Predicción numérica del tiempo

Los modelos de predicción numérica del tiempo dependen del análisis exacto de las condiciones atmosféricas casi en tiempo real como punto de partida para producir sus pronósticos. Para generar análisis exactos, se emplean observaciones de alta calidad que muestrean los fenómenos atmosféricos, terrestres y oceánicos a diferentes escalas espaciales y temporales.

Sin embargo, la complejidad de la convección y su naturaleza de escala más reducida han impedido la incorporación de las observaciones de la actividad convectiva en los modelos de predicción operativos, algo que ha limitado su capacidad para pronosticar la convección a corto plazo (0 a 6 horas).

Los avances que se han logrado recientemente en materia de asimilación de datos, resolución del modelo y física del modelo están comenzando a permitir el uso de los datos de radares, satélites e incluso rayos en los modelos numéricos para identificar y caracterizar las estructuras de la convección profunda.

La liberación de calor latente en las nubes convectivas profundas de las tormentas tropicales y extratropicales desempeña un papel importante en su dinámica y desarrollo. Los estudios realizados en las regiones oceánicas han demostrado que una descripción exacta de las fuentes de humedad y calentamiento atmosférico en las primeras horas del pronóstico de un modelo numérico puede mejorar sus resultados.

Se han diseñado y probado técnicas que emplean los datos obtenidos por las redes terrestres de detección de rayos sobre las regiones oceánicas para mejorar la identificación de las áreas de convección y lluvia y su correspondiente intensidad. Al correlacionar los rayos con la actividad de lluvias, ha sido posible derivar mejores perfiles de humedad y estimaciones de liberación de calor latente que producen una representación inicial más fiel del estado de la atmósfera en el modelo.

Otros experimentos de modelado están tratando de identificar maneras de utilizar las observaciones de rayos para producir mejores pronósticos de tormentas en aquellas áreas que no cuentan con otros tipos de observaciones directas adecuadas, como las de radar. En estos estudios, los datos de rayos se utilizan para simular la reflectividad radar. A su vez, estas estimaciones de la reflectividad radar ayudan al sistema de asimilación de datos del modelo a definir perfiles de hidrometeoros (agua líquida y hielo en la nube) y movimientos verticales más realistas en la convección a medida que evoluciona. Los resultados han demostrado que, a corto plazo (0 a 6 horas), esto conduce a mejores predicciones de la estructura, intensidad y posición de las tormentas. Un mejor pronóstico de tormentas debería aumentar nuestra capacidad para prever la actividad de rayos y los peligros relacionados.

El GLM constituirá una nueva e importante fuente de datos sobre rayos para el trabajo de modelado en buena parte del hemisferio occidental. A medida que perfeccionemos nuestras técnicas de asimilación de datos y que nuestros recursos informáticos mejoren, se espera que la asimilación de los datos del GLM y del ABI del GOES-R produzca ulteriores avances.