UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA AMBIENTAL Y RECURSOS NATURALES

Respuesta del modelo WRF a diferentes

resoluciones en el pronóstico de lluvia sobre la
compleja orografía peruana
INTEGRANTES:

Est. Flores Ccarhuaypiña, Jusein Smit

Est. Maquera Quispe, Liz Josselin
Est. Monge Reynoso, Bryan Aron
Est. Ñaupas Manza, Diana Isabel
Est. Ramos Aparcana, Melanie María
DOCENTE:

Espinoza Morriberon Dante

 01 02
INTRODUCCIÓN DATOS Y METODOLOGÍA

03 04
RESULTADOS DISCUSIÓN Y
CONCLUSIONES
 INTRODUCCIÓN
El modelo Weather Research and Forecasting (WRF, Skamarock
et al. 2008) tiene una gran capacidad para simular la lluvia en
una cuadrícula de alta resolución con fines de investigación y
pronóstico del tiempo, en cualquier región del planeta. La región
de estudio de esta investigación se centra en los Andes
centrales del Perú, una región con orografía compleja y alturas
superiores a los 5000 m en algunos casos.

El objetivo principal del presente trabajo consiste en evaluar la

sensibilidad de la simulación de lluvias del modelo WRF a
diferentes resoluciones de dominio dentro de corto y medio
Pronóstico de precipitaciones en los Andes Centrales del Perú.
Para esto las precipitaciones del modelo se comparan con los
FIGURA 1: Dominios utilizados en
simulaciones
datos de observación utilizando varias formas de verificación.
 DATOS Y METODOLOGÍA

Los experimentos se realizaron con el modelo WRF ARW v 3.7

TABLA 1: Principales características de los dominios y condiciones iniciales y de frontera

Técnica: Anidamiento unidireccional

 El modelo Weather Research
and Forecasting es un
sistema de cálculo numérico
para simulación atmosférica
diseñado para satisfacer las
necesidades tanto de
investigación como de
predicción atmosféricas.

Fig. 1 Dominios utilizados en simulaciones. Los valores de latitud y longitud, en grados, se muestran,
respectivamente, en los ejes Y y X. Las isolíneas de relieve (metros) son mostrado en sombreado de color.

Las simulaciones se llevan a cabo para cuatro
dominios (Fig. 1, los colores representan la
topografía), cuyas características son
especificado en la Tabla 1. Se simuló aplicando
la técnica de anidamiento unidireccional,
ejecutando los cuatro dominios al mismo
tiempo
Para realizar el estudio de sensibilidad se ha
realizado un trabajo previo considerado
anteriormente y particularmente resulta en
condiciones similares, centrándose en la
complejidad orográfica y tropical
Para microfísica se utilizó el esquema de Morrison
(Morrison et al.2009 ). Es un esquema de doble momento,
que predice las proporciones de mezcla y seis tipos de
concentraciones de hidrometeoros, a saber, gotas de
nubes, partículas de hielo de nubes, nieve, lluvia y graupel.
La concentración de las gotas se calcula a partir de un
algoritmo de ajuste de saturación casi estacionario. mientras
que el exceso de saturación alimenta un algoritmo de
deposición de vapor no estacionario que permite el
crecimiento de los cristales de hielo.

TABLA 2: Estaciones utilizadas

para las verificaciones.
Las simulaciones se realizaron con un horizonte de
previsión de 10 días, de los cuales nueve períodos
de 10 días de meses de diciembre, enero y febrero
de los años 2007, 2009, 2010, 2011 y 2012. Todas las
fechas seleccionadas pertenecen a las épocas
lluviosas del año.
ffffffffffffff

FIGURA 2: Promedio acumulado de precipitación en 24 h.

La Figura 2 muestra la precipitación promedio

acumulada en 24 h, registrada para cada período de
pronóstico por las seis estaciones meteorológicas
consideradas durante los nueve períodos de 10 días
seleccionados. de días lluviosos. El modelo se
inicializó a las 12 UTC en todos los casos

La selección se realizó teniendo en cuenta el

comportamiento de la lluvia.

La ubicación geográfica y altitud de las estaciones
consideradas para el estudio se muestran en la Tabla 2 y
Fig. 3. De modo que fue posible la comparación entre los
dominios, de todos los estaciones meteorológicas ubicadas
en la región, solo se consideraron aquellas ubicadas en
todos los dominios.
La segunda verificación se realizó con las salidas de los
dominios D3 y D4 para dos ventanas que cubren los
sectores norte y sur del Valle del Mantaro por separado.
La producción de precipitación del modelo se verificó
utilizando el valor medio de precipitación en 24 h
pronosticado para cada ventana versus los datos

La verificación de los resultados se realiza de

varias formas, verificación puntual del
pronóstico de precipitación de 24 h, utilizando
medidas estadísticas numéricas descriptivas y
verificación puntual de la ocurrencia de
precipitación como un binario categórico

TABLA 3: Distribución espacial de

la estaciones consideradas para
verificación
Se llevó a cabo otro experimento para verificar la
capacidad del modelo para pronosticar precipitaciones
extremas a corto plazo (36 h, con giro de 12 h). En este caso,
el sesgo del modelo se calculó para cinco eventos extremos RMSE: de la diferencia media entre los valores
de precipitación, detectados dentro del período de 10 días previstos por el modelo predictivo y los valores reales.
de lluvia considerados en el trabajo. Para clasificar los
eventos extremos de lluvia se utilizó la clasificación del
Servicio Meteorológico del Perú (SENAMHI) (Alfaro 2014).

FIGURA 4: Evolución media

de todas las estaciones
para los 10 días del horizonte
de previsión.
RESULTADOS
 FIG. 4

Verificación cuantitativa
puntual del modelo de
precipitación
Los resultados muestran que el
rendimiento del modelo varía
según la resolución del dominio y
la intensidad de la precipitación, FIG. 5
con una tendencia general a la
sobreestimación de la
precipitación y una variabilidad
en la calidad de los pronósticos a
lo largo del tiempo.
FIG. 6
 TABLA 5
Verificación puntual del
modelo de precipitación
como variable binaria
categórica
Tanto en el pronóstico cuantitativo como en
el alternativo, el dominio de 3 km proporciona
los mejores resultados en comparación con
la resolución más alta, D4. Sin embargo, el
método de verificación utilizado puede
afectar los resultados, y se sugiere la
posibilidad de adoptar un enfoque menos TABLA 6
estricto de verificación que tenga en cuenta
valores promedio dentro de ventanas
específicas en lugar de puntos precisos.
 Estudio del caso del 29 de diciembre de 2015
¿Qué es un dominio?
Una región geográfica específica que
se utiliza para la predicción del clima

Los resultados

Mostraron que el dominio de resolución de 3 km fue el más eficiente para predecir la cantidad de
precipitación a corto y mediano plazo en el área estudiada, con mejores resultados que el dominio
más fino de 0,75 km.

Sin embargo, se observó que el dominio de resolución de 0,75 km fue mejor para el proceso de
tormenta local, lo que sugiere la necesidad de utilizar ambos dominios en el trabajo operativo con el
modelo WRF en esta región.
Condiciones sinópticas predominantes

Humedad relativa media entre

700 y 500 hpa(12 UTC) del 29
de diciembre de 2015
Evolución temporal del registro de precipitación
de la estación Huayao entre las 20:10 UTC del
día 29 y las 01:40 del 30 de diciembre de 2015

En el eje de abscisas es la hora del día (UTC),

en el eje de ordenadas; es la tasa de
precipitación (mm/10 min). Las líneas roja y
azul son la precipitación de los dominios 3(3
km) y 4(0.75 km), respectivamente; en línea
marrón, precipitación observada
Simulación con WRF

Perfil vertical de la
proporción de mezcla de
graupel y agua de lluvia (g/kg)
promedio de todo el período de
pronóstico para los dominios de
3 y 0,75 km el 29 de diciembre
de 2015, en el observatorio. En el
eje de abscisas, es la proporción
de mezcla de graupel y agua
de lluvia, en el eje de
ordenadas; se muestra la altitud
(m). En líneas azules y rojas se
muestran los perfiles de Qgraupel y
Qrain, respectivamente
 DISCUSIÓN Y
CONCLUSIONES
El estudio examinó la sensibilidad del modelo WRF a la resolución del dominio en la
predicción de la precipitación en los Andes centrales del Perú a corto y mediano
plazo. Se evaluaron cuatro dominios con resoluciones de 18, 6, 3 y 0,75 km. Se observó
que el modelo generalmente sobreestima la precipitación en todos los casos, lo cual
concuerda con estudios previos. Sin embargo, a partir del sexto día de pronóstico, se
observó una disminución o estabilidad en el sesgo para los dominios de 6, 3 y 0,75
km.
 DISCUSIÓN Y
CONCLUSIONES
Aumentar la resolución horizontal de D1 a los demás dominios produjo mejoras
significativas en los resultados, en línea con estudios anteriores que destacan la
importancia de aumentar la resolución en la representación de procesos de
mesoescala.

En cuanto a la resolución extremadamente alta, se encontró que no siempre conduce

a mejoras significativas en la precisión de los pronósticos, como se demostró en
casos específicos de islas tropicales. Esto se debió a que el aumento de la resolución
no necesariamente mejoró la cantidad y calidad del producto inicial, lo que resultó
en un aumento en el tiempo de cálculo sin mejoras en los resultados.
 DISCUSIÓN Y
CONCLUSIONES
El estudio también examinó cinco casos de lluvias extremas y encontró sesgos
negativos, lo que sugiere que el modelo WRF no siempre sobreestima la precipitación
en la región. Además, se observó que el error RMSE fue menor en el dominio de 3 km,
que mostró mejores indicadores y mayor estabilidad en general que el dominio de
0,75 km.

Sin embargo, en el estudio de un caso de granizada, se destacó la importancia de

una alta resolución para representar procesos físicos a escala local, lo que mejoró la
precisión del pronóstico y la estructura del evento meteorológico.
 THANKS!

CREDITS: This presentation template was

created by Slidesgo, including icons by
Flaticon, and infographics & images by Freepik.