Met

Introducción a los ensembles o sistemas de predicción por conjuntos

2010-10-04T18:05:00.000+02:00

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.

¿La fase negativa de la NAO se da menos veces que la fase positiva o en menor medida?

2010-04-21T08:39:00.001+02:00

Vamos a tratar de responder a la pregunta realizada por dondemola respecto al post anterior. Recordamos que el índice de la NAO trata de representar la fuerza y posiciones relativas de la baja de Islandia y el anticiclón de las Azores. Los efectos en el tiempo meteorológico en ambas partes del Atlántico Norte representados en las figuras 2 y 3 del post anterior son más destacables en los inviernos del hemisferio Norte. Es decir, la NAO tiene una mayor influencia durante los inviernos.

Si en vez de representar el índice de la NAO para todos los meses del año, nos limitamos a hacerlo para los meses de enero, febrero y marzo (Figura 1; línea azul) donde el patrón es más influyente, vemos como hay dos periodos donde el índice es preponderantemente negativo desde 1950 hasta 1972 y otro con tendencia a ser positivo desde 1981 hasta el 2009. Para establecer más claramente estos periodos y la transición entre ellos, en la Figura 1 se muestra en línea negra el promedio quinquenal del índice. Este promedio permite una mejor interpretación del comportamiento del índice al suavizar las oscilaciones propias del mismo.

Como conclusión podemos decir que el primer periodo (1950-1972) está claramente marcado por índices NAO negativos, posteriormente existe un periodo de transición (1972-1981) donde se produce una oscilación positiva-negativa del índice , después de este se produce un periodo (1982-2009) de preponderancia de índices positivos y este año 2010 muestra un nuevo de cambio de tendencia hacia índices negativos.

Figura 1: Índice de la NAO durante el periodo 1950-2010 para los meses de enero, febrero y marzo (linea azul) y media movil del índice promediada cada 5 años. Fuente: NOAA. National Weather Service. Climate Prediction Ceter. http://www.cpc.noaa.gov/products/precip/CWlink/pna/JFM_season_nao_index.shtml

Las previsiones realizadas por el Climate Prediction Center de la NOAA (Figura 2), muestra valores negativos hasta más haya del mes del uno de mayo como muestran los miembros del ensemble o sistema de predicción por conjuntos (líneas rojas). Pese a que la NAO no tiene tanta influencia en el tiempo meteorológico como en los meses de invierno, este comportamiento negativo indica una debilidad del anticiclón de las Azores, lo que está propiciando la continua entrada de bajas Atlánticas que estamos viviendo en la península durante estos días y que parece que van a tener continuidad.

Figura 2: Índice NAO(línea negra) y predicciones del mismo mediante el ensemble de NCEP (líneas rojas) durante el periodo 15 de diciembre de 2009 hasta 5 de mayo de 2010.. Fuente: NOAA. National Weather Service. Climate Prediction Ceter. http://www.cpc.noaa.gov/products/precip/CWlink/pna/new.nao.shtml

Como vemos en la figura, las previsiones de la NAO ser realizan mediante ensembles o sistemas de predicción por conjuntos. Trataremos de dar una explicación sobre que son y para que sirven este tipo de sistemas en el próximo post

Explicación de un invierno lluvioso en la Península Ibérica

2010-04-09T14:35:00.006+02:00

¿Climatología o meteorología?

La climatología y meteorología son dos ramas de la ciencia que estudian el tiempo meteorológico desde dos puntos de vista distintos. Mientras que la climatología estudia los comportamientos en largos periodos de tiempo y en zonas espaciales de comportamiento meteorológico similar; la meteorología en cambio, trata de responder a que pasa en una situación instantánea y/o hacer predicciones en unos puntos e instantes dados.

Así pues, el uso de expresiones como “climatología adversa” para referirse al tiempo meteorológico en un instante y lugar no tiene ningún sentido. Esta expresión vendría a decir que algo así como que el “promedio” temporal de las situaciones meteorológicas en ese lugar es adverso. Pero esto es imposible, ya que ese “promedio” es algo que resulta de una estadística y como tal solo es un método matemático que permite resumir el comportamiento de un conjunto de datos mediante un número menor de valores que sean representativos del conjunto.

(Nota: La palabra “promedio” aparece entrecolmillada ya que la climatología no solo hace promedios sino que estudia otros muchos parámetros representativos de la muestra y de las relaciones entre los mismos, usamos promedio como simplificación en este texto y para hacerlo más comprensible)

El clima de un lugar es pues, el "promedio" del tiempo meteorológico durante muchos años, siglos o milenios. Evidentemente, alrededor de este “promedio” existen fenómenos meteorológicos que se apartan poco o mucho de este “promedio”. Realmente, en la mayoría de los casos las situaciones meteorológicas no corresponden al promedio.

Invierno más lluvioso de lo normal

Climáticamente hablando el invierno en el hemisferio Norte, y por lo tanto en la Península Ibérica, se define como el promedio temporal de las situaciones meteorológicas de los meses de diciembre, enero y febrero (DEF). Por lo tanto, el invierno climático no coincide con el invierno astronómico.

Según el informe “Caracteristicas climáticas del invierno 2009” de la AEMET, la precipitación media durante DEF en España ha sido aproximadamente de 400 mm, lo que supondría casi el doble que el promedio de los DEF usados como referencia. La AEMET fija esta referencia como los valores medios de precipitación en el periodo 1971-2001. En la Fig. 1 se muestran los valores, en tanto por ciento, por encima del valor normal del periodo de referencia.

Figura 1: Porcentaje de precipitación por encima de los valores medios de los inviernos 1971-2000. Fuente: AEMET. Ministerio de Medio Ambiente y Medio Rural y Marino

Es de destacar que los porcentajes toman valores que van desde el 75 % al 300 % por encima de los valores medios, siendo pues, un invierno más lluvioso que el promedio

Patrones de teleconexión

Existen patrones o configuraciones atmosféricas que tienden a repetirse de forma cíclica, pero no periódica, y son estudiados de forma estadística por los climatólogos. Estos patrones son los llamados patrones de teleconexión.

El más famoso de ellos es el Niño y su opuesto la Niña, que son dos situaciones que se repiten en el Pacifico Sur y tienen consecuencias en la circulación atmosférica global, de ahí el nombre de patrones de teleconexion, que quiere decir, patrones que tiene influencia a grandes distancias de donde se originan.

En el caso del Atlántico Norte existe un patrón de teleconexión recurrente en los inviernos llamado la Oscilación del Atlántico Norte conocido por sus siglas en inglés NAO. La NAO caracteriza la oscilación y fuerza relativa de dos sistemas de presión que tienden a moverse en torno a sus posiciones de equilibrio. Estos sistemas son: uno de baja presión sobre Islandia (la baja de Islandia) y un sistema de alta presión sobre Azores (el anticiclón de Azores).

La NAO se caracteriza estadísticamente por un índice trata de medir las diferencias de posición e intensidad relativa de la baja de Islandia y el anticiclón de las Azores. El índice de la NAO puede tomar valores positivos o negativos. La fase positiva (Figura 2) tiene como consecuencia unos inviernos más secos en el sur de Europa que coincide con los periodos de sequia en la Península Ibérica. Esto es debido a la gran fortaleza y colocación del anticiclón de las Azores que actúa de bloque para la entrada en la península de los vientos húmedo del Atlántico.

Figura 2: Representación gráfica de la fase positiva de la NAO y sus consecuencias meteorológicas en las dos orillas del Atlántico. Fuente: http://www.ldeo.columbia.edu/res/pi/NAO/

La fase negativa (Figura 3) genera periodos de invierno más lluviosos en el sur de Europa. Esto es debido al debilitamiento y cambio de posición tanto del anticiclón de las Azores como de la baja de Islandia.

Figura 3: Representación gráfica de la fase positiva de la NAO y sus consecuencias meteorológicas en las dos orillas del Atlántico. Fuente: http://www.ldeo.columbia.edu/res/pi/NAO/

Serie temporal de la NAO

Evidentemente el índice de la NAO varía con el tiempo y puede ser representado como una serie temporal. Si nos fijamos en la serie (Figura 4) vemos como existen periodos con índice NAO positivo y otros con índice negativo. Si nos fijamos en el periodo que representa el último mes del año 2009 y los primeros del 2010, indican un índice negativo, que al coincidir este periodo con el periodo de invierno donde la NAO tiene una gran influencia en los fenómenos meteorológicos en el Atlántico norte, han generado este invierno tan lluvioso.

Figura 3: Serie temporal del índice de la NAO. En azul los valores negativos del índice y en rojo los positivos. Fuente: NOAA. National Weather Service. Climate Prediction Ceter. http://www.cpc.noaa.gov/products/precip/CWlink/pna/month_nao_index.shtml

La base de las predicciones meteorológicas

2010-03-24T11:19:00.016+01:00

Las predicciones meteorológicas o climáticas están basadas en gran medida en modelos matemáticos.

Las ecuaciones matemáticas que rigen los movimientos y propiedades de los fluidos, y la atmósfera lo es, son bien conocidas, con lo que se pueden modelizar o modelar, pero he aquí el gran pero, son NO LINEALES.

¿Qué quiere decir esto?

Pues que no tienen solución analítica ¿y que quiere decir esto?. Pues que si se conociese el estado inicial de la atmósfera la evolución tras un tiempo no se puede expresar con una formula. Ojo, si se conociese el estado inicial, eso implicaría en todo punto y en todo lugar de la atmósfera.

Además esa no linealidad, implica procesos de retroalimentación que provocan interrelaciones tales como, por ejemplo, si baja la temperatura bajo cero hiela, pero si hay más humedad hiela más pero si hay viento hiela menos o no hiela, y si hiela se pierde humedad en la atmósfera porque se deposita en el suelo, como el suelo se enfría en su capa superficial radia a una temperatura más baja, la capa de aire en contacto con el suelo se enfría más ... y así miles de interrelaciones y retroalimenteaciones.

Volviendo al tema, la no linealidad provoca también que pequeños cambios en la condición inicial den lugar a situaciones muy diferentes y más diferentes cuanto más lejos es el instante que deseamos predecir. Esto es lo que se conoce como la teoría del CAOS. Una nueva matemática se esta desarrollando en torno al caos para tratar de expresar este tipo de comportamientos.

Por ahora tenemos: no conocemos la condición inicial de la atmósfera con todo el detalle que probablemente necesitamos (no hay observatorios, ni radares, ni imágenes de satélite, etc ... en todo punto y en todo lugar) y las ecuaciones son no lineales (procesos de retroalimentación que dan lugar a comportamientos caóticos, y no existe solución expresable con una formula).

¿Cómo se resuelve este problema?

Los grandes centros meteorológicos se gastan una millonada de euros o dolares en un mega ordenador, recuperamos todos los datos posibles en tiempo real para tener la mejor condición inicial posible, hacemos que el ordenador corra o integre un modelo, que tiene una simplificación de la atmósfera y de la ortografía con los usos del suelo, las interacciones océano atmósfera, un modelo de suelo y subsuelo, parametrizaciones físicas de los procesos nubosos, radiativos, de la turbulencia..., y de este modo tenemos unas predicciones o escenarios posibles de la atmósfera en tiempo futuro.

¿Cuantas observaciones se utilizan para generar la condición inicial de un modelo?

Para un día cualquiera el Centro Europeo de Predicción a Medio Plazo (ECMWF) se reciben del orden de:

31000 observaciones de observatorios SYNOP, de barcos (SHIP) y de aeropuertos (METAR).
7500 datos de boyas en los océanos de todo el mundo.
26000 observaciones de aviones.
72000 observaciones extraídas de las imágenes de satélite en infrarrojo
140000 observaciones extraídas de las imágenes de satélite en vapor de agua
4500 observaciones extraídas de las imágenes de satélite en el visible
4200 observaciones extraídas de las imágenes de satélite en infrarrojo en el polo N
3300 observaciones extraídas de las imágenes de satélite en infrarrojo en el polo S
6500 observaciones extraídas de las imágenes de satélite en vapor de agua en el polo N
4500 observaciones extraídas de las imágenes de satélite en vapor de agua en el polo N
650 observaciones TEMP
1500 perfiladores PILOT.
163000 observaciones de satélites de microondas.

400000 observaciones de satélite AMSUA
250000 observaciones de satélite AMSUB
321000 observaciones de satélite HIRS
285500 observaciones de satélite scaterómetros
58000 observaciones de satélite IASI
117000 observaciones de satélite de ozono
429000 observaciones de satélites geoestacionarios
64300 observaciones de satélite AIRS
485 datos de perfiladores gps.

Y todo esto son datos globales que se reciben 4 veces al día 00, 06, 12, 18 UTC y aún así son insuficientes para determinas correctamente y con todo detalle el estado inicial de la atmósfera.
A partir de estas observaciones, y como los datos no están distribuidos uniformemente ,y el modelo lo quiere todo equiespaciado, se inicia un proceso conocido como asimilación, donde se hace compatible las observaciones con una primera aproximación del propio modelo (una predicción anterior para ese instante).

Este proceso puede llevar entre 2 y 4 horas en cientos de procesadores. A partir de este análisis, el modelo se pone en marcha en cientos de procesadores para tener una predicciones lo antes posible. Hay que tener en cuenta que existen entre 2 y 4 horas de retraso entre recopilar datos observacionales y hacer la asimilación, más otro par de horas para que el modelo haga las predicciones, que en el caso del ECMWF al ser globales son válidas hasta15 días.

Posteriormente, estos modelos globales, se utilizan para realimentar a modelos de área limitada que vuelven a hacer otra asimilación de observaciones de mayor resolución. Este modelo en el caso de la AEMET es HIRLAM con unas predicciones válidas hasta 3 días con mayor resolución espacio temporal que el modelo del ECMWF y se usa otro superordenador, para que el modelo esté disponible 4 veces al día para los predictores.

¿Y ahora que es lo que queda?

El predictor especializado en el corto, medio plazo, montaña, aeronáutica, defensa, marítima etc... ya de tomar las salidas de ambos modelos junto con las últimas observaciones, imágenes de satélite, radar que no pueden estar incluidas en el modelo ya que son de el instante actual y mira si los modelos "reproducen" de forma coherente científicamente hablando lo que está pasando, haciendo un análisis de la situación basado en 5 años de carrera y unos cuantos de experiencia, y si es así usa el modelo o modelos para dar una predicción.

¿Y si no hay consenso entre el modelo y los últimos datos?

Pues toca corregir y ahí esta la labor del predictor. Luego se espera a la próxima salida del modelo y a los últimos datos para ir corrigiendo tratando de mejorar el modelo.

Posteriormente las salidas de los modelos se verifican con los datos recogidos posteriormente, para analizar errores y lineas de mejora.

Además de esto existen técnicas que tratan de modelizar la incertidumbre tanto en la condición inicial como las aproximaciones hechas en el modelo, para lo cual no se integra un único modelo sino diversas combinaciones de modelo, condiciones iniciales y demás factores que influyen en la generación de las predicciones.