El sistema de pronóstico.

Parte b: Fundamentos del

modelado
Agradecimientos: este material se basa en el módulo de “Fundamentos de
los modelos” e “Impacto de la estructura y dinámica de los modelos”
tomados del Programa COMET (www.comet.ucar.edu)
Asimismo se han agregado informaciones complementarias cuyas fuentes
son mencionadas siempre que haya sido posible identificarlas.

Laboratorio de Previsión del Tiempo

Dra. Silvina Solman
„ En base a las leyes físicas que explican el
comportamiento de la atmósfera, se obtienen una serie
de ecuaciones matemáticas que constituyen la base
del pronóstico numérico

„ La forma en que las ecuaciones

primitivas se derivan de sus formas
teóricas completas y se convierten en
códigos de computadora puede
contribuir a los errores de pronóstico
en los modelos PNT.
 Las ecuaciones primitivas
„ Están escritas en el marco de
trabajo Euleriano, en el cual los
valores y sus derivadas son
evaluados en lugares fijos en la
tierra
„ Para fines de pronóstico, este
conjunto de ecuaciones es cerrado
y completo
„ Todas las ecuaciones utilizan las
mismas variables de pronóstico (u,
v, ω, T, q, z)
„ Los términos Fx, Fy, H, E, y P
también pueden ser descritos en
términos de las seis variables
básicas de pronóstico.
„ Podemos especificar las
condiciones iniciales en el dominio
del modelo.
„ Podemos obtener condiciones de
frontera apropiadas para todas las
variables de pronóstico del modelo.
„ Los modelos de retícula resuelven las ecuaciones de pronóstico en puntos
de rejilla regularmente espaciados. Las variables de pronóstico son
especificadas en ese conjunto de puntos
„ Los modelos espectrales también están basados en las ecuaciones
primitivas, pero su formulación matemática y soluciones numéricas son
bastante diferentes

Resolución de
las ecuaciones
primitivas en
un PN
 Representación
de los datos
„ En la atmósfera real, la
temperatura, la presión, el
viento, y la humedad
varían de lugar a lugar en
una forma continua y
suave. Esto se asemeja
más a la representación
espectral
„ Los modelos de retícula,
sin embargo, realizan los
cálculos en un arreglo fijo
de puntos desconectados
en un enrejado. Los
valores de los puntos de
retícula representan un
promedio dentro de una
caja.
 Los errores de truncado

„ En la atmósfera real, la advección ocurre en escalas muy

pequeñas. En nuestro ejemplo, los puntos de retícula están
espaciados aproximadamente cada 80 km. Esta falta de
resolución introduce errores en la solución de la ecuación de
diferencias finitas.
„ Entre mayor sea la distancia entre puntos de retícula, menos
probable será que el modelo pueda detectar variaciones de
pequeña escala en los campos de temperatura y humedad.
„ Las deficiencias en las aproximaciones de diferencias finitas para
calcular gradientes y derivadas de mayor orden de forma exacta
se conocen como errores de truncado.
Impactos:
Resolución
 Impacto sobre el pronóstico

„ El intervalo del paso de

tiempo también
contribuye al error por
truncado: entre mayor
sea el paso de tiempo,
mayor será el error
introducido a través de la
aproximación por
diferencias finitas
 Error de representación

„ Los modelos
espectrales
representan las
variaciones
espaciales de las
variables
meteorológicas
como una serie
finita de ondas con
diferentes
longitudes de onda.
Los modelos espectrales utilizan una
combinación de técnicas computacionales,
tanto espectrales como de puntos de retícula
Problemas por la
transformación

„ La "resolución" del modelo (máximo número de ondas) determina la

localización exacta y espaciamiento de los puntos de rejilla. La
localización y el espaciamiento de los puntos se hace de manera que
sea muy parecida a la resolución espectral del modelo (máximo número
de ondas) y que permita calcular de la forma más exacta los términos
dinámicos no lineales
„ Un modelo en puntos de retícula trata de incluir todas las
escalas pero realiza un mal trabajo manejando ondas
cuyo tamaño se extiende sobre solo unos cuantos puntos.
Un modelo espectral representa todas las ondas que
resuelve perfectamente pero no incluye información
acerca de ondas de escala menor
 Modelos hidrostáticos vs.
modelos no-hidrostáticos
„ Los modelos no hidrostáticos pueden pronosticar
explícitamente el empuje vertical en la atmósfera y sus
efectos en el desarrollo de la convección profunda en
detalle. Para lograrlo, los modelos no hidrostáticos deben
incluir una ecuación de pronóstico adicional que toma en
cuenta las aceleraciones verticales y los movimientos
verticales directamente, en lugar de diagnosticar el
movimiento vertical a partir de la divergencia horizontal.
 El problema de la
parametrización de procesos
„ En necesario tener en cuenta fenómenos-procesos que
el modelo no puede representar en forma explícita,
debido a distintas limitaciones
„ La parametrización puede ser considerada como una
emulación (modela los efectos de un proceso) más que
como una simulación (modela el proceso mismo).
El problema clave de la
parametrización
numérica es el tratar
de pronosticar con
información
incompleta
Los procesos que tenemos en
cuenta para un pronóstico

Dispersión
por aerosoles

Radiación
atmosférica
Radiación solar
Formación de
lluvia y nieve Formación
de nubes

Efectos de
montaña turbulencia
Radiación
desde la
Evaporación e intercambios superficie
de calor Fricción
 Cómo se parametriza?
El esquema debe derivar información acerca de los procesos
a partir de las variables en las ecuaciones de pronóstico.

Tipo de suposiciones que se

emplean
„ Empírico/estadísticas: Se
supone que una relación dada
puede mantenerse en cada
caso
„ Suposición de restricción
dinámica/termodinámica:
Un proceso complejo es
resumido a través de una
relación simplificada

„ Modelo dentro de un
modelo:
 Reflexiones
„ El mejoramiento en la simulación de detalles naturales importantes en los
procesos atmosféricos conduce a una sensibilidad más grande en el pronóstico
de los parámetros físicos cuyos valores se conocen mal o no se conocen del
todo (esto es especialmente cierto para detalles en la estructura en pronósticos
a corto plazo y valores medios del entorno a largo plazo en pronósticos a largo
plazo).
„ Esquemas más sofisticados y de resolución más fina podrían conducir a detalles
de pronóstico más reales pero también a características de error en el modelo
más complicadas.
„ La creciente complejidad de las características de los errores en el modelo
aumentará la necesidad de diagnósticos del modelo para hacer ajustes en los
campos pronosticados por el modelo.
„ Tomará tiempo desarrollar y probar cambios en los modelos ya que los cambios
en una parametrización afectan el comportamiento de otra, a través de una
compleja red de interacciones.
„ Los cambios en los modelos se harán en paquetes y no aisladamente, debido a
la necesidad de poder probar interacciones complejas en forma conjunta.
„ Aunque la habilidad de los modelos mejorará y los fenómenos en los modelos
parecerán más reales, la salida del modelo requerirá siempre de interpretación y
ajuste humano.