módulo

2.1. INTRODUCCIÓN A LOS MODELOS METEOROLÓGICOS

Marta García Vivanco

Doctora en Ciencias Físicas
m.garcia@ciemat.es

Investigadora del Grupo de Modelización

Unidad de la Contaminación Atmosférica
Departamento de Medioambiente
CIEMAT

1
CONTENIDOS

1. INTRODUCCIÓN

2. MODELOS METEOROLÓGICOS: DEFINICIÓN Y CLASIFICACIÓN

2
1. INTRODUCCIÓN
Como ya se ha visto, la dispersión de contaminantes se encuentra condicionada,
entre otros factores, por variables meteorológicas, como el viento, la
temperatura, la humedad relativa, la precipitación, etc. Los modelos
meteorológicos, desde el punto de vista de la contaminación atmosférica,
juegan un papel fundamental, ya que permiten obtener estos campos
meteorológicos. Los modelos meteorológicos han evolucionado
considerablemente, mejorando tanto su contenido físico (se consideran cada vez
más procesos atmosféricos y se mejoran las parametrizaciones que intervienen)
como su efectividad de cálculo, ligado este último aspecto al continuo avance
que viene experimentado el campo de la tecnología informática.

Dentro de los modelos meteorológicos existen dos tipos de modelos: los

modelos de pronóstico y los modelos de diagnóstico, que se basan en una
diferente filosofía para abordar la obtención de campos meteorológicos.

En esta lección nos centraremos en los modelos de tipo diagnóstico y veremos

un ejemplo de este tipo de modelos, el modelo CALMET.

3
2. MODELOS METEOROLÓGICOS: DEFINICIÓN Y CLASIFICACIÓN

Los modelos meteorológicos son estructuras matemáticas que permiten la

obtención de campos meteorológicos (por ejemplo, viento, temperatura), en
toda la región modelada. Además, pueden proporcionar valores de otras
variables meteorológicas más complejas, que el modelo estima a partir de
distintas ecuaciones o parametrizaciones.

Para efectuar los cálculos, los modelos necesitan cierta información de entrada
que variará en función del tipo de modelo (por ejemplo, topografía, usos del
suelo; observaciones de viento de modelos de diagnóstico).

Entre los resultados (variables de salida) de los modelos meteorológicos se

encuentran, normalmente, el campo de vientos, la temperatura, la altura de la
capa de mezcla, el ritmo de precipitación, así como información sobre otras
variables como la velocidad de fricción ( normalmente expresada como u*), la
longitud de Monin-Obukhov (L), el flujo de calor sensible (Qh), etc.

Este tipo de información resulta de gran importancia para la aplicación de

modelos de dispersión de contaminantes. Por ejemplo, el carácter de los vientos
va a determinar el grado de dispersión de los contaminantes, transportándolos
en mayor o menor medida. La altura de capa de mezcla, a su vez, va a
condicionar la dispersión vertical (mezcla vertical), ya que representa la altura
hasta la cual se produce la mezcla vertical de los contaminantes, y el ritmo de
precipitación estará relacionado, por ejemplo, con cierto tipo de procesos de
eliminación de material de la atmósfera (procesos de depósito húmedo).

4
Los modelos meteorológicos pueden clasificarse en dos grandes grupos: los
modelos de diagnóstico y los modelos de pronóstico.

Se denominan modelos de diagnóstico, a aquellos modelos que, como

información de entrada, utilizan información meteorológica registrada en
estaciones, tanto en superficie como en altura (por ejemplo, modelo CALMET) y
a partir de estos datos generan los campos meteorológicos de salida. Estos
modelos utilizan métodos objetivos de análisis que buscan una interpolación y
exptrapolación óptima de las observaciones.

La idea consiste en utilizar los valores de una determinada variable

meteorológica observados en ciertos puntos (estaciones meteorológicas), y
obtener por medio de cálculos (interpolaciones/extrapolaciones) valores de esa
misma variable en todos los puntos de la malla de estudio, conforme a la
resolución espacial a la que se esté trabajando. Al basarse en observaciones,
este tipo de modelos no proporciona predicciones de los campos
meteorológicos. Simplemente permiten obtener un campo completo de
información meteorológica en todos los puntos a partir de las observaciones en
las estaciones, distribuidas éstas de forma irregular.

En algunos casos, se incluyen expresiones empíricas que permiten considerar

efectos topográficos y otros efectos de tipo local que tienen lugar entre los
puntos observados. Por ejemplo, consideremos la Figura 1, en que existen dos
puntos con observaciones de viento. El modelo nos proporcionará un valor en
cada una de las celdas en que se divide el dominio, considerando unicamente
estas dos observaciones y la distancia de cada celda a las mismas. En la Figura
2 esa misma interpolación no tendría realmente sentido, ya que existe una
perturbación del campo de vientos, como es un obstáculo. En este caso,

5
modelos que además incluyan correcciones por efectos locales darán valores
más próximos a la realidad.

2 m/s

10 m/s

Figura 1

10 m/s 2 m/s

Figura 2

Estos modelos son útiles siempre y cuando se disponga de información

meteorológica detallada.

6
Los modelos de pronóstico, presentan un planteamiento totalmente diferente.
En estos modelos se representa, mediante ecuaciones matemáticas, las
relaciones físicas fundamentales del movimiento y la energía del aire.
Resolviendo estas ecuaciones fundamentales a partir de unas condiciones
iniciales, proporcionan los parámetros meteorológicos que se necesitan para
conocer la dispersión de los contaminantes. Este tipo de planteamiento hace
posible que estos modelos sí puedan utilizarse para la obtención de
predicciones.

El campo de aplicación de ambos tipos de modelos vendrá condicionado por

varios factores. En primer lugar, el tipo de cálculos en que se basan los modelos
de tipo diagnóstico hace que su uso sólo sea posible para el estudio de episodios
pasados, puesto que es necesario previamente haber registrado las observaciones
que se van a interpolar/extrapolar. Por el contrario, los modelos de pronóstico
ofrecen la posibilidad de generar campos meteorológicos en condiciones
futuras. Lógicamente, la aplicación de los modelos de tipo diagnóstico estará
ligada a la disponibilidad de medidas. Cuanto mayor sea el número de estaciones
con observaciones, mejores serán los resultados que se obtengan. Otro factor
condicionante es la capacidad informática disponible. Los modelos de tipo
pronóstico son más complejos que los modelos de diagnóstico y consumen
muchos más recursos informáticos y tiempo de cálculo.

Actualmente, algunas aplicaciones para estudios de calidad del aire tienden a

utilizar algunos modelos híbridos que incorporan las ventajas de las
metodologías de diagnóstico y de pronóstico de forma conjunta.