Mtodos

Numricos
Aplicados a la
Prediccin
Meteorolgica
Desarrollo
Introduccin

Modelos Numricos

Un ejemplo de Aplicacin
Desarrollo
Introduccin

Modelos Numricos

Un ejemplo de Aplicacin
Introduccin
Definicin: conjunto de ecuaciones matemticas que describen procesos
fsicos no reproducibles analticamente y que nos permiten calcular las
magnitudes que intervienen en ellos, en cualquier instante de tiempo.

Condiciones iniciales
Discretizacin de las variables
Condiciones de contorno (ecuaciones de continuidad y conservacin)

Gran dependencia con el desarrollo tecnolgico:

1950/1960: Topografa simple, primeras descripciones
1970: Prediccin por conjuntos, conveccin, radiacin...
1980: Modelos acoplados, descripcin de nieblas y nubes

Introduccin
Prediccin por Conjuntos (Ensemble)

Falta de datos en grandes extensiones Extrapolaciones que
conducen a una prediccin errnea. Estimacin de la incertidumbre.

A partir de la asimilacin de datos, se imponen condiciones artificiales al
modelo y se generan varias salidas diferentes al mismo tiempo.
Se estudian esas salidas, para horas e incluso das posteriores y se
agrupan las evoluciones que ms se parecen entre s.
A cada uno de estos grupos se le asigna una probabilidad
Por ltimo, se estudia la evolucin de la funcin probabilidad que
representa a los errores de prediccin

Es necesaria una gran cantidad de datos y su rango de validez no excede los
3 das


Introduccin
Introduccin
Introduccin
Desarrollo
Introduccin

Modelos Numricos

Un ejemplo de Aplicacin
1. Diferencias Finitas (Centrales):



Suma:




Resta:


...
2
) (
) ( ) ( ) (
2
+ A + A + = A + x
x f
x x f x f x x f
...
2
) (
) ( ) ( ) (
2
+ A + A = A x
x f
x x f x f x x f
2
) ( ) ( 2 ) ( ) ( x x f x f x x f x x f A + = A + A +
x x f x x f x x f A = A A + ) ( 2 ) ( ) (
x
x x f x x f
x f
A
A A +
=
2
) ( ) (
) (
2
) ( 2 ) ( ) (
) (
x
x f x x f x x f
x f
A
A + A +
=
Ejemplo: (ecuacin advectiva)

Proceso de iteracin: a partir de una malla de puntos discretos en el espacio





La propagacin de errores es determinante: Truncamiento (Taylor) y Estabilidad



Condicin de Estabilidad
0 =
c
c
+
c
c
x
F
c
t
F

m x
n t
x
F F
c
t
F F
n m n m n m n m
A

=
A

+ +
2 2
, 1 , 1 1 , 1 ,
( )
n m n m n m n m
F F
x
t c
F F
, 1 , 1 1 , 1 , + +

A
A
=

>
A
A
s
A
A
Espreas
x
t c
es Convergent
x
t c
1
1
Correcciones al mtodo original:

o Por forma:


Forward in time:

o Por estabilidad: Promedio en diferencias centrales de n y n+1



No aparece solucin esprea y posee mayor estabilidad
Es necesario resolver un sistema (implcito) para los valores en n+1 (ms lento)
( )
0 , 1 0 , 1 1 , 1 ,
0
+

A
A
= =
m m m m
F F
x
t c
F F n
( )
0 , 1 0 , 1 0 , 1 ,
2
+

A
A
=
m m m m
F F
x
t c
F F
|
|
.
|

\
|
A

+
A

=
A

+ + + + +
x
F F
x
F F
c
t
F F
n m n m n m n m n m n m
2 2 2
, 1 , 1 1 , 1 1 , 1 , 1 ,
Correcciones al mtodo original:

o Por contorno (frontera):

Se mantienen los valores iniciales en los laterales, durante el todo el
proceso / Los valores son definidos como funcin del tiempo

Los valores son parcialmente restaurados a los iniciales, mediante un
coeficiente de restauracin no lineal (1,0): creciendo con la latitud

Se colocan en regiones relativamente inactivas para minimizar las
influencias

2. Modelo Barotrpico:

Ecuacin de balance de la componente vertical de la vorticidad :



Ondas de Rossby: Variacin de f

Solucin: ; Velocidad de la onda:


La velocidad de movimiento de las ondas atmosfricas de gran escala, solo
depende de la velocidad media, U, y de la longitud de la onda

>> L
( ) plano |
. Aprox


Caractersticas:

Factor de correccin:

Atmsfera tipo: El viento no cambia con la altura (z)
Los fenmenos trmicos no se tienen en cuenta (radiacin)
Suponemos que la presin es constante sobre las superficies de densidad
constante

Modelo Barotrpico / Modelo Baroclnico







<<
0
|
2 0 < A < U
( )
) (
ln
T f
z
P
=
c
c
Desarrollo
Introduccin

Modelos Numricos

Un ejemplo de Aplicacin
Modelo unidimensional (local) para el aeropuerto de Madrid - Barajas


Basado en el HIRLAM (High Resolution Limited Area Model)

Predicciones a corto plazo en zonas que requieren una alta precisin: mejora en la
deteccin de fenmenos de pequea escala (vientos catabticos)

Modelos en 1D permiten mayor resolucin vertical y temporal

Beben de fuentes de datos de modelos en 3D

Condicin de contorno: intercambio de calor y humedad tierra - atmsfera

Variables: energa cintica, temperatura potencial, humedad especfica y
componentes del viento (pronstico)
125 niveles en la vertical:10 m el primero; distancia variable entre niveles
desde 20 a 1800 m (cubre 12 km de altura). Paso de tiempo: 15 s





14:00/20:00/8:00/14:00
Deteccin de fenmenos de pequea escala: Viento Catabtico

El aire se enfra en la cima (nocturno) y se mueve colina abajo, calentndose
adiabticamente. Aun as, permanece a bajas temperaturas.

Enfriamiento general de la
atmsfera
Poca velocidad del viento:
mucha estabilidad
Calentamiento de capas bajas:
mala difusin del calor
Un Futuro Provechoso
Modelos de microescala (mxima resolucin): fenmenos
turbulentos y dispersin de contaminantes

Predicciones a largo plazo:

Cambio climtico (evolucin de gases, influencia de los aerosoles)

Crecimiento demogrfico

Ampliacin del agujero de la capa de ozono

Fenmenos no lineales

Relacin con la teora del caos (ruido)

Anlisis por franjas (anisotropa entre zonas de distinta latitud)

y Ambicioso
Bibliografa
Numerical Weather Prediction J.G. Haltiner

Predicciones del Tiempo y Matemticas Mikel Lezaun

La simulacin Numrica en Meteorologa (Conferencia) Vicente Prez
Muuzuri

Modelo 1D en el Aeropuerto Madrid/Barajas (Artculo de Investigacin)
Tarradellas/Cuxart

La Prediccin Meteorolgica (Revista del Aficionado a la Meteorologa,
RAM) Alfonso Gonzlez Vicente