Modelo atmosférico

format_list_bulleted Contenido keyboard_arrow_down
ImprimirCitar
Previsión de 96 horas de altura y temperatura geopotencial de 850 mbar del Sistema Mundial de Predicción

En la ciencia atmosférica, un modelo atmosférico es un modelo matemático construido en torno al conjunto completo de ecuaciones dinámicas primitivas que rigen los movimientos atmosféricos. Puede complementar estas ecuaciones con parametrizaciones para la difusión turbulenta, la radiación, los procesos húmedos (nubes y precipitaciones), el intercambio de calor, el suelo, la vegetación, el agua superficial, los efectos cinemáticos del terreno y la convección. La mayoría de los modelos atmosféricos son numéricos, es decir, discretizan las ecuaciones de movimiento. Pueden predecir fenómenos a microescala, como tornados y remolinos de la capa límite, flujo turbulento a submicroescala sobre edificios, así como flujos sinópticos y globales. El dominio horizontal de un modelo es global, que cubre toda la Tierra, o regional (de área limitada), que cubre solo una parte de la Tierra. Los diferentes tipos de modelos que se ejecutan son termotrópicos, barotrópicos, hidrostáticos y no hidrostáticos. Algunos tipos de modelos hacen suposiciones sobre la atmósfera, lo que alarga los intervalos de tiempo utilizados y aumenta la velocidad computacional.

Los pronósticos se calculan utilizando ecuaciones matemáticas para la física y la dinámica de la atmósfera. Estas ecuaciones no son lineales y es imposible resolverlas con exactitud. Por lo tanto, los métodos numéricos obtienen soluciones aproximadas. Los diferentes modelos utilizan diferentes métodos de solución. Los modelos globales suelen utilizar métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales suelen utilizar métodos de diferencias finitas en las tres dimensiones. Para ubicaciones específicas, las estadísticas de salida del modelo utilizan información climática, salida de la predicción numérica del tiempo y observaciones meteorológicas actuales de la superficie para desarrollar relaciones estadísticas que tengan en cuenta el sesgo del modelo y los problemas de resolución.

Tipos

Thermotropic

El supuesto principal del modelo termotrópico es que, si bien la magnitud del viento térmico puede cambiar, su dirección no cambia con respecto a la altura, y por lo tanto la baroclinicidad en la atmósfera se puede simular utilizando las superficies de altura geopotencial de 500 mb (15 inHg) y 1000 mb (30 inHg) y el viento térmico promedio entre ellas.

Barotropic

Los modelos barotrópicos suponen que la atmósfera es casi barotrópica, lo que significa que la dirección y la velocidad del viento geostrófico son independientes de la altura. En otras palabras, no hay cizalladura vertical del viento geostrófico. También implica que los contornos de espesor (un indicador de la temperatura) son paralelos a los contornos de altura del nivel superior. En este tipo de atmósfera, las áreas de alta y baja presión son centros de anomalías de temperatura cálidas y frías. Los anticiclónes de núcleo cálido (como la dorsal subtropical y el anticiclón de Bermudas y Azores) y los anticiclónes de núcleo frío tienen vientos que se fortalecen con la altura, y lo contrario es cierto para los anticiclónes de núcleo frío (anticiclón ártico superficial) y los anticiclónes de núcleo cálido (como los ciclones tropicales). Un modelo barotrópico intenta resolver una forma simplificada de dinámica atmosférica basada en el supuesto de que la atmósfera está en equilibrio geostrófico; es decir, que el número de Rossby del aire en la atmósfera es pequeño. Si se supone que la atmósfera está libre de divergencia, el rizo de las ecuaciones de Euler se reduce a la ecuación de vorticidad barotrópica. Esta última ecuación se puede resolver sobre una sola capa de la atmósfera. Dado que la atmósfera a una altura de aproximadamente 5,5 kilómetros (3,4 millas) está prácticamente libre de divergencias, el modelo barotrópico es el que mejor se aproxima al estado de la atmósfera a una altura geopotencial correspondiente a esa altitud, que corresponde a la superficie de presión de 500 mb (15 inHg) de la atmósfera.

Hidrostático

Los modelos hidrostáticos filtran las ondas acústicas que se mueven verticalmente de la ecuación del momento vertical, lo que aumenta significativamente el paso de tiempo utilizado en la ejecución del modelo. Esto se conoce como aproximación hidrostática. Los modelos hidrostáticos utilizan coordenadas verticales de presión o sigma-presión. Las coordenadas de presión intersecan la topografía, mientras que las coordenadas sigma siguen el contorno del terreno. Su suposición hidrostática es razonable siempre que la resolución de la cuadrícula horizontal no sea pequeña, que es una escala en la que la suposición hidrostática falla. Los modelos que utilizan toda la ecuación del momento vertical se conocen como no hidrostáticos. Un modelo no hidrostático se puede resolver de forma anelástica, lo que significa que resuelve la ecuación de continuidad completa para el aire suponiendo que es incompresible, o de forma elástica, lo que significa que resuelve la ecuación de continuidad completa para el aire y es completamente compresible. Los modelos no hidrostáticos utilizan la altitud o la altitud sigma para sus coordenadas verticales. Las coordenadas de altitud pueden intersecar la tierra, mientras que las coordenadas de altitud sigma siguen los contornos de la tierra.

Historia

El panel de control principal ENIAC en la Escuela Moore de Ingeniería Eléctrica

La historia de la predicción numérica del tiempo comenzó en la década de 1920 gracias a los esfuerzos de Lewis Fry Richardson, que utilizó procedimientos desarrollados por Vilhelm Bjerknes. No fue hasta la llegada de la computadora y la simulación por computadora que el tiempo de cálculo se redujo a menos del período de pronóstico en sí. ENIAC creó las primeras predicciones por computadora en 1950, y luego computadoras más potentes aumentaron el tamaño de los conjuntos de datos iniciales e incluyeron versiones más complicadas de las ecuaciones de movimiento. En 1966, Alemania Occidental y los Estados Unidos comenzaron a producir pronósticos operativos basados en modelos de ecuaciones primitivas, seguidos por el Reino Unido en 1972 y Australia en 1977. El desarrollo de modelos de pronóstico globales condujo a los primeros modelos climáticos. El desarrollo de modelos de área limitada (regionales) facilitó avances en la predicción de las trayectorias de los ciclones tropicales, así como de la calidad del aire en las décadas de 1970 y 1980.

Dado que el resultado de los modelos de pronóstico basados en la dinámica atmosférica requiere correcciones cerca del nivel del suelo, en los años 1970 y 1980 se desarrollaron estadísticas de salida de modelos (MOS) para puntos de pronóstico individuales (ubicaciones). Incluso con el aumento de la potencia de las supercomputadoras, la capacidad de pronóstico de los modelos meteorológicos numéricos solo se extiende a aproximadamente dos semanas en el futuro, ya que la densidad y la calidad de las observaciones, junto con la naturaleza caótica de las ecuaciones diferenciales parciales utilizadas para calcular el pronóstico, introducen errores que se duplican cada cinco días. El uso de pronósticos de conjuntos de modelos desde los años 1990 ayuda a definir la incertidumbre del pronóstico y a extender el pronóstico meteorológico más allá del futuro de lo que sería posible de otra manera.

Iniciación

A WP-3D Orion weather reconnaissance aircraft in flight.
Aviones de reconocimiento meteorológico, como este WP-3D Orion, proporcionan datos que luego se utilizan en pronósticos meteorológicos numéricos.

La atmósfera es un fluido. Por ello, la idea de la predicción numérica del tiempo es tomar muestras del estado del fluido en un momento dado y utilizar las ecuaciones de la dinámica de fluidos y la termodinámica para estimar el estado del fluido en algún momento en el futuro. El proceso de introducir datos de observación en el modelo para generar las condiciones iniciales se denomina inicialización. En tierra, los mapas de terreno disponibles en resoluciones de hasta 1 kilómetro (0,6 mi) a nivel mundial se utilizan para ayudar a modelar las circulaciones atmosféricas dentro de regiones de topografía accidentada, con el fin de representar mejor características como vientos descendentes, ondas de montaña y nubosidad relacionada que afecta la radiación solar entrante. Los principales datos de los servicios meteorológicos de los países son observaciones de dispositivos (llamados radiosondas) en globos meteorológicos que miden varios parámetros atmosféricos y los transmiten a un receptor fijo, así como de satélites meteorológicos. La Organización Meteorológica Mundial actúa para estandarizar la instrumentación, las prácticas de observación y el tiempo de estas observaciones en todo el mundo. Las estaciones informan cada hora en los informes METAR o cada seis horas en los informes SYNOP. Estas observaciones están espaciadas de forma irregular, por lo que se procesan mediante métodos de asimilación de datos y análisis objetivo, que realizan un control de calidad y obtienen valores en ubicaciones utilizables por los algoritmos matemáticos del modelo. Los datos se utilizan luego en el modelo como punto de partida para un pronóstico.

Se utilizan diversos métodos para reunir datos de observación para su uso en modelos numéricos. Los sitios lanzan radiosondas en globos meteorológicos que se elevan a través de la troposfera hasta la estratosfera. La información de los satélites meteorológicos se utiliza cuando no se dispone de fuentes de datos tradicionales. El Departamento de Comercio proporciona informes de pilotos a lo largo de las rutas de las aeronaves e informes de barcos a lo largo de las rutas de navegación. Los proyectos de investigación utilizan aviones de reconocimiento para volar dentro y alrededor de sistemas meteorológicos de interés, como ciclones tropicales. Los aviones de reconocimiento también vuelan sobre los océanos abiertos durante la estación fría en sistemas que causan una incertidumbre significativa en la orientación de los pronósticos, o se espera que tengan un alto impacto de tres a siete días en el futuro sobre el continente aguas abajo. El hielo marino comenzó a inicializarse en los modelos de pronóstico en 1971. Los esfuerzos para involucrar la temperatura de la superficie del mar en la inicialización del modelo comenzaron en 1972 debido a su papel en la modulación del clima en latitudes más altas del Pacífico.

Computation

Un ejemplo de 500 predicción de altura geopotencial mbar de un modelo numérico de predicción del tiempo.
Los supercomputadores son capaces de ejecutar modelos altamente complejos para ayudar a los científicos a comprender mejor el clima de la Tierra.

Un modelo es un programa informático que produce información meteorológica para tiempos futuros en lugares y altitudes determinados. En el interior de cualquier modelo hay un conjunto de ecuaciones, conocidas como ecuaciones primitivas, que se utilizan para predecir el estado futuro de la atmósfera. Estas ecuaciones se inicializan a partir de los datos de análisis y se determinan las tasas de cambio. Estas tasas de cambio predicen el estado de la atmósfera en un corto período de tiempo en el futuro, y cada incremento de tiempo se conoce como paso de tiempo. Las ecuaciones se aplican entonces a este nuevo estado atmosférico para encontrar nuevas tasas de cambio, y estas nuevas tasas de cambio predicen la atmósfera en un tiempo aún más lejano en el futuro. El paso de tiempo se repite hasta que la solución alcanza el tiempo de pronóstico deseado. La longitud del paso de tiempo elegido dentro del modelo está relacionada con la distancia entre los puntos en la cuadrícula computacional y se elige para mantener la estabilidad numérica. Los pasos de tiempo para los modelos globales son del orden de decenas de minutos, mientras que los pasos de tiempo para los modelos regionales son de entre uno y cuatro minutos. Los modelos globales se ejecutan en diferentes momentos en el futuro. El modelo unificado de UKMET se ejecuta con seis días de antelación, el modelo del Centro Europeo de Previsiones Meteorológicas a Plazo Medio se ejecuta con diez días de antelación, mientras que el modelo del Sistema de Previsiones Globales ejecutado por el Centro de Modelado Ambiental se ejecuta con dieciséis días de antelación.

Las ecuaciones utilizadas son ecuaciones diferenciales parciales no lineales que son imposibles de resolver exactamente mediante métodos analíticos, con la excepción de unos pocos casos idealizados. Por lo tanto, los métodos numéricos obtienen soluciones aproximadas. Los diferentes modelos utilizan diferentes métodos de solución: algunos modelos globales utilizan métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales y otros modelos globales suelen utilizar métodos de diferencias finitas en las tres dimensiones. El resultado visual producido por una solución de modelo se conoce como gráfico de pronóstico o prog.

Parámetros

Las cuadrículas de los modelos meteorológicos y climáticos tienen lados de entre 5 kilómetros (3,1 millas) y 300 kilómetros (190 millas). Una nube cúmulo típica tiene una escala de menos de 1 kilómetro (0,62 millas), y requeriría una cuadrícula aún más fina que ésta para ser representada físicamente por las ecuaciones del movimiento de fluidos. Por lo tanto, los procesos que representan dichas nubes están parametrizados, mediante procesos de diversa sofisticación. En los primeros modelos, si una columna de aire en una cuadrícula de modelo era inestable (es decir, la parte inferior más caliente que la superior), entonces se volcaba y el aire en esa columna vertical se mezclaba. Los esquemas más sofisticados agregan mejoras, reconociendo que solo algunas partes de la cuadrícula pueden conveccionarse y que ocurren procesos de arrastre y otros. Los modelos meteorológicos que tienen cuadrículas con lados de entre 5 kilómetros (3,1 millas) y 25 kilómetros (16 millas) pueden representar explícitamente nubes convectivas, aunque aún necesitan parametrizar la microfísica de las nubes. La formación de nubes de gran escala (de tipo estratos) tiene una base más física: se forman cuando la humedad relativa alcanza un valor prescrito. Aun así, es necesario tener en cuenta los procesos a escala subcuadrícula. En lugar de suponer que las nubes se forman con una humedad relativa del 100 %, la fracción de nubes se puede relacionar con una humedad relativa crítica del 70 % para las nubes de tipo estratos y del 80 % o más para las nubes cumuliformes, lo que refleja la variación a escala subcuadrícula que se produciría en el mundo real.

La cantidad de radiación solar que llega al nivel del suelo en terrenos accidentados, o debido a la nubosidad variable, se parametriza ya que este proceso ocurre a escala molecular. Además, el tamaño de la cuadrícula de los modelos es grande en comparación con el tamaño real y la rugosidad de las nubes y la topografía. Se tiene en cuenta el ángulo del sol, así como el impacto de múltiples capas de nubes. El tipo de suelo, el tipo de vegetación y la humedad del suelo determinan cuánta radiación se destina al calentamiento y cuánta humedad se absorbe en la atmósfera adyacente. Por lo tanto, es importante parametrizarlos.

Dominios

El dominio horizontal de un modelo es global, es decir, cubre toda la Tierra, o regional, es decir, cubre solo una parte de ella. Los modelos regionales también se conocen como modelos de área limitada o LAM. Los modelos regionales utilizan un espaciado de cuadrícula más fino para resolver fenómenos meteorológicos de escala explícitamente menor, ya que su dominio más pequeño disminuye las demandas computacionales. Los modelos regionales utilizan un modelo global compatible para las condiciones iniciales del borde de su dominio. La incertidumbre y los errores dentro de los LAM son introducidos por el modelo global utilizado para las condiciones de borde del borde del modelo regional, así como dentro de la creación de las condiciones de borde para los LAM en sí.

La coordinación vertical se maneja de varias maneras. Algunos modelos, como el modelo 1922 de Richardson, utilizan la altura geométrica () como la coordenadas vertical. Modelos posteriores sustituyeron la geometría coordinar con un sistema de coordenadas de presión, en el que las alturas geopotenciales de superficies de presión constante se convierten en variables dependientes, simplificando enormemente las ecuaciones primitivas. Esto se debe a que la presión disminuye con altura a través de la atmósfera terrestre. El primer modelo utilizado para las previsiones operacionales, el modelo barotrópico de una sola capa, utilizó una coordenadas de presión única en el nivel de 500-millibar (15 inHg), y por lo tanto fue esencialmente bidimensional. Modelos de alta resolución, también llamados mesoscale models—como el modelo de investigación y pronóstico del tiempo tienden a utilizar coordenadas de presión normalizadas llamadas coordenadas sigma.

Versiones globales

Algunos de los modelos numéricos globales más conocidos son:

  • PLAV Modelo atmosférico semi-lagrangiano mundial de la diversidad de la diversidad de la vulnerabilidad – desarrollado por Hydrometcenter RF
  • GFS Global Forecast System (previously AVN) – desarrollado por NOAA
  • NOGAPS – desarrollado por la Armada de Estados Unidos para comparar con el GFS
  • GEM Global Environmental Multiscale Model – desarrollado por el Servicio Meteorológico de Canadá (MSC)
  • IFS desarrollado por el Centro Europeo de Pronósticos Meteorológicos
  • UM Modelo unificado desarrollado por el Reino Unido Met Office
  • ICON desarrollado por el Servicio Meteorológico Alemán, DWD, junto con el Max-Planck-Institute (MPI) para Meteorology, Hamburg, NWP Global model of DWD
  • ARPEGE desarrollado por el Servicio Meteorológico Francés, Météo-France
  • IGCM Modelo de Circulación General Intermedio

Versiones regionales

Algunos de los modelos numéricos regionales más conocidos son:

  • WRF El modelo Weather Research and Forecasting fue desarrollado cooperativamente por NCEP, NCAR y la comunidad de investigación meteorológica. WRF tiene varias configuraciones, incluyendo:
    • WRF-NMM El modelo WRF Nonhidrostatic Mesoscale es el principal modelo de pronóstico del tiempo a corto plazo para Estados Unidos, reemplazando el modelo Eta.
    • WRF-ARW Advanced Research WRF desarrollado principalmente en el Centro Nacional para la Investigación Atmosférica (NCAR)
  • HARMONIE-Climate (HCLIM) es un modelo climático de área limitada basado en el modelo HARMONIE desarrollado por un gran consorcio de institutos europeos de pronóstico del tiempo y investigación. Es un sistema modelo que como WRF se puede ejecutar en muchas configuraciones, incluyendo en alta resolución con la física Aromática no hidrostática o en resoluciones inferiores con física hidrostática basada en los esquemas físicos ALADIN. Se ha utilizado principalmente en Europa y el Ártico para estudios climáticos, incluyendo 3 km de reducción sobre Escandinavia y en estudios que buscan eventos climáticos extremos.
  • RACMO fue desarrollado en el Instituto Meteorológico de los Países Bajos, KNMI y se basa en la dinámica del modelo HIRLAM con esquemas físicos del IFS
    • RACMO2.3p2 es una versión polar del modelo utilizado en muchos estudios para proporcionar equilibrio de masa superficial de las hojas de hielo polar que se desarrolló en la Universidad de Utrecht
  • MAR (Modele Atmospherique Regionale) es un modelo climático regional desarrollado en la Universidad de Grenoble en Francia y la Universidad de Liege en Bélgica.
  • HIRHAM5 es un modelo climático regional desarrollado en el Instituto Meteorológico Danés y el Instituto Alfred Wegener en Potsdam. También se basa en la dinámica HIRLAM con esquemas físicos basados en los del modelo ECHAM. Al igual que el modelo RACMO HIRHAM ha sido utilizado ampliamente en muchas partes diferentes del mundo bajo el esquema CORDEX para proporcionar proyecciones climáticas regionales. También tiene un modo polar que se ha utilizado para estudios de hojas de hielo polares en Groenlandia y Antártida
  • NAM El término modelo de Mesoscale norteamericano se refiere a cualquier modelo regional que NCEP opera sobre el dominio norteamericano. NCEP comenzó a utilizar este sistema de designación en enero de 2005. Entre enero de 2005 y mayo de 2006 el modelo Eta utilizó esta designación. A partir de mayo de 2006, el NCEP comenzó a utilizar el WRF-NMM como el NAM operacional.
  • RAMS el Sistema Regional de Modelización Atmosférica desarrollado en la Universidad Estatal de Colorado para simulaciones numéricas de meteorología atmosférica y otros fenómenos ambientales a escalas de metros a cientos de kilómetros – ahora apoyados en el dominio público
  • MM5 Estado de la Quinta Generación Penn/NCAR Mesoscale Model
  • ARPS el Sistema de Predicción de la Región Avanzada desarrollado en la Universidad de Oklahoma es un sistema completo de simulación y predicción no hidrostática multiescala que se puede utilizar para la predicción meteorológica a escala regional hasta la simulación y predicción a escala tornado. La asimilación avanzada de datos de radar para la predicción de tormenta es una parte clave del sistema..
  • HIRLAM High Resolution Limited Area Model, es desarrollado por el consorcio europeo de investigación NWP cofinanciado por 10 servicios meteorológicos europeos. El modelo HIRLAM de escala meso se conoce como HARMONIE y se desarrolla en colaboración con Meteo France y ALADIN consorcios.
  • GEM-LAM Global Environmental Multiscale Limited Area Model, the high resolution 2.5 km (1.6 mi) GEM by the Meteorological Service of Canada (MSC)
  • ALADIN El modelo hidrostático y no hidrostático de alta resolución, desarrollado y operado por varios países europeos y del norte de África bajo la dirección de Météo-France
  • COSMO El modelo COSMO, anteriormente conocido como LM, aLMo o LAMI, es un modelo no hidrostático de área limitada desarrollado en el marco del Consorcio para el Modelado de Pequeña Escala (Alemania, Suiza, Italia, Grecia, Polonia, Rumania y Rusia).
  • Meso-NH El modelo Meso-NH es un modelo no hidrostático de área limitada desarrollado conjuntamente por el Centro Nacional de Recherches Météorologiques y el Laboratoire d'Aérologie (Francia, Toulouse) desde 1998. Su aplicación es de mesoscale a escala centimétrica simulaciones del tiempo.

Estadísticas de productos modelo

Dado que los modelos de pronóstico basados en las ecuaciones de dinámica atmosférica no determinan con exactitud las condiciones meteorológicas cerca del suelo, se desarrollaron correcciones estadísticas para intentar resolver este problema. Se crearon modelos estadísticos basados en los campos tridimensionales producidos por los modelos meteorológicos numéricos, las observaciones de superficie y las condiciones climatológicas de lugares específicos. Estos modelos estadísticos se conocen colectivamente como estadísticas de salida del modelo (MOS, por sus siglas en inglés) y fueron desarrollados por el Servicio Meteorológico Nacional para su conjunto de modelos de pronóstico meteorológico. La Fuerza Aérea de los Estados Unidos desarrolló su propio conjunto de MOS basado en su modelo meteorológico dinámico en 1983.

Las estadísticas de salida del modelo difieren de la técnica de prog perfecto, que supone que la salida de la guía de predicción numérica del tiempo es perfecta. MOS puede corregir los efectos locales que no pueden resolverse con el modelo debido a una resolución de cuadrícula insuficiente, así como los sesgos del modelo. Los parámetros de pronóstico dentro de MOS incluyen temperaturas máximas y mínimas, porcentaje de probabilidad de lluvia dentro de un período de varias horas, cantidad de precipitación esperada, probabilidad de que la precipitación sea de naturaleza congelada, probabilidad de tormentas eléctricas, nubosidad y vientos en la superficie.

Aplicaciones

Climate modeling

En 1956, Norman Phillips desarrolló un modelo matemático que representaba de manera realista los patrones mensuales y estacionales en la troposfera. Este fue el primer modelo climático exitoso. Varios grupos comenzaron a trabajar para crear modelos de circulación general. El primer modelo climático de circulación general combinó procesos oceánicos y atmosféricos y se desarrolló a fines de la década de 1960 en el Laboratorio de Dinámica de Fluidos Geofísicos, un componente de la Administración Nacional Oceánica y Atmosférica de los Estados Unidos.

En 1975, Manabe y Wetherald habían desarrollado un modelo climático global tridimensional que ofrecía una representación aproximadamente precisa del clima actual. La duplicación del CO2 en la atmósfera del modelo dio como resultado un aumento de aproximadamente 2 °C en la temperatura global. Varios otros tipos de modelos informáticos dieron resultados similares: era imposible crear un modelo que ofreciera algo parecido al clima real y que no tuviera un aumento de temperatura cuando aumentaba la concentración de CO2.

A principios de los años 1980, el Centro Nacional de Investigación Atmosférica de los Estados Unidos había desarrollado el Modelo Comunitario de Atmósfera (CAM), que puede ejecutarse de manera independiente o como componente atmosférico del Modelo Comunitario de Sistema Climático. La última actualización (versión 3.1) del CAM independiente se publicó el 1 de febrero de 2006. En 1986, comenzaron los esfuerzos para inicializar y modelar los tipos de suelo y vegetación, lo que dio como resultado pronósticos más realistas. Los modelos climáticos acoplados océano-atmósfera, como el modelo HadCM3 del Centro Hadley para la Predicción e Investigación del Clima, se están utilizando como insumos para los estudios sobre el cambio climático.

Modelado de área limitada

Modelo difundido con el huracán Ernesto (2006) dentro de los modelos de área limitada del Centro Nacional del Huracán

Los pronósticos de contaminación del aire dependen de modelos atmosféricos que proporcionen información sobre el flujo de fluidos para rastrear el movimiento de los contaminantes. En 1970, una empresa privada de los EE. UU. desarrolló el modelo de cuencas atmosféricas urbanas (UAM, por sus siglas en inglés) regional, que se utilizó para pronosticar los efectos de la contaminación del aire y la lluvia ácida. A mediados y fines de la década de 1970, la Agencia de Protección Ambiental de los Estados Unidos se hizo cargo del desarrollo del UAM y luego utilizó los resultados de un estudio regional de contaminación del aire para mejorarlo. Si bien el UAM se desarrolló para California, durante la década de 1980 se utilizó en otras partes de América del Norte, Europa y Asia.

El modelo de malla fina móvil, que comenzó a funcionar en 1978, fue el primer modelo de predicción de ciclones tropicales basado en la dinámica atmosférica. A pesar de la mejora constante de la orientación de los modelos dinámicos, que fue posible gracias al aumento de la potencia computacional, no fue hasta la década de 1980 que la predicción numérica del tiempo (NWP) demostró su eficacia para predecir la trayectoria de los ciclones tropicales. Y no fue hasta la década de 1990 que la NWP superó sistemáticamente a los modelos estadísticos o dinámicos simples. La predicción de la intensidad de los ciclones tropicales mediante NWP también ha sido un desafío. A partir de 2009, la orientación dinámica seguía siendo menos eficaz que los métodos estadísticos.

Véase también

  • Reanálisis atmosférico
  • Climate model
  • Predicción del tiempo numérico
  • Modelos de alta atmósfera
  • Modelo atmosférico estatico
  • Modelo de transporte de química

Referencias

  1. ^ Gates, W. Lawrence (agosto 1955). Resultados del pronóstico numérico con los modelos atmosféricos barotrópicos y termotrópicos. Hanscom Air Force Base: Air Force Cambridge Research Laboratories. Archivado desde el original el 22 de julio de 2011.
  2. ^ Thompson, P. D.; W. Lawrence Gates (abril de 1956). "A Test of Numerical Prediction Methods Based on the Barotropic and Two-Parameter Baroclinic Models". Journal of Meteorology. 13 (2): 127–141. Bibcode:1956JAtS...13..127T doi:10.1175/1520-0469(1956)013 100127:ATONPM confianza2.0.CO;2. ISSN 1520-0469.
  3. ^ Wallace, John M. " Peter V. Hobbs (1977). Atmospheric Science: An Introductory Survey. Academic Press, Inc. pp. 384–385. ISBN 978-0-12-732950-5.
  4. ^ Marshall, John; Plumb, R. Alan (2008). "Balanced flow". Atmósfera, océano y dinámica climática: texto introductorio. Amsterdam: Elsevier Academic Press. pp. 109–12. ISBN 978-0-12-558691-7.
  5. ^ a b c Charney, Jule; Fjörtoft, Ragnar; von Neumann, John (noviembre de 1950). "Incorporación Núclea de la Ecuación de Vorticidad Barrotrópica". Tellus. 2 (4): 237–254. Bibcode:1950Tell....2..237C. doi:10.3402/tellusa.v2i4.8607.
  6. ^ Jacobson, Mark Zachary (2005). Fundamentos de modelado atmosférico. Cambridge University Press. pp. 138–143. ISBN 978-0-521-83970-9.
  7. ^ a b Lynch, Peter (2008-03-20). "Los orígenes de la predicción del tiempo informático y el modelado climático" (PDF). Diario de Física Computacional. 227 (7): 3431–44. código:2008JCoPh.227.3431L. doi:10.1016/j.jcp.2007.02.034. Archivado desde el original (PDF) en 2010-07-08. Retrieved 2010-12-23.
  8. ^ Lynch, Peter (2006). "Predicción Weather por proceso numérico". La emergencia de la predicción meteorológica numérica. Cambridge University Press. pp. 1–27. ISBN 978-0-521-85729-1.
  9. ^ Cox, John D. (2002). Storm Watchers. John Wiley ' Sons, Inc. p. 208. ISBN 978-0-471-38108-2.
  10. ^ Harper, Kristine; Uccellini, Louis W.; Kalnay, Eugenia; Carey, Kenneth; Morone, Lauren (mayo de 2007). "2007: 50 aniversario de la predicción meteorológica numérica operativa". Boletín de la Sociedad Meteorológica Americana. 88 (5): 639-650. Código:2007BAMS...88..639H. doi:10.1175/BAMS-88-5-639.
  11. ^ Leslie, L.M.; Dietachmeyer, G.S. (diciembre de 1992). "Real-time Limited area numerical weather prediction in Australia: a historical perspective" (PDF). Australian Meteorological Magazine. 41 (SP). Bureau of Meteorology: 61–77. Retrieved 2011-01-03.
  12. ^ a b Norman A. Phillips (abril de 1956). "La circulación general de la atmósfera: un experimento numérico" (PDF). Quarterly Journal of the Royal Meteorological Society. 82 (352): 123–154. Bibcode:1956QJRMS..82..123P. doi:10.1002/qj.49708235202.
  13. ^ a b John D. Cox (2002). Storm Watchers. John Wiley ' Sons, Inc. p. 210. ISBN 978-0-471-38108-2.
  14. ^ a b Shuman, Frederick G. (septiembre 1989). "Historia de la predicción meteorológica numérica en el Centro Meteorológico Nacional". El tiempo y el pronóstico. 4 (3): 286–296. Código:1989WtFor...4..286S. doi:10.1175/1520-0434(1989)004 hicieron0286:HONWPA confianza2.0.CO;2. ISSN 1520-0434.
  15. ^ a b Steyn, D. G. (1991). Modelo de contaminación atmosférica y su aplicación VIII, Volumen 8. Birkhäuser. pp. 241–242. ISBN 978-0-306-43828-8.
  16. ^ a b Harry Hughes (1976). Orientación sobre las estadísticas de los productos modelo. United States Air Force Environmental Technical Applications Center. pp. 1–16.
  17. ^ a b L. Best, D. L. ' S. P. Pryor (1983). Sistemas de estadísticas de rendimiento del servicio de meteorología aérea. Air Force Global Weather Central. pp. 1–90.
  18. ^ Cox, John D. (2002). Storm Watchers. John Wiley ' Sons, Inc. pp. 222–224. ISBN 978-0-471-38108-2.
  19. ^ Weickmann, Klaus, Jeff Whitaker, Andres Roubicek y Catherine Smith (2001-12-01). El uso de predicciones de conjunto para producir rango medio mejorado (3-15 días) pronósticos meteorológicos. Climate Diagnostics Center. Consultado 2007-02-16.
  20. ^ Toth, Zoltan; Kalnay, Eugenia (diciembre de 1997). "Ensemble Forecasting at NCEP and the Breeding Method". Monthly Weather Review. 125 (12): 3297–3319. Código:1997MWRv..125.3297T CiteSeerX 10.1.1.324.3941. doi:10.1175/1520-0493(1997)125 obtenidos3297:EFANAT Conf.2.0.CO;2. ISSN 1520-0493.
  21. ^ "The Ensemble Prediction System (EPS)". ECMWF. Archivado desde el original el 25 de enero de 2011. Retrieved 2011-01-05.
  22. ^ Molteni, F.; Buizza, R.; Palmer, T.N.; Petroliagis, T. (enero de 1996). "El sistema de predicción del conjunto ECMWF: Metodología y validación". Quarterly Journal of the Royal Meteorological Society. 122 (529): 73–119. Código:1996QJRMS.122...73M. doi:10.1002/qj.49712252905.
  23. ^ Stensrud, David J. (2007). Parámetros: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press. p. 56. ISBN 978-0-521-86540-1.
  24. ^ National Climatic Data Center (2008-08-20). "Key to METAR Surface Weather Observations". National Oceanic and Atmospheric Administration. Archivado desde el original el 21 de septiembre de 2007. Retrieved 2011-02-11.
  25. ^ "SYNOP Data Format (FM-12): Surface Synoptic Observations". UNISYS. 2008-05-25. Archivado desde el original en 2007-12-30.
  26. ^ Krishnamurti, T. N. (enero de 1995). "Predicción meteorológica numérica". Annual Review of Fluid Mechanics. 27 (1): 195–225. Código:1995AnRFM.27..195K. doi:10.1146/annurev.fl.27.010195.001211. S2CID 122230747.
  27. ^ "The WRF Variational Data Assimilation System (WRF-Var)". University Corporation for Atmospheric Research. 2007-08-14. Archivado desde el original el 2007-08-14.
  28. ^ Gaffen, Dian J. (2007-06-07). "Observaciones de radio y su uso en investigaciones relacionadas con SPARC". Archivado desde el original el 2007-06-07.
  29. ^ Ballish, Bradley A.; V. Krishna Kumar (noviembre de 2008). "Diferencias sistemáticas en aeronaves y temperaturas de radiosonda" (PDF). Boletín de la Sociedad Meteorológica Americana. 89 (11): 1689–1708. Código:2008 BAMS...89.1689B. doi:10.1175/2008BAMS2332.1. Retrieved 2011-02-16.
  30. ^ National Data Buoy Center (2009-01-28). "El esquema de observación voluntaria de la OMM (VOS)". National Oceanic and Atmospheric Administration. Retrieved 2011-02-15.
  31. ^ 403a Ala (2011). "Los cazadores del huracán". 53o Escuadrón de Reconocimiento Meteorológico. Archivado desde el original el 2012-05-30. Retrieved 2006-03-30.{{cite web}}: CS1 maint: nombres numéricos: lista de autores (link)
  32. ^ Lee, Christopher (2007-10-08). "Drone, Sensores pueden abrir camino hacia el ojo de la tormenta". El Washington Post. Retrieved 2008-02-22.
  33. ^ National Oceanic and Atmospheric Administration (2010-11-12). "NOAA despacha Plano de Investigación de alta tecnología para mejorar los pronósticos de tormenta de invierno". Retrieved 2010-12-22.
  34. ^ Stensrud, David J. (2007). Parámetros: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press. p. 137. ISBN 978-0-521-86540-1.
  35. ^ Houghton, John Theodore (1985). The Global Climate. Cambridge University Press archive. pp. 49–50. ISBN 978-0-521-31256-1.
  36. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modelado. Academic Press. pp. 48–49. ISBN 978-0-12-554766-6.
  37. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modelado. Academic Press. pp. 285–287. ISBN 978-0-12-554766-6.
  38. ^ Sunderam, V. S.; G. Dick van Albada; Peter M. A. Sloot; J. J. Dongarra (2005). Ciencia Computacional – ICCS 2005: 5a Conferencia Internacional, Atlanta, GA, USA, 22 al 25 de mayo de 2005, Proceedings, Part 1. Springer. p. 132. ISBN 978-3-540-26032-5.
  39. ^ Zwieflhofer, Walter; Norbert Kreitz; European Centre for Medium Range Weather Forecasts (2001). Developments in teracomputing: proceedings of the ninth ECMWF Workshop on the Use of High Performance Computing in Meteorology. World Scientific. p. 276. ISBN 978-981-02-4761-4.
  40. ^ a b c Chan, Johnny C. L. " Jeffrey D. Kepert (2010). Perspectivas Globales sobre Ciclones Tropicales: De la Ciencia a la Mitigación. World Scientific. págs. 295 a 301. ISBN 978-981-4293-47-1.
  41. ^ Holton, James R. (2004). Una introducción a la meteorología dinámica, Volumen 1. Academic Press. p. 480. ISBN 978-0-12-354015-7.
  42. ^ Brown, Molly E. (2008). Sistemas de alerta temprana y datos de teleobservación. Springer. p. 121. ISBN 978-3-540-75367-4.
  43. ^ a b Strikwerda, John C. (2004). Planes de diferencia finitos y ecuaciones diferenciales parciales. SIAM. pp. 165-170. ISBN 978-0-89871-567-5.
  44. ^ Pielke, Roger A. (2002). Mesoscale Meteorological Modelado. Academic Press. p. 65. ISBN 978-0-12-554766-6.
  45. ^ Ahrens, C. Donald (2008). Esenciales de la meteorología: una invitación a la atmósfera. Cengage Learning. p. 244. ISBN 978-0-495-11558-8.
  46. ^ Narita, Masami " Shiro Ohmori (2007-08-06). "3.7 Mejorar los pronósticos de precipitación por el Modelo de Mesoscale No Hidrostatico Operacional con la Parametrización Convectiva Kain-Fritsch y la Microfísica Cloud" (PDF). 12a Conferencia sobre los Procesos de Mesoscale. American Meteorological Society. Retrieved 2011-02-15.
  47. ^ Frierson, Dargan (2000-09-14). "El esquema de parametrización de la nube diagnóstica" (PDF). University of Washington. pp. 4–5. Archivado desde el original (PDF) el 1 de abril de 2011. Retrieved 2011-02-15.
  48. ^ Stensrud, David J. (2007). Parámetros: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press. p. 6. ISBN 978-0-521-86540-1.
  49. ^ Mel Josephnikova, Irina N. " Alexander V. Vasilyev (2005). Radiación solar de onda corta en la atmósfera terrestre: cálculo, observación, interpretación. Springer. pp. 226–228. ISBN 978-3-540-21452-6.
  50. ^ Stensrud, David J. (2007). Parámetros: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press. pp. 12–14. ISBN 978-0-521-86540-1.
  51. ^ Warner, Thomas Tomkins (2010). Numerical Weather and Climate Prediction. Cambridge University Press. p. 259. ISBN 978-0-521-51389-0.
  52. ^ Lynch, Peter (2006). "Las Ecuaciones Fundamentales". La emergencia de la predicción meteorológica numérica. Cambridge University Press. pp. 45–46. ISBN 978-0-521-85729-1.
  53. ^ Ahrens, C. Donald (2008). Esenciales de la meteorología: una invitación a la atmósfera. Cengage Learning. p. 10. ISBN 978-0-495-11558-8.
  54. ^ Janjic, Zavisa; Gall, Robert; Pyle, Matthew E. (Febrero de 2010). "Documentación científica para el Solver NMM" (PDF). National Center for Atmospheric Research. pp. 12–13. Archivado desde el original (PDF) en 2011-08-23. Retrieved 2011-01-03.
  55. ^ "HIRLAM". Archivado desde el original el 30 de abril de 2018.
  56. ^ Consortium on Small Scale Modelling. Consortium for Small-scale Modeling. Consultado el 2008-01-13.
  57. ^ Lac, C., Chaboureau, P., Masson, V., Pinty, P., Tulet, P., Escobar, J.,... " Aumond, P. (2018). Vista general de la versión modelo Meso-NH 5.4 y sus aplicaciones. Geocientific Model Development, 11, 1929-1969.
  58. ^ Lafore, Jean Philippe, et al. "El sistema de simulación atmosférica Meso-NH. Parte I: simulaciones de formulación y control adiabáticas". Annales geophysicae. Vol. 16. No. 1. Copernicus GmbH, 1998.
  59. ^ Baum, Marsha L. (2007). Cuando la naturaleza golpea: desastres climáticos y la ley. Greenwood Publishing Group. p. 189. ISBN 978-0-275-22129-4.
  60. ^ Gultepe, Ismail (2007). Nubes de niebla y capa de límites: visibilidad y pronóstico de niebla. Springer. p. 1144. ISBN 978-3-7643-8418-0.
  61. ^ Barry, Roger Graham y Richard J. Chorley (2003). Atmósfera, clima y clima. Psychology Press. p. 172. ISBN 978-0-415-27171-4.
  62. ^ a b Peter Lynch (2006). "Las integraciones de ENIAC". La emergencia de la predicción meteorológica numérica: el sueño de Richardson. Cambridge University Press. p. 208. ISBN 978-0-521-85729-1. Retrieved 6 de febrero 2018.
  63. ^ National Oceanic and Atmospheric Administration (22 de mayo de 2008). "El primer modelo climático". Retrieved 8 de enero 2011.
  64. ^ Manabe S.; Wetherald R. T. (1975). "Los efectos de duplicar la concentración de CO2 en el clima de un modelo de circulación general". Journal of the Atmospheric Sciences. 32 (3): 3–15. Bibcode:1975JAtS...32....3M. doi:10.1175/1520-0469(1975)032 obtenidos0003:teodtc confianza2.0.co;2.
  65. ^ "CAM 3.1 Descargar". www.cesm.ucar.edu. Retrieved 2019-06-25.
  66. ^ William D. Collins; et al. (junio de 2004). "Descripción del modelo de atmósfera comunitaria NCAR (CAM 3.0)" (PDF). University Corporation for Atmospheric Research. Archivado desde el original (PDF) el 26 de septiembre de 2019. Retrieved 3 de enero 2011.
  67. ^ "CAM3.0 COMMUNITY ATMOSPHERE MODEL". University Corporation for Atmospheric Research. Retrieved 6 de febrero 2018.
  68. ^ Yongkang Xue " Michael J. Fennessey (20 de marzo de 1996). "Impact of vegetation properties on U.S. summer weather prediction" (PDF). Journal of Geophysical Research. 101 (D3): 7419. Código:1996JGR...101.7419X. CiteSeerX 10.1.453.551. doi:10.1029/95JD02169. Archivado desde el original (PDF) el 10 de julio de 2010. Retrieved 6 de enero 2011.
  69. ^ Alexander Baklanov; Alix Rasmussen; Barbara Fay; Erik Berge; Sandro Finardi (septiembre de 2002). "Potential and Shortcomings of Numerical Weather Prediction Models in providing Meteorological Data for Urban Air Pollution Forecasting". Water, Air, " Soil Pollution: Focus. 2 (5): 43–60. doi:10.1023/A:1021394126149. S2CID 94747027.
  70. ^ James Franklin (20 de abril de 2010). "El Centro Nacional del Huracán predicó la verificación". Centro Nacional del Huracán. Archivado desde el original el 2 de enero de 2011. Retrieved 2 de enero 2011.
  71. ^ Edward N. Rappaport; James L. Franklin; Lixion A. Avila; Stephen R. Baig; John L. Beven II; Eric S. Blake; Christopher A. Burr; Jiann-Gwo Jiing; Christopher A. Juckins; Richard D. Knabb; Christopher W. Landsea; Michelle Mainelli; Max Mayfield; Colin J. McAdie; Richard J. Pasch; Christopher Sisko; Stacy R. Stewart; "Advances and Challenges at the National Hurricane Center". El tiempo y el pronóstico. 24 (2): 395-419. Código:2009WtFor..24..395R. CiteSeerX 10.1.1.207.4667. doi:10.1175/2008WAF2222128.1.

Más lectura

  • Roulstone, Ian; Norbury, John (2013). Invisible en la tormenta: el papel de las matemáticas en la comprensión del tiempo. Princeton: Princeton University Press. ISBN 978-0-691-15272-1.
  • Página de Descarga de códigos fuente y software gráfico
  • código fuente RAMS disponible bajo GNU General Public License
  • MM5 Código fuente descarga
  • El código fuente de ARPS
  • Visualización modelo
Más resultados...
Te puede interesar
Tamaño del texto:
undoredo
format_boldformat_italicformat_underlinedstrikethrough_ssuperscriptsubscriptlink
save
cancelcheck_circle