellas son
resueltas para la representación de los diferentes procesos físicos.
2.1.1. Componentes de un modelo numérico
La estructura básica de un modelo numérico está compuesta por un grupo de componentes que interactúan
entre sí en orden de producir un pronóstico objetivo.
Estos componentes básicos, (figura 1.) son la asimilación de los datos, las parametrizaciones, la dinámica del
modelo (dinámica atmosférica), y finalmente el módulo de predicción misma del modelo en consideración.
El primer paso es la asimilación de los datos la cual se hace usualmente en forma secuencial. El modelo
organiza y propaga la información desde observaciones previas. La información de nuevas observaciones es
usada para modificar el estado del modelo y hacerlo lo más consistente posible.
Luego viene la parametrización de los diferentes procesos físicos de la atmósfera, tales como la radiación, la
convección y los intercambios en los bordes o límites del modelo. Estos procesos necesitan ser representados
numéricamente; algunos de los mismos ocurren en una escala que es demasiado pequeña para ser resuelta de
acuerdo a la resolución del modelo.
Los esquemas de parametrización pueden hacer suposiciones de acuerdo a restricciones computacionales
involucradas en el proceso. El desarrollo de estos esquemas involucra una muy cerrada cooperación entre los
diferentes grupos de investigación. Los grupos de procesos atmosféricos ejecutan estudios de observaciones y
modelamiento independientes que ayudan a entender los procesos físicos que ocurren en la atmósfera.
Algunos procesos a parametrizar son:
La Radiación, (figura 2.) la cual está dada por la emisión del sol y su representación, es esencial en un modelo
numérico de predicción.
La radiación en la atmósfera se divide en onda corta y onda larga. La onda corta es debida a la emisión directa
del sol sobre la superficie de la tierra, y puede ser absorbida por las nubes, algunos gases atmosféricos;
también puede ser reflejada al espacio.
Figura 1. Estructura general de los componentes de los modelos numéricos de predicción
Figura 2. Figura genérica de la radiación solar
Figura 3. Incidencia del tipo de suelo y vegetación en el modelamiento numérico
Los flujos de onda corta dependen principalmente del ángulo del cenit del sol, el cual varía de acuerdo a la
latitud, época del año y hora del día; también depende de la nubosidad y del tipo de albedo del suelo.
Los flujos de onda larga dependen de la cantidad de emisión media y la emisividad de la tierra.
Los procesos superficiales y sub-superficiales, (figura 3.) donde se determina, por ejemplo, la influencia del
tipo de suelo y de vegetación.
Nubes de gran escala y su precipitación, (figura 4.) donde se considera valores explícitos de cantidad de cielo
cubierto, junto con valores separados de vapor de agua y razón de mezcla en nubes de hielo (Estebaranz,
1996).
La precipitación convectiva, (figura 5.) la cual se inicia por una prueba de inestabilidad convectiva; si la
temperatura potencial de algún nivel es mayor que la del nivel inmediatamente superior, se inicia la
convección (García-Moya, 1996). Esta continuará hasta cuando el aire caliente continúe ascendiendo, debido a
su menor densidad.
La orografía, factor fundamental en la precipitación en Colombia. El esquema de orografía parametriza los
efectos en la capa límite de la atmósfera y su topografía en escalas de 10 Kms o menos. Esta parametrización
se calcula en términos de un coeficiente constante de arrastre y depende linealmente de la silueta de la
orografía, y considera un coeficiente de rugosidad dependiendo del tipo de vegetación. Esta fórmula se basa en
la teoría de Monin-Obukov, usada para calcular los flujos superficiales.
Seguidamente se considera la dinámica del modelo numérico, la cual es condicionada por las ecuaciones que
gobiernan la atmósfera.
Figura 4. Nubes de gran escala y su precipitación
Figura 5. Esquema de la dinámica convectiva
Estas ecuaciones son escritas en un sistema de coordenadas esféricas y discretizadas horizontalmente en una
grilla regular en latitud, longitud. En la configuración global, la grilla de los polos coincide con los polos
geográficos.
En la vertical, se usa un sistema de coordenadas basado en presión (figura 6.). La coordenada es la “terrain”,
la cual sigue un comportamiento sigma en superficie, normalizado a la presión superficial, (sigma=1), y un
comportamiento de presión en las capas superiores, las cuales tienden a ser más horizontales (UCAR 2002).
Entre la superficie sigma, (en superficie), y la capa tope, los niveles de coordenadas disminuyen su espesor
gradualmente. El sistema de coordenadas terrain tiene la ventaja de no tener superficies intersecadas sobre la
orografía y tienen la condición de la capa superficial baja. (la velocidad vertical en el sistema sigma es cero (0)
en la superficie y en el tope del modelo).
Finalmente se considera los campos de superficie, cuya representación describe el comportamiento de la
tierra, para determinar situaciones como orografía, tipo de suelo y vegetación, temperatura del mar, humedad
del suelo y cantidad de nieve acumulada, entre otros.
Figura 6. Representación esquemática de la estructura vertical del MM5
2.2. Problemas Actuales en la Predicción del Tiempo
Sin embargo, todavía hay grandes variaciones en la calidad de la predicción, incluso a uno (1) o dos (2) días,
en el caso que falten algunos fenómenos sinópticos importantes en la predicción del tiempo o no se encuentren
bien representados.
Al analizar varios fallos de la predicción, se pueden encontrar diferentes explicaciones:
El estado inicial del modelo, el cual no es lo suficientemente preciso.
La resolución escasa para describir el fenómeno meteorológico apropiado.
La carencia en la parametrización de algunos procesos físicos importantes.
La descripción insuficiente de alguna variable importante en la capa límite.
Sin embargo, hay grandes variaciones en la calidad de la predicción: el mismo modelo puede ser muy bueno
un día y muy malo al día siguiente (Cuxart, 1996). También a dos o tres días de plazo, se pueden encontrar
fallos de los modelos en casos en los cuales falten algunos fenómenos sinópticos importantes.
2.2.1. Aspectos que explican los fallos de los modelos
2.2.1.1. Estado inicial
En muchos lugares del mundo la predicción hasta tres días de plazo depende mucho del estado inicial (análisis)
de la atmósfera sobre las áreas circundantes, y dependen del número de observaciones clásicas, tanto de
superficie como de altura.
La consecuencia es que los problemas del estado inicial son responsables de muchos fallos de los modelos
numéricos (más del 50% de los casos probablemente).
Pero cuando tenemos que analizar un fallo en la predicción, es generalmente difícil decir cual es el origen del
problema. Existe una técnica especial para analizar la calidad del estado inicial: la "técnica adjunta".
Esta técnica se puede definir de la siguiente manera: si tenemos un modelo de predicción M, que lleva el
estado de la atmósfera desde el tiempo inicial ti hasta el tiempo final tf, el modelo adjunto lleva los gradientes
de cualquier función desde el tiempo final tf hasta el tiempo inicial ti.
X(ti) --------------- M ----> X(tf)
GRADX(tf).-------M* --> GRADX(ti).
Los gradientes representan la sensibilidad, por lo tanto el modelo adjunto nos permite calcular la sensibilidad
de cualquier función característica de la predicción con respecto al estado inicial X(ti).
Con el modelo adjunto, se puede saber no solamente donde están los campos sensibles en el estado inicial,
sino también lo que se debe corregir en estos campos para mejorar la predicción.
Corrigiendo el análisis con esta técnica, examinando el nuevo estado inicial junto con la nueva predicción, es
posible decir si un fallo en la predicción es debido a un problema de estado inicial, o a otra causa. Muy a
menudo, en la práctica, el estado inicial explica solamente una parte del fallo de la predicción.
2.2.1.2. La resolución del modelo.
Debido a las limitaciones de hardware de los computadores que se utilizan, es imposible tener un modelo que
describa todos los fenómenos interesantes e importantes de la atmósfera. Por lo tanto, hay casos de malas
predicciones que son debidos al hecho de que el fenómeno interesante para la predicción no puede ser
simulado por el modelo.
Siempre es posible aumentar la resolución local de un modelo de área limitada, si se reduce al mismo tiempo
el área cubierta por el modelo; pero haciendo esto, se pierde la posibilidad de describir bien las ondas largas.
Una avenencia puede ser un modelo de resolución variable, como el modelo global operativo de Météo-France
(Pailleux 1996). Sin embargo hay también limitaciones en la utilización de un modelo de resolución variable.
2.2.1.3. La parametrización de los procesos físicos.
Todos los fenómenos físicos que se desarrollan a una escala más pequeña que la resolución del modelo, no se
pueden representar directamente en las ecuaciones del modelo. Los más importantes se representan de una
manera simple que se llama "parametrización".
Las carencias en las parametrizaciones físicas son a menudo responsables de las malas predicciones cuando
hay un fenómeno muy importante que se desarrolla a pequeña escala. Un ejemplo típico es la convección, la
cuál es muy importante a baja latitud, y también sobre Europa en verano. Un claro ejemplo se observó en el
caso del 22 de septiembre de 1993, el modelo operativo francés “ARPEGE” predijo una depresión demasiado
baja sobre las Baleares (Díaz-Pabón 1996) y el problema fue analizado como sigue:
La técnica adjunta demostró que el problema no era debido a las condiciones iniciales.
Un experimento demostró también que la parametrización de la convección fue la responsable de la mala
predicción.
2.2.1.4. Las variables límites.
Un modelo de predicción numérica depende de algunos campos constantes que describen:
• La orografía,
• Las condiciones de la superficie (albedo, vegetación...), las condiciones de contorno (para un modelo de área
limitada).
La orografía es muy importante para la predicción de algunos fenómenos. El problema de la representación de
la orografía va muy unido al problema de la resolución, porque las montañas no se pueden representar con
una resolución mejor que la del modelo.
En muchos casos, la predicción de un fenómeno (incluso a pequeña escala) depende mucho de las ondas
largas y por lo tanto de las condiciones de contorno (García-Moya 1996).
2.3. El MM5 en Colombia
En Colombia se está empezando a implantar y a utilizar la versión libre del MM5, obtenida por Internet, la cual
se está adaptando a condiciones de efecto local propias de nuestro territorio nacional.
Su uso no es muy conocido en el ámbito meteorológico nacional, por cuanto no se ha logrado determinar con
buena aproximación una óptima predicción a partir de éste modelo.
Se ha hecho seguimiento y pruebas a algunos esquemas de parametrización de precipitación, de los muchos
disponibles para tal modelo, dependiendo del tamaño de resolución de la grilla, del aporte orográfico del lugar
en donde se va a implantar el modelo, etc. (Beisiegel 2002).
Dichas pruebas, realizadas para información tomada de los meses de Mayo y Diciembre de 2001, muestran
algunos resultados respecto de tales características y condiciones iniciales, sin que los mismos puedan ser
considerados aún como de significativa importancia, por cuanto no lograron hacerse para diferentes períodos
típicos y representativos de la formación de la precipitación en Colombia.
Es decir, estas pruebas están condicionadas a la operatividad del modelo en el momento de su ejecución, a la
información disponible, y a la no continuidad en el tiempo, entre otras. Sin embargo, puede considerarse como
un buen punto de partida para tal tarea.
Los módulos con los cuales opera el modelo en el IDEAM, son el TERRAIN, REGRID, INTERPF, y MM5, (figura
7.).
En el TERRAIN, podemos delimitar los dominios de mesoescala; es decir, los dominios que queremos se
consideren en el modelo, se definen aquí.
A partir del TERRAIN conseguimos especificar los datos para los demás módulos, (latitud, longitud, factor
escalar de los mapas de salida y fuerza de Coriolis).
En el REGRID, compuesto por el pregrid y el regridder, podemos manipular los niveles de presión y análisis de
superficie, a partir de los datos suministrados por el TERRAIN.
En INTERPF manipulamos la transformación de los datos, requerida para ir a los programas de análisis de
mesoescala del modelo, tales como interpolación vertical, cálculos de diagnóstico y reformateo de datos. A
partir de los datos de entrada, (REGRID), genera un modelo inicial, condiciones de frontera, tanto laterales
como superficiales.
Figura 7. Diagrama organizacional de los módulos en el MM5
En el MM5 tenemos la parte de la predicción numérica del modelo. Puede ser utilizado para el estudio de un
amplio espectro de estudios teóricos y reales, incluyendo aplicaciones para simulaciones de pronóstico, y
asimilación cuadradimensional de datos de monzones, huracanes y ciclones (Senamhi 2002).
En escalas pequeñas, entre 2 y 200 km, se puede utilizar el MM5 para estudios de sistemas convectivos,
frentes, brisas de mar-tierra, circulaciones de valle, montaña, y calentamiento local.
3. ANÁLISIS Y DISCUSIÓN DE RESULTADOS
No es posible determinar con alguna exactitud en que parte del proceso se cometieron errores o se hicieron
consideraciones erróneas, a partir de las pruebas realizadas sobre el MM5 en el IDEAM, puesto que no se ha
contado con el tiempo suficiente para realizar las pruebas conducentes a determinar cual o cuales son los
esquemas de parametrización adecuados para la obtención de un pronóstico confiable a partir de dicho
modelo.
Es necesario entonces someter el modelo a numerosas y diferentes pruebas, en las que se considere épocas
del año diferentes, fenómenos de escala sinóptica que incidan o no en la ocurrencia de precipitaciones, y que
puedan ser, de alguna manera, modelados a partir de los diferentes esquemas de parametrización
considerados por el modelo.
No se ha hecho seguimiento a versiones del modelo que se encuentran funcionando en otros países, (como
Perú, con resolución de 54 y 18 km), y que tienen algo de cubrimiento sobre Colombia.
Valdría la pena intentar contactos con aquellos quienes van algunos pasos adelante en la utilización del
modelo, para probablemente determinar factores de error en la salida de los pronósticos a partir del mismo
(Beisiegel 2002).
4. CONCLUSIONES
En la mayoría de los casos, los fallos de los modelos numéricos se deben a una combinación compleja de
problemas y no resulta fácil encontrar una sola causa. Sin embargo, una precisión insuficiente de las
condiciones iniciales parece ser la responsable de muchos de los fallos. Además, hay técnicas especiales (como
la técnica adjunta) para analizar las causas de los fallos del modelo.
Es necesario disponer del tiempo y los recursos necesarios para la realización de pruebas en la modelación del
MM5, que permitan de manera más precisa determinar los factores críticos a tener en cuenta para la obtención
de un buen pronóstico a partir de la salida del MM5.
Indudablemente es un factor de gran incidencia en el acierto del pronóstico el escoger unas adecuadas
técnicas de parametrización, las cuales se identifiquen con los diferentes elementos de incidencia en la
ocurrencia de las precipitaciones para el área de estudio (convección, orografía, etc.).
Factor considerable de peso en el acierto de un pronóstico lo marca la experiencia del pronosticador, en cuanto
a conocimiento de los factores originadores de precipitación, y en general, de cambios en los diferentes
parámetros o variables a pronosticar.
REFERENCIAS BIBLIOGRAFICAS
Beisiegel, T. 2002. Manual y resumen de la evaluación del modelo mm5 para el pronóstico numérico en
Colombia. IDEAM. http://mdk.ideam.gov.co:8080/ mm5eval/ Manual / MANUAL.pdf
Cuxart, J. 1996. Parametrización de la turbulencia en modelos meteorológicos. IV Simposio Nacional de
Predicción. Memorial "Alfonso Ascaso". Madrid 15-19 abril 1996. I.N.M.
Díaz-Pabón, R. 1996. Características generales del modelo operativo de análisis y predicción HIRLAM/INM. IV
Simposio Nacional de Predicción. Memorial "Alfonso Ascaso". Madrid 15-19 Abril 1996. I.N.M.
Estebaranz, J. 1996. Asimilacion de la humedad del suelo en modelos numéricos. IV Simposio Nacional de
Predicción. Memorial "Alfonso Ascaso". Madrid 15-19 Abril 1996. I.N.M.
García-Moya, J. 1996. Una nueva parametrización de la convección en el modelo HIRLAM. IV Simposio
Nacional de Predicción. Memorial "Alfonso Ascaso". Madrid 15-19 Abril 1996. I.N.M.
Pailleux, J. 1996. Modelos de alta resolución en meteo-france: el sistema aladin. IV Simposio Nacional de
Predicción. Memorial "Alfonso Ascaso". Madrid 15-19 Abril 1996. I.N.M.
Senamhi,. 2002. Predicción Numérica. http://www.senamhi.gob.pe/cmn/index.htm
UCAR. 2002. Psu/ncar mesoscale modeling system tutorial class notes and users' guide.
http://www.mmm.ucar.edu/mm5/documents/tutorial-v3-notes-pdf.html
Nota de la RAM. Este trabajo apareció bajo el título “ La Predicción del Tiempo a Partir de los Modelos
Numéricos” en la revista de Meteorología de Colombia. 6:1-8. ISSN 0124-6984. Bogotá, D.C. – Colombia.
[email protected]
© Meteored.com