Capítulo 9: Observación, análisis y predicción

9.5 Predicción de ciclones tropicales »
9.5.4 Aplicación de técnicas de predicción por conjuntos y consenso »
9.5.4.2 Conjuntos de múltiples modelos: pronósticos de consenso

Los modelos de consenso no son modelos de pronóstico propiamente dichos, sino combinaciones o promedios de los pronósticos generados por otros modelos; esencialmente se trata de una aplicación práctica de la idea de que cuatro ojos ven mejor que dos. Por lo general, los modelos de consenso para ciclones tropicales producen mejores pronósticos que los modelos individuales que los componen.102,103 Al combinar los distintos modelos, un modelo de consenso puede aprovechar la naturaleza aleatoria de muchos de los errores que ocurren en los modelos. Con frecuencia, el promedio de los distintos modelos anula los errores aleatorios y termina generando un mejor pronóstico que cualquier de los modelos individuales. Es más, la dispersión (variación) de los modelos individuales que integran el conjunto puede constituir una medida de la incertidumbre del pronóstico de consenso (sección 9.4.5.1).

Los modelos de consenso no son modelos de pronóstico propiamente dichos, sino combinaciones o promedios de los pronósticos generados por otros modelos; esencialmente se trata de una aplicación práctica de la idea de que cuatro ojos ven mejor que dos. Por lo general, los modelos de consenso para ciclones tropicales producen mejores pronósticos que los modelos individuales que los componen.102,103 Al combinar los distintos modelos, el consenso puede aprovechar la naturaleza aleatoria de muchos de los errores que ocurren en los distintos modelos. Con frecuencia, el promedio de los modelos anula los errores aleatorios y termina generando un mejor pronóstico que cualquier de los modelos individuales. Es más, la dispersión (variación) de los modelos individuales que integran el conjunto puede constituir una medida de la incertidumbre del pronóstico de consenso (sección 9.4.5.1).

La manera más sencilla de obtener un pronóstico de consenso consiste en promediar la salida de todos los modelos; p. ej., se puede calcular la media de todas las latitudes y longitudes correspondientes a la posición del centro del ciclón tropical generadas por el modelo para cierta hora de pronóstico. En el Centro Nacional de Huracanes, los pronósticos de consenso de uso más difundido son el GUNA, el CONU y el FSSE, que se describen más adelante. Normalmente, los pronósticos de consenso son más exactos —en promedio— que las predicciones generadas por sus modelos individuales.

Por supuesto que el enfoque de consenso no siempre produce buenos resultados, especialmente si los escenarios del modelo son completamente distintos. Por ejemplo, la mayoría de los modelos (fig. 9.69) no lograron simular bien las vueltas que dio el huracán Ophelia (2005) junto a las costas de Florida, Georgia y Carolina del Sur (fig. 9.71). Durante el período de pronóstico del modelo, Ophelia trazó un bucle junto a la costa oriental de Florida.104 El período de pronóstico abarcó el momento en que hizo otra vuelta junto a las costas de Georgia y Carolina del sur, el 11 y 12 de septiembre.

Mejor trayectoria del Centro Nacional de Huracanes para el huracán Ophelia.
Fig. 9.71. Mejor trayectoria del Centro Nacional de Huracanes para el huracán Ophelia (2005). Las vueltas que dio junto a las costas de Florida, Georgia y Carolina del Sur dieron lugar a pronósticos de trayectoria muy distintos entre los varios modelos operativos (fig. 9.72).
Pronósticos a 120 horas para huracán Ophelia inicializados a intervalos de 6 h, 1200 UTC del 7 de septiembre a las 0600 UTC del 9 de septiembre de 2005.
Fig. 9.72. Guía de trayectoria de pronósticos a 120 horas para el huracán Ophelia inicializados a intervalos de 6 h, 1200 UTC del 7 de septiembre a las 0600 UTC del 9 de septiembre de 2005 El pronóstico oficial se da en negro; la leyenda identifica los modelos numéricos individuales. Imágenes cortesía de Jonathan Vigh.

Modelos de consenso disponibles en el NHC

Consideremos algunos de los modelos de consenso del Centro Nacional de Huracanes.97 Estos modelos incluyen una versión de los modelos dinámicos primarios (ECMWF, GFS, UKMET, NOGAPS, CMC, GFDL, GFDN, HWRF) indicados en las tablas 9.3 y 9.4. Algunos modelos de consenso incluyen los modelos estadísticos y estadístico-dinámicos que se mencionan en la tabla 9.5.

Consideremos algunos de los modelos de consenso del Centro Nacional de Huracanes.97Estos modelos incluyen una versión de los modelos dinámicos primarios (ECMWF, GFS, UKMET, NOGAPS, CMC, GFDL, GFDN, HWRF) indicados en las tablas 9.3 y 9.4. Algunos modelos de consenso incluyen los modelos estadísticos y estadístico-dinámicos que se mencionan en la tabla 9.5.

A la hora de calcular los pronósticos de consenso, el complemento completo de los modelos no está siempre disponible. Sin embargo, solo algunos de los productos de consenso son lo suficientemente sólidos como para producir un pronóstico con un subconjunto de los modelos que forman parte del conjunto. A veces conviene excluir ciertos modelos para crear un «consenso selectivo», si se pueden resolver las discrepancias entre los modelos. Sin embargo, resolver tales discrepancias es muy difícil. En la sección de enfoque 2sección de enfoque 2 veremos cómo los profesionales integran la información de los modelos en la elaboración de sus pronósticos oficiales.

Incluso sin seleccionar explícitamente los modelos a utilizar en un pronóstico de consenso, los modelos de «consenso corregido» generan automáticamente pronósticos de trayectoria e intensidad. Un pronóstico de consenso corregido utiliza el rendimiento previo de los modelos miembros para formar el subconjunto óptimo o para corregir los sesgos de esos modelos con el fin de derivar la predicción más acertada posible. Los componentes específicos de cada modelo de consenso se pueden obtener del Centro Nacional de Huracanes.97

Modelos de consenso para la intensidad de ciclones tropicales: ejemplo

ICON: Decay-SHIPS, GFDI, HWRF, LGEM

ICON comenzó a utilizarse en el año 2008. Se trata de un pronóstico de consenso para la intensidad calculado como el promedio de ponderación igual de la salida de intensidad de los modelos Decay-SHIPS, GHMI (pronóstico GFDI ajustado), HWRF y LGEM. La ventaja de este modelo es que incluye dos modelos estadísticos y dos modelos dinámicos, lo cual imparte una medida adicional de independencia al enfoque de pronóstico.

Modelos de consenso para las trayectorias de los ciclones tropicales: ejemplos

GUNA, CGUN: GHMI, EGRI, NGPI y GFSI

El pronóstico GUNA de consenso para trayectorias es un promedio de estos cuatro modelos: GHMI, EGRI, NGPI y GFSI.a Los cuatro modelos deben estar disponibles y todos tienen igual peso. CGUN es el GUNA corregido para los sesgos individuales del modelo. Las correcciones de los sesgos del modelo se derivan de forma estadística mediante parámetros conocidos al comienzo del pronóstico, como la dispersión del modelo, la intensidad inicial, la posición, etc.

TVCN, TVCC: GFDI, GFNI, NGPI, UKMI, GFSI, HWFI, EMXI

TVCN es el promedio ponderado uniforme de la guía de siete modelos, pero solo se requiere un subconjunto (al menos dos miembros) para producir un pronóstico. Los miembros se evalúan todos los años y pueden variar de un año a otro. TVCC es la versión de sesgo corregido de TVCN.

Modelos de consenso para la trayectoria e intensidad de los ciclones tropicales: ejemplo

Florida State University Super Ensemble: FSSE

El superconjunto de la Universidad Estatal de Florida es un sistema de consenso multimodelo ponderado que usa el último pronóstico oficial del Centro Nacional de Huracanes y los miembros del modelo dinámico de los otros modelos de consenso. Los sesgos individuales del modelo se basan en el rendimiento histórico de cada modelo miembro del superconjunto, para lo cual se utiliza una base de datos de capacitación que comprende aproximadamente 75 conjuntos de pronósticos generados por cada modelo en el pasado. El FSSE asigna un peso distinto a cada modelo miembro. Las ponderaciones individuales se determinan por regresión lineal múltiple durante la fase de entrenamiento del conjunto de 75 pronósticos. El FSSE difiere de los demás modelos en uso en el NHC, porque está constantemente aprendiendo del rendimiento previo de los modelos que lo integran.

El FSSE tiene una limitación que se manifiesta cuando el rendimiento de los modelos miembros en el pasado no representa con exactitud su actuación en el presente. Por ejemplo, si se realizan cambios importantes en un modelo miembro entre dos temporadas de huracanes consecutivas, es posible que FSSE subestime o sobreestime la habilidad de ese modelo. Por tanto, la técnica de FSSE resulta más exacta cuando no se hacen cambios importantes en los modelos miembros entre la fase de entrenamiento y la fase de pronóstico operativo.

Predicción del error de trayectoria: GPCE (Goerss Prediction of Consensus Track Error)

El modelo Goerss de predicción de consenso del error de trayectoria genera una mejor medida de la incertidumbre del pronóstico de consenso para la trayectoria105 que el enfoque estándar basado en la habilidad de predicción de tormentas en el pasado.105

¿Cómo se logra esto? Es lógico llegar a la conclusión de que una dispersión grande en los pronósticos numéricos introduce un alto grado de incertidumbre en el pronóstico y errores de trayectoria potencialmente grandes. Además, la diferencias a la hora de inicio del pronóstico también indican la existencia de incertidumbres capaces de afectar el pronóstico. Goerss aplicó esta lógica para crear un producto de error de la predicción de consenso que depende de una combinación de:

  • la dispersión del modelo de consenso (la diferencia entre la predicción de cada miembro del conjunto y la media del conjunto para un parámetro en particular, es decir, latitud, longitud, intensidad, etc.),
  • la intensidad inicial y pronosticada del ciclón tropical,
  • la posición inicial del ciclón tropical,
  • el desplazamiento pronosticado del ciclón tropical (latitud y longitud),
  • la velocidad de movimiento del ciclón tropical, y
  • el número de miembros disponibles (para TVCN).

Utilizando estos predictores y el comportamiento observado de los ciclones tropicales para las temporadas comprendidas entre 2002 y 2006, se identificaron modelos de regresión lineal por pasos capaces de predecir el error de la predicción de consenso de la trayectoria de los ciclones tropicales para cada combinación de duración del pronóstico y modo de consenso (fig. 9.73).

Cantidad de pronósticos de las temporadas de 2001 a 2007 que verifican.
Fig. 9.73. Cantidad de pronósticos de las temporadas de 2001 a 2007 que verifican. El GCPE fue desarrollado sobre la base de un conjunto de datos de entrenamiento de estos datos de las temporadas de 2002 a 2006.

A continuación se utilizaron los modelos de regresión para determinar el radio de las áreas circulares trazadas alrededor de las posiciones pronosticadas por el modelo de consenso dentro de las cuales se anticipaba que la posición del ciclón tropical objeto de la verificación se hallaría aproximadamente el 75 % del tiempo.

La figura 9.74. muestra la línea de regresión del error de pronóstico a 120 horas calculado por el GCPE y el error del pronóstico de consenso de la trayectoria. Para asegurar que el error de la trayectoria de consenso es menor que el error de pronóstico previsto por el GCPE al menos el 75 % del tiempo, la línea de regresión se ha ajustado hacia arriba para que no atraviese el origen. El resultado es una regresión corregida que produce «círculos de confianza» del 75 % alrededor del pronóstico de consenso.

Verificación del error de pronóstico calculado por el GCPE en comparación con el verdadero error de trayectoria.
Fig. 9.74. Verificación del error de pronóstico calculado por el GCPE en comparación con el verdadero error de trayectoria del pronóstico correspondiente (realizado con un conjunto de datos de entrenamiento).

¿Qué resultados dio esta forma de proceder? Para la temporada del Atlántico de 2007, los círculos generados por GPCE (fig. 9.75) contenían la posición del ciclón tropical que se estaba verificando el 72, 71, 76 y 83 por ciento de las veces a una distancia de 24, 48, 72, 96 y 120 horas, respectivamente (fig. 9.76). En otras palabras, de habernos fijado en el círculo de error de pronóstico en lugar de las líneas, hubiéramos estados preparados para la tormenta al menos el 71 % del tiempo.

Ejemplo de círculos de pronóstico de GCPE correspondientes al error de la trayectoria potencial de consenso.
Fig. 9.75. Ejemplo de círculos de pronóstico del GCPE correspondientes al error de la trayectoria potencial para un pronóstico de consenso del huracán Rita (2005) a 48 h inicializado a las 0600 UTC del 22 de septiembre de 2005. La línea negra representa la mejor trayectoria derivada después del paso de la tormenta.
Documentación de la frecuencia con que la trayectoria real de la tormenta cayó dentro del círculo de error de pronóstico calculado por GCPE.
Fig. 9.76. Documentación de la frecuencia con que la trayectoria real de la tormenta cayó dentro del círculo de error de pronóstico calculado por el modelo GCPE. Recuerde que la temporada de 2007 no formaba parte del conjunto de entrenamiento inicial del GCPE.

¿Cómo se desempeñan los modelos de consenso de la trayectoria?

Generar un pronóstico por conjuntos o de consenso requiere un mayor esfuerzo que la predicción de cualquiera de los modelos miembros. ¿Valen la pena? Una comparación de la habilidad de predicción relativa de los modelos de consenso de uso difundido, sus correspondientes modelos miembros y el pronóstico oficial (fig. 9.77) permite evaluar el valor agregado del pronóstico de consenso. En la figura 9.77, se comparan las estadísticas de verificación de los pronósticos de trayectoria de 12 a 120 h de los modelos de consenso GUNA, CONU y FSSE con sus respectivos modelos miembros (GFSI, GFDI, GFNI, UKMI y NGPI) y el pronóstico oficial del NHC (OFCL). La habilidad se mide como un porcentaje de mejora respecto de los correspondientes pronósticos de CLIPER (sección 9.5.3). Estas estadísticas de habilidad se calcularon a partir de todos los pronósticos de las tormentas del Atlántico Norte para las temporadas de huracanes de 2004 a 2007.

Generar un pronóstico por conjuntos o de consenso requiere un mayor esfuerzo que la predicción de cualquiera de los modelos miembros. ¿Vale la pena? Una comparación de la habilidad de predicción relativa de los modelos de consenso de uso difundido, sus correspondientes modelos miembros y el pronóstico oficial (fig. 9.77) permite evaluar el valor agregado del pronóstico de consenso. En la figura 9.77, se comparan las estadísticas de verificación de los pronósticos de trayectoria de 12 a 120 h de los modelos de consenso GUNA, CONU y FSSE con sus respectivos modelos miembros (GFSI, GFDI, GFNI, UKMI y NGPI) y el pronóstico oficial del NHC (OFCL). La habilidad se mide como un porcentaje de mejora respecto de los correspondientes pronósticos de CLIPER (sección 9.5.3). Estas estadísticas de habilidad se calcularon a partir de todos los pronósticos de las tormentas del Atlántico Norte para las temporadas de huracanes de 2004 a 2007.

Se nota que los pronósticos de consenso multimodelo exhiben un mayor grado de habilidad en general que la media del modelo GFS individual por conjuntos (AEMI) y cualquiera de los modelos individuales (fig. 9.77). No obstante, los pronósticos de consenso ponderados (FSSE) no representan una mejora sustancial respecto de los pronósticos medios de consenso simples no ponderados (GUNA y CONU).

Comparación de la habilidad de predicción de trayectorias.
Fig. 9.77. Comparación de la habilidad de predicción de trayectorias para modelos de pronóstico de consenso (GUNA, CONU, FSSE y AEMI) y dinámicos (GFSI, GFDI, GFNI, UKMI y NGPI) y el pronóstico oficial del Centro Nacional de Huracanes (OFCL). Los modelos dinámicos incluidos en la gráfica son los modelos miembros utilizados para generar los pronósticos de consenso.

En un comienzo, la figura 9.77 es un poco desconcertante. ¿Cómo podemos explicar una habilidad menor para los pronósticos a 12 y 24 horas que para los pronósticos a plazo más largo, incluso los de 96 horas? (Escriba su respuesta en el campo siguiente.)

Explicación

El problema no es que el desempeño de los modelos de pronóstico es peor a plazos menores (12 y 24 horas), sino que CLIPER demuestra el mayor grado de habilidad en esos plazos, ya que buena parte del tiempo la persistencia es una apuesta razonable para la trayectoria de un ciclón tropical. Por eso resulta más difícil que los otros modelos sobresalgan en comparación.

Cuando el plazo de pronóstico es mayor (120 horas), el componente de climatología de CLIPER le imparte un mayor grado de habilidad respecto de los modelos dinámicos. Los problemas relacionados con las condiciones iniciales o la física empleada en los modelos limitan su habilidad para plazos de pronóstico largos.

Para mejorar la habilidad de predicción necesitamos evaluar nuestra comprensión de la física subyacente, la eficacia con que logramos convertir dicha comprensión en un pronóstico y el éxito que tienen los métodos nuevos. Por ejemplo, la simple extrapolación de la trayectoria actual hacia adelante en el tiempo no es un método hábil, aunque en una zona con muy pocos datos puede que sea nuestra única opción. Estos temas se tratan en la próxima sección, donde se utilizan pronósticos de ciclones tropicales como ejemplo.

La información sobre la predicción de ciclones tropicales presentada hasta ahora se complementa con la descripción de cómo tres pronosticadores del tiempo tropical producen sus pronósticos de ciclones tropicales (sección de enfoque 2).

La información sobre la predicción de ciclones tropicales presentada hasta ahora se complementa con la descripción de cómo tres pronosticadores del tiempo tropical producen sus pronósticos de ciclones tropicales (sección de enfoque 2).

a GFDI, GFNI, EGRI, UKMI, NGPI y GFSI se interpolan temporalmente entre las horas de pronóstico estándar de los modelos GFDL, GFDN (GFDL de la Armada de EE.UU.), UKMO, NOGAPS y GFS y las horas de pronóstico deseadas. Las condiciones iniciales y de frontera de los modelos GFDL y GFDN se derivan a partir del modelo GFS global del NWS y del modelo global NOGAPS de la Armada de EE.UU., respectivamente. EMXI es la versión interpolada del modelo ECMWF.

1. Tompkins, A. M., A. Diongue-Niang, D. J. Parker y C. D. Thorncroft, 2005: The African easterly jet in the ECMWF Integrated Forecast System: 4D-Var analysis. Quart. J. Roy. Meteor. Soc., 131, 2861-2885.
2. Daley, R., 1993: Atmospheric data analysis. Cambridge University Press, 457.
3. World Meteorological Organization (WMO), 2008: Guide to meteorological instruments and methods of observation. 7a ed., WMO-No. 8, Ginebra, Suiza. [Disponible en http://www.wmo.int/pages/prog/www/IMOP/publications/CIMO-Guide/CIMO_Guide-7th_Edition-2008.html].
4. --2003: Manual del Sistema Mundial de Observación. WMO-No. 544, Ginebra, Suiza. [La versión en inglés está disponible en http://www.wmo.int/pages/prog/www/OSY/Manuals_GOS.html].
5. Parker, D. J., A. Fink, S. Janicot, J. Ngamini, M. Douglas, E. Afiesimama, A. Agusti-Panareda, A. Beljaars, F. Dide, A. Diedhiou, T. Lebel, J. Polcher, J. Redelsperger, C. Thorncroft y G. Ato Wilson, 2008: The AMMA Radiosonde Program and its implications for the future of atmospheric monitoring over Africa. Bull. Amer. Meteor. Soc., 89, 1015-1027.
6. Rappaport, E. N., R. D. Knabb, C. W. Landsea, M. Mainelli, M. Mayfield, C. J. McAdie, R. J. Pasch, C. Sisko, S. R. Stewart, A. N. Tribble, J. L. Franklin, L. A. Avila, S. R. Baig, J. L. Beven II, E. S. Blake, C. A. Burr, J. Jiing y C. A. Juckins, 2009: Advances and challenges at the National Hurricane Center. Wea. Forecasting, 24, 395-419.
7. Caribbean Meteorological Organization, Caribbean Radar Network Project. [Disponible en http://www.cmo.org.tt/Projects.htm].
8. Koh, T., C. Teo, 2009: Toward a mesoscale observation network in southeast Asia. Bull. Amer. Meteor. Soc., 90, 481-488.
9. World Meteorological Organization, 1995: Manual de claves, WMO-No. 306, Ginebra, Suiza. [Disponible en http://observacion-atmosfera.at.fcen.uba.ar/practicas/WMO306_Vol_I.1_2010_es.pdf].
10. Karbou, F., F. Rabier, J. P. Lafore y J. Redelsperger, 2009: Global 4D-Var assimilation and forecast experiments using AMSU observations over land. Part II: Impact of assimilating surface sensitive channels on the African Monsoon during AMMA. Wea. Forecasting, 25, 20-36.
11. Marshall, J., J. Jung, J. Derber, M. Chahine, R. Treadon, S. Lord, M. Goldberg, W. Wolf, H. Liu, J. Joiner, J. Woollen, R. Todling, P. van Delst e Y. Tahara, 2006: Improving global analysis and gorecasting with AIRS. Bull. Amer. Meteor. Soc., 87, 891-894.
12. Reale, O., W. K. Lau, J. Susskind, E. Brin, E. Liu, L. P. Riishojgaard, M. Fuentes y R. Rosenberg, 2009: AIRS impact on the analysis and forecast track of tropical cyclone Nargis in a global data assimilation and forecasting system. Geophys. Res. Lett., 36.
13. Zapotocny, T., J. Jung, J. Le Marshall y R. Treadon, 2007: A Two-season impact study of satellite and in situ data in the NCEP global data assimilation system. Wea. Forecasting, 22, 887-909.
14. World Meteorological Organization, 2009: Classification of surface observing stations within WIGOS: Classification for performance characteristics. WMO Commission for Instruments and Methods of Observation. [https://www.wmo.int/pages/prog/www/IMOP/meetings/WIGOS-PP-3/DocPlan.html. (comprobado el 19 de enero de 2016).
15. Daly, C., W. P. Gibson, G. H. Taylor, M. K. Doggett y J. I. Smith, 2007: Observer bias in daily precipitation measurements at United States cooperative network stations. Bull. Amer. Meteor. Soc., 88, 899-912.
16. Wang, J., H. J. Cole, D. J. Carlson, E. R. Miller, K. Beierle, A. Paukkunen y T. K. Laine, 2002: Corrections of the humidity measurement error from the Vaisala RS80 radiosonde—Application to TOGA COARE data. J. Atmos. Ocean. Tech., 19, 981-1002.
17. Bock, O., M. -. Bouin, A. Walpersdorf, J. P. Lafore, S. Janicot, F. Guichard y A. Agusti-Panareda, 2007: Comparison of ground-based GPS precipitable water vapour to independent observations and NWP model reanalyses over Africa. Quart. J. Roy. Meteor. Soc., 133, 2011-2027.
18. Nuret, M., J. Lafore, O. Bock, F. Guichard, A. Agusti-Panareda, J. N'Gamini y J. Redelsperger, 2008: Correction of humidity bias for Vaisala RS80-A sondes during the AMMA 2006 observing period. J. Atmos. Ocean. Tech., 25, 2152-2158.
19. Uccillini, L. W., S. F. Corfidi, N. W. Junker, P. J. Kocin y D. A. Olson, 1992: Report on the surface analysis workshop at the National Meteorological Center 25-28 March 1991. Bull. Amer. Meteor. Soc., 73, 459-471.
20. Associated Press, 2001: Floods’ damages at $146 million. [Disponible en http://www.puertorico-herald.org/issues/2001/vol5n19/Media1-en.html].
21. Bringi, V., V. Chandrasekar, 2001: Polarimetric Doppler Weather Radar Principles and Applications. Cambridge University Press, 636 págs.
22. Ryzhkov, A., S. Giangrande y T. Schuur, 2003: Rainfall estimation with a polarimetric prototype of the operational WSR-88D radar (2003 - 31Radar). 31. AMS Int. Conf. on Radar Meteorology, Seattle, WA (USA), 5-12 Aug 2003, Vol. 31, American Meteorological Society.
23. Laing, A. G., 2004: Cases of heavy precipitation and flash floods in the Caribbean during El Nino winters. J. Hydrometeor., 5, 577-594.
24. Vincent, D. G., 1994: The South Pacific Convergence Zone (SPCZ): A review. Mon. Wea. Rev., 122, 1949-1970.
25. Streten, N. A., 1973: Some characteristics of satellite-observed bands of persistent cloudiness over the southern hemisphere. Mon. Wea. Rev., 101, 486-495.
26. Yasunari, T., 1977: Stationary waves in the Southern Hemisphere mid-latitude zone revealed from average brightness charts. J. Meteor. Soc. Japan, 55, 274-285.
27. Kodama, Y., 1992: Large-scale common features of subtropical precipitation zones (the Bai-u frontal zone, the SPCZ, and the SACZ). Part I: Characteristics of subtropical frontal zones. J. Meteor. Soc. Japan, 70, 813-836.
28. Kodama, Y., 1993: Large-scale common features of the subtropical precipitation zones (the Baiu Frontal Zone, the SPCZ and the SACZ). Part 2: Conditions of the circulation for generating the STCZs. J. Meteor. Soc. Japan, 71, 581-609.
29. Madden, R., P. Julian, 1971: Detection of a 40-50 day oscillation in the zonal wind in the tropical Pacific. J. Atmos. Sci., 28, 702-708.
30. Madden, R., P. R. Julian, 1972: Description of global scale circulation cells in the tropics with 40–50 day period. J. Atmos. Sci., 29, 1109-1123.
31. Gottschalck, J., Q. Zhang, W. Wang, M. L'Heureux y P. Peng, MJO monitoring and assessment at the climate prediction center and initial impressions of the CFS as an MJO forecast tool. [Disponible en http://www.weather.gov/ost/climate/STIP/CTB-COLA/Jon_042308.htm].
32. Waliser, D. E., M. W. Moncrieff, 2008: The Year of Tropical Convection (YOTC) science plan: A joint WCRP - WWRP/THORPEX International Initiative.
33. Leroy, A., M. C. Wheeler, 2008: Statistical prediction of weekly tropical cyclone activity in the southern hemisphere. Mon. Wea. Rev., 136, 3637-3654.
34. Wheeler, M., K. Weickmann, 2001: Real-time monitoring and prediction of modes of coherent synoptic to intraseasonal tropical variability. Mon. Wea. Rev., 129, 2677-2694.
35. Sadler, J. C., 1967: The tropical upper tropospheric trough as a secondary source of typhoons and a primary source of trade-wind disturbances. HIG-67-12 and AFCRL-67-0203, 44-Hawaii Institute of Geophysics, University of Hawaii.
36. Sadler, J. C., 1976: A role of the tropical upper tropospheric trough in early season typhoon development. Mon. Wea. Rev., 104, 1266-1278.
37. Krishnamurti, T. N., M. Kanamitsu, R. Godbole, C. B. Chang, F. Carr y J. H. Chow, 1975: Study of a monsoon depression (I). Synoptic structure. J. Meteor. Soc. Japan, 53, 227-239.
38. Sikka, D., 1977: Some aspects of the life history, structure, and movement of monsoon depressions. Pure Appl. Geophys., 115, 1501-1529.
39. Todd, M., R. Washington, 1999: Circulation anomalies associated with tropical-temperate troughs in southern Africa and the south west Indian Ocean. Climate Dyn., 15, 937-951.
40. Kodama, K. R., S. Businger, 1998: Weather and forecasting challenges in the pacific region of the National Weather Service. Wea. Forecasting, 13, 523-546.
41. Morrison, I., S. Businger, 2001: Synoptic structure and evolution of a Kona Low. Wea. Forecasting, 16, 81-98.
42. Caruso, S., S. Businger, 2006: Synoptic climatology of subtropical cyclogenesis. Wea. Forecasting, 20, 193-205.
43. Douglas, M. W., 1992: Structure and dynamics of two monsoon depressions. Part I: Observed structure. Mon. Wea. Rev., 120, 1524-1547.
44. Chen, T., S. Weng, 1999: Interannual and intraseasonal variations in monsoon depressions and their westward-propagating predecessors. Mon. Wea. Rev., 127, 1005-1020.
45. Garcia, O., L. Bosart y G. DiMego, 1978: On the nature of the winter season rainfall in the Dominican Republic. Mon. Wea. Rev., 106, 961-982.
46. Garcia, O., 1997: Impacts of ENSO on Cuba. Proc. Contribution to “A Systems Approach to ENSO,” A Colloquium on El Niño–Southern Oscillation (ENSO): Atmospheric, Oceanic, Societal, Environmental, and Policy Perspectives, Boulder, CO, NCAR.
47. Giannini, A., Y. Kushnir y M. A. Cane, 2000: Interannual variability of Caribbean rainfall, ENSO, and the Atlantic Ocean. J. Climate, 13, 297-311.
48. Wiin-Nielsen, A., 1991: The birth of numerical weather prediction. Tellus. Series A-B, Stockholm, Sweden, 43A-B, 36-52.
49. Zhu, Z., J. Thuburn, B. J. Hoskins y P. H. Haynes, 1992: A vertical finite-difference scheme based on a hybrid s-y-p coordinate. Mon. Wea. Rev., 120, 851-862.
50. Kain, J. S., S. J. Weiss, D. R. Bright, M. E. Baldwin, J. J. Levit, G. W. Carbin, C. S. Schwartz, M. L. Weisman, K. K. Droegemeier, D. B. Weber y K. W. Thomas, 2008: Some practical considerations regarding horizontal resolution in the first generation of operational convection-allowing NWP. Wea. Forecasting, 23, 931-952.
51. Warner, T. T., R. A. Peterson y R. E. Treadon, 1997: A tutorial on lateral boundary conditions as a basic and potentially serious limitation to regional numerical weather prediction. Bull. Amer. Meteor. Soc., 78, 2599-2617.
52. Reynolds, R. W., T. M. Smith, 1994: Improved global sea surface temperature analyses using optimum interpolation. J. Climate, 7, 929-948.
53. Tolman, H. L., D. Chalikov, 1996: Source terms in a third-generation wind wave model. J. Phys. Oceanogr., 26, 2497-2518.
54. Parrish, D. F., J. C. Derber, 1992: The National Meteorological Center’s spectral statistical interpolation analysis system. Mon. Wea. Rev., 120, 1747-1763.
55. Courtier, P., E. Andersson, W. Heckley, J. Pailleux, D. Vasiljevic, M. Hamrud, A. Hollingsworth, F. Rabier y M. Fisher, 1998: The ECMWF implementation of three-dimensional variational assimilation (3D-Var). Part I: Formulation. Quart. J. Roy. Meteor. Soc., 124, 1783-1807.
56. Gauthier, P., C. Charette, L. Fillion, P. Koclas y S. Laroche, 1999: Implementation of a 3D variational data assimilation system at the Canadian Meteorological Centre. Part I: The global analysis. Atmosphere-Ocean, 37, 103-156.
57. Talagrand, O., P. Courtier, 1987: Variational assimilation of meteorological observations with the adjoint vorticity equation, Pt. 1, theory. Quart. J. Roy. Meteor. Soc., 113, 1311-1328.
58. Zou, X., F. Vandenberghe, M. Pndeca e Y. -. Kuo, 1997: Introduction to Adjoint Techniques and the MM5 Adjoint Modeling System. NCAR Tech. Note, NCAR, TN-435+STR, 110 [Se puede solicitar a NCAR, P.O. Box 3000, Boulder, CO 80307-3000.].
59. Kalnay, E., H. Li, T. Miyosho, S. Yang y J. Ballabrera-Poy, 2007: 4-D-Var or ensemble Kalman filter? Tellus (Dyn. Meteor. Oceanogr.), 59, 758-773.
60. Lee, M., D. Lee, 2003: An application of a weakly constrained 4DVAR to satellite data assimilation and heavy rainfall simulation. Mon. Wea. Rev., 131, 2151-2176.
61. Bormann, N., J. Thepaut, 2004: Impact of MODIS polar winds in ECMWF's 4DVAR data assimilation system. Mon. Wea. Rev., 132, 929-940.
62. Lorenz, E. N., 1969: The predictability of a flow which possesses many scales of motion. Tellus, 21, 289-307.
63. Lilly, D. K., 1990: Numerical prediction of thunderstorms—Has its time come? Quart. J. Roy. Meteor. Soc., 116, 779-798.
64. Hall, T., H. E. Brooks y C. A. Doswell III, 1999: Precipitation forecasting using a neural network. Wea. Forecasting, 14, 338-345.
65. Ganguly, A., R. Bras, 2003: Distributed quantitative precipitation forecasting using information from radar and numerical weather prediction models. J. Hydrometeor., 4, 1168-1180.
66. Ramirez, M., N. J. Ferreira y H. F. de Campos Velho, 2006: Linear and nonlinear statistical downscaling for rRainfall forecasting over southeastern Brazil. Wea. Forecasting, 21, 969-989.
67. Dahamasheh, A., A. Hafzullah, 2009: Artificial neural network models for forecasting intermittent monthly precipitation in arid regiones. Meteor. Applications, 16, 325-337.
68. Toth, Z., E. Kalnay, 1993: Ensemble forecasting at NMC: the generation of perturbations. Bull. Amer. Meteor. Soc., 74, 2317-2330.
69. Toth, Z., E. Kalnay, S. M. Tracton, R. Wobus y J. Irwin, 1997: A synoptic evaluation of the NCEP ensemble. Wea. Forecasting, 12, 140-153.
70. Molteni, F., T. Buizza, N. Palmer y T. Petroliagis, 1996: The ECMWF ensemble system: Methodology and validation. Quart. J. Roy. Meteor. Soc., 122, 73-119.
71. Kobayashi, C., K. Yoshimatsu, S. Maeda y K. Takano, 1996: Dynamical one-month forecasting at JMA. Proc. Preprints, 11th Conf. on Numerical Weather Prediction, Norfolk, VA, Amer. Meteor. Soc., 13-14.
72. Rennick, M. A., 1995: The Ensemble Forecast System (EFS). Models Department Tech. Note, 2-95, 19-from Models Department, Fleet Numerical Meteorology and Oceanography Center, 7 Grace Hopper Ave., Monterey, CA 93943.
73. Toth, Z., Y. Zhu y T. Marchok, 2001: The ability of ensembles to distinguish between forecasts with small and large uncertainty. Wea. Forecasting, 16, 436-477.
74. Du, J., J. S. Tracton, 2001: Implementation of a real-time short-range ensemble forecasting system at NCEP: an update. Proc. 9th Conference on Mesoscale Processes, Ft. Lauderdale, FL, Amer. Meteor. Soc. [Disponible en http://www.emc.ncep.noaa.gov/mmb/SREF/reference.html, 355-356].
75. Du, J., G. DiMego, Z. Toth, D. Jovic, J. Zhou, J. Zhu, J. Wang y H. Juang, 2009: Recent upgrade of NCEP short-range ensemble forecast (SREF) system. Proc. 23rd Conference on Weather Analysis and Forecasting/19th Conference on Numerical Weather Prediction, Amer. Meteor. Soc. [Disponible en http://ams.confex.com/ams/pdfpapers/153264.pdf].
76. Park, Y., R. Buizza y M. Leutbecher, 2008: TIGGE: Preliminary results on comparing and combining ensembles. Quart. J. Roy. Meteor. Soc., 134, 2029-2050.
77. Houtekamer, P., H. Mitchell, G. Pellerin, M. Buehner, M. Charron, L. Spacek y B. Hansen, 2005: Atmospheric data assimilation with an ensemble Kalman filter: Results with real observations. Mon. Wea. Rev., 133, 604-620.
78. Tippett, M., J. Anderson, C. Bishop, T. Hamill y J. Whitaker, 2003: Ensemble square root filters. Mon. Wea. Rev., 131, 1485-1490.
79. Bishop, C. H., B. J. Etherton y S. J. Majumdar, 2001: Adaptive sampling with the ensemble transform Kalman filter. Part I: Theoretical aspects. Mon. Wea. Rev., 129, 420-436.
80. Etherton, B. J., S. Aberson, 2005: Ensemble based data assimilation of observations of Hurricane Humberto (2005 - 9IOASAOLS). 9. AMS Symp. on Integrated Observing and Assimilation Systems for Atmosphere, Oceans, and Land Surface, San Diego, CA (USA), 8-14 Jan 2005, Vol. 9, American Meteorological Society.
81. Lorenc, A. C., 2003: The potential of the ensemble Kalman filter for NWP - a comparison with 4D-Var. Quart. J. Roy. Meteor. Soc., 129, 3183-3203.
84. Arakawa, A., 2004: The cumulus parameterization problem: Past, present, and future. J. Climate, 17, 2493-2525.
82. Wang, X., D. M. Barker, C. Snyder y T. M. Hamill, 2008: A hybrid ETKF-3DVAR data assimilation scheme for the WRF model. Part I: Observing system simulation experiment. Mon. Wea. Rev., 136, 5116-5131.
83. Molinari, J., M. Dudek, 1992: Parameterization of convective precipitation in mesoscale numerical models: a critical review. Mon. Wea. Rev., 120, 326-344.
85. Gallus, W. A., Jr, 1999: Eta simulations of three extreme precipitation events: Sensitivity to resolution and convective parameterization. Wea. Forecasting, 14, 405-426.
86. Davis, C. A., K. W. Manning, R. E. Carbone, S. B. Trier y J. D. Tuttle, 2003: Coherence of warm-season continental rainfall in numerical weather prediction models. Mon. Wea. Rev., 131, 2667-2679.
87. Bukovsky, M. S., J. S. Kain y M. E. Baldwin, 2006: Bowing convective systems in a popular operational model: Are they for real? Wea. Forecasting, 21, 307-324.
88. Betts, A. K., M. J. Miller, 1986: A new convective adjustment scheme. Part II: Single column tests using GATE wave, BOMEX, ATEX and Arctic air-mass data sets. Quart. J. Roy. Meteor. Soc., 112, 693-709.
89. Kain, J. S., J. M. Fritsch, 1990: A one-dimensional entraining/detraining plume model and its application in convective parameterization. J. Atmos. Sci., 47, 2784-2802.
90. Weisman, M. L., W. C. Skamarock y J. B. Klemp, 1997: The resolution dependence of explicitly modeled convective systems. Mon. Wea. Rev., 125, 527-548.
91. Speer, M., L. Leslie, 2002: The prediction of two cases of severe convection: Implications for forecast guidance. Meteor. Atmos. Phys., 80, 165-175.
92. Done, J., C. A. Davis y M. Weisman, 2004: The next generation of NWP: Explicit forecasts of convection using the weather research and forecasting (WRF) model. Atmos. Sci. Lett., 5, 110-117.
93. Grabowski, W. W., X. Wu y M. W. Moncrieff, 1996: Cloud-resolving modeling of tropical cloud systems during Phase III of GATE. Part I: Two-dimensional experiments. J. Atmos. Sci., 53, 3684-3709.
94. Lawrence, M. B., B. M. Mayfield, L. A. Avila, R. J. Pasch y E. N. Rappaport, 1998: Atlantic hurricane season of 1995. Mon. Wea. Rev., 126, 1124-1151.
95. Merrill, R. T., 1988: Environmental influences on hurricane intensification. J. Atmos. Sci., 45, 1678-1687.
96. Velden, C. S., L. M. Leslie, 1991: The basic relationship between tropical cyclone intensity and the depth of the environmental steering layer in the Australian region. Wea. Forecasting, 6, 244-253.
97. Pasch, R. J., J. Schauer Clark, 2009: Technical summary of the National Hurricane Center track and intensity models. [Disponible en http://www.nhc.noaa.gov/modelsummary.shtml].
98. DeMaria, M., M. Mainelli, L. K. Shay, J. A. Knaff y J. Kaplan, 2005: Further improvements to the statistical hurricane intensity prediction scheme (SHIPS). Wea. Forecasting, 20, 531-543.
99. Buizza, R., 2000: Chaos and weather prediction. [Disponible en http://www.ecmwf.int/en/elibrary/8425-chaos-and-weather-prediction].
100. Buizza, R., T. N. Palmer, 1995: The singular-vector structure of the atmospheric global circulation. J. Atmos. Sci., 52, 1434-1456.
101. Barkmeijer, J., R. Buizza, T. N. Palmer, K. Puri y J. -. Mahfouf, 2001: Tropical singular vectors computed with linearized diabatic physics. Quart. J. Roy. Meteor. Soc., 127, 685-708.
102. Jeffries, R. A., E. J. Fukada, 2002: Consensus approach to track forecasting. Proc. Extended Abstracts, Fifth Int. Workshop on Tropical Cyclones, Cairns, Australia, World Meteorological Organization, TP3.2.
103. Elsberry, R. L., J. R. Hughes y M. A. Boothe, 2008: Weighted position and motion vector consensus of tropical cyclone track prediction in the western north Pacific. Mon. Wea. Rev., 136, 2478-2487.
104. Beven, J. L.,II, L. A. Avila, E. S. Blake, D. P. Brown, J. L. Franklin, R. D. Knabb, R. J. Pasch, J. R. Rhome y S. R. Stewart, 2008: Atlantic hurricane season of 2005. Mon. Wea. Rev., 136, 1109-1173.
105. Goerss, J. S., 2007: Prediction of consensus tropical cyclone track forecast error. Mon. Wea. Rev., 135, 1985-1993.
106. Stanski, H. R., L. J. Wilson y W. R. Burrows, 1989: Survey of common verification methods in meteorology. World Weather Watch Tech. Rept. WMO, Geneva, No. 8, WMO/TD No.358, 144.
107. von Storch, H., F. W. Zwiers, 1999: Statistical analysis in climate research. Cambridge University Press, 484.
108. Jolliffe, I. T., 2003: Forecast verification. A practitioner's guide in atmospheric science. Wiley and Sons Ltd, 240 págs.
109. Wilks, D. S., 2006: Statistical methods in the atmospheric sciences. 2nd ed. International Geophysics Series, Vol. 59, Academic Press, 627 págs.
110. World Meteorological Organization WWRP/WGNE Joint Working Group on Forecast Verification Research, 2009: Forecast verification - issues, methods and FAQ. [Disponible en http://www.cawcr.gov.au/projects/verification/].
111. Jolliffe, I. T., N. Jolliffe, 1997: Assessment of descriptive weather forecasts. Weather, 52, 391-396.
112. Jolliffe, I. T., 2003: How do I verify worded forecasts?
113. Tuleya, R. E., M. DeMaria y R. J. Kuligowski, 2007: Evaluation of GFDL and simple statistical model rainfall forecasts for U.S. landfalling tropical storms. Wea. Forecasting, 22, 56-70.
114. Ebert, E. E., J. L. McBride, 2000: Verification of precipitation in weather systems: determination of systematic errors. J. Hydrol. (Amst.), 239, 179-202.
115. Roberts, N. M., H. W. Lean, 2008: Scale-selective verification of rainfall accumulations from high-resolution forecasts of convective events. Mon. Wea. Rev., 136, 78-97.
116. Talagrand, O., R. Vautard y B. Strauss, 1997: Evaluation of probabilistic prediction systems. Proc. Proceedings, ECMWF Workshop on Predictability.
117. Hamill, T. M., 2001: Interpretation of rank histograms for verifying ensemble forecasts. Mon. Wea. Rev., 129, 550-560.
118. Hewson, T., 2007: The concept of 'Deterministic limit'. Proc. 3rd Intl. Verification Methods Workshop, Reading, UK.
119. Stephenson, D. B., B. Casati, C. A. T. Ferro y C. A. Wilson, 2008: The extreme dependency score: a non-vanishing measure for forecasts of rare events. Meteor. Appl., 15, 41-50.
120. Puri, K., J. Barkmeijer y T. N. Palmer, 2001: Ensemble prediction of tropical cyclones using targeted diabatic singular vectors. Quart. J. Roy. Meteor. Soc., 127, 709-731.
121. Veren, D., J. L. Evans, S. Jones y F. Chiaromonte, 2009: Novel metrics for evaluation of ensemble forecasts of tropical cyclone structure. Mon. Wea. Rev., 137, 2830-2850.
122. Anwender, D., P. A. Harr y S. C. Jones, 2008: Predictability associated with the downstream impacts of the extratropical transition of tropical cyclones: Case studies. Mon. Wea. Rev., 136, 3226-3247.
123. Harr, P. A., D. Anwender y S. C. Jones, 2008: Predictability associated with the downstream impacts of the extratropical transition of tropical cyclones: Methodology and a case study of Typhoon Nabi (2005). Mon. Wea. Rev., 136, 3205-3225.
124. Trenberth, K. E., D. P. Stepaniak y J. M. Caron, 2000: The global monsoon as seen through the divergent atmospheric circulation. J. Climate, 13, 3969-3993.
125. Webster, P. J., V. O. Magana, T. N. Palmer, J. Shukla, R. A. Tomas, M. Yanai y T. Yasunari, 1998: Monsoons: Processes, predictability, and the prospects for prediction. J. Geophys. Res., 103, 14451-14510.
126. Krishnan, R., C. Zhang y M. Sugi, 2000: Dynamics of breaks in the Indian summer monsoon. J. Atmos. Sci., 57, 1354-1372.
127. Webster, P. J., 2005: The Hadley Circulation: Present, Past and Future. The Elementary Hadley Circulation, H. F. Diaz and R. S. Bradley, Eds., Kluwer Academic Publishers, 9-60.
128. Lindzen, R. S., A. V. Hou, 1988: Hadley circulations for zonally averaged heating centered off the equator. J. Atmos. Sci., 45, 2416-2427.
129. Yano, J., J. L. McBride, 1998: An aquaplanet monsoon. J. Atmos. Sci., 55, 1373-1399.
130. Pope, M., C. Jakob y M. J. Reeder, 2008: Convective systems of the North Australian Monsoon. J. Climate, 21, 5091-5112.
131. May, P. T., J. H. Mather, G. Vaughan, C. Jakob, G. M. McFarquhar, K. N. Bower y G. G. Mace, 2008: The tropical warm pool international cloud experiment. Bull. Amer. Meteor. Soc., 89, 629-645.
132. Troup, A. J., 1961: Variations in the upper troposphere associated with the onset of the Australian summer monsoon. Indian J. Meteor. Geophys., 12, 217-230.
133. Hendon, H. H., N. E. Davidson y B. Gunn, 1989: Australian summer monsoon onset during AMEX 1987. Mon. Wea. Rev., 117, 370-390.
134. McBride, J. L., B. Gunn, G. Holland, T. Keenan, N. Davidson y W. M. Frank, 1989: Time series of total heating and moistening over the Gulf of Carpentaria radiosonde array during AMEX. Mon. Wea. Rev., 117, 2701-2713.
135. Wheeler, M. C., H. H. Hendon, 2004: An all-season real-time multivariate MJO index: Development of an index for monitoring and prediction. Mon. Wea. Rev., 132, 1917-1932.
136. Wheeler, M. C., J. L. McBride, 2005: Australian-Indonesian monsoon. Intraseasonal variability in the atmosphere-ocean climate system, Springer-Verlag (Heidelberg), 125-173 págs.
137. Davidson, N. E., K. J. Tory, M. J. Reeder y W. Drosdowsky, 2007: Extratropical–tropical interaction during onset of the Australian monsoon: Reanalysis diagnostics and idealized dry simulations. J. Atmos. Sci., 64, 3475-3498.
138. Wheeler, M., G. N. Kiladis y P. J. Webster, 2000: Large-scale dynamical fields associated with convectively coupled equatorial waves. J. Atmos. Sci., 57, 613-640.
139. Drosdowsky, W., 1996: Variability of the Australian summer monsoon at Darwin: 1957-1992. J. Climate, 9, 85-96.
140. Keenan, T., R. Carbone, 1992: A preliminary morphology of precipitation systems in tropical northern Australia. Quart. J. Roy. Meteor. Soc., 118, 283-326.
141. Pope, M., C. Jakob y M. J. Reeder, 2009: Regimes of the north Australian wet season. J. Climate, 22, 6699-6715.
142. McBride, J. L., W. M. Frank, 1999: Relationships between stability and monsoon convection. J. Atmos. Sci., 56, 24-36.
143. Miller, D., J. M. Fritsch, 1991: Mesoscale Convective Complexes in the western Pacific region. Mon. Wea. Rev., 119, 2978-2992.
144. Chappel, L-C. y B.N. Hanstrum, 1998: A severe dry microburst over central Australia. Colleged papers of severe storms in Australia. 6th Australian Severe Storms Conference, Bureau of Meteorology, Western Australia, August 1998.
145. Wilson, J. W., R. E. Carbone, J. D. Tuttle y T. D. Keenan, 2001: Tropical island convection in the absence of significant topography. Part II: Nowcasting storm evolution. Mon. Wea. Rev., 129, 1637-1655.
146. Carbone, R. E., J. W. Wilson, T. D. Keenan y J. M. Hacker, 2000: Tropical island convection in the absence of significant topography. Part I: Life cycle of diurnally forced convection. Mon. Wea. Rev., 128, 3459-3480.
147. Chang, C., Z. Wang, J. McBride y C. Liu, 2005: Annual cycle of southeast Asia-maritime continent rainfall and the asymmetric monsoon transition. J. Climate, 18, 287-301.
148. Haylock, M., J. McBride, 2001: Spatial coherence and predictability of Indonesian wet season rainfall. J. Climate, 14, 3882-3887.

A

absorbedor (absorber)
Cualquier cuerpo que por su composición física retiene la radiación electromagnética incidente.
absorción (absorption)
Proceso por el cual un material retiene la energía radiante incidente debido a su propia composición física.
acreción (aggregation)
La acumulación de los cristales de hielo tras una colisión.
agua precipitable total (Total Precipitable Water, TPW)
Profundidad del agua en una columna vertical de superficie transversal uniforme si el vapor de agua atmosférico total que contiene se extiende entre la superficie y el límite de la atmósfera se condensa completamente.
alerta (warning)
Aviso de que se esperan vientos sostenidos en exceso del umbral de tormenta tropical o ciclón tropical asociados con una de dichas tormentas en la zona costera indicada en 24 horas o menos.
alisios (trade winds)
Vientos predominantes del este engendrados en las regiones de alta presión subtropicales que afectan las regiones ecuatoriales y subtropicales. Los alisios soplan principalmente de este a nordeste en el hemisferio norte y de este a sudeste en el hemisferio sur. Durante el monzón, los alisios del este cesan y los vientos soplan principalmente del oeste.
análisis de componente principal (principal component analysis)
Técnica matemática para identificar patrones en los datos reduciendo los datos multidimensionales a una cantidad menor de dimensiones. Una serie de variables entre las cuales posiblemente existe una correlación se transforma en un nuevo sistema de coordenadas. La transformación identifica los componentes que explican la variabilidad de los datos. A menudo, el primer componente principal representa la mayor parte de la variabilidad en los datos. También se conoce como «análisis de función ortogonal empírica» (FOE).
ángulo de declinación solar (solar declination angle)
El ángulo entre los rayos solares y el plano ecuatorial de la Tierra. El ángulo es cero en los equinoccios y 23,5 grados durante los solsticios.
anomalía (anomaly)
La desviación de una cantidad respecto del valor normal para una región durante el período especificado. Por ejemplo, los episodios de El Niño se identifican por medio de las anomalías en la temperatura de la superficie del mar (TSM).
arrastre e incorporación (entrainment)
La incorporación de aire no saturado del entorno en la circulación turbulenta a la escala de una nube. El proceso contrario se denomina desprendimiento.
atenuación (attenuation)
Cualquier proceso en el cual la intensidad de la radiación disminuye debido a dispersión o absorción.

Volver al comienzo de la página

B

banda de absorción (absorption band)
Porción del espectro electromagnético en la que los gases atmosféricos como el vapor de agua, el dióxido de carbono y el ozono absorben la radiación y la vuelven a emitir.
baroclínico / baroclino (baroclinic)
Dependencia del contraste de temperatura horizontal entre masas de aire calientes y frías. En una atmósfera baroclínica, la dirección y velocidad del viento geostrófico varía con la altura y su cizalladura es una función del gradiente de temperatura horizontal (ecuación del viento térmico).
barotrópico (barotropic)
La atmósfera exhibe la misma estructura horizontal en todos los niveles a medida que se asciende. Esta condición es equivalente a la ausencia de gradientes de temperatura horizontales.
bombeo de Ekman (Ekman pumping)
 La fricción en la superficie terrestre modifica el equilibrio de fuerzas que determina el vector viento. Al introducir fricción, el equilibrio de fuerzas cambia y disminuye el viento y altera su dirección: ahora el viento fluye hacia un sistema de baja presión y sale de un sistema de alta presión. Los vientos que fluyen hacia sistema de baja presión debido a la fricción se ven forzados hacia arriba y salen de la capa límite. Este proceso se conoce como bombeo de Ekman.

Volver al comienzo de la página

C

campo de visión, CdV (field of view, FOV)
El campo de visión, que por lo general se asocia a la resolución del terreno desde la ubicación de observación normal del detector, es el ángulo sólido a través del cual el detector observa la radiación.
capa de Ekman (Ekman layer)
Fina capa horizontal de agua en la parte superior del océano que siente los efectos del viento.  Esta capa presenta un balance de fuerzas entre la fuerza del gradiente de presión, el efecto de Coriolis y el rozamiento friccional.
capa límite planetaria, CLP (Planetary Boundary Layer, PBL)
Capa de la atmósfera que se extiende verticalmente desde la superficie hasta una altura de 100 a 3000 m. La capa límite está sometida directamente a los efectos de forzamiento de la superficie, como la fricción, el calentamiento y la evapotranspiración.
centro (center)
Posición del eje vertical de un ciclón tropical, que normalmente se define en términos de la posición del viento mínimo o de la presión mínima. La posición del centro del ciclón puede variar con la altitud.
ciclogénesis (cyclogenesis)
Formación de un ciclón.
ciclón (cyclone)
Circulación atmosférica cerrada que gira hacia la izquierda en el hemisferio norte y hacia la derecha en el hemisferio sur.
ciclón subtropical (subtropical cyclone)
Sistema de baja presión no frontal que tiene características tanto de los ciclones tropicales y como de los ciclones extratropicales. El tipo más común es una depresión fría en altura cuya circulación se extiende hasta la capa de superficie y cuyos vientos máximos sostenidos en general alcanzan un radio aproximado de 150 km o más desde el centro. En comparación con los ciclones tropicales, las zonas de vientos máximos de estos sistemas son relativamente anchas y están más alejadas del centro, y suelen tener campos de viento y distribución de la convección menos simétricos. Otro tipo de ciclón subtropical es la baja de mesoescala que se origina en o cerca de una zona de cizalladura horizontal del viento en fase de frontolisis (disipación frontal), con un radio de vientos máximos sostenidos generalmente menor que 50 km. En un comienzo, la totalidad de la circulación puede tener un diámetro de menos de 160 km. Estos sistemas, que generalmente son de duración breve, pueden ser de núcleo frío o de núcleo cálido.
ciclón tropical (tropical cyclone)
Ciclón de núcleo cálido, no frontal, de escala sinóptica que se origina sobre las aguas tropicales o subtropicales, con una convección profunda organizada y una circulación cerrada de vientos en la superficie alrededor de un centro bien definido. Una vez que se forme, el ciclón tropical se mantiene mediante la extracción de la energía térmica del océano a alta temperatura y la exportación del calor a las temperaturas bajas de la troposfera superior. En esto difieren de los ciclones extratropicales, lo cuales derivan su energía del contraste de temperaturas horizontal en la atmósfera (efectos baroclínicos). Vea también huracán.
circulación de Walker (Walker circulation)
Células de circulación de este a oeste que se forman a lo largo del ecuador en respuesta al calentamiento diferencial en la superficie.
circulación termohalina | cinta transportadora oceánica (ocean conveyor belt)
Nombre empleado para resumir el patrón de las corrientes oceánicas globales. En términos generales, las corrientes de la superficie oceánica transportan agua caliente y salada hacia los polos, lejos de los trópicos. A medida que viaja hacia los polos, el agua se enfría y se vuelve más densa (recuerde que el agua salada es más densa que el agua dulce). Esta agua baja hasta el fondo marino en el Atlántico Norte y también en el Océano Austral, cerca de Antártida. Las corrientes de agua profunda transportan el agua por el mundo hasta que vuelva a subir a la superficie y se incorpore nuevamente a las corrientes oceánicas en la superficie.
complejo convectivo de mesoescala, CCM (Mesoscale Convective Complex, MCC)
Sistema convectivo de mesoescala grande y casi redondo que suele producir lluvias muy copiosas y tiempo severo. En algunos CCM se forma un vértice en la troposfera media que persiste una vez disipada la convección profunda.
continente marítimo (maritime continent)
Región del sudeste asiático que comprende muchas islas, penínsulas y mares pocos profundos, incluidos varios países, como Indonesia, Malasia, Papúa Nueva Guinea y las Filipinas. La región abarca aproximadamente la región de 12°S a 8°N hasta 95°E a 150°E)
cuerpo negro (blackbody)
Cuerpo que absorbe toda la radiación electromagnética incidente y emite la cantidad máxima de energía independientemente de su longitud de onda.

Volver al comienzo de la página

D

deposición (deposition)
El proceso por el cual las moléculas se convierten directamente de la fase de vapor de agua a la fase sólida, como ocurre cuando el vapor de agua se transforma en hielo.
depresión tropical (tropical depression)
Ciclón tropical en el cual la velocidad del viento máxima sostenida en la superficie no excede 17 m s−1 (63 km h−1, 39 millas h−1 o 34 nudos).
depresión subtropical (subtropical depression)
Ciclón subtropical en el cual la velocidad del viento máxima sostenida en la superficie no supera 17 m s−1 (63 km h−1, 39 millas/h o 34 nudos)
dispersión o difusión (dispersion)
Proceso por el cual un material interactúa con la radiación incidente y la redirige (en cualquier dirección).
dispersómetro (scatterometer)
Radar capaz de inferir la velocidad del viento cerca de la superficie enviando impulsos de energía de microondas hacia la superficie oceánica y midiendo la retrodispersión de las ondas de pequeña escala. Los datos de vientos recuperados por dispersometría pueden resultar ambiguos en condiciones de lluvia, porque la lluvia genera retrodispersión adicional y atenúa el haz de radar.
Doppler, efecto (Doppler effect)
El corrimiento aparente de la frecuencia y longitud de onda de una onda respecto de un observador que se mueve en relación con el origen de la onda.

Volver al comienzo de la página

E

eco en arco o en forma de arco (bow echo)
Un sistema convectivo de mesoescala organizado. Recibe este nombre por la característica forma en arco que presenta en las imágenes de reflectividad radar. Los ecos en arco pueden tener una longitud de 20 a 200 km y una duración de 3 a 6 horas. Estos están asociados a condiciones de tiempo severo, especialmente los intensos vientos de superficie en línea recta generados cuando un fuerte chorro de entrada trasero desciende a la superficie.
efecto beta (β) (Beta/β effect)
Denota cómo el movimiento del fluido se ve afectado por cambios espaciales del parámetro de Coriolis, por ejemplo, debido a la curvatura de la Tierra. El término recibe su nombre del uso del símbolo β para representar el gradiente meridional del parámetro de Coriolis en una latitud fija. El flujo asimétrico que resulta de la interacción del vórtice con el parámetro de Coriolis cambiante se conoce como giro β.
efecto Fujiwhara (Fujiwhara effect)
Advección mutua de dos o más ciclones tropicales cercanos uno alrededor del otro (o de los otros). Esto produce la rotación ciclónica de cada tormenta alrededor de las otras.
El Niño, Oscilación del Sur, o ENOS (El Niño-Southern Oscillation, ENSO)
Oscilación del sistema océano-atmósfera del Pacífico tropical que afecta el tiempo y el clima global. El Niño, la fase caliente de ENOS, es un calentamiento cuasi-periódico (2 a 7 años) de las aguas superficiales del Pacífico oriental ecuatorial y tropical, al cual acompaña un desplazamiento hacia el este de la convección de la máxima climatológica del Pacífico occidental. Esto produce cambios en la zona de los alisios tropicales del este, en la cortante vertical del viento y en la altura del océano. Se observan anomalías de temperatura oceánica fría en el Pacífico occidental tropical que se extienden hacia el este hasta las regiones subtropicales de ambos hemisferios. Se observan anomalías de temperatura oceánica fría en el Pacífico Tccidental tropical que se extienden hacia el este hasta las regiones subtropicales de ambos hemisferios. “La Niña” es el nombre que se da a la fase anómala fría de ENOS, de menor intensidad. La Oscilación del Sur es una referencia a la diferencia en la presión atmosférica entre Darwin y Tahití que se correlaciona con El Niño.
electromagnetismo (electromagnetic, EM)
Energía transportada por las ondas eléctricas y magnéticas.
emisión (emission)
Proceso por el cual un cuerpo genera radiación electromagnética debido a su temperatura y composición.
emisividad (emissivity)
La eficiencia de emisión de un cuerpo en comparación con un emisor ideal (o cuerpo negro). Un cuerpo negro tiene una emisividad de uno.
emisor (emitter)
Cualquier cuerpo que irradia una cantidad mensurable de radiación electromagnética.
energía (energy)
Capacidad de los cuerpos para efectuar trabajo o transferir calor. Se mide en unidades del Sistema Internacional (SI) en julios (o joules).
energía potencial disponible (available potential energy, APE)
La parte de la energía potencial total disponible para la conversión adiabática en energía cinética. La energía potencial total es una combinación de la energía potencial disponible y la energía potencial que representa la distribución de masa necesaria para equilibrar los movimientos atmosféricos medios.
escarchado (riming)
La formación de hielo por congelamiento rápido de gotas de agua superfrías cuando tocan un objeto, como un cristal de hielo o las alas de un avión.
espacio de fases del ciclón (Cyclone Phase Space, CSP)
Resumen conciso de tres parámetros de la estructura de las tormentas. Se puede usar para describir la estructura de cualquier ciclón sinóptico o mesosinóptico.
espectral (spectral)
Descripción de cantidades o medidas radiométricas con un rango limitado de frecuencia o longitud de onda.
estereorradián (steradian)
Unidad de medida para ángulos sólidos; es igual al ángulo sólido que tiene su vértice en el centro de una esfera y se extiende hasta su superficie. Símbolo: sr
estimación combinada de precipitación (blended precipitation estimate)
Una estimación de la precipitación derivada combinando las mediciones de microondas tomadas en órbita terrestre baja, de alta resolución pero baja frecuencia, con las mediciones infrarrojas tomadas con mayor frecuencia de los satélites geoestacionarios.
evapotranspiración potencial (potential evapotranspiration)
Medida de la máxima pérdida de agua posible en un área bajo un conjunto de condiciones meteorológicas específicas.
extratropical (extratropical)
Término empleado para indicar que un ciclón ha perdido sus características «tropicales». El término implica tanto el desplazamiento del ciclón hacia el polo como el cambio de la liberación del calor latente de condensación como fuente de energía primaria del ciclón a procesos baroclínicos. Es importante observar que los ciclones pueden volverse extratropicales y aún mantener vientos con fuerza de huracán o de tormenta tropical. Como estos vientos peligrosos pueden persistir después de que el ciclón se clasifique como «extratropical», el Centro de Huracanes Canadiense (por ejemplo) denomina estas tormentas «antiguo huracán Abc».

Volver al comienzo de la página

F

flujo de momento angular turbulento (eddy angular momentum flux, EAMF)
Flujo (transporte neto) del momento angular hacia un círculo centrado en la tormenta. Si el flujo de momento angular turbulento es positivo, el flujo en el interior del círculo se volverá más ciclónico; con un flujo de momento angular turbulento negativo, el sistema será menos ciclónico (más anticiclónico). Encontrará una definición y explicación del momento angular en los ciclones tropicales en la sección especial 10-6.
fracción de radiación fotosintéticamente activa, FRFA (Fraction of Photosynthetically Active Radiation, FPAR)
Índice que mide la cantidad de luz solar que las hojas están absorbiendo.
frecuencia (frequency)
Número de repeticiones de un fenómeno periódico por unidad de tiempo. La frecuencia v de la energía electromagnética suele especificarse en hercios (Hz), que representan un ciclo por segundo.
función de ponderación (weighting function)
Expresión matemática que representa la contribución relativa de radiación que aporta un nivel en particular de la atmósfera (normalmente en función de la presión atmosférica).
función ortogonal empírica, FOE (Empirical Orthogonal Function, EOF)
Vea análisis de componente principal.

Volver al comienzo de la página

G

giro monzónico (monsoon gyre)
Circulación simétrica cerrada en el nivel de 850 hPa con alcance horizontal de 25 grados de latitud que persiste por al menos dos semanas. Esta circulación está acompañada por abundante precipitación convectiva alrededor del borde sudsudeste del giro.
GMT (Greenwich Mean Time o Greenwich Meridian Time)
Hora solar media en el meridiano de Greenwich, Inglaterra, que se utiliza como base para establecer una hora estándar en la mayor parte del globo. También se conoce como hora Zulú (Z) y Tiempo Universal Coordinado (UTC).
GOES (Geostationary Operational Environmental Satellite)
Satélite Ambiental Operacional Geoestacionario (operado por NOAA).

Volver al comienzo de la página

H

Hadley, célula (Hadley cell)
Células de circulación en la cuales el aire asciende en la ZCIT, desciende en la región del anticiclón subtropical y regresa a la vaguada ecuatorial a lo largo de los alisios. En 1735, George Hadley propuso un modelo de circulación atmosférica global con un movimiento ascendente en el ecuador, donde existe un exceso de calor, y un movimiento descendente en los polos, donde hay un enfriamiento neto. El modelo de Hadley no tenía en cuenta el efecto de Coriolis, que produce el movimiento medio desde el oeste en las latitudes medias. El modelo de Hadley sí explica la circulación dentro de 30 grados de latitud del ecuador.
humedad específica (specific humidity)
La masa del vapor de agua por masa unitaria de aire (incluido el vapor de agua); normalmente se denota por q y se mide en unidades de g/kg.
huracán (hurricane)
Ciclón tropical con vientos sostenidos máximos en la superficie (medidos de acuerdo con la convención de promediado local) de al menos 33 m s−1 (119 km h−1, 74 millas h−1 o 64 nudos) El término «huracán» se emplea para las tormentas del Atlántico Norte y el Pacífico nororiental; al este de la línea internacional de cambio de fecha hasta el meridiano de Greenwich se denominan «ciclones tropicales»; en el Pacífico al norte del ecuador y al oeste de la línea internacional de cambio de fecha se conocen como «tifones».

Volver al comienzo de la página

I

índice de área foliar, IAF (Leaf Area Index, LAI)
Relación entre el área de hojas verdes y la superficie total ocupada por la vegetación
índice de la oscilación del sur, IOS (Southern Oscillation Index, SOI)
La diferencia normalizada de la presión reducida al nivel del mar (p.n.m.) registrada en Darwin, Australia y Tahití, en la Polinesia Francesa.
índice de precipitación del GOES (GOES Precipitation Index)
Estimación de la precipitación que utiliza 235 K como temperatura IR con la mejor correlación para derivar un promedio de la precipitación en áreas que abarcan de 50 a 250 km para períodos de 3 a 24 horas.
inestabilidad barotrópica y baroclínica (barotropic-baroclinic instability)
Los análisis de inestabilidad barotrópica y baroclínica se utilizan para explicar el crecimiento de una pequeña perturbación en el flujo. Si una perturbación crece debido a inestabilidad baroclínica, obtiene su energía de la energía potencial disponible. Cuando una perturbación crece debido a inestabilidad barotrópica, obtiene su energía de la energía cinética del flujo de fondo. Si una perturbación crece debido tanto a la energía potencial disponible como a la conversión de energía cinética media en energía cinética del sistema que crece (que tiene el efecto de intensificarlo), su desarrollo se debe a una combinación de inestabilidad barotrópica y baroclínica.
inestabilidad condicional de segundo orden (Conditional Instability of the Second Kind, CISK)
Teoría del desarrollo de los ciclones tropicales que relaciona la convergencia de humedad en la capa límite superficial (impulsada por el bombeo de Ekman) con el potencial de intensificación del ciclón tropical. A medida que la tormenta se intensifica, la convergencia de humedad debe aumentar, lo cual retroalimenta el sistema. Al igual que ocurre con la teoría WISHE, la teoría CISK depende de la presencia de una perturbación incipiente.
inestabilidad de la capa de Ekman
Inestabilidad frente a la cizalladura en una capa límite en la cual el flujo medio resulta del balance entre las fuerzas de fricción, del gradiente de presión y del efecto de Coriolis. La inestabilidad se manifiesta como vórtices de rotación con forma de banda espiral.
inestabilidad de Reyleigh
Inestabilidad de una capa de fluido horizontal calentada desde abajo o enfriada desde arriba. El comienzo de la convección debido a esta inestabilidad térmica fue documentada por primera vez por Lord Rayleigh y Henri Bérnard (aunque este último descubrió la inestabilidad provocada por las diferencias en la tensión de superficie que ocurren cuando el calientamiento de un fluido no es uniforme). La convección celular de mesoescala en la capa límite atmosférica parece similar a la convección de Rayleigh-Bérnard.
infrarrojo, o IR (infrared, IR)
Energía electromagnética dentro del intervalo de longitudes de onda generalmente definido entre 0,7 y 100 µm.
insolación (insolation)
La radiación solar incidente que alcanza la Tierra y su atmósfera.
intensidad (intensity)
Vientos sostenidos máximos en la superficie en la región inmediatamente externa al centro de la tormenta o la presión central mínima medida en el ojo.
intensidad potencial, IP (potential intensity, PI)
La intensidad máxima posible (viento máximo, presión mínima) que se considera posible para un ciclón tropical en particular.
intercambio de calor en la superficie inducido por el viento (Wind-Induced Surface Heat Exchange, WISHE)
Teoría del desarrollo de los ciclones tropicales basada en un modelo conceptual de los ciclones tropicales como motor de Carnot atmosférico. De acuerdo con su relación con el modelo de motor de Carnot, el modelo WISHE relaciona (i) los flujos de calor y humedad de la superficie oceánica y (ii) la temperatura de la capa de flujo saliente del ciclón tropical con el potencial de continuación del desarrollo de la tormenta. Los flujos aumentan con la velocidad del viento en la superficie, lo cual retroalimenta el sistema. Al igual que ocurre con la teoría CISK, la teoría WISHE depende de la presencia de una perturbación incipiente.
intraestacional (intraseasonal)
Variación a escalas temporales menores que una estación.
irradiancia (irradiance)
Energía por unidad de tiempo incidente en una unidad de área de determinada superficie; suele en unidades del Sistema Internacional (SI) en W m−2.

Volver al comienzo de la página

J

julio (joule)
Unidad de energía del Sistema Internacional (SI) equivalente a 0,2389 calorías.

Volver al comienzo de la página

K

Volver al comienzo de la página

L

llegada a tierra (landfall)
Intersección del centro de un ciclón tropical en superficie con el litoral. Como los vientos más fuertes de un ciclón tropical no se hallan exactamente en el centro, es posible experimentar los vientos más fuertes sobre tierra firme incluso si el ciclón no llega a tierra.
longitud de onda (wavelength)
Distancia que recorre una onda en el tiempo necesario para completar un ciclo, se denota con λ. Longitud medida a partir del punto medio de una cresta (o de un valle) hasta el punto medio de la cresta (o del valle) siguiente.

Volver al comienzo de la página

M

marea de la tormenta (storm tide)
El nivel real del agua del mar producido por la combinación de la marea astronómica y la marejada ciclónica.
marejada ciclónica (storm surge)
Aumento anormal del nivel de mar que acompaña un ciclón tropical u otra tormenta intensa, cuya altura es la diferencia entre el nivel observado de la superficie marina y el nivel que se hubiera producido en ausencia del ciclón. Normalmente, la marejada ciclónica se estima restando la pleamar normal o astronómica de la marea observada de la tormenta.
mejor trayectoria (best track)
Según el Centro Nacional de Huracanes de EE.UU., es una línea suavizada de forma subjetiva que representa la posición e intensidad de un ciclón tropical a lo largo de su vida. La mejor trayectoria incluye los datos de latitud, longitud, vientos máximos sostenidos en la superficie y presión mínima al nivel del mar de la tormenta a intervalos de 6 horas. Las posiciones e intensidades de la mejor trayectoria, que se basan en una evaluación de todos los datos disponibles después de la tormenta, pueden diferir de los valores indicados en los boletines emitidos durante la tormenta. Por lo general, tampoco reflejan el movimiento errático que se obtiene al conectar las posiciones individuales del centro determinadas durante las operaciones.
meridional (meridional)
Con orientación norte-sur, a través de las latitudes; por convención, el viento meridional desde el sur tiene signo positivo.
mesoescala (mesoscale)
Escala espacial de 100 a 1000 km y escala temporal de varias horas a un día; medida intermedia entre la escala sinóptica y la escala convectiva. Las nubes tropicales se organizan principalmente en sistemas de mesoescala.
momento angular absoluto (absolute angular momentum)
Para la atmósfera, el momento angular absoluto por unidad de masa de aire es la suma del momento angular respecto de la Tierra y el momento angular debido a su rotación.
monocromático, o monocromo (monochromatic)
Relacionado o perteneciente a una sola longitud de onda o, en la práctica, a un intervalo espectral muy limitado.
monzón (monsoon)
Este término, que proviene de la palabra árabe que significa «estación», denota la inversión estacional del régimen del viento. El monzón fluye hacia una baja de calor en la superficie y hacia el mar desde la presión alta durante el invierno, cuando la superficie terrestre se enfría en relación con las aguas oceánicas. El monzón Índico es el más destacado, pero está reconocida una región de monzones que se extiende desde el sudeste asiático hasta África occidental. El monzón de verano es una fuente esencial de humedad, cuya llegada, duración y cantidad de precipitación modula la economía en estas regiones.

Volver al comienzo de la página

N

nadir (nadir)
Ángulo de observación del satélite directamente hacia abajo (ángulo de observación cenital de 0 grados). Se emplea también para indicar el punto subsatélite.
número de onda (wavenumber)
Recíproco de la longitud de onda, se denota con κ.

Volver al comienzo de la página

0

radioocultación del sistema de posicionamiento global (GPS) (GPS radio occultation)
Técnica mediante la cual los receptores de satélite interceptan las señales de GPS e infieren las desviaciones en la trayectoria de la señal causadas por los gradientes de temperatura y humedad.
ojo (eye)
Área aproximadamente circular de vientos relativamente flojos que constituye el centro de un ciclón tropical. El ojo está completa o parcialmente rodeado por las nubes de la pared del ojo.
onda corta, OC (shortwave, SW)
Energía electromagnética dentro del intervalo de longitudes de onda generalmente definido como inferior a 4,0 µm.
onda de Rossby (Rossby wave)
Onda planetaria que resulta de la conservación de la vorticidad potencial. Los gradientes de vorticidad potencial constituyen un mecanismo de restauración que permite la propagación de las ondas. El enfoque en nuestro contexto son las ondas de Rossby centradas en el ecuador, las ondas de Rossby ecuatoriales (n=1)
onda larga, OL (longwave, LW)
Energía electromagnética dentro del intervalo de longitudes de onda generalmente definido entre 4,0 µm y un límite superior no definido.
onda mixta de Rossby-gravedad (Mixed Rossby-gravity wave, MRG)
Onda de Rossby divergente resultante de la conservación de vorticidad potencial y del forzamiento de empuje hidrostático. Estas ondas se propagan hacia el oeste siguiendo el ecuador. La velocidad meridional es simétrica en ambos lados del ecuador. El viento zonal, la temperatura y el área geopotencial son antisimétricos a ambos lados del ecuador.
onda tropical africana (African easterly wave)
Vaguada o máxima de curvatura ciclónica en los alisios del este. La onda puede alcanzar su amplitud máxima en la troposfera media inferior.
ondas de gravedad | ondas gravitatorias (gravity waves)
Oscilaciones que suelen ser de alta frecuencia y pequeña escala horizontal respecto de los movimientos de escala sinóptica que se producen en un fluido estratificado estable cuando una parcela se desplaza en sentido vertical. La gravedad es la fuerza restauradora.
ondas de Kelvin (Kelvin waves)
En el ecuador, ondas simétricas respecto del ecuador que se propagan hacia el este con una componente de velocidad meridional insignificante y una estructura latitudinal gaussiana en cuanto a velocidad zonal, geopotencial y temperatura.
opaco/opacidad (opaque)
Característica física de un material que atenúa la radiación electromagnética.
órbita geoestacionaria o geosincrónica (geostationary o geosynchronous orbit)
Órbita cuyo período de rotación equivale al de la Tierra. La altitud aproximada de una órbita geoestacionaria es de 35 800 km. Se mantiene sobre un punto dado encima del ecuador en virtud de su órbita.
órbita terrestre baja, LEO (Low Earth Orbit, LEO)
Órbita normalmente ubicada a una altitud entre 200 y 1000 km.
órbita polar (polar orbit)
Órbita cuya trayectoria cruza las regiones polares. Por lo general, este tipo de órbita se ubica a una altitud entre 200 y 1000 km, y puede generar observaciones sincronizadas con el Sol.
oscilación cuasi-bienal, OCB (Quasi-Biennial Oscillation, QBO)
Oscilación en los vientos zonales estratosféricos inferiores promediados alrededor del ecuador. Suele diagnosticarse a partir de los vientos zonales entre 30 y 70 hPa (aunque es evidente hasta en el nivel de 10 hPa). El período de la OCB varía de 24 a 30 meses. Los vientos zonales cambian en unos 40 m s−1 entre la fase máxima del este y la fase máxima del oeste.
oscilación de Madden-Julian, OMJ (Madden-Julian Oscillation, MJO)
La lluvia tropical exhibe una fuerte variabilidad a escalas temporales menores de las estaciones. A menudo estas fluctuaciones en la lluvia tropical siguen un ciclo de 30 a 60 días que se conoce como la oscilación de Madden-Julian u oscilación intraestacional. La OMJ es un componente natural del sistema acoplado océano-atmósfera de la Tierra que altera significativamente la circulación atmosférica en todas las regiones tropicales y subtropicales del mundo.
oscilación decenal del Pacífico, ODP (Pacific Decadal Oscillation, PDO)
La oscilación decenal del Pacífico es un patrón de variabilidad del clima en el Pacífico a escala de cuenca; las anomalías climáticas de la OPD se observan principalmente en las regiones del Pacífico Norte y en América del Norte, con algunas características secundarias en los trópicos. Las fases de la OPD persisten por 20 a 30 años. Las causas de la OPD aún no se han explicado.
oscilación multidecadal del Atlántico, OMA (Atlantic Multidecadal Oscillation, AMO)
Oscilación natural entre fases calientes y frías de la TSM en el Atlántico Norte. La diferencia en la TSM entre una fase caliente y una fría es de aproximadamente 0,5 °C y el período de oscilación es de unos 20 a 40 años (el período es variable, pero abarca algunas décadas). Cierta evidencia hace suponer que la OMA ha estado en actividad al menos durante los últimos 1,000 años.

Volver al comienzo de la página

P

parámetro de Coriolis f (Coriolis parameter)
Medida que corresponde a dos veces la componente vertical local de la velocidad angular de un planeta esférico, 2Ω sinφ, donde Ω es la velocidad angular del planeta y φ es la latitud.
perfilador del viento (wind profiler)
Radar de orientación vertical que opera de acuerdo con el mismo principio que el radar Doppler de barrido horizontal. Brinda las mejores mediciones del movimiento vertical del aire en el interior de las tormentas convectivas.
período de inercia (inertial period)
Tiempo que tarda un ciclón en efectuar una rotación completa. En el ciclón tropical esto se calcula dividiendo la circunferencia en el radio de interés (normalmente se trata del radio de vientos máximos) entre la velocidad del viento en ese radio.
perturbación tropical (tropical disturbance)
Sistema atmosférico tropical discreto con convección organizada aparente (por lo general de un diámetro entre 185 y 550 km, o 100 a 300 millas náuticas) que se origina en los trópicos o subtrópicos, no exhibe características de migración frontal y mantiene su identidad durante 24 horas o más. Puede o no estar asociada con una perturbación detectable del campo de viento.
Planck, ley de (Planck's Law)
Expresión de la variación de la radiación monocromática en función de la longitud de onda para un cuerpo negro a una temperatura dada.
plano beta (β) (Beta/β plane)
Una aproximación del parámetro de Coriolis en el que f = f0 + βy, donde β es una constante. Se supone una variación lineal del parámetro de Coriolis en la dirección norte-sur. El término recibe su nombre del uso del símbolo β para representar el gradiente meridional del parámetro de Coriolis en una latitud fija.
POES (Polar Orbiting Environmental Satellite)
Satélite Ambiental en Órbita Polar; satélite en órbita polar, como los de la serie NOAA y los sistemas del programa de satélites meteorológicos de defensa (Defense Meteorological Satellite Program) de los Estados Unidos.
profundidad óptica (optical depth)
Medida de la atenuación acumulativa de un haz de radiación como resultado de su paso a través de la atmósfera.
profundización explosiva (explosive deepening)
Reducción de la presión mínima al nivel del mar en un ciclón tropical de 2,5 hPa h−1 durante un mínimo de 12 horas o de 5 hPa h−1 durante al menos seis horas.
pared del ojo (eyewall)
El anillo completo o parcial de tormentas que rodea el ojo de un ciclón tropical. Los vientos sostenidos más intensos de los ciclones tropicales ocurren en la pared del ojo.

Volver al comienzo de la página

Q

Volver al comienzo de la página

R

radar (radar)
Instrumento que detecta los objetos en forma remota transmitiendo impulsos de alta frecuencia a la atmósfera y midiendo la “retrodispersión” o eco de los pulsos provenientes del objeto. El radar meteorológico transmite pulsos de microondas (mm a cm); la señal devuelta se interpreta para determinar dónde hay precipitación. Radar es la contracción de radio detection and range, es decir detección y medición de distancia por radio.
radar Doppler (Doppler radar)
Radar que usa el efecto Doppler para detectar la velocidad radial de un blanco de acuerdo con el corrimiento de fase entre el pulso transmitido y la señal retrodispersada que recibe.
radar de apertura sintética, RAS (Synthetic Aperture Radar, SAR)
Funciona como los demás sistemas de radar, pero cuenta con una resolución muy fina en la dirección azimutal. Sin embargo, como el uso de una antena del tamaño adecuado para observar la superficie terrestre resultaría impráctico, el RAS combina varias señales de un mismo objeto obtenidas a lo largo de una trayectoria de vuelo del radar y las procesa como si las hubiese obtenido simultáneamente con una sola antena grande. La distancia a lo largo de la cual se compilan las señales se conoce como la apertura sintética.
radiancia (radiance)
Medida de la intensidad radiante producida por un material en una determinada dirección por intervalo de unidad de longitud de onda; se mide en vatios/m2/estereorradián/micrómetro. La radiancia monocromática es la unidad más fundamental medida mediante los instrumentos satelitales.
radiación (radiation)
Energía transferida por ondas electromagnéticas.
radio de deformación de Rossby (Rossby radius of deformation)
El radio de Rossby es la escala crítica en la que la rotación se vuelve tan importante como el empuje hidrostático, lo cual permite sostener la perturbación inicial. Es una función de la vorticidad absoluta, estabilidad y profundidad de la perturbación. Cuando la anchura de una perturbación es mayor que LR, persiste; los sistemas más pequeños de LR se disipan.
radio de vientos máximos (radius of maximum winds)
Distancia entre el centro de un ciclón tropical y la ubicación del viento máximo del ciclón. En los sistemas muy desarrollados, el radio de vientos máximos suele encontrarse en el borde interno de la pared del ojo.
rápida intensificación (rapid deepening)
Reducción de la presión mínima al nivel del mar de un ciclón tropical de 1,75 hPa h−1, es decir, 42 hPa en 24 horas.
recuperación / datos recuperados (retrieval)
Proceso o resultado final de un proceso en el cual se extraen cantidades físicas, como vapor de agua, temperatura y/o presión, a partir de las mediciones de la radiancia total dirigida hacia el espacio; en este contexto, se refiere a la sonda atmosférica del GOES.
recurvatura (recurvature)
Movimiento hacia el polo de un ciclón tropical que lo desvía de los vientos tropicales medios del este a la zona de vientos del oeste de latitudes medias. Este cambio en la advección de la tormenta produce una curvatura en la trayectoria de la tormenta.
reflexión (reflection)
Proceso por el cual la radiación incidente es dispersada hacia atrás (retrodispersada).
reflectividad (reflectivity)
Fracción de la radiación incidente reflejada por un cuerpo.
región monzónica (monsoon region)
Referencia a la combinación de varias estructuras, como una vaguada monzónica, la zona de confluencia y la ZCIT.
retrodispersión (backscatter)
Aquella parte de la radiación que es dispersada hacia su origen.

Volver al comienzo de la página

S

Saffir-Simpson, escala (Saffir-Simpson scale)
Escala que relaciona los daños observados y los efectos del viento, la presión y la marejada ciclónica que pueden provocar tales daños. La escala inicial del daño provocado por el viento definida por Herbert Saffir fue ampliada más tarde por Robert Simpson para incluir marejada ciclónica.
sistema de posicionamiento global, GPS (Global Positioning System, GPS)
Red de satélites de defensa de EE.UU. establecida en 1993. Cada satélite transmite una señal digital de radio que incluye la posición del satélite y la hora con una precisión de un mil millonésimo de segundo. Los receptores GPS usan estas señales para calcular su posición dentro de unos centenares de metros.
Stefan-Boltzmann , ley (Stefan-Boltzmann Law)
La energía radiada por unidad de área (en todas las longitudes de onda y representada por el área debajo de la curva de cuerpo negro) es proporcional a la cuarta potencia de la temperatura absoluta.

Volver al comienzo de la página

T

tamaño (size)
El radio medio de un ciclón tropical encerrado en vientos de al menos 17 m s−1. El tamaño también se puede definir en términos de la isobara cerrada externa de la presión en la superficie.
técnica de Dvorak (Dvorak technique)
Esquema de clasificación empleado para estimar la intensidad de los ciclones tropicales a partir de imágenes satelitales IR y en el visible realzadas. Este es el método principal empleado en todo el mundo para estimar la intensidad, salvo en el Atlántico Norte y el Pacífico Norte, donde se efectúan vuelos de reconocimientos de rutina.
temperatura de emisión o de brillo (brightness temperature)
La temperatura, según la ley de Planck, asociada a la radiación de una longitud de onda dada.
temperatura potencial virtual (Virtual Potential Temperature)
En sistemas de aire húmedo, la temperatura potencial del aire seco cuando su densidad y presión equivalen a las de aire húmedo.
temporada de ciclones tropicales (tropical cyclone season)
La parte del año cuando la incidencia de ciclones tropicales es relativamente alta. También se conoce como «temporada de huracanes» o «temporada de tifones».
termoclina (thermocline)
Capa de inversión que separa las aguas calientes cerca de la superficie de las aguas frías a mayor profundidad en los lagos y océanos.  Tiene una profundidad aproximada de 1 km y exhibe estratificación térmica. En el océano, la termoclina también separa las aguas más dulces cerca de la superficie de las aguas más saladas a mayor profundidad.
tifón (typhoon)
Vea ciclón tropical y huracán.
tormenta subtropical (subtropical storm)
Ciclón subtropical en el cual la velocidad del viento máxima sostenida en la superficie es al menos 17 m s−1 (63 km h−1, 39 millas/h o 34 nudos)
tormenta tropical (tropical storm)
Ciclón tropical en el cual la velocidad del viento máxima sostenida en la superficie va de 17 m s−1 (63 km h−1, 39 millas h−1 o 34 nudos) a 33 m s−1 (119 km h−1, 74 millas h−1 o 64 nudos).
transición extratropical, TE (extratropical transition, ET)
Evolución de un sistema que inicialmente era un ciclón tropical a medida que se desplaza hacia el polo hasta convertirse en un ciclón extratropical. En el curso de esta evolución, la fuente de energía de la tormenta pasa de la liberación de calor latente a un desarrollo baroclínico.
transmisión (transmission)
Proceso por el cual la radiación incidente se propaga hacia adelante por un medio.
transpiración (transpiration)
Proceso por el cual el vapor de agua entra en la atmósfera a través de la estomas de las hojas de las plantas.

Volver al comienzo de la página

U

ultravioleta, UV (ultraviolet, UV)
Radiación electromagnética de longitud de onda más corta que la radiación visible pero más larga que los rayos X (aproximadamente entre 0,03 y 0,4 µm).
UTC (Coordinated Universal Time)
Tiempo Universal Coordinado, equivale a la hora Zulú (Z) y a la hora del meridiano de Greenwich (Greenwich Mean Time, o GMT).

Volver al comienzo de la página

V

vapor de agua, o canal infrarrojo de vapor de agua (water vapor channel o water vapor IR channel)
Banda espectral en la cual la radiación es atenuada por el vapor de agua. En nuestro contexto, normalmente se refiere al canal de 6,7 µm.
ventana atmosférica (atmospheric window)
Porción del espectro electromagnético que permite el paso de la radiación a través de la atmósfera, sin absorción por parte de los gases atmosféricos como el vapor de agua, dióxido de carbono y ozono.
ventana dividida o split window (split window)
Absorción diferencial en canales contiguos. Par de regiones del espectro electromagnético muy cercanas en longitud de onda pero con características de atenuación ligeramente distintas. Este término se emplea para referirse a las regiones de 11 y 12 µm en las cuales la mayor atenuación del vapor de agua a 12 µm produce temperaturas de brillo ligeramente distintas.
vestigio de centro de baja presión (remnant low)
Describe aquellos sistemas que ya no cuentan con suficiente organización convectiva para considerarse ciclones tropicales (por ejemplo, los remolinos de estratocúmulos en el Pacífico nororiental).
viento de temporal fuerte (gale force wind)
Vientos sostenidos en la superficie en el rango de 17 m s−1 (63 km h−1, 39 millas h−1 o 34 nudos) a 24 m s−1 (87 km h−1, 54 millas h−1 o 47 nudos), inclusive, no asociados directamente con un ciclón tropical.
vientos de seguimiento de las nubes (cloud track winds)
Vientos derivados observando el movimiento de los elementos nubosos en las imágenes IR y de vapor de agua tomadas por los satélites geoestacionarios.
vigilancia (watch)
Anuncio para una zona costera específica indicando que las condiciones de tormenta tropical o de ciclón tropical son posibles dentro de 36 horas.
visible (visible)
Región del espectro electromagnético que se puede detectar con el ojo humano (aproximadamente 0,4 a 0,7 µm).
vórtice convectivo horizontal (horizontal convective roll)
Líneas de movimiento giratorio con los ejes paralelos a la superficie local. Estos vórtices son producto de inestabilidad térmica (densidad alta sobre densidad baja, que a menudo corresponde a aire fresco encima de aire caliente) y puede mezclar vientos intensos desde arriba hacia la superficie, abajo.
vorticidad (vorticity)
Rotación local del flujo, calculada a partir del rotacional (producto cruzado) del vector viento. La vorticidad se mide en segundos recíprocos (s−1). La «vorticidad relativa» es la vorticidad calculada para los vientos observados. Se denomina «relativa» porque los vientos son el flujo relativo a la rotación terrestre. La componente vertical del vector vorticidad se utiliza con mayor frecuencia porque es mucho más grande que los demás componentes de vorticidad. Esto se debe a que los vientos horizontales de los ciclones tropicales son mucho más fuertes que la componente vertical del viento. La «vorticidad absoluta» es la vorticidad calculada para el movimiento total de la atmósfera: la combinación del viento observado y la rotación terrestre.
vorticidad absoluta (absolute vorticity)
Vea vorticidad.
vorticidad potencial (potential vorticity)
Medida escalar del balance entre la vorticidad y la estructura térmica de la atmósfera.
vorticidad relativa (relative vorticity)
Vea vorticidad.

Volver al comienzo de la página

W

Wien, ley de desplazamiento (Wien's Displacement Law)
La longitud de onda de las emisiones máximas de un cuerpo es inversamente proporcional a su temperatura absoluta.

Volver al comienzo de la página

X

Volver al comienzo de la página

Y

Volver al comienzo de la página

Z

zona de convergencia intertropical, ZCIT (Intertropical Convergence Zone, ITCZ)
Región donde los alisios del nordeste (hemisferio norte) o del sudeste (hemisferio sur) convergen. Se caracteriza por baja presión, movimiento ascendente y la formación de tormentas convectivas, producto del fuerte calentamiento de la superficie. Su posición latitudinal cambia en respuesta al máximo de radiación solar y a la respuesta de calentamiento de la superficie. En las imágenes satelitales se reconoce como una banda de tormentas entre los trópicos. Aunque no siempre es así, a menudo su posición coincide con la zona de bajas presiones que se conoce como «vaguada ecuatorial».
zonal (zonal)
De este a oeste, que cruza las longitudes; por convención, el viento zonal del oeste tiene signo positivo.
Zulú (Zulu)
Representa la misma hora del reloj que GMT y UTC. Vea GMT (Greenwich Mean Time) y UTC (Coordinated Universal Time)

Volver al comienzo de la página