Introducción a los ensembles o sistemas de predicción por conjuntos

| | 2 comentarios
Figura 1: Trayectorias del atractor de Lorenz con   r=28, σ = 10, b = 8/3
Fuente: http://commons.wikimedia.org/wiki/File:Lorenz_system_r28_s10_b2-6666.png
Tradicionalmente las predicciones de estados futuros de la atmósfera se llevaban a cabo mediante modelos numéricos deterministas como ya comentamos aquí. Los modelos numéricos resuelven de forma numérica las ecuaciones diferenciales no lineales que representan los procesos atmosféricos y la dinámica de las masas de aire.

La no linealidad de las ecuaciones diferenciales que describen los movimientos atmosféricos da lugar a la no existencia de soluciones analíticas de las mismas.

El desarrollo de técnicas de resolución de las ecuaciones mediante métodos numéricos se ha llevado a cabo de manera progresiva en diversas etapas, comenzando en la década de los 50 del siglo pasado y desarrollándose hasta la actualidad. El nacimiento de los modelos numéricos globales, regionales y de mesoescala, tal y como los conocemos actualmente, tuvo lugar en la década de los 80. La evolución de estos modelos se consigue como consecuencia del aumento de los incrementos de los recursos de cálculo computacional, las redes de observación, la resolución espacio-temporal y las mejoras en las metodologías de asimilación de las observaciones, dando lugar a un mejor conocimiento de la dinámica y los procesos microfísicos atmosféricos. En la última etapa, a partir de los años 90, los modelos acoplados: atmosfera-océano, atmosfera-océano-suelo y los modelos de alta resolución espacio temporal, han ido permitiendo un avance en el desarrollo del análisis, el diagnóstico y la predicción meteorológica.



La filosofía fundamental de los modelos de predicción numérica se fundamentaba en una atmósfera caracterizada por una naturaleza determinista que podría ser predicha con exactitud. Es por esto que la mayoría de los esfuerzos de investigación y computacionales se dedicaron a producir una predicción meteorológica única lo más precisa posible. A pesar de todo, los modelos realizan aproximaciones debido a que algunas variables o procesos no pueden ser resueltos mediante las resoluciones espaciales y temporales en las que trabaja el modelo y con el nivel de conocimiento actual en alguna de las materias. Estos procesos han de ser parametrizados dando lugar a errores inherentes al modelo. Aun asumiendo que el modelo fuese capaz de resolver de forma perfecta todos los procesos atmosféricos, la descripción realista, con los datos disponibles, de la situación atmosférica inicial es imposible de obtener con una precisión total en todo lugar y a todas las resoluciones.
Foto 1: Eduard Norton Lorenz (1917 - 2008) pionero de la Teoría del Caos aplicada a la meteorología
Eduard N. Lorenz demostró que pequeñas variaciones en las condiciones iniciales del modelo no producen soluciones únicas sino un conjunto de posibles soluciones, es lo que se conoce como el “efecto mariposa” y sienta las bases de la aplicación de la Teoría del Caos y la matemática de los fractales al estudio de la atmósfera.

Es por ello que la predecibilidad de los estados futuros atmosféricos esté limitada en el tiempo dado que los errores en las condiciones iniciales utilizadas por el modelo crecen a medida que aumenta el periodo de predicción, limitando la predecibilidad del modelo.



2 comentarios:

Anónimo dijo...

Pues deberias debatirlo con un meteorologo muy contrastado y conocido por su aciertos,en este campo!

Met dijo...

Estamos abiertos a cualquier comentario/debate sobre este y cualquier otor tema.
Si quieres que esa debate sea público pide por favor que la persona haga cualquier comentario que estime oportuno.

 
Twitter Facebook Dribbble Tumblr Last FM Flickr Behance