Este módulo, que forma parte de nuestro nuevo curso de capacitación a distancia sobre la predicción numérica del tiempo (PNT) titulado Effective Use of NWP in the Forecast Process (Uso eficaz de modelos numéricos en el proceso de pronóstico), explora cómo los modelos numéricos manejan los procesos tanto microfísicos a escala de malla (precipitación) como convectivos mediante técnicas de parametrización y métodos explícitos; en módulo pone el énfasis en cómo el tratamiento de dichos procesos (y los errores en su activación) en el modelo afecta la representación de la precipitación en el pronóstico y las variables de pronóstico relacionadas.
El experto en la materia a cargo de este módulo es el Dr. Ralph Petersen del Centro de Modelado Ambiental de los Centros Nacionales de Predicción Ambiental (National Centers for Environmental Prediction/Environmental Modeling Center, NCEP/EMC).
Cuando termine de estudiar este módulo, podrá:
1. Explicar el objetivo principal de los esquemas de parametrización de microfísica y convección en los modelos numéricos y enumerar las variables de pronóstico que se ven afectadas por ellas en forma directa.
2. Demostrar conocimiento de las diferencias que existen entre los esquemas de microfísica de nubes simples y complejos.
3. Ajustar las variables del pronóstico del tiempo sensible, como por ejemplo la temperatura a 2 m, cuando un pronóstico numérico contiene errores de nubes provocados por la predicción incorrecta de características convectivas de mesoescala.
4. Explicar los impactos de los esquemas de convección superactivos y subactivos en los pronósticos numéricos.
5. Identificar los tipos de características de precipitación que se pueden pronosticar con buenos resultados mediante esquemas de microfísica.
6. Identificar los elementos de los modelos numéricos que producen el impacto más significativo en los pronósticos de precipitación de los modelos de gran escala.
7. Identificar las características de los pronósticos numéricos que utilizan la convección pronosticada de forma explícita.
NWP, PNT, predicción numérica del tiempo, microfísica, parametrización de la convección, esquema de convección, convección explícita, precipitación a escala de malla, retroalimentación convectiva, precipitación, convección, Arakawa-Schubert, Kain-Fritsch, Kuo, Betts-Miller-Janjic, nube simple, nube compleja
Julio de 2014: La totalidad de la versión 2 del curso sobre PNT sigue siendo válida. No se incluye el sistema de asimilación de datos más reciente empleado en los modelos de NCEP, Hybrid-EnKF. Dicho sistema de asimilación de datos combina 3D-VAR y EnKF en un solo sistema aprovecha las ventajas de ambos. Encontrará una explicación del sistema Hybrid-EnKF en el anuncio de GFS de mayo de 2012: http://www.meted.ucar.edu/nwp/pcu2/GFS_20120522_HybEnKF3DVAR.htm.
