LA PREDICCION DEL TIEMPO A PARTIR DE MODELOS NUMERICOS

Luis Alfonso López Alvarez, Pronosticador – Ingeniero de Sistemas IDEAM.

e-mail: alflopez@ideam.gov.co

RESUMEN

La modelación numérica del tiempo es una preocupación constante y latente en todos los
centros de pronóstico del mundo. Los sistemas de modelamiento numérico del tiempo
incluyen, entre otros requerimientos, el análisis del tiempo en un lugar y a una hora
determinadas, para, a partir de ese instante, intentar estimar las condiciones futuras del
mismo.

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
1
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.

2
Estos componentes básicos 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.

Figura 1. Estructura general de los componentes de los modelos numéricos de predicción.

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, la cual está dada por la emisión del sol y su representación es esencial en
un modelo numérico de predicción.

3
Figura 2. Figura genérica de la radiación solar.
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.

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, donde se determina, por ejemplo, la

influencia del tipo de suelo y de vegetación.

Figura 3. Incidencia del tipo de suelo y vegetación en el modelamiento numérico.

4
Nubes de gran escala y su precipitación, 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.

Figura 4. Nubes de gran escala y su precipitación.

La precipitación convectiva, 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. Esta continuará hasta cuando el aire caliente continúe
ascendiendo, debido a su menor densidad.

Figura 5. Esquema de la dinámica convectiva.

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 paramentrización se calcula en términos de un coeficiente constante
de arrastre y depende linealmente de la silueta de la orografía, y considera un coeficiente
5
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.

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. 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 mas horizontales.

Figura 6. Representación esquemática de la estructura vertical del MM5.

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.

6
2.2. Problemas actuales en la predicción del tiempo.

Si 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 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. 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. Más detalles se pueden encontrar en Rabier, Klinker y otros, 1994.

7
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. 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 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).

8
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.

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.

9
Figura 7. Diagrama organizacional de los módulos en el MM5.

Los módulos con los cuales opera el modelo en el IDEAM, son el TERRAIN, REGRID,
INTERPF, y MM5.

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.

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 monsones, huracanes y ciclones.

10
En escalas pequeñas, entre 2 y 200km, 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.

4. Conclusiónes.

- 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.

5. Referencias Bibliográficas.
11
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.A. 1996. ASIMILACION DE LA HUMEDAD DEL SUELO EN MODELOS

NUMERICOS. IV Simposio Nacional de Predicción. Memorial "Alfonso Ascaso". Madrid
15-19 Abril 1996. I.N.M.

García-Moya, J.A. UNA NUEVA PARAMETRIZACION DE LA CONVECCION EN EL

MODELO HIRLAM. IV Simposio Nacional de Predicción. Memorial "Alfonso Ascaso".
Madrid 15-19 Abril 1996. I.N.M.

NOAA. 2002. NUMERICAL WEATHER PREDICTION.

http://www.wrh.noaa.gov/wrhq/NWP.html

NOAA. 2002. ETA: ATMOSPHERIC MODELS.

http://www.comet.ucar.edu/nwplessons/etalesson2/index.htm

NOAA. 2002. MRF: THE MEDIUM-RANGE FORECAST MODEL.

http://sgi62.wwb.noaa.gov:8080/research/mrf.html

NOAA. 2002. RUC-2: THE RAPID UPDATE CYCLE VERSION 2. Technical Procedures.
Bulletin-draft. http://maps.fsl.noaa.gov/ruc2.tpb.html

Pailleux, J. 1996. MODELOS DE ALTA RESOLUCION 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

12