9.0 Descripción general

Este capítulo comienza con una descripción de los retos del pronóstico del tiempo en las regiones tropicales. A continuación examinaremos los tipos de observaciones y las técnicas de análisis meteorológico que empleamos para pronosticar el tiempo. Las tres últimas secciones se centran en la predicción numérica del tiempo, incluidos los aspectos siguientes: conceptos fundamentales, comparación de los modelos estadísticos y dinámicos, técnicas de predicción por conjuntos, convección de cúmulos, predicción de ciclones tropicales y verificación y validación de pronósticos. La sección de enfoque sobre el monzón de Australia e Indonesia aplica varias técnicas de análisis y pronóstico. Finalmente, algunos pronosticadores de ciclones tropicales describen sus rutinas de preparación de pronósticos.

Temas de enfoque

Prueba y encuesta

Tome la prueba y envíe los resultados a quien interese por correo electrónico.

Una vez que termine de estudiar el capítulo, no se olvide de completar la encuesta.

9.0 Descripción general »
Objetivos de aprendizaje

Al final de este capítulo, debería ser capaz de:

• describir los retos particulares relacionados con la predicción del tiempo en el trópico;
• describir los tipos de observaciones meteorológicas disponibles en los trópicos, como las que se enumeran a continuación, y cómo acceder a ellas: puntuales (de superficie y aerológicas); radar (algunos sistemas terrestres y el radar de precipitación del TRMM); satélites geoestacionarios (nubes, superficie, sondeos); satélites en órbita terrestre baja (precipitación, viento, vapor de agua, contaminantes, rayos); sondeos de satélite GPS;
• analizar las ventajas y debilidades de los diferentes tipos de observaciones;
• describir las fuentes de errores de observación;
• realizar análisis de escala sinóptica con líneas de corriente, potencial de velocidad, imágenes de satélite;
• identificar las principales características tropicales, como la ZCIT, la vaguada monzónica y las vaguadas tropicales de la alta troposfera (Tropical Upper Tropospheric Trough, TUTT);
• interpretar imágenes de radar y satélite para el análisis de mesoescala y los pronósticos momentáneos (nowcast);
• comprender los principios de conservación y las ecuaciones relacionadas;
• describir por lo menos un método de asimilación de datos;
• enumerar las fuentes de error de los modelos de pronóstico;
• describir las características de los modelos dinámicos;
• describir las características de los modelos estadísticos / inductivos;
• describir las características de los modelos dinámicos-estadísticos;
• explicar qué constituye una predicción por conjuntos;
• describir los puntos fuertes y débiles de las herramientas utilizadas para interpretar las predicciones por conjuntos;
• comparar las ventajas y desventajas relativas de los diferentes tipos de modelos;
• explicar la lógica de los esquemas de parametrización de cúmulos;
• describir al menos dos tipos de esquemas de parametrización de cúmulos de uso difundido;
• describir las características generales y la lógica de los modelos de resolución de nubes;
• enumerar los factores que controlan el movimiento y la intensidad de los ciclones tropicales;
• formular una descripción básica de al menos un modelo estadístico utilizado en la predicción de ciclones tropicales;
• formular una descripción básica de al menos dos modelos dinámicos utilizados en la predicción de ciclones tropicales;
• comprender los conceptos básicos de la aplicación de técnicas de predicción por conjuntos a la predicción de los ciclones tropicales;
• describir las técnicas utilizadas para verificar y validar las predicciones del tiempo tropical;
• describir sus ventajas y deficiencias.

9.1 Retos del pronóstico del tiempo en las regiones tropicales

No es fácil pronosticar el tiempo en las regiones tropicales. En las latitudes medias, las condiciones del tiempo están dominadas por sistemas sinópticos que se desplazan con los vientos del oeste, una realidad que sentó las bases de los métodos de análisis meteorológico que se desarrollarían en los siglos XIX y XX. En esas regiones, donde la inestabilidad baroclínica es producto de los contrastes de temperatura y densidad entre las distintas masas de aire, la energía se concentra en los ciclones extratropicales, que se pueden observar con relativa facilidad. En contraste, en el trópico encontramos una masa de aire relativamente homogénea y una distribución bastante uniforme de temperaturas y presiones en la superficie. Esto significa que —excepto en el caso de los ciclones tropicales— los efectos locales y de mesoescala son más dominantes que los factores sinópticos. Por ejemplo, en la superficie tanto la temperatura como la presión pueden cambiar rápidamente con el desarrollo de convección y el paso de una brisa marina.

La predicción del tiempo tropical no puede basarse en modelos meteorológicos diseñados para analizar la evolución de los sistemas sinópticos de latitudes medias; tampoco podemos utilizar la climatología para hacer frente a estos retos de pronóstico. A diferencia de las borrascas o ciclones de latitudes medias, cuya estructura de presión se puede observar fácilmente, identificar la estructura de presión de muchos sistemas tropicales puede resultar difícil. En esta sección estudiaremos las herramientas de análisis y los métodos de predicción adecuados para hacer frente a la complejidad particular de los sistemas atmosféricos tropicales.

9.2 Observaciones »
9.2.1 El sistema mundial de observación »
9.2.1.1 Observaciones puntuales

Aunque se supone que las estaciones de observación en altitud emitan informes por lo menos dos veces al día (por lo general, a las 0000 y las 1200 UTC), muchas estaciones tropicales solo producen un informe al día. Las mediciones de vientos se obtienen siguiendo el movimiento de una radiosonda en forma remota y calculando la velocidad a partir de su desplazamiento a intervalos de tiempo fijos.

A veces, los datos obtenidos por los instrumentos instalados en el terreno para fines de investigación pueden complementar las observaciones meteorológicas de rutina y los datos mundiales asimilados. Por ejemplo, desde 1997 el sistema de radiosondas GPS con paracaídas (dropsonde) del Centro Nacional de Investigación Atmosférica (National Center for Atmospheric Research, NCAR) ha generado perfiles atmosféricos verticales de alta resolución para apoyar tanto los pronósticos meteorológicos operativos como el trabajo de investigación. Durante el 4^o Experimento de Convección y Humedad (4th Convection and Moisture Experiment, CAMEX-4), la autora principal presenció desde una aeronave ER-2 de la NASA el lanzamiento de la radiosonda que generó el primer perfil desde la estratosfera hasta la superficie a través del ojo de un ciclón tropical (el huracán Erin, en 2001). La adición de estos datos de radiosondeo ha producido una mejora considerable en las predicciones de las trayectorias de los ciclones tropicales, del 12 al 15 % para los pronósticos de 12 a 48 h (fig. 9.3).⁶

Radiosonda GPS con paracaídas de NCAR:
http://www.eol.ucar.edu/instrumentation/sounding/dropsonde

9.2 Observaciones »
9.2.1 El sistema mundial de observación »
9.2.1.2 Teledetección: observaciones de área promediadas

Satélite

La teledetección satelital es la fuente principal de observaciones meteorológicas de rutina en los trópicos. Junto con los satélites geoestacionarios, los satélites polares y de investigación en órbita terrestre baja (Low Earth Orbit, LEO) cubren las regiones tropicales del mundo (compare la cobertura en las figs. 9.1 y 9.4), que en gran parte comprenden regiones oceánicas.

Radar

9.2 Observaciones »
9.2.1 El sistema mundial de observación »
Sección especial 9-1 Observaciones meteorológicas

9.2 Observaciones »
9.2.1 El sistema mundial de observación »
9.2.1.3 Error de observación

Las observaciones nos permiten caracterizar el estado de la atmósfera con la mayor precisión posible. Las características que definen una red de observación son las variables medidas, los errores de instrumento y la distribución espacial y temporal de las mediciones. Los errores de observación pueden deberse a la calibración inadecuada del instrumento,¹⁴ a la posición del instrumento¹⁴ y a errores introducidos por los observadores humanos.¹⁵ El error de observación se puede categorizar de la forma siguiente:

Pluviómetros: ¿representan realmente la realidad del terreno?
http://www.meted.ucar.edu/qpf/rgauge/

9.2 Observaciones »
9.2.1 El sistema mundial de observación »
9.2.1.4 Situación actual y futura de los sistemas de observación

Dos veces al año, la Vigilancia Meteorológica Mundial (VMM) de la OMM examina los sistemas utilizados para realizar observaciones de superficie y en altura. En ciertas regiones, como África tropical, el número de observaciones ha disminuido en las últimas décadas. La figura 9.5 muestra la distribución geográfica de las estaciones y las tendencias de transmisión de las observaciones. El mapa permite apreciar que la mayoría de las estaciones en los trópicos tienen un índice de informe inferior al 50 % y que en muchos casos se trata de estaciones inactivas (fig. 9.5b). Algunas regiones están tratando de revertir esta tendencia. Por ejemplo, como resultado de la participación en el programa de análisis multidisciplinario del monzón africano (African Monsoon Multidisciplinary Analysis, AMMA), las agencias operativas en los países africanos y los científicos de AMMA han logrado reactivar algunas estaciones silenciosas y renovar otras, y han instalado nuevas estaciones en África occidental.⁵

Sistema Mundial de Observación de la OMM: https://www.wmo.int/pages/prog/www/OSY/GOS.html
Mapas de cobertura de datos del Centro Europeo de Predicción Meteorológica a Plazo Medio (ECMWF):
http://old.ecmwf.int/products/forecasts/d/charts/monitoring/coverage/dcover/

9.3 Análisis meteorológico

Para pronosticar el tiempo, es preciso analizar las condiciones meteorológicas actuales. La carta sinóptica o del tiempo —en la cual se trazan todos los datos disponibles y necesarios para describir con precisión el estado de la atmósfera— es la herramienta de análisis meteorológico más importante. La escala de los fenómenos meteorológicos que se van a pronosticar determina la frecuencia o densidad con que deben realizarse las observaciones. Por ejemplo, las previsiones meteorológicas a corto plazo requieren observaciones muy frecuentes en un área pequeña, mientras para las predicciones de escala planetaria a largo plazo se necesitan una red mucho menos densa y observaciones menos frecuentes. Aunque en las últimas décadas las computadoras han automatizado la representación cartográfica de los datos de observaciones meteorológicas, algunos centros de pronóstico tropicales siguen utilizando el método manual.

En los apartados siguientes examinaremos varias herramientas de uso difundido para analizar el tiempo en el trópico, desde el análisis de patrones de flujo y los productos de percepción remota hasta las aplicaciones informáticas que nos permiten sintetizar las observaciones y los pronósticos generados por modelos numéricos.

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.1 Potencial de velocidad y la función de corriente

En términos generales, el campo de vientos tropicales nos brinda más información acerca de las condiciones sinópticas que los campos de presión o de altura geopotencial. Según el teorema de Helmholtz, la velocidad del viento se puede separar en dos componentes:

                                                                 (1)

El viento rotacional tiene toda la vorticidad y nada de divergencia, mientras tiene toda la divergencia y nada de vorticidad. La vorticidad, que es una medida de la rotación local del flujo, se calcula como el producto vectorial del vector viento y se expresa en segundos recíprocos (s⁻¹). La divergencia mide la expansión de la corriente (también en s⁻¹). La figura 9.7 ilustra las diferencias entre los componentes de rotación y divergencia de la velocidad del viento. A su vez, ambos componentes pueden subdividirse en variables útiles para el análisis de las condiciones meteorológicas tropicales, es decir, la función de corriente Ψ y el potencial de velocidad χ:

            Rotacional,                      (2)
            Divergencia,                         (3)

El viento rotacional es paralelo a las líneas de corriente y su velocidad es proporcional al gradiente de la función de corriente. Los vientos divergentes salen de las zonas de bajo potencial de velocidad y su velocidad es proporcional al gradiente del potencial de velocidad (fig. 9.7b, c). El potencial de velocidad y la función de corriente se definen en el ecuador, por lo que resultan útiles para inicializar los modelos en los trópicos.

Dado que el potencial de velocidad es proporcional a la divergencia, se puede utilizar para observar las regiones de divergencia en altura, donde la convección es más intensa (fig. 9.8). La divergencia de la convección profunda impulsa las circulaciones tropicales.

Las anomalías o desviaciones del promedio de potencial de velocidad resultan mucho más útiles que los valores reales para distinguir las regiones de convección profunda de las donde la convección se ve suprimida. La figura 9.8 ilustra la correspondencia entre las anomalías de potencial de velocidad en 200 hPa y la convección profunda identificada en las imágenes IR satelitales realzadas. En este ejemplo, la ZCIT se puede identificar como la banda de convección discontinua que se extiende hacia el oeste desde África central hasta el Pacífico central. Se observa una extensa región de convección profunda sobre el Pacífico occidental.

Análisis de líneas de corriente en el Pacífico: http://www.prh.noaa.gov/cphc/pages/analyses.php
Índices de OMJ: http://www.cpc.ncep.noaa.gov/products/precip/CWlink/OMJ/index.primjo.html
Uso de la función de corriente y vorticidad para diagnosticar de forma objetiva las ondas tropicales:
http://www.atmos.albany.edu/student/gareth/diagnostics.html
Herramientas de análisis del Centro de Predicción Tropical de NOAA/NWS:
http://www.nhc.noaa.gov/analysis_tools.shtml
Cartas de análisis tropical: http://nomads.ncdc.noaa.gov/ncep/NCEP

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.2 Análisis cinemático: líneas de corriente e isotacas

El análisis cinemático crea una representación continua del campo de vientos a partir de una serie de observaciones de la velocidad del viento horizontal. Aunque en latitudes bajas la función de corriente es una mejor variable para el análisis meteorológico que las isobaras, no constituye la mejor representación del movimiento del aire. Las líneas de corriente y las isotacas presentan con más detalles que las isobaras el flujo horizontal en determinado nivel (compare las figuras 9.9a, d y e). Las líneas de corriente representan el flujo tangente a la dirección del viento instantáneo. El análisis de líneas de corriente se utiliza para identificar varios tipos de estructuras. En la figura 9.9d se identifican ejemplos de estas estructuras:

La figura 9.9 (a,b) muestra que tanto el análisis de líneas de corriente como el análisis isobárico logran identificar el ciclón tropical sobre el Mar de China Meridional, la dorsal que atraviesa Australia y un ciclón sobre el nordeste del Pacífico. Sin embargo, solo en el análisis de líneas de corriente (fig. 9.9b) se observa la zona de convergencia en el Pacífico Sur, incluidas las circulaciones ciclónicas de los conglomerados de nubes. La confluencia hacia la ZCIT en el límite oriental del dominio es también evidente en el análisis de líneas de corriente.

En las imágenes de la figura 9.9, los datos se trazaron con un sistema de análisis automatizado. Sin embargo, los métodos empleados para generar estos mapas pueden introducir errores, ya sea debido a la falta de datos o a puntos con datos incorrectos.

¿Puede identificar una estructura ciclónica significativa que el análisis automatizado no logró detectar?

Explicación

El análisis automatizado no identificó la tormenta tropical Kujira (fig. 9.10). Sin embargo, la tormenta es claramente visible en el análisis de superficie unificado creado por los pronosticadores del Centro de Predicciones Oceánicas (Ocean Prediction Center) y el Centro de Predicción Tropical (Tropical Prediction Center) del Servicio Nacional de Meteorología (National Weather Service, NWS) de EE.UU. Este ejemplo pone de relieve la importancia del factor humano: los pronosticadores deben sintetizar toda la información y mejorar a la vez los resultados de los sistemas automatizados, que en este caso no tenían en cuenta los datos satelitales.

Fig. 9.10. Análisis de líneas de corriente generados con técnicas automáticas objetivas (izquierda) y el análisis de superficie unificado (Unified Surface Analysis), un producto mejorado generado por los pronosticadores del NWS (derecha).

Análisis de superficie unificado de NOAA/NWS: http://www.opc.ncep.noaa.gov/index.php

Es evidente que la gran separación de las estaciones de observación no permite resolver todas las estructuras atmosféricas y, por tanto, es preciso complementar las observaciones con productos satelitales. El análisis de líneas de corriente/isotacas en altura se realza por medio de imágenes satelitales de vapor de agua (fig. 9.11). Los radiosondeos resuelven la velocidad y la estructura horizontal de la corriente en chorro sobre Australia, pero no son suficientes para resolver plenamente el flujo de salida de los dos ciclones tropicales.

Análisis de superficie unificado de NOAA/NWS: http://www.opc.ncep.noaa.gov/index.php

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.3 Imágenes satelitales

El borde marcado de las nubes del frente frío que atraviesa el Atlántico de nordeste a sudoeste es evidente en las imágenes en el visible. El flujo hacia el este en niveles altos está asociado con el chorro subtropical, cuyos vientos alcanzan velocidades de más de 40 m s⁻¹, tal como se derivan de los vectores de desplazamiento de las nubes (fig. 9.12, derecha). La velocidad del viento en la troposfera inferior se deriva de las imágenes de nubes en el visible (fig. 9.12, izquierda).

Secuencia de imágenes IR, visibles y de vapor de agua

Los campos de humedad derivados de las mediciones satelitales de microondas son esenciales para el seguimiento de las estructuras sinópticas sobre los océanos tropicales, al tiempo que derivamos estimaciones de la precipitación a partir de las mediciones obtenidas de distintas combinaciones de satélites geoestacionarios y LEO. Estos últimos son de particular importancia debido a la escasez de la cobertura radar de rutina. La figura 9.14a muestra cómo los valores de agua precipitable total derivados por satélite se combinan con los análisis de un modelo global para facilitar el pronóstico de la ciclogénesis tropical en el océano Índico. Las animaciones de agua precipitable total son útiles para seguir el movimiento de las ondas tropicales. Para estimar las acumulaciones de precipitación se fusionan las mediciones del radar de precipitación del TRMM, de los instrumentos de microondas y de los instrumentos IR en órbita geoestacionaria (fig. 9.14b).

Dada la importancia de las imágenes satelitales para el análisis y la predicción del tiempo tropical, es fundamental asegurar la capacitación continua de las personas que preparan los pronósticos en las regiones tropicales. Estamos aprovechando las posibilidades que brindan internet y otras tecnologías digitales para mejorar el entrenamiento en materia de interpretación de datos satelitales para los profesionales en los trópicos y otras regiones del mundo. Por ejemplo, se han establecido sistemas virtuales abiertos a los pronosticadores del Caribe, América Central y América del Sur para presentar informes mensuales con imágenes y animaciones satelitales durante los cuales los participantes pueden comunicarse por voz, texto y anotaciones en pantalla.

Grupo de enfoque virtual para informes meteorológicos mensuales en las Américas y el Caribe:
http://rammb.cira.colostate.edu/training/rmtc/focusgroup.asp
Laboratorio virtual para educación y formación en meteorología satelital de WMO-CGMS:
http://www.wmo-sat.info/vlab/
Informe sobre los centros de excelencia para capacitación satelital:
http://www.wmo-sat.info/vlab/regional-focus-groups/

Archivos de vectores viento derivados por dispersometría:
http://manati.star.nesdis.noaa.gov/datasets/QuikSCATData.php/
http://manati.orbit.nesdis.noaa.gov/cgi-bin/quikscat_amb_glo.pl
Análisis de lluvia tropical de 3 horas en tiempo real:
http://precip.gsfc.nasa.gov/rain_pages/3hrly.html

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.4 Imágenes de radar

En los EE.UU., el radar meteorológico operativo del NWS puede realizar barridos en: (i) modo aire claro, que típicamente es más sensible y permite detectar insectos y polvo; este modo es útil para identificar la frontera que separa distintas masa de aire tales, como un frente de racha; (ii) modo precipitación, que detecta la precipitación y las estructuras de las tormentas, aunque es menos sensible.

Reflectividad

La imágenes radar de uso más común son las de reflectividad base (en la primera elevación) y compuestas, las cuales muestran la posición, la intensidad y el tipo de precipitación (p. ej., fig. 9.15). El indicador panorámico o pantalla panorámica del radar (Plan Position Indicator, PPI) permite analizar la estructura horizontal de los sistemas atmosféricos convectivos. Las observaciones radar contribuyen a perfeccionar la colocación de los límites frontales y los frentes de racha. Con frecuencia, estos últimos solo son evidentes con el radar en modo aire claro. La capacidad de crear animaciones de imágenes radar es de gran utilidad para las predicciones a corto plazo y los pronósticos momentáneos de tiempo severo e inundaciones repentinas. Por ejemplo, las inundaciones repentinas que ocurrieron en ciertas zonas de Puerto Rico occidental el 6 de mayo de 2001 cobraron dos vidas y provocaron daños por 146 millones de dólares.²⁰ A diferencia de la imagen satelital en el visible (fig. 9.15), que muestra la nubosidad generalizada asociada con la vaguada, la imagen de reflectividad radar muestra en detalle la estructura de la precipitación. Dentro de la extensa banda de precipitaciones se notan varias células, las más intensas de las cuales se hallan concentradas sobre la zona sudoccidental de la isla. La animación de las imágenes radar muestra las intensas precipitaciones producto de la convección desencadenada por ascenso orográfico a lo largo de la Cordillera Central (mapa, fig. 9.15), que se prolongaron durante horas en esa región de la isla.

Secuencia de imágenes de reflectividad radar

Estos barridos de reflectividad PPI captan la distribución de la precipitación convectiva y estratiforme en una línea de turbonada tropical que pasa sobre Níger, en África occidental (fig. 9.16a). Es posible hacer un cálculo aproximado de la velocidad de propagación de varias estructuras, como la línea de convección o el frente de racha.

Otra herramienta útil para el trabajo de análisis y pronóstico es la visualización de barrido vertical o indicador altura-distancia (range height indicator, RHI) Las imágenes RHI muestran un alto grado de reflectividad en las corrientes convectivas ascendentes, hasta 13 km de altitud (fig. 9.16b). Las corrientes convectivas descendentes y ascendentes en el borde de avance de la línea de turbonada son de particular interés en el trabajo de pronóstico, especialmente a la hora de emitir alertas de condiciones de turbulencia severa. Aunque más adelante en el ciclo de desarrollo de la línea de turbonada la banda de actividad convectiva se disipa, sigue produciendo precipitación estratiforme. La banda brillante de fuerte reflectividad justo debajo del nivel de 5 km está asociada con la fusión de las partículas de hielo.

Podemos obtener más información sobre los fenómenos de mesoescala y de escala convectiva a partir de las imágenes de velocidad del viento del radar Doppler. Por ejemplo, estas imágenes del huracán Rita tomadas inmediatamente antes de que tocara tierra nos permiten comprender cómo se interpretan las imágenes de velocidad (fig. 9.18). Las zonas verdes indican movimiento hacia el radar, mientras las rojas indican movimiento en dirección opuesta al radar. Las flechas amarillas indican el movimiento en sentido generalmente antihorario alrededor del ojo de la tormenta. Recuerde que el haz del radar se dirige hacia arriba a un ángulo, lo cual implica que a mayor distancia las observaciones corresponden a mayor altitud. Por ejemplo, en la imagen de Rita los números del 1 al 3 indican vientos a distancias y altitudes cada vez mayores.

La velocidad Doppler es muy útil para identificar mesociclones y tornados (fig. 9.19). La señal característica de estos fenómenos es una zona donde aparece una pareja de señales de velocidad, una hacia y la otra lejos del radar, lo cual permite deducir la circulación de mesociclón (indicada por la flecha blanca en la fig. 9.19b). La señal de reflectividad se conoce como eco en «gancho» por su forma (flecha blanca en la fig. 9.19a). La figura 9.19c es un ejemplo de un eco en gancho observado en Australia. En la sección transversal de la figura 9.19d, la región de eco débil acotada por altas señales de reflectividad indica una intensa corriente ascendente.

La velocidad Doppler se puede utilizar también para derivar un perfil medio del viento. El perfil del viento con indicación de velocidad y acimut (Velocity Azimuth Display, VAD) es una manera de visualizar la velocidad del viento por tiempo y altura (fig. 9.20). Se deriva de una muestra volumétrica de la retrodispersión del polvo, los insectos y las gotitas nubosas. El perfil del viento VAD se utiliza para diagnosticar la cizalladura vertical del viento, la altura de la capa límite y las fronteras tales como frentes, líneas secas y brisas marinas.

Precipitación

Existe una gran comunidad de usuarios que tiene interés en saber a diario cuánta precipitación puede anticipar y de qué tipo, así como cuándo y dónde. Por ejemplo, necesitamos estimaciones y pronósticos cuantitativos de la precipitación para administrar las actividades agrícolas, los recursos hídricos y la energía renovable. Los datos de radar brindan información espacial y temporal de alta resolución sobre la distribución de la lluvia (fig. 9.21) que es útil para pronosticar la precipitación normal, así como los eventos hidrometeorológicos de gran impacto, como las inundaciones repentinas.

Animación de imágenes de reflectividad

Animación de estimaciones de lluvia total

Para estimar la precipitación, relacionamos el factor de reflectividad Z con el número y tamaño de las gotas de lluvia por metro cúbico (una medida de la tasa de lluvia R).

donde Z es el factor de reflectividad, D es el diámetro de las gotas y N(D) es el número de gotas de determinado diámetro por metro cúbico. Las relaciones «Z-R» se basan en ciertas suposiciones sobre la distribución de los hidrometeoros de distintos tamaños detectados por el haz de radar. Se utilizan relaciones Z-R diferentes para distintas condiciones atmosféricas. Por ejemplo, la relación Z-R «convectiva» es más apropiada para aire húmedo y concentraciones altas de gotas grandes. Los errores en la precipitación derivada por radar resultan de:

En comparación con los métodos Z-R estándar, el radar polarimétrico puede aumentar la exactitud de las estimaciones de precipitación, porque es capaz de discernir los ecos de los hidrometeoros de los que no han sido generados por hidrometeoros y puede producir clasificaciones más exactas de los distintos tipos de hidrometeoros.^21,22 Puede aprender más sobre las estimaciones de precipitación radar en el módulo de COMET Estimación de la precipitación: medición.

Tutorial del NWS sobre el radar Doppler:
http://www.srh.noaa.gov/srh/jetstream/Doppler/doppler_intro.htm
Formación sobre el radar de polarización dual: http://www.wdtb.noaa.gov/courses/dualpol/Outreach/

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.5 Diagramas termodinámicos: análisis de radiosondeo

Las radiosondas, que se lanzan todos los días a las 0000 y 1200 UTC, generan un perfil vertical o «sondeo» de la atmósfera. También generamos perfiles verticales a partir de las mediciones obtenidas por las aeronaves y los satélites. Los diagramas termodinámicos (como el diagrama oblicuo de temperatura y presión logarítmica o skew-T ilustrado en la figura 9.22) nos ayudan a determinar datos atmosféricos tales como humedad relativa, estabilidad, cizalladura vertical del viento, tiempo severo y potencial de inundaciones repentinas en la región del sondeo. Por ejemplo, el sondeo de la figura 9.22a muestra la presencia de una profunda capa de aire saturado y casi saturado hasta el nivel de 500 hPa, un perfil de temperatura que denota una atmósfera inestable y cizalladura débil en los niveles medios, todas indicaciones de un fuerte aguacero. Otros factores relacionados con la intensificación de los movimientos ascendentes son la fuerte cizalladura en los niveles medios a altos asociada con una vaguada y divergencia en altura. Los flujos de aire cálido y húmedo del este dirigidos hacia terreno elevado aumentan la precipitación orográfica. No debe sorprendernos que este perfil estuviera asociado con un episodio de inundaciones repentinas en Puerto Rico, ya que muestra una profunda capa de humedad, temperaturas de gradiente adiabático saturado en la troposfera inferior y cizalladura vertical del viento capaz de mantener la convección por mucho tiempo y de producir precipitaciones intensas.

La mayoría de los centros de pronóstico cuentan con software para calcular y visualizar los parámetros de pronóstico clave a partir de un diagrama termodinámico. Los perfiles termodinámicos permiten derivar varios elementos de información crítica, como los siguientes.

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.6 Secciones verticales

Los datos aerológicos, que normalmente se obtienen por radiosonda, brindan información sobre la estructura vertical de los sistemas atmosféricos. Una sección vertical a través de una serie de capas brinda información sobre las zonas de aire ascendente o descendente, las capas húmedas y secas, y el alcance vertical de los frentes en la superficie o en la troposfera superior. En este ejemplo, que corresponde a las inundaciones que ocurrieron en Puerto Rico el 6 de enero de 1992, vemos el flujo entrante de aire con un alto índice de temperatura potencial equivalente (θ_e) en el nivel de 850 hPa, un indicador de alta probabilidad de inundaciones (fig. 9.23). Una sección vertical a través de la capa de aire con θ_e elevada revela otros elementos causantes de la convección profunda y las lluvias intensas que ocurrieron en Puerto Rico: una profunda capa donde la humedad específica es alta y movimiento ascendente.

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.7 Trayectorias

El análisis de trayectorias se utiliza para observar y pronosticar la dispersión y deposición de distintos contaminantes, como cenizas volcánicas, polvo, humo y otros aerosoles. Las trayectorias de las parcelas de aire se calculan integrando en una función continua los datos de puntos discretos en espacio y tiempo (x,y,z,t). Algunos modelos de dispersión de contaminantes atmosféricos se han adaptado para uso en gran variedad de aplicaciones y distintas regiones. La mayoría de estos asimilan la salida de los modelos de PNT sobre malla para calcular el transporte y la difusión de las nubes de contaminantes. Las trayectoria de retroceso son útiles para determinar la región de origen de los contaminantes presentes en la zona de interés para el pronóstico. Las trayectorias de avance muestran hacia dónde van los contaminantes de determinada región de origen.

El Servicio Nacional de Meteorología (National Weather Service, NWS) de EE.UU., la Oficina Australiana de Meteorología (Australian Bureau of Meteorology, BOM) y los centros de aviso de cenizas volcánicas (Volcanic Ash Advisory Centers, VAAC) están a cargo del funcionamiento del modelo híbrido lagrangiano de trayectoria integrada de partícula única (HYbrid Single-Particle Lagrangian Integrated Trajectory, HYSPLIT). Normalmente, los mapas de trayectorias del modelo HYSPLIT muestran vistas en planta y verticales de las trayectorias de las parcelas de aire (fig. 9.25) que se pueden proyectar en Google Earth (fig. 9.25b). La posición de la parcela de aire durante un período definido por el usuario se marca a lo largo de la trayectoria. HYSPLIT se puede utilizar para gases y partículas con propiedades limitadas de reactividad química y emisiones cuya capacidad ascensional es neutra. Como ocurre con todos los modelos de dispersión, HYSPLIT hereda los errores del modelo de PNT subyacente. HYSPLIT también tiene problemas con el flujo y la dispersión en topografía compleja a escalas no resueltas por el modelo meteorológico (vea el módulo de COMET sobre aplicaciones del modelo HYSPLIT en apoyo a decisiones en emergencias HYSPLIT Applications for Emergency Decision Support, v2).

NOAA ARL/READY: http://www.arl.noaa.gov/ready.php
Pronósticos de humo de NOAA: http://www.arl.noaa.gov/smoke.php
Centro de Predicción Oceánica, cenizas volcánicas: http://www.opc.ncep.noaa.gov/volcano/

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.8 Análisis marinos

Los pronósticos marinos prevén el estado del océano y otras zonas de aguas abiertas, como los lagos más grandes. En este ámbito, las olas son el principal objeto de atención: su pendiente, altura, velocidad, período o longitud de onda, asomeramiento (cuando la pendiente de una ola larga aumenta en aguas poco profundas) y grado de confusión (cuando existen varias olas distintas). Para un pronóstico marino debemos analizar:

• Vientos
  La tensión o esfuerzo del viento es el agente principal que da impulso a la olas; por eso el análisis y pronóstico exacto de los vientos marinos es un aspecto fundamental de los pronósticos marinos. La tensión del viento τ varía como el cuadrado del viento: τ = ρ_a C_D U², donde ρ_a es la densidad del aire, C_D es el coeficiente de arrastre (una medida de la rugosidad de la superficie oceánica determinada de forma empírica) y U es la velocidad del viento. Se denomina oleaje un grupo de olas que ha abandonado la región de vientos de origen; normalmente, la pendiente de estas olas es menor de lo que era originalmente.

• Velocidad y longitud de onda de las olas
  La velocidad de las olas depende de su longitud de onda. En el caso de las olas de aguas profundas, cuanto mayor la longitud de onda, tanto mayor su velocidad. La velocidad de las olas disminuye a medida que disminuye la profundidad del agua, lo cual provoca un aumento de su pendiente. Cabe observar que para calcular el tiempo de llegada de las olas o el oleaje a un lugar en particular es preciso basarse en la velocidad del grupo de olas, no en la velocidad de las olas individuales.

• Altura y energía de las olas
  Si la altura de una ola aumenta hasta el doble, su energía se cuadruplica. Esta relación es de gran importancia en el pronóstico de la altura de las olas. Conviene limitar los pronósticos de altura de las olas a un intervalo reducido, porque cualquier inexactitud en la altura de las olas produce cambios notables en términos de su energía y el potencial de destrucción.

Normalmente nos concentramos en pronosticar la «altura significativa de las olas» o la «altura total del mar» y el «período pico de la ola», recordando que las condiciones totales del mar comprenden un espectro de alturas de ola. Los observadores aprenden a informar de la altura de las olas que se correlaciona con mayor frecuencia con la altura media del tercio más alto de todas las olas que pasan por determinado punto. Otro concepto operativo útil es la «altura total máxima del mar», la altura máxima probable cuando uno o más grupos de olas pasan simultáneamente por el mismo lugar. La altura total máxima del mar puede ser mucho mayor que la altura de cualquier ola u oleaje individual, especialmente en presencia de varios oleajes o grupos de olas con períodos similares. Tales situaciones pueden engendrar olas que por su enorme altura reciben el nombre de olas gigantes.

Obtenemos datos de observación del estado del mar de boyas (fig. 9.26) y de sensores satelitales (figs. 9.13a, 9.13b y 9.13c). La red actual de observaciones oceánicas se muestra en las figs. 9.1c y 9.4d. Una vez analizadas, las observaciones se combinan con la guía generada por los modelos de olas para producir pronósticos como los de altura de las olas (fig. 9.27).

• Temperatura, salinidad y corrientes
  Sobre el océano, las observaciones sufren de la poca densidad de las mediciones y de los errores que contienen. Los modelos de circulación oceánica combinan estas observaciones con parámetros físicos para generar análisis aptos para diagnosticar temperatura, salinidad, corrientes y altura del nivel del mar (fig. 9.28).

COMET ha creado una serie de herramientas interactivas para el pronósticos de vientos y olas: http://www.meted.ucar.edu/marine/widgets/. Puede estudiar más sobre el pronóstico de vientos y olas en el curso de formación a distancia de COMET Wind and Wave Forecasting Distance Learning Course.

Centro Nacional de Datos de Boyas (National Data Buoy Center, NDBC): http://www.ndbc.noaa.gov/
Pronósticos marinos de NCEP: http://www.opc.ncep.noaa.gov/shtml/listmarineoffices.shtml
Centro de predicciones oceánicas (Ocean Prediction Center, OPC) de NOAA/NWS/NCEP:
http://www.opc.ncep.noaa.gov/

9.3 Análisis meteorológico »
9.3.1 Herramientas de análisis »
9.3.1.9 Síntesis

Las modernas herramientas digitales permiten superponer distintos tipos de datos y ampliar las imágenes para evaluar las condiciones atmosféricas a diferentes escalas. En estas secciones consideraremos cada una de dichas escalas. Las técnicas manuales siguen siendo útiles, incluso en nuestra era moderna, ya sea para sintetizar la información o para efectuar ajustes cuando las técnicas automatizadas no logran captar alguna estructura clave. La figura 9.29 muestra dos ejemplos de sistemas operativos de visualización y análisis. En el primero, se han superpuesto rayos y observaciones de radar, satélite y superficie a un mapa de ciudades y carreteras. La reflectividad radar permite ver la intensidad y estructura de las células de tormenta. La imagen satelital en el visible muestra la nubosidad general en escala de grises. Los datos de estación (color melocotón) y rayos (verde) muestran las condiciones del tiempo en lugares específicos. El segundo ejemplo, del sistema Synergie, emplea símbolos de distintos colores para ilustrar estructuras de circulación, sistemas atmosféricos y distintos límites de modo tal de presentar una síntesis de las condiciones del tiempo.

Sistema AWIPS del Servicio Nacional de Meteorología
(National Weather Service, NWS) de EE.UU.: http://www.srh.noaa.gov/mob/?n=awips
Análisis meteorológico de aviación de NOAA/NWS: http://aviationweather.gov/

Ejemplos de análisis sintetizados del tiempo tropical

Centro Africano de Aplicaciones Meteorológicas para el Desarrollo
(African Centre of Meteorological Application for Development, ACMAD):
http://www.acmad.net/new/
Análisis de superficie unificado:
http://www.opc.ncep.noaa.gov/Loops/#Unified_Surface_Analysis_Products
Cartas de análisis tropical: http://nomads.ncdc.noaa.gov/ncep/NCEP (escoja de la lista)
Servicio Meteorológico de Sudáfrica: http://www.weathersa.co.za/

Productos no operativos del escritorio internacional de NCEP
(pueden estar desactualizados o no estar siempre disponibles):
http://www.wpc.ncep.noaa.gov/international/intl2.shtml

9.3 Análisis meteorológico »
9.3.2 Circulaciones de escala global: la «base» del cono de pronóstico

Ahora que hemos identificado varias herramientas de análisis, podemos comenzar el análisis del tiempo tropical. Si seguimos el principio de cono de pronóstico, que implica comenzar con una consideración de la situación de gran escala y trabajar hacia escalas cada vez menores, debemos en primer lugar conocer la climatología y las circulaciones planetarias que afectan nuestra región.

Una de las estructuras más importantes de la atmósfera tropical es la vaguada ecuatorial, la región de mínima presión en la superficie. Los alisios del nordeste y sudeste convergen en esta zona de bajas presiones, lo cual explica su nombre: la zona de convergencia intertropical (ZCIT). Normalmente, la ZCIT tiene el aspecto de una banda de tormentas que se extiende por las regiones tropicales del mundo, pero no es continua y los sistemas nubosos que comprende cambian a diario (por ejemplo, vea la fig. 9.8). La vaguada ecuatorial, las zonas de convergencia y las demás circulaciones de superficie migran a lo largo del año en respuesta al calentamiento de la superficie (fig. 9.30).

Como ilustra la figura 9.30 (panel inferior), los alisios convergen al norte del ecuador, sobre el Pacífico oriental. Esta es la zona de convergencia casi ecuatorial de los alisios. En Asia y Australia, donde los máximos de calentamiento y baja presión ocurren en regiones continentales, lejos del ecuador, la vaguada forma parte del sistema monzónico y se denomina vaguada monzónica. El flujo hacia la vaguada monzónica es predominantemente del oeste (lo cual contrasta con los vientos del este típicos de las demás regiones tropicales). A ambos lados de la vaguada ecuatorial encontramos las altas presiones y los anticiclones subtropicales, que son regiones de subsidencia.

Dos extensas zonas de convergencia casi permanentes producen interacciones entre las regiones tropicales y templadas: la zona de convergencia del Pacífico Sur (ZCPS)²⁴ y la zona de convergencia del Atlántico Sur (ZCAS).^25,26,27,28 Estas dos zonas de convergencia tienen orientación de noroeste a sudeste y se extienden desde los trópicos hasta las regiones subtropicales. Se trata de estructuras extensas, cuya precipitación abarca más de 30 grados de longitud (fig. 9.31).

9.3 Análisis meteorológico »
9.3.3 Análisis intraestacional para el pronóstico del tiempo tropical

La relación entre la fase de la OMJ y la ciclogénesis tropical tiene valor para el trabajo de pronóstico en las regiones tropicales. La habilidad de pronóstico de los índices de la OMJ que se utilizan para predecir la probabilidad de formación de ciclones tropicales ha aumentado a cerca de tres semanas para las cuencas sur de los océanos Índico y Pacífico.³³

Ondas ecuatoriales

Las ondas de Rossby ecuatoriales se pueden identificar como una pareja de vórtices ciclónicos, uno en el hemisferio norte y otro en el hemisferio sur, en el nivel de 850 hPa (vea los ejemplos en las figuras 9.33, 5.17 y 8.21). A veces, se forman trenes de ondas ecuatoriales, como se aprecia en las figuras 9.33e y f. A veces también se observa una transición entre el patrón a gran escala de ondas mixtas de Rossby-gravedad y de ondas de Rossby ecuatoriales (fig. 9.33a y b) y viceversa en el transcurso de un par de días.

Las ondas mixtas de Rossby-gravedad son evidentes como circulaciones antisimétricas a ambos lados del ecuador, un centro de circulación anticiclónica en un hemisferio y uno de circulación ciclónica en el hemisferio opuesto (por ejemplo, las figuras 9.33a, 9.34, 8.22). Otra indicación de la presencia de ondas mixtas de Rossby-gravedad es un intenso flujo a través del ecuador entre los centros de altas y bajas presiones en 850 hPa (fig. 9.34c).

Análisis en tiempo real de la OMJ: http://www.cpc.ncep.noaa.gov/products/precip/CWlink/OMJ/mjo.shtml
Archivo de discusiones en tiempo real sobre la OMJ:
http://www.cpc.noaa.gov/products/precip/CWlink/OMJ/ARCHIVE/
Índices de la OMJ: http://www.cpc.ncep.noaa.gov/products/precip/CWlink/OMJ/index.primjo.html

9.3 Análisis meteorológico »
9.3.4 Análisis de escala sinóptica

Análisis de superficie unificado: http://www.opc.ncep.noaa.gov/Loops/#Unified_Surface_Analysis_Products
Análisis del modelo de NCEP, regional y global: http://www.opc.ncep.noaa.gov/shtml/listmarineoffices.shtml
Facsímiles de las cartas del tiempo de NOAA/NWS: http://weather.noaa.gov/pub/fax/Areadme_first.html
Cartas de análisis tropical: http://nomads.ncdc.noaa.gov/ncep/NCEP
Análisis regional y mundial, Australia Bureau of Meteorology, http://www.bom.gov.au/nmoc/MSLP.shtml

Productos no operativos del escritorio internacional de NCEP
(pueden estar desactualizados o no estar siempre disponibles):
http://www.wpc.ncep.noaa.gov/international/intl2.shtml

9.3 Análisis meteorológico »
9.3.4 Análisis de escala sinóptica »
9.3.4.1 Sistemas tropicales de escala sinóptica comunes

Pese a que no son tan variados ni tan intensos como en las latitudes medias, los sistemas de escala sinóptica son frecuentes en muchas partes de los trópicos. Por ejemplo, durante el invierno boreal, en las regiones tropicales del Pacífico Norte se sienten los efectos de los frentes fríos y los sistemas de baja presión subtropicales, las vaguadas tropicales de la alta troposfera (Tropical Upper Tropospheric Trough, TUTT)^35,36 y los ciclones tropicales y sus precursores (fig. 9.35). El tiempo en las regiones tropicales del Atlántico y el Pacífico Sur se ve afectado por sistemas similares. El subcontinente indio y el océano Índico sienten los efectos de los sistemas monzónicos de baja presión (las depresiones monzónicas).^37,38 En África meridional, el paso de una vaguada tropical-templada puede traer espectaculares flujos de humedad tropical y lluvias muy intensas.³⁹

TUTT

Las vaguadas tropicales de la alta troposfera (Tropical Upper Tropospheric Trough, TUTT) son estructuras de verano semipermanentes en los océanos Atlántico y Pacífico. El análisis de líneas de corriente de los vientos en 200 hPa es útil para identificar las TUTT (figs. 9.35c y 9.36). La divergencia a sotavento de la TUTT aumenta el movimiento ascendente, la convergencia y la precipitación (fig. 9.35c). La TUTT contribuye a la ciclogénesis tropical en la zona donde la posición de la vaguada en altura relativa a la circulación en los niveles bajos reduce la cizalladura vertical del viento. De vez en cuando, una vaguada tropical de la alta troposfera desarrolla un núcleo cálido y se transforma en un ciclón tropical. Puede aprender más sobre las vaguadas tropicales de la alta troposfera en el módulo de COMET Topics in Tropical Meteorology.

Ciclones subtropicales

Estos ciclones subtropicales de núcleo frío se forman a partir del extremo final de los ciclones de latitudes medias durante el invierno boreal. En las regiones del norte del Pacífico central, estos sistemas pueden persistir y seguir trayectorias sinuosas por más de una semana, a veces hasta varias.^41,42 Las condiciones relacionadas con estos sistemas suelen incluir cielos nublados, lluvias intensas e inundaciones, tormentas severas y vientos muy fuertes. Sobre el Pacífico Norte, los ciclones subtropicales reciben el nombre kona (que en hawaiano significa «sotavento») por su relación con la lluvia sobre Hawái.

La figura 9.37 muestra el patrón sinóptico típico de uno de estos ciclones subtropicales; para el análisis se utilizan isotermas de superficie, isobaras al nivel del mar y temperaturas de imágenes satelitales IR realzadas. Durante las fases temprana y de intensificación, la vaguada se extiende desde la depresión hacia el ecuador. La mayor parte de la precipitación cae en el lado corriente abajo del centro de baja presión. En las etapas de intensificación y madurez, las nubes y las precipitaciones forman una coma alrededor de la depresión en superficie. Al norte y al este de la depresión comienza a cobrar fuerza un sistema de altas presiones. Cuando el ciclón alcanza la etapa de disipación, el flujo alrededor de la depresión se vuelve más zonal.

Depresiones monzónicas

Las depresiones monzónicas son sistemas de baja presión de escala sinóptica que predominan sobre el subcontinente indio y las aguas circundantes durante el monzón de verano.^37,38 Estos sistemas pueden durar entre 3 y 6 días y suelen desplazarse hacia el oesnoroeste a entre 2 y 6 m s⁻¹.³⁸ Se inclinan hacia el sudoeste con la altura. Compare el análisis de líneas de corriente para la posición de la depresión en superficie, el ciclón en 500 hPa y la vaguada en 300 hPa en la figura 9.38.⁴³ Las lluvias más intensas suelen ocurrir al oeste de la depresión en superficie y una vez que el sistema alcance su madurez el patrón nuboso puede parecer un ciclón tropical de escasa intensidad (fig. 9.38d). Muchas depresiones monzónicas se forman como resultado de la regeneración de un sistema de bajas presiones residual que se desplaza hacia el oeste desde el Pacífico occidental y el Mar de la China Meridional.⁴⁴ También se ha usado el término depresión monzónica para referirse a sistemas parecidos que se forman durante el monzón de Australia e Indonesia.

Análisis global y regional del Australian Bureau of Meteorology: http://www.bom.gov.au/nmoc/MSLP.shtml
Departamento de Meteorología de la India: http://www.imd.gov.in/Welcome%20To%20IMD/Welcome.php
Agencia de Meteorología, Climatología y Geofísica de Indonesia: http://www.bmkg.go.id/BMKG_Pusat/Peta_Situs/
Departamento de Meteorología de Malasia: http://www.met.gov.my/?lang=english
Departamento de Meteorología de Pakistán: http://www.pakmet.com.pk/
Servicio Meteorológico de Singapur: http://www.nea.gov.sg/weather-climate/meteorological-service-singapore/meteorological-services

Vaguadas tropical-templadas

Las vaguadas tropical-templadas³⁹ conectan los vientos del oeste con perturbaciones tropicales y traen lluvias intensas a las regiones de África meridional. La vaguada tropical-templada es un fenómeno de verano, análogo a las zonas de convergencia semipermanentes del Pacífico Sur (ZCPS) y del Atlántico Sur (ZCAS; vea la fig. 9.31). Como permite apreciar la figura 9.39, por lo general, una banda de aire cálido y húmedo acompañada de convección profunda se extiende de NO a SE. Una de las estructuras características de la vaguada tropical-templada es la entrada de un intenso flujo de humedad tropical provocada por un chorro de bajo nivel en 850 hPa, como el que se nota junto a la costa sudafricana en la figura 9.39.

Frentes fríos

Los frentes fríos que bajan hasta el trópico no exhiben fuertes gradientes de temperatura, de modo que para localizarlos recurrimos principalmente a un análisis de los cambios en la velocidad del viento y los gradientes de humedad. Típicamente, los vientos que preceden a un frente soplan del lado del ecuador del frente y traen aire relativamente húmedo, en comparación con los vientos más intensos y los niveles de humedad más bajos que existen del lado del polo del mismo. En el ejemplo de la figura 9.40, los vientos son de E a SE delante del frente, pero del NO detrás del mismo. En la ciudad de Kingston, Jamaica, que se halla detrás del frente, la temperatura de punto de rocío es de 18 °C, mientras al sudeste del frente se ha registrado un punto de rocío de 24 °C, siendo la temperatura ambiente igual en ambos lugares.

¿Con qué frecuencia se ven afectadas por frentes fríos las regiones tropicales? Esto varía de una región a otra. En la República Dominicana, situada en el norte del Caribe, se registra el paso de un frente en el 15 al 20 % de los días de invierno; en esta región,, los frentes son los principales sistemas atmosféricos de escala sinóptica que causan tormentas y precipitaciones intensas en invierno.⁴⁵ Las oscilaciones interanuales y decenales modulan la frecuencia de los frentes fríos. Por ejemplo, en los años de El Niño, durante el invierno suelen experimentarse frentes fríos más intensos e inundaciones más frecuentes en todo el Caribe y América Central.^46,47 Siempre hay que tener presente la climatología frontal de la región de interés.

A veces se forma una vaguada en superficie delante del frente (la línea de trazos en la fig. 9.40), algo que puede traer lluvias intensas. Normalmente, estas vaguadas prefrontales se identifican a partir del campo de vientos de superficie o de nivel del gradiente, y en este caso los vientos al este de la vaguada provienen del ecuador.

Ciclones tropicales y ondas tropicales (o del este)

Herramientas de análisis del Centro de Predicción Tropical de NOAA/NWS:
http://www.nhc.noaa.gov/analysis_tools.shtml
Análisis de superficie unificado de NOAA/NWS:
http://www.opc.ncep.noaa.gov/Loops/#Unified_Surface_Analysis_Products
Análisis global y regional del Australian Bureau of Meteorology:
http://www.bom.gov.au/nmoc/MSLP.shtml

9.3 Análisis meteorológico »
9.3.4 Análisis de escala sinóptica »
Sección especial 9-2 Procedimiento operativo para el análisis sinóptico

El procedimiento que se describe a continuación se sigue en la mayoría de los centros de pronóstico, independientemente de que las distintas tareas de análisis se lleven a cabo en forma automática o manual. La capacidad de crear animaciones, ampliaciones, secciones o cortes, así como de combinar con facilidad distintos campos y crear productos derivados, ha mejorado nuestros análisis de las condiciones atmosféricas. Los métodos manuales nos permiten obtener parte de esta información, por ejemplo mediante la superposición de mapas transparentes con distintos campos atmosféricos en una mesa luminosa, o bien utilizando lápices de distintos colores para consignar el análisis de los varios campos en un único mapa.

Climatología y circulaciones de escala planetaria

1. Es importante mantenerse al tanto de la climatología mensual de la zona de pronóstico.
2. Examine las evaluaciones y los pronósticos actuales de ENOS y la OMJ. Considere si la zona local se encuentra en un lugar que favorece la disminución o el aumento de la precipitación cuando pasa la OMJ.

Cartas de superficie y de nivel de gradiente

1. Consigne todas las observaciones actuales en una carta sinóptica (pueden incluirse las observaciones obtenidas a distintas horas para complementar las observaciones actuales, como se ha hecho en la figura 9E1.1, por ejemplo).
2. Examine las imágenes satelitales (principalmente en el IR y el visible) y cree animaciones de las imágenes del satélite geoestacionario captadas durante las últimas 12 a 24 horas.
3. Identifique toda frontera, como los frentes o la ZCIT, mediante símbolos adecuados.
4. Haga lo posible por mantener coherencia y continuidad con el pronóstico previo; haga ajustes incrementales.
5. Analice el campo de presión; en el trópico, las isobaras se pueden separar a intervalos de 1 o 2 hPa, excepto alrededor de los ciclones tropicales, ya que requieren intervalos más grandes.
6. Cree animaciones del análisis de presión para las horas sinópticas del día anterior (para continuidad y análisis de tendencias).
7. Perfeccione los análisis de presión y las posiciones de las fronteras de acuerdo con cualquier dato adicional (como vientos o precipitación) que obtenga de las imágenes de satélite LEO recibidas en el transcurso de las últimas 3 horas.
8. Analice las líneas de corriente e isotacas en relación con las observaciones puntuales y satelitales.
9. Superponga las líneas de corriente a las imágenes satelitales y cree animaciones para perfeccionar el análisis.
10. Siempre que estén disponibles, superponga las curvas del análisis de divergencia y convergencia.

Fig. 9E1.1. (a) Algunas observaciones realizadas a las 0600 UTC y (b) las observaciones suplementarias agregadas en el transcurso de 18 horas. Los distintos tonos de color y grises indican la edad de las observaciones.

Cartas de altura

1. Trace todas las observaciones actuales en la carta sinóptica.
2. Examine las imágenes satelitales (vapor de agua, IR realzado, visible), cree animaciones de las imágenes del satélite geoestacionario para las 12 a 24 horas anteriores (intervalo horario).
3. Analice el campo de altura geopotencial; en el trópico se utiliza un intervalo de 10 dam, excepto alrededor de los ciclones tropicales, ya que requieren intervalos más grandes.
4. Analice las líneas de corriente e isotacas en relación con las observaciones puntuales y satelitales.
5. Superponga las líneas de corriente a imágenes satelitales de vapor de agua y cree una animación para perfeccionar el análisis de las estructuras sinópticas.
6. Para los niveles de 250 y 200 hPa, superponga las curvas de divergencia y convergencia al análisis de líneas de corriente.
7. Para el nivel de 850 hPa, analice la temperatura potencial equivalente a fin de identificar el potencial de lluvias intensas y tiempo severo.

Productos no operativos del escritorio internacional de NCEP (pueden estar desactualizados o no estar siempre disponibles):
http://www.wpc.ncep.noaa.gov/international/intl2.shtml

9.3 Análisis meteorológico »
9.3.5 Análisis de mesoescala y a escala convectiva

Como mencionamos al comienzo del capítulo, el factor dominante para el tiempo en las regiones tropicales no son los factores sinópticos, sino los efectos locales y de mesoescala; la excepción son los ciclones tropicales, pero incluso en este caso, el núcleo y las bandas de lluvia son estructuras de mesoescala. Utilizaremos algunos sistemas atmosféricos de verano e invierno sobre el Caribe para demostrar ciertas técnicas de análisis de mesoescala y de pronóstico momentáneo, como el análisis satelital, la interpretación de radar y los meteogramas de superficie.

9.3 Análisis meteorológico »
9.3.5 Análisis de mesoescala y a escala convectiva »
9.3.5.1 Análisis de mesoescala basado en datos satelitales

El análisis de mesoescala comienza con un diagnóstico del régimen sinóptico. Vamos a estudiar un caso de tiempo de invierno que incluye el paso de un frente frío y una vaguada prefrontal (fig. 9.40). Sabemos que las lluvias de estos sistemas suelen cubrir extensas zonas, ¿pero cómo varía la intensidad de la lluvia dentro de un área tan grande? ¿Cómo evolucionará la lluvia a nivel de mesoescala?

Un examen de las imágenes satelitales IR realzadas nos permitirá identificar los sistemas convectivos de mesoescala (SCM). En primer lugar, identificamos los topes de las nubes más frías (las regiones blancas en la fig. 9.41), que corresponden a la convección más intensa. Luego estudiamos la forma y evolución de las estructuras de convección. Entre las 0000 y las 1800 UTC del 5 enero, los topes de las nubes se van enfriando. Además, se están formando muchos más conglomerados fríos que se desplazan hacia el sur y pasan por encima de las islas del nordeste del Caribe. Después de las 1800 UTC, la zona de nubes frías disminuye, pero la convección aumenta en intensidad, cambia de forma y se expande hacia el oeste. A las 0200 UTC del 6 de enero, las nubes más frías se han alineado con orientación este-oeste y se forma un vértice en el oeste del sistema. La formación de un vértice en la imagen IR realzada indica una tormenta retrógrada, es decir, una en la cual las células nuevas se forman en el lado de barlovento de las células. A medida que se forman células nuevas, estas pasan por encima del mismo lugar que ya estuvo sometido a los efectos de otras células, dando como resultado la saturación del suelo, mayor escorrentía e inundaciones repentinas. La inundación repentina causada por este sistema, que cobró 23 vidas y provocó daños estimados en 88 millones de USD, se considera una de las peores en la historia de Puerto Rico.²³

El diagnóstico sinóptico muestra que las condiciones apoyaban la formación de un SCM sobre Puerto Rico: había una vaguada en superficie y se aproximaba un frente frío (fig. 9.40); el flujo entrante traía aire con θ_e alto en el nivel de 850 hPa (fig. 9.23a); finalmente, había una capa profunda de humedad y condiciones propicias para el ascenso (fig. 9.23b). Las imágenes satelitales IR brindan suficientes detalles de mesoescala como para indicar el potencial de inundaciones repentinas. Dado el gran impacto de un sistema convectivo de mesoescala de tales dimensiones, es fácil comprender la importancia de saber identificar su forma característica en las imágenes satelitales.

 Sin embargo, ¿por qué es importante estar atentos a la formación de pequeños sistemas de mesoescala y de escala convectiva para pronosticar el tiempo tropical?

Para comprender el motivo, estudiemos algunos eventos meteorológicos de verano sobre el Caribe. Utilizaremos un caso identificado por Kathy-Ann Caesar, del Instituto de Meteorología e Hidrología del Caribe (Caribbean Institute for Meteorology and Hydrology, CMHI).

Dada la presencia de estructuras de escala sinóptica tales como la tormenta tropical Gustav en el este del Caribe central, una vaguada con ella relacionada sobre el Caribe oriental y la ZCIT (fig. 9.42a), sería fácil ceder a la tentación de ignorar la presencia de otros sistemas atmosféricos menores (fig. 9.42b, c).

Las bandas de lluvia atraviesan las islas de sur a norte siguiendo el flujo hacia Gustav. Sin embargo, el 25 agosto las bandas de lluvia de Gustav no eran la única fuente de precipitación. La confluencia a lo largo de la ZCIT y el flujo hacia Gustav (fig. 9.43) llevan a la formación de un intenso sistema convectivo de mesoescala (SCM, fig. 9.42b) sobre Venezuela y Trinidad y Tobago. La escala espacial menor (fig. 9.42c) nos permite observar estrechas bandas de nubes al este del SCM. ¿Cuál es el rol de estas bandas nubosas en el panorama de precipitaciones de este día en particular?

La figura 9.44 muestra el proceso de fusión del frente de racha de una tormenta que se desplaza hacia el este con algunas bandas de nubes del sudeste sobre el Caribe oriental. Dada la existencia de un intenso sistema de mesoescala sobre el sur del Caribe por la mañana (figuras 9.42b y 9.44a), la formación de un intenso frente de racha no es sorprendente. Este frente de racha se mantuvo bien definido sobre una distancia considerable, lo cual indica que el SCM generaba corrientes descendentes relativamente frescas. De hecho, en el aeropuerto de Piarco, en Trinidad, la temperatura bajó 3 °C con la llegada de las tormentas y el comienzo de una lluvia moderada (fig. 9.45). En las islas vecinas, las frecuentes imágenes de alta resolución del satélite geoestacionario constituyen la única forma de observar las estrechas bandas nubosas asociadas con los frentes de racha que se forman sobre el océano.

Animación de imágenes IR y visibles de un SCM, frentes de racha y células convectivas

La frontera de corriente de salida (frente de racha) de estas tormentas difiere de las filas de nubes que se forman a lo largo de las líneas de cizalladura sinópticas sobre los océanos tropicales. Estas últimas se forman a menudo con orientación perpendicular respecto de un cambio abrupto en el viento horizontal, duran varios días y se desplazan con el flujo sinóptico. La duración de un frente de racha suele ser del orden de horas y su patrón coincide con el flujo que emana de las tormentas ya existentes.

9.3 Análisis meteorológico »
9.3.5 Análisis de mesoescala y a escala convectiva »
9.3.5.2 Análisis de mesoescala y a escala convectiva basado en datos de radar

El radar aumenta nuestra capacidad de observar y pronosticar fenómenos de mesoescala y de escala convectiva. Utilizaremos el episodio de inundaciones que ocurrió en Puerto Rico el 6 de mayo de 2001 (fig. 9.36) para ilustrar este concepto. A escala sinóptica, una vaguada tropical de la alta troposfera engendra una extensa banda de precipitaciones. Sin embargo, la estructura e intensidad de la precipitación varía a nivel de mesoescala (fig. 9.46). El análisis de imágenes de radar muestra el efecto de la isla en la banda de precipitación. Conforme esta se acerca a Puerto Rico, la línea de precipitaciones intensas se descompone y se forman estructuras multicelulares más pequeñas. La sección al norte pierde intensidad y se vuelve más estratiforme. A las 1700 UTC, la línea exhibe dos ecos en forma de arco a lo largo de la costa occidental. Es esencial observar la evolución de estas estructuras, ya que pueden engendrar franjas de potentes vientos en línea recta en la superficie capaces de causar daños. Las células más intensas se concentran sobre el sudoeste de la isla. Entre las 1800 y las 2200 UTC, las precipitaciones más intensas forman una línea casi de oeste a este; comienzan a formarse células nuevas al oeste de dicha línea que luego avanzan siguiendo prácticamente la misma trayectoria que las células anteriores. Después de las 2300 UTC, las células más intensas vuelven a alinearse de SO a NE. El radar revela otras estructuras interesantes, como las líneas de células nuevas que se forman delante de la banda de precipitaciones principal, lo cual indica ascenso a lo largo del frente de racha de la tormenta. Puede ver un ejemplo en la imagen de las 2303 UTC. La animación de imágenes radar también muestra bandas de precipitación al norte de la isla orientadas de SE a NO que se desplazan hacia el nordeste.

Fig. 9.46. Reflectividad radar de convección sobre Puerto Rico
y la zona circundante, 6 de mayo de 2001.
Secuencia de imágenes de reflectividad radar

9.4 Predicción numérica del tiempo en los trópicos »
9.4.1 Conceptos fundamentales de los modelos numéricos

Los modelos de predicción numérica son un componente integral del proceso moderno de pronóstico del tiempo. La meteorología dinámica, que desarrolla las ecuaciones que describen la evolución de la atmósfera, constituye la base teórica de la predicción numérica del tiempo (PNT).⁴⁸ La predicción dinámica emplea aproximaciones numéricas de las ecuaciones dinámicas para pronosticar el estado de la circulación atmosférica en el futuro.

El primero en abordar el tema de la predicción numérica fue el científico británico L. F. Richardson, quien en 1922 describió un procedimiento para aproximar las ecuaciones de movimiento en forma de ecuaciones de diferencia algebraica que podían calcularse para un conjunto finito de puntos de malla. En este esquema, el estado inicial se extrapolaba hacia adelante durante un breve período para estimar las condiciones en el futuro. El experimento de Richardson nunca logró producir un pronóstico aceptable, en parte debido a las ondas de Lamb (ondas acústicas) que dominaban la solución. Como el uso de las ecuaciones completas puede generar problemas, las filtramos de modo que se conserven las soluciones meteorológicamente significativas, aunque en términos absolutos esto resulta menos exacto. Richardson calculó que un sistema de pronóstico numérico de alcance mundial requeriría un equipo integrado por 64 000 personas. Su visión se ha vuelto realidad gracias a las altas prestaciones de las computadoras digitales y a una amplia gama de modelos numéricos que hoy categorizamos según su:

9.4 Predicción numérica del tiempo en el trópico »
9.4.1 Conceptos fundamentales de los modelos numéricos »
9.4.1.1 Principios básicos y ecuaciones de conservación

Los modelos de PNT representan el comportamiento de la atmósfera descrito por las ecuaciones primitivas o gobernantes:

Podemos definir dos tipos de movimientos atmosféricos y escalas temporales en las ecuaciones primitivas:

En la atmósfera, la escala temporal de advección es mayor que un día, mientras la escala temporal de inercia abarca pocas horas, es decir, τ₂ » τ₁. Las ondas de inercia-gravedad tienen escalas temporales < τ₁ y velocidades que superan bastante V_H. En meteorología, los movimientos de advección son de gran importancia, especialmente a escala sinóptica, excepto cerca y por encima de la tropopausa, donde las ondas de inercia-gravedad adquieren un papel importante. Además, en el trópico el valor de f es pequeño, de modo que la escala temporal de las ondas de inercia-gravedad se acerca a otros movimientos y no se separa con facilidad. No obstante, por lo general las ondas de inercia-gravedad son un componente menor del flujo, una fuente de ruido indeseado en los modelos de predicción numérica. Puede estudiar las ecuaciones primitivas más a fondo en el módulo de COMET titulado Fundamentos de los modelos.

9.4 Predicción numérica del tiempo en el trópico »
9.4.1 Conceptos fundamentales de los modelos numéricos »
9.4.1.2 Modelos de malla

Todos los modelos comienzan con un sistema ecuaciones diferenciales acopladas. Considere el ejemplo sencillo de esta ecuación bidimensional de la advección

                       (11)

donde q representa cualquier variable escalar continua, como la temperatura, U es constante, t es el tiempo, x e y representan distancias y las tres últimas variables son continuas.

Para derivar la solución numérica de q es preciso considerar t, x e y como dimensiones discretas. Esto significa que podemos representar un campo continuo mediante puntos de malla en un modelo (p. ej.: fig. 9.47).

Podemos aproximar la ecuación de advección mediante la ecuación de diferencias finitas, la forma de discretización más simple. La solución analítica se aproxima mediante una serie de Taylor. La forma de diferencia central de la ecuación implica puntos equidistantes a ambos lados del punto de pronóstico:

                          (12)

El valor previsto de q a la hora t+Δt es:

                         (13)

La figura 9.48 ilustra la forma conceptual de la ecuación:

                        (14)

Los modelos también emplean técnicas de diferencia hacia adelante y hacia atrás para calcular el valor previsto. Dados los valores actual e históricos de la variable q, podemos calcular sus valores futuros. Si repetimos el proceso y seguimos agregando datos nuevos para un período prescrito, obtenemos un pronóstico numérico.

Si las ecuaciones de diferencia no son estables, es decir, si alguna parte de la solución numérica es ilimitada, las soluciones numéricas crecerán de forma exponencial. La estabilidad de un esquema numérico de diferencia central se puede medir con el criterio de Courant-Friedrichs-Lewy:

                     (15)

donde c representa la velocidad de la onda más rápida del sistema. Para evitar la inestabilidad de cómputo, cada reducción del intervalo de tiempo requiere una correspondiente disminución en la distancia entre puntos de malla, para que la advección de las variables abarque menos de un intervalo de malla por cada intervalo de tiempo. Es posible que otras formas de las técnicas de diferencias finitas exijan criterios más estrictos.

9.4 Predicción numérica del tiempo en el trópico »
9.4.1 Conceptos fundamentales de los modelos numéricos »
9.4.1.3 Modelos espectrales

Los modelos espectrales representan la variabilidad espacial de la atmósfera en forma de una serie finita de ondas de seno y coseno de distintas longitudes de onda. La resolución del modelo es una función del número de ondas empleadas para representar la variabilidad en el modelo. Los modelos espectrales admiten varios tipos de orientaciones de onda. La longitud de onda de número más pequeño en un modelo espectral se representa como

La configuración T170 es común en los modelos operativos porque su resolución en las direcciones zonal y meridional es casi igual en todo el mundo. Aunque los gradientes horizontales se calculan con exactitud a partir de la solución de onda, seguimos utilizando las mallas para los cálculos no lineales y físicos. Los modelos espectrales son los primarios en los centros de pronóstico operativos, como el CEPPM/ECMWF y NCEP, mientras los modelos de malla se usan en los centros regionales, que son más pequeños.

9.4 Predicción numérica del tiempo en los trópicos »
9.4.1 Conceptos fundamentales de los modelos numéricos »
9.4.1.4 Coordenada vertical

En algunos modelos se usa la presión como coordenada vertical, porque las ecuaciones primitivas son más simples en superficies de presión. Desgraciadamente, a veces se da el caso de que algunas superficies de presión quedan debajo de la superficie del suelo. El uso de la coordenada sigma (σ), que sigue el terreno, evita este problema y permite obtener representaciones de alta resolución en topografía compleja. Sigma, que oscila entre 0 y 1, se define como:

donde p_s es la presión a nivel del suelo y p es la presión variable. Otros modelos emplean superficies isoentrópicas, es decir, de temperatura potencial igual, a lo largo de las cuales se conserva la vorticidad potencial. La ventaja de este enfoque es que el movimiento vertical de escala sinóptica se puede diagnosticar fácilmente en las superficies isoentrópicas, pero como intersecan la superficie, su capacidad de representar la capa límite es pobre, especialmente durante el día. Son mucho más adecuadas para resolver los límites frontales y la tropopausa.

Muchos modelos actuales emplean un sistema híbrido de coordenadas sigma-presión en el cual las coordenadas sigma describen la atmósfera cerca de la superficie y las coordenadas de presión, en la regiones superiores.⁴⁹ Los sistemas de coordenadas isoentrópicas-sigma se formulan de forma análoga. En la mayoría de los modelos, la resolución vertical es variable y la resolución más alta suele obtenerse en la capa límite. Esto es particularmente importante en el caso de los modelos de dispersión de contaminantes, donde la mezcla vertical y la cizalladura del viento en la capa límite son aspectos críticos. Para aprender más sobre los sistemas de coordenadas verticales de los modelos, consulte el módulo de COMET Impacto de la estructura y dinámica de los modelos.

9.4 Predicción numérica del tiempo en el trópico »
9.4.1 Conceptos fundamentales de los modelos numéricos »
9.4.1.5 Sistema de pronóstico del modelo

La figura 9.49 presenta de forma conceptual el sistema de un modelo de pronóstico. Normalmente, los ciclos de los modelos operativos se ejecutan a intervalos de seis horas sinópticas (0000, 0600, 1200 y 1800 UTC).

Inicialización y asimilación de datos

Modelo de pronóstico

El tipo de modelo, la capacidad de cómputo y la aplicación específica dictan la formulación numérica, la dinámica, las aproximaciones físicas y el procedimiento de asimilación de datos que se utilizarán. Para un modelo operativo, se busca un compromiso entre la eficiencia y la exactitud que permita generar pronósticos oportunos. Los pronósticos de los modelos globales se emiten con 6 horas a 14 días de anticipación. Sin embargo, la habilidad disminuye rápidamente a más de siete días para las variables de escala sinóptica, como la altura geopotencial en 500 hPa para las latitudes medias. La habilidad de predicción de nubes y precipitaciones es considerablemente menor.⁵⁰

Posprocesamiento

Una vez terminado el ciclo de ejecución del modelo, se utilizan herramientas de posprocesamiento para derivar variables de interés específicas, como la altura geopotencial en 500 hPa y la cantidad y los tipos de precipitaciones. Las predicciones del modelo se ajustan de acuerdo con el conocimiento de la climatología regional, los sesgos del modelo y los eventos meteorológicos recientes a fin de crear pronósticos apropiados para comunidades de usuarios específicas. Por ejemplo, el análisis del modelo se combina con las observaciones para diagnosticar zonas de confluencia y tiempo severo sobre África meridional (fig. 9.50) y posteriormente los pronósticos numéricos se utilizan para identificar zonas de tiempo severo y lluvias intensas para el día siguiente (fig. 9.51).

Verificación

Modelos de área limitada

Los modelos de área limitada o regionales anidados en los modelos globales se ejecutan para uso en entornos operativos y para fines de investigación. Encontrará una lista de los modelos regionales de uso difundido en la tabla 9.1. En la actualidad, los modelos regionales se aplican a gran variedad de campos, como aviación, planificación agrícola, operaciones militares, respuesta a la liberación de sustancias químicas peligrosas e hidrometeorología, para mencionar solo algunos. Si bien los modelos regionales brindan alta resolución, se ven limitados por las condiciones de fronteras laterales impuestas por el modelo global. Dichas condiciones de fronteras laterales constituyen una fuente de error, ya que las técnicas numéricas empleadas para relacionar la escala de los dos modelos pueden producir errores.⁵¹ Los modelos de alta resolución representan las estructuras de forma más realista, pero con toda probabilidad esas mismas estructuras serán inexactas en cuanto a su posición y evolución temporal.

9.4 Predicción numérica del tiempo en el trópico »
9.4.2 Asimilación de datos

El objetivo de la asimilación de datos consiste en optimizar la exactitud del pronóstico fusionando las observaciones con un pronóstico a corto plazo, que también se conoce como campo de fondo. Muchos sistemas de observación producen datos continuamente y el proceso de asimilación permite incorporar los datos recibidos entre un análisis y otro. La diferencia entre la observación y el campo de fondo se denomina incremento de observación o innovación. La asimilación de datos analiza los incrementos de observación y crea una malla de «correcciones» para el pronóstico a corto plazo (o campo de fondo) anterior.

Un dato de importancia crítica para la asimilación de los datos es la covarianza del error de fondo, que es la covarianza del error de fondo en distintos puntos. Esto significa que si el error del modelo en un lugar suele estar relacionado con un error en otro lugar, la aplicación de una corrección en el primer lugar implica la necesidad de corregir también el segundo. Un concepto clave de la asimilación de datos es que el peso que se les da al fondo y a las observaciones es inversamente proporcional a su varianza de error: la información con una varianza de error más pequeña (lo cual implica un error esperado menor) recibe más peso. La combinación de correcciones y pronóstico a corto plazo constituye las condiciones iniciales del ciclo de pronóstico siguiente (fig. 9.52).

Los procedimientos de asimilación de datos son bastante complejos, ya que existen diferencias de resolución espacial y temporal, y de exactitud, entre las observaciones. La calidad de las observaciones varía según la plataforma de observación, la hora del día (p. ej., las franjas de barrido de los satélites LEO, los informes de radiosondeo) y las condiciones meteorológicas (p. ej., la lluvia puede contaminar los datos de vientos derivados por dispersometría).

Los incrementos de observación se ponderan según la percepción de exactitud y validez. El peso que se da a los distintos elementos de información se basa en su covarianza de error. Para que el modelo funcione de manera razonable, es preciso aplicar las covarianzas de error necesarias y contar con buenas estimaciones de dichas covarianzas, lo cual complica la asimilación de datos. El error de observación puede ser grande si el instrumento no es muy exacto o si la resolución de la red de observación difiere de la resolución del modelo. Los datos aislados en regiones con pocos datos representan un problema de asimilación, ya que no hay nada que corrobore el incremento de observación. También se introducen errores a través de las aproximaciones de transferencia radiativa para la asimilación de las mediciones satelitales de radiancia. El régimen de flujo también afecta la calidad del campo de primera aproximación; las varianzas de error aumentan en regiones de cambio rápido y disminuyen en regiones de evolución lenta, flujo zonal o calma. Si el campo de primera aproximación puede considerarse bueno, se necesita poca corrección y se observará poco impacto incluso en las observaciones perfectas.

La asimilación de datos en cuatro dimensiones (Four-Dimensional Data Assimilation, FDDA) permite introducir información nueva mediante (i) reanálisis periódicos, (ii) inserción gradual o corrección, (iii) técnicas matemáticas más avanzadas, como la asimilación de datos variacional en cuatro dimensiones (4DVAR). Existen distintos métodos variacionales de asimilación de datos:

La asimilación de datos es un campo de la predicción meteorológica que se halla en fase de crecimiento, ya que siguen aumentando tanto el volumen como la variedad de los datos que se incorporan en los modelos de pronóstico. Por ejemplo, el modelo WRF-Chem integra plenamente la meteorología y la química. WRF-Chem modeliza explícitamente el flujo atmosférico y la química de aerosoles, y ofrece su asimilación de datos químicos como opción para fines experimentales. En la actualidad, solo un pequeño porcentaje de los datos disponibles se asimila en los modelos operativos (fig. 9.6); muchos se descartan antes del uso debido a redundancia, error grosero o gasto computacional. Realmente vale la pena aumentar la cantidad de datos que se asimilan, ya que la asimilación de datos satelitales ha mejorado el rendimiento de los modelos de PNT.^11,60,61 Por ejemplo, se han asimilado mediciones terrestres de vapor de agua precipitable por GPS, refractividad GPS de COSMIC y observaciones meteorológicas estándar sobre el Caribe en los pronósticos de tormentas tropicales. Puede estudiar este tema más a fondo en el módulo de COMET Comprensión de los sistemas de asimilación: cómo los modelos crean sus propias condiciones iniciales.

Humedad derivada por GPS y pronósticos de ciclones tropicales
https://ams.confex.com/ams/89annual/techprogram/paper_149880.htm

9.4 Predicción numérica del tiempo en los trópicos »
9.4.3 Fuentes de errores de pronóstico del modelo »
9.4.3.1 Condiciones iniciales

El análisis inicial del modelo combina diversas observaciones (teniendo en cuenta distintos niveles de resolución y exactitud) y el campo de primera aproximación, que debe coincidir con la resolución y los parámetros físicos del modelo. Se introducen errores cuando las observaciones son distantes entre sí o poco frecuentes. Es posible que el estado inicial no sea realista debido a errores intrínsecos de las observaciones (p. ej., error de instrumento o falta de representatividad) que luego se transmiten al análisis objetivo y a la asimilación de datos. También se introducen errores al interpolar el campo de primera aproximación con el lugar de la observación (el modelo pronostica un volumen sobre la malla, aunque las observaciones pueden corresponder a un punto).

Para averiguar qué datos forman parte de un ciclo de ejecución particular del modelo, podemos superponer imágenes satelitales, análisis y datos no procesados. Esto permite detectar cualquier incoherencia causada por la falta de densidad de los datos, perturbaciones del viento provocadas por frentes de racha o estructuras demasiado pequeñas o de movimiento demasiado rápido para que el modelo las pueda predecir. Es importante estar consciente de cualquier situación que pueda aumentar la probabilidad de que el sistema de asimilación falle y en esos caso prestar más atención a las condiciones que están evolucionando de acuerdo con las observaciones.

9.4 Predicción numérica del tiempo en el trópico »
9.4.3 Fuentes de errores de pronóstico del modelo »
9.4.3.2 Condiciones de frontera

Las condiciones en la superficie son un aspecto crítico, porque el modelo está programado para responder a la humedad, la cubierta del suelo y la temperatura en la superficie. Los gradientes de estos valores fuerzan respuestas de mesoescala; p. ej., los gradientes de humedad del suelo contribuyen a determinar dónde se desarrolla la convección. Esto significa que los errores en la humedad del suelo causarán errores en el pronóstico. Además, si la superficie no es representativa, se verán afectados no solo el albedo de superficie, sino también los procesos de radiación subsiguientes.

Los modelos regionales suelen anidarse en los modelos globales, cuya resolución típicamente es más gruesa. La calidad del pronóstico puede degradarse debido a las diferencias de resolución horizontal, vertical y temporal. Además, los errores del modelo de pronóstico global pueden propagarse a los modelos regionales y contaminar los pronósticos regionales. Tales errores se pueden reducir evitando los forzamientos intensos en el borde de una frontera, ya que los fuertes gradientes que resultarían no se tratan de forma realista. Por ejemplo, evite colocar las fronteras en topografía compleja o en regiones de intensos gradientes de temperatura en la superficie. Cree una zona de separación en la frontera entre el dominio anidado y el dominio más grueso. El anidamiento interactivo, es decir, un tipo de anidamiento en dos direcciones en lugar de una, debería reducir la formación de gradientes espurios cerca de las fonteras.⁵¹

Es importante recordar que el efecto de condiciones iniciales de calidad inferior puede imponerse por encima de los beneficios de la alta resolución. Conviene cotejar el pronóstico de mayor resolución con los pronósticos posteriores de resolución más gruesa válidos a la misma hora. Si las condiciones cambian rápidamente dentro de los ciclos de pronóstico, el forzamiento a gran escala y las condiciones de frontera pueden haber cambiado y es posible que el pronóstico de resolución gruesa sea mejor.

9.4 Predicción numérica del tiempo en los trópicos »
9.4.3 Fuentes de errores de pronóstico del modelo »
9.4.3.3 Aproximaciones físicas o parametrización

El modelo no puede representar todos los procesos y las estructuras que ocurren dentro de una celda o caja de la malla. Es posible que no comprendamos ciertos procesos lo suficiente como para representarlos en forma numérica o que los datos no estén disponibles a la escala de interés. A veces, los fenómenos son demasiado pequeños o complejos como para resolverlos numéricamente. La parametrización es una manera de agregar el efecto neto de tales procesos al modelo. Hay que tener presente que esta es una de las áreas más difíciles y controvertidas del campo de modelado de la atmósfera.

Normalmente, ciertos procesos físicos —como los cambios de fase del agua, la radiación y la turbulencia en la capa límite— se parametrizan y se conocen como la «física» del modelo. En la mayoría de los modelos, cada proceso se parametriza por separado. Sin embargo, la evolución dentro del modelo refleja los efectos conjuntos de la parametrización de los distintos procesos. Es difícil diagnosticar el error del modelo asociado a cada parámetro individual. La parametrización de un parámetro puede nutrir el error provocado por la parametrización de otro parámetro y el efecto combinado puede acumularse a distintas resoluciones del modelo. Por ejemplo, la distribución vertical de la temperatura y el contenido de vapor de agua se ven afectados por el método empleado para acoplar la convección a los procesos de superficie. Los errores que surgen al predecir o diagnosticar la nubosidad provocan grandes errores en los cálculos de radiación de onda corta y onda larga. Las formas de las partículas de las nubes, cuyo crecimiento se prescribe por medio de un esquema especial de microfísica, también alteran los flujos radiativos.

El rendimiento del modelo y la organización de los sistemas que engendran precipitación son dos aspectos sensibles a la microfísica, que controla las nubes y la precipitación a escala de malla a través de la distribución del calor latente liberado y los efectos de retroalimentación radiativa.

La turbulencia y la fricción en la capa límite son sensibles a la altura de rugosidad prescrita, que puede introducir errores en el pronóstico de vientos y cizalladura vertical del viento y, por consiguiente, en los flujos de calor y humedad que se transportan hacia arriba. Los errores de emulación de los procesos de superficie se deben a errores de balance hídrico o de energía en la superficie del modelo. Ciertas suposiciones, como el perfil de tasa de difusión en la capa límite planetaria, pueden introducir errores. Puede aprender más acerca de las suposiciones físicas en el módulo de COMET Impacto de la física del modelo en los pronósticos numéricos.

9.4 Predicción numérica del tiempo en el trópico »
9.4.3 Fuentes de errores de pronóstico del modelo »
9.4.3.4 Aproximaciones numéricas

El uso de técnicas de diferencias finitas en los modelos de malla produce errores de truncamiento, porque estas intentan aproximarse a derivadas continuas y las derivadas de orden superior se truncan. Además, cuando las ecuaciones se integran a lo largo de períodos extensos, el ruido de pequeña escala aumenta. El error se puede reducir disminuyendo el intervalo de tiempo de la integración.

La forma de la malla también influye en la exactitud del modelo. Las mallas tradicionales de latitud y longitud crean problemas, porque la forma de las celdas sufre distorsiones mayores en las latitudes altas (fig. 9.53a) y las aproximaciones discretas se vuelven más difíciles de implementar en sistemas multiprocesador. Las mallas hexagonales tienen la ventaja de que las celdas son casi del mismo tamaño y las aproximaciones discretas son relativamente fáciles de implementar, aunque la discretización de nivel superior es difícil. Se está estudiando el uso de mallas hexagonales y esferas cúbicas (fig. 9.53b, c) para su posible implementación en la próxima generación de modelos de predicción del tiempo. El dominio de cálculo es otra fuente de error. Algunos modelos de malla son más difíciles de implementar en sistemas de procesamiento en paralelo.

La capacidad de un modelo de representar fenómenos particulares es una función del tamaño y la velocidad de las estructuras respecto del número de puntos de malla necesarios para muestrear dichas estructuras. Los modelos de malla no manejan bien las ondas que solo abarcan unos pocos puntos de malla. Los errores de truncamiento que ocurren en los modelos espectrales se deben a que los modelos solo cuentan con información sobre las ondas que pueden resolver y no sobre las ondas de escalas menores. También ocurren errores en los modelos espectrales al transformar los cálculos de física de un modelo espectral a un modelo de malla. Finalmente, los mecanismos de amortiguamiento empleados para reducir las oscilaciones espurias al inicializar el modelo pueden producir efectos adversos en los movimientos importantes para las condiciones meteorológicas.

9.4 Predicción numérica del tiempo en el trópico »
9.4.3 Fuentes de errores de pronóstico del modelo »
9.4.3.5 Predictibilidad intrínseca

La predictibilidad es intrínsecamente limitada por la naturaleza caótica de la atmósfera. Existen numerosas escalas de movimiento en la atmósfera y la energía se transfiere entre ellas. La energía correspondiente a escalas de resolución menores que las observaciones no figura en los modelos numéricos. Por lo tanto, la atmósfera real y la del modelo son diferentes. Con el tiempo, el pronóstico numérico y la atmósfera real divergen (fig. 9.54). Cualquier error en la condición inicial o en el modelo causa una pérdida en la capacidad de predictibilidad.⁶² Incluso una diferencia menor en las condiciones iniciales puede conducir a errores considerables en un pronóstico a largo plazo. Este error intrínseco crece más rápidamente a escalas pequeñas que a escalas mayores, lo cual significa que los fenómenos meteorológicos de pequeña escala se pronostican con menor exactitud. Los límites de predictibilidad para los fenómenos de pequeña escala pueden ser tan cortos como 75 minutos para longitudes de onda de 20 km.^62,63 Tenga presente que caótico no significa aleatorio, ya que podemos definir un sistema con una serie de posibles estados (el clima, en nuestro caso) y predecir la evolución del sistema con cierto grado de exactitud para un período corto.

Módulo de COMET: Diez conceptos equivocados comunes sobre PNT
http://www.meted.ucar.edu/norlat/tencom_es/index.htm

9.4 Predicción numérica del tiempo en el trópico »
9.4.4 Modelos dinámicos y estadísticos

9.4 Predicción numérica del tiempo en el trópico »
9.4.5 Sistemas de predicción por conjuntos

Un modelo numérico individual genera un pronóstico específico o determinista a partir de una configuración específica del modelo (la distancia entre puntos de malla, las condiciones iniciales, la física, etc.) que produce sus propios errores sistemáticos. Podemos medir la sensibilidad del pronóstico frente a la incertidumbre en la configuración del modelo, como las condiciones iniciales, perturbando las condiciones iniciales del modelo de PNT. Esto abre la posibilidad de utilizar un conjunto de predicciones para predecir la incertidumbre en el pronóstico.^{68,69,70,71,72} Por lo tanto, podemos utilizar de forma estratégica la naturaleza imperfecta de las condiciones iniciales y los modelos numéricos en un sistema de predicción por conjuntos (SPC) para:

Los conjuntos nos ayudan a distinguir entre las situaciones atmosféricas de alta o baja predictibilidad observando la evolución de la incertidumbre en la condición inicial.⁷³ La media de un conjunto constituye una mejor estimación del valor esperado para las variables meteorológicas que un pronóstico determinista individual. La dispersión del conjunto y los momentos de distribución de probabilidad de orden mayor en el pronóstico permiten comparar la evolución temporal y la intensidad de las perturbaciones de los miembros del conjunto.

Los conjuntos de modelo único emplean varios miembros de un mismo modelo y la misma hora inicial, pero cada miembro usa condiciones iniciales ligeramente distintas, para tener en cuenta las incertidumbres de los estados iniciales del modelo. Cuando se usan combinaciones de modelos distintos, se trata de conjuntos multimodelo. Para que el pronóstico de un conjunto finalice a la misma hora que el de un modelo determinista operativo, el modelo por conjuntos normalmente tiene una resolución horizontal más baja. Encontrará una lista no exhaustiva de las ventajas y debilidades de los sistemas de predicción por conjuntos en el módulo de COMET Explicación de la predicción por conjuntos.

Conjuntos regionales

El sistema de predicción por conjuntos a corto plazo (Short-Range Ensemble Forecast, SREF) de NCEP^74,75 es el primer sistema de pronóstico por conjuntos regional operativo en tiempo real. Entre los miembros del conjunto se incluyen uno de tres modelos dinámicos [Eta, el modelo espectral regional (Regional Spectral Model) o WRF], distintas parametrizaciones físicas (convección profunda, capa límite, radiación, etc.), uno de dos sistemas de análisis distintos, distintas resoluciones horizontales y verticales y perturbaciones desarrolladas para muestrear los errores condición inicial dependientes del flujo.

9.4 Predicción numérica del tiempo en el trópico »
9.4.5 Sistemas de predicción por conjuntos »
9.4.5.1 Salida del conjunto

Para interpretar las predicciones por conjuntos, trazamos los datos en mapas de distintas formas. A continuación se describen los más comunes.

• Diagramas de espaguetis
  El diagrama que se obtiene trazando en un mapa las curvas correspondientes a cada miembro del conjunto tiene un aspecto similar a un plato de espaguetis, a cada uno de los cuales se asigna un color distinto para facilitar la interpretación de los datos. Las variables y los niveles que decidamos trazar dependerán del propósito del tipo de pronóstico. Por ejemplo, podría interesarnos el nivel de congelación, un parámetro esencial para la aviación. La figura 9.55a muestra el diagrama de espaguetis correspondiente a la isobara de 1012 hPa generado por el sistema global de predicción por conjuntos (Global Ensemble Forecast System) de NCEP. Aunque sobre el continente los miembros del conjunto coinciden bastante, sobre el Pacífico oriental se nota un mayor grado de divergencia en los pronósticos. En este caso, las predicciones por conjuntos están relativamente cerca del análisis (fig. 9.55b).
  
  Estos diagramas permiten evaluar rápidamente la incertidumbre indicada por las diferencias de distancia y amplitud entre las curvas de los distintos miembros del conjunto, pero hay que tener en cuenta que se trata de una representación incompleta de la distribución de las probabilidades de pronóstico. La importancia de una leve diferencia donde el gradiente es grande puede ser considerable, mientras una gran diferencia donde el flujo es zonal puede ser menos trascendente.

• Media y dispersión del conjunto
  La media es el promedio simple de todos los miembros del conjunto. La dispersión es la desviación estándar. Cuanto mayor la dispersión, tanto mayor la incertidumbre en las predicciones. La figura 9.56 ilustra la interpretación de los diagramas de media y dispersión.

La figura 9.57 ilustra un caso real en el cual la mayor dispersión de la temperatura a 850 hPa se halla sobre el Atlántico sur, con muy poca dispersión sobre el continente, excepto la zona de Brasil noroccidental. El análisis confirma que el pronóstico es más acertado sobre el interior del continente, al tiempo que es muy distinto de la media del conjunto sobre el Atlántico sur y nordeste de Brasil.

La ventaja de la media y dispersión del conjunto es que presenta un resumen de mucha información en un único mapa. No obstante, es preciso recordar que la media del conjunto no es siempre el mejor pronóstico. Cuando se producen agrupamientos de resultados de pronóstico similares, es probable que la media se encuentre entre los agrupamientos.

• Diagramas de probabilidad de excedencia
  Estos diagramas muestran la probabilidad de que un valor pronosticado exceda un umbral significativo y se utilizan para identificar la probabilidad de incidencia de eventos extremos.

• Diagramas de abanico
  Estos diagramas presentan series temporales de predicciones por conjuntos de una celda de la malla para mostrar la evolución temporal de una variable de pronóstico. Por ejemplo, un diagrama de abanico podría mostrar las predicciones del conjunto de la anomalía de TSM en la región El Niño 3.4 (fig. 5.51) o la caída de temperatura pronosticada durante el paso de un frente frío.

• Sondeos del conjunto
  El perfil de cada miembro del conjunto y la media del conjunto se trazan con distintos colores en un diagrama termodinámico.

• Diagramas de cajas y bigotes
  Estos diagramas muestran el rango de error en forma de una serie temporal (p. ej., fig. 9.58).

Las predicciones por conjuntos se verifican comparando las distribuciones de probabilidad pronosticadas y otras estadísticas del conjunto con la frecuencia de las observaciones a lo largo del tiempo. Esto significa que se necesita un conjunto grande de predicciones —que con frecuencia puede abarcar toda una estación— para obtener resultados estables. TIGGE, el gran conjunto mundial interactivo de THORPEX (THORPEX Interactive Grand Global Ensemble; THORPEX es el acrónimo de THe Observing system Research and Predictability EXperiment, es decir, experimento de investigación y predictibilidad del sistema de observación) fue establecido para archivar y comparar los grandes volúmenes de datos generados por los modelos operativos de predicción por conjuntos.⁷⁶

El origen de las predicciones por conjuntos:
http://journals.ametsoc.org/perlserv/?request=get-abstract&doi=10.1175%2FMWR2949.1
Capacitación sobre modelos de predicción por conjuntos del NCEP:
http://www.wpc.ncep.noaa.gov/ensembletraining/

9.4 Predicción numérica del tiempo en el trópico »
9.4.5 Sistemas de predicción por conjuntos »
9.4.5.2 Asimilación de datos del conjunto

Una técnica de asimilación común en los sistemas de modelado por conjuntos es el filtro de Kalman para conjuntos (EnKF, por la sigla del inglés Ensemble Kalman Filter).^77,78 La técnica EnKF emplea conjuntos para determinar las estadísticas de error asociadas con el campo de primera aproximación del modelo. A diferencia de 3DVAR (sección 9.4.2), cuyas estadísticas de error son isotrópicas y estacionarias, las estadísticas de error basadas en conjuntos dependen del flujo y pueden ajustarse al régimen de flujo particular del día del análisis. El filtro de Kalman de transformación de conjuntos (Ensemble Transform Kalman Filter, ETKF) es una forma específica del filtro EnKF que tiene la ventaja de ser rápido, adecuado para generar las condiciones iniciales del conjunto y capaz de actualizar las perturbaciones de las condiciones iniciales. Sin embargo, no representa el error de muestreo de manera eficiente.⁷⁹ El filtro ETKF se ha utilizado para seleccionar trayectorias de vuelo y escoger el lugar de despliegue de las radiovientosondas para el trabajo de vigilancia de ciclones tropicales.⁸⁰ La asimilación de datos mediante distintas técnicas, ya sea variacionales, por conjuntos o híbridas, tienen sus relativas ventajas y desventajas para el pronóstico operativo.^81,59 Se están sometiendo a prueba sistemas híbridos de asimilación de datos que emplean técnicas variacionales y de filtro de Kalman para conjuntos a fin de manejar mejor los datos que implican procesos muy poco lineales, como la evolución de las nubes y las precipitaciones. Por ejemplo, el sistema WRF híbrido⁸² combina covarianzas del conjunto y covarianzas 3DVAR, es decir, estimaciones de las estadísticas de error de fondo tanto climatológicas como dependientes del flujo.

Para aprender más sobre el pronóstico por conjuntos, consulte el módulo de COMET Explicación de la predicción por conjuntos.

NCEP, capacitación en predicción por conjuntos: http://www.wpc.ncep.noaa.gov/ensembletraining/

9.4 Predicción numérica del tiempo en el trópico »
9.4.6 Convección de cúmulos en la predicción numérica del tiempo

El proceso de convección de cúmulos es común en todas las regiones tropicales y el transporte de calor latente por este proceso es el método principal de transferencia de energía desde la superficie hasta la atmósfera. Por lo tanto, es imprescindible representar la convección de cúmulos en los modelos numéricos del tiempo tropical. Como ilustra la figura 9.59, la convección de cúmulos ocurre a distintas escalas, motivo por el cual resulta imposible predecir una nube individual. Por lo tanto, los modelos numéricos crean parámetros para representar el efecto de la convección de cúmulos dentro de una celda dada de la malla.

Los esquemas de parametrización de cúmulos tratan de representar muchos procesos, como el transporte vertical de calor, humedad y momento por las corrientes convectivas ascendentes y descendentes; algunos de estos procesos se ilustran en la figura 9.59b.

La tabla 9.2 presenta un resumen de los enfoques adoptados en los modelos de mesoescala para parametrizar los cúmulos.⁸³ Los modelos en los cuales la distancia entre puntos de malla es lo suficientemente pequeña como para resolver las circulaciones de mesoescala (en las latitudes medias se trata de menos de 5 km de distancia entre puntos de malla), se pueden ejecutar sin parametrización de cúmulos. En su lugar, la precipitación se produce mediante parámetros de microfísica explícitos en cada punto de la malla. Con el enfoque tradicional, la precipitación a escala de malla se produce mediante la parametrización de cúmulos, es decir, un método implícito. Otros modelos adoptan una técnica híbrida que combina ambos enfoques.

A continuación se describen las características de tres esquemas de parametrización de la convección de uso difundido en la predicción del tiempo tropical (la fig. 9.60 presenta un modelo conceptual de dos de ellos). Encontrará una lista más completa y una descripción detallada de los actuales esquemas de parametrización de la convección en el módulo de COMET ¿Cómo producen los modelos la precipitación y las nubes?.

Los avances en la potencia de cálculo han permitido ejecutar modelos de muy alta resolución en el ámbito operativo. Si bien los modelos no pueden predecir la formación de cada nube individual, los modelos con un espaciado de malla de 5 km son capaces de resolver estructuras nubosas de mesoescala.^90,91,92 Sin embargo, aunque un modelo con una malla de 2 km puede producir actividad convectiva detallada, los estudios demuestran que su habilidad de predicción a escalas que permiten discernir tales detalles es muy dudosa.⁵⁰ Por lo tanto, es probable que el costo computacional que implica la implementación de un modelo operativo de resolución tan alta no se justifique.

Los modelos de resolución de nubes se desarrollaron para poder modelar las interacciones complejas entre la microfísica de la nubes, la dinámica de las nubes, los procesos de radiación y los procesos de superficie en los cúmulos tropicales. Estos modelos resuelven de forma explícita las circulaciones dinámicas que acoplan directamente estos distintos procesos físicos. Aunque en un comienzo se aplicaron al modelado de la convección en los modelos climáticos,⁹³ los avances computacionales logrados en años más recientes han facilitado la «superparametrización», un proceso que combina la parametrización convencional de cúmulos sobre una malla gruesa con un modelo detallado capaz de resolver las nubes sobre una malla más fina. Los efectos de la convección húmeda se expresan mediante flujos turbulentos explícitos.

¿Cómo producen los modelos la precipitación y las nubes?
http://www.meted.ucar.edu/nwp/model_precipandclouds_es/print.htm#page_3.0.0
NOAA, laboratorio geofísico de dinámica de fluidos, dinámica de mesoescala:
http://www.gfdl.noaa.gov/visualizations-mesoscale-dynamics
Diez conceptos equivocados comunes sobre PNT:
http://www.meted.ucar.edu/norlat/tencom_es/index.htm

9.5 Predicción de ciclones tropicales

Un pronóstico exacto de la evolución de un ciclón tropical (CT) depende en primer lugar de un modelo conceptual eficaz que incorpore la física clave de tal evolución. Los modelos de PNT empleados en el proceso de pronóstico deben tener en cuenta estos parámetros físicos. Dado que todos los modelos de pronóstico tienen alguna debilidad, necesitamos contar con métodos eficaces que nos permitan evaluar los pronósticos numéricos con el fin de identificar sus fortalezas y debilidades. Armados con estos conocimientos, podemos integrar todos los posibles futuros que sugieren los distintos modelos para producir el pronóstico más hábil. Examinaremos cada uno de estos aspectos a continuación.

9.5 Predicción de ciclones tropicales »
9.5 .1 Factores que afectan el movimiento y la intensidad »
9.5.1.1 Factores que contribuyen al movimiento de los ciclones tropicales

El movimiento de los ciclones tropicales está principalmente controlado por la acción rectora de su entorno, es decir, por el efecto neto de los vientos de todos los demás sistemas atmosféricos cuyos efectos alteran el ciclón tropical. Como los ciclones tropicales abarcan muchos kilómetros en la vertical (los más intensos alcanzan la tropopausa), a la hora de calcular el flujo rector es preciso considerar los vientos a través de toda esta capa.

Si la acción rectora fuera el único aspecto importante, podríamos concebir los ciclones tropicales como meros corchos a la deriva en un río y todo sería muy fácil. Sin embargo, los ciclones tropicales no son tan sencillos: comprenden centenares de tormentas individuales, todas en distintas etapas de evolución y disipación, un todo consolidado por el campo de vientos de la tormenta. Dada la estructura compleja de los ciclones tropicales, debe haber otros factores que influyan en su movimiento.

Los giros β dependen únicamente del ciclón tropical y de la vorticidad terrestre (Coriolis), de modo que el ciclón tropical se desplaza por acción de los giros β, incluso en ausencia de un flujo rector. Típicamente, la propagación provocada por los giros β agrega entre 2 y 5 m s⁻¹ a la velocidad y se dirige hacia el polo y el oeste respecto de la tormenta. Por lo tanto, una tormenta ubicada en 20°N se propaga hacia el noroeste, mientras que una tormenta situada en 20°S se propaga hacia el sudoeste. Podemos utilizar la técnica de suma de vectores para separar el movimiento de un ciclón tropical producido por la acción rectora del componente de propagación atribuible a los giros β (fig. 9.61).

Dado que los giros β son el producto de la advección de distintos grados de vorticidad de fondo, si el entorno del ciclón tropical contiene gradientes de vorticidad relativa de una magnitud similar a β, habrá que incluirlos en los cálculos de propagación de la tormenta. No obstante, debido a que la vorticidad relativa generada por otros sistemas atmosféricos puede dar lugar a gradientes en cualquier dirección, no podemos conocer la dirección de propagación de antemano.

Otros factores también influyen en el movimiento de los ciclones tropicales, como la estructura e intensidad del sistema, la cizalladura vertical del viento ambiental y la presencia de otros sistemas atmosféricos. La estructura del ciclón tropical controla el tamaño y la intensidad de los giros β, de modo que la propagación de dos ciclones tropicales ubicados a la misma latitud, pero de estructura diferente, será distinta.

La intensidad del ciclón tropical está relacionada con la extensión vertical de la tormenta. Como la actividad tormentosa es más vigorosa en los ciclones tropicales más intensos, por lo general estas tormentas alcanzan mayores alturas que las tormentas más débiles. Esto significa que necesitamos calcular el flujo rector a través de una capa más profunda para un ciclón tropical intenso que para uno más débil (fig. 9.62).

La cizalladura vertical del viento puede alterar el movimiento, ya que el viento medio a través de la profundidad del ciclón tropical constituye el flujo rector. También puede afectar el movimiento de otra forma: si la cizalladura del viento es excesiva, el ciclón tropical se debilita y su estructura cambia.

Claramente los factores ambientales que determinan el movimiento están relacionados entre sí y con la intensidad del ciclón tropical. A continuación consideraremos brevemente los factores que influyen en la intensidad.

9.5 Predicción de ciclones tropicales »
9.5.1 Factores que afectan el movimiento y la intensidad »
9.5.1.2 Factores que producen cambios de intensidad en los ciclones tropicales

El entorno de la tormenta (cizalladura vertical del viento, temperatura del mar, humedad relativa, otros sistemas atmosféricos), así como su propia estructura e intensidad, determinarán la intensidad de la tormenta en el futuro. El aspecto que determina si una tormenta mantendrá su intensidad actual o se intensificará más es su capacidad de mantener la convección profunda alrededor del núcleo.

En resumen, los pronósticos de intensidad constituyen un problema mucho más complejo que los de trayectoria; de hecho, tales predicciones dependen en gran medida de la trayectoria, ya que de no acertar en la posición, el ciclón tropical estará sometido a los efectos de un entorno distinto. La intensidad de los ciclones tropicales depende fundamentalmente de los patrones de viento, temperatura y humedad en el núcleo de la tormenta y en el entorno cercano. En muchos casos, es extremadamente difícil medir estos patrones y asimilarlos en los modelos. Los cambios de intensidad también se rigen por procesos internos que aún no se comprenden plenamente, como los ciclos de sustitución de la pared del ojo. El cambio de intensidad es un problema que abarca varias escalas e implica interacciones complejas entre las tormentas del núcleo del ciclón tropical y su entorno, así como las interacciones aire-océano.

El movimiento y la intensidad no son los únicos factores importantes que necesitamos considerar para prever los impactos sociales del paso de un ciclón tropical. Si desconocemos la estructura del campo de vientos (es decir, dónde se hallan los vientos más intensos y hasta dónde se extienden los vientos peligrosos), no podemos asesorar a la población respecto de la mejor forma de reaccionar. La figura 9.65 muestra la enorme diferencia en el tamaño de dos huracanes, Floyd (1999) y Andrew (1992). Por ejemplo, la idea de que se aproxima una tormenta con vientos máximos de 40 m s⁻¹ puede causar temor y quizás algunos considerarían la posibilidad de irse de la zona. Pero sabiendo que se trata de una tormenta pequeña cuyos vientos apenas alcanzarán los 10 m s⁻¹ —el equivalente de una brisa fuerte— podrías quedarse más tranquilos. Por el contrario, al tomar conciencia de que se aproxima una tormenta muy grande que con toda probabilidad someterá a su hogar a vientos de intensidad de huracán, quizás decida refugiarse en un lugar seguro.

Ahora que contamos con información básica sobre la evolución de los ciclones tropicales, es hora de considerar diversas técnicas de pronóstico y algunos métodos para decidir cuáles producirán la mejor predicción en una situación dada, ya que ningún método individual puede dar siempre los mejores resultados.

9.5 Predicción de ciclones tropicales »
9.5.2 Aplicación de los modelos de predicción dinámicos a los ciclones tropicales

Modelos dinámicos simplificados de trayectoria: Modelos beta y advección (BAMD, BAMM, BAMS)

Los modelos «beta y advección» (Beta and Advection Model, BAM) son modelos de trayectoria simples que solo consideran la acción rectora y el efecto β para calcular el movimiento de los ciclones tropicales. En estos modelos, el ciclón tropical no puede cambiar, ni tampoco influir en su entorno de manera alguna.

El pronóstico de viento tridimensional generado por un modelo más complejo se promedia en la vertical para crear un campo de vientos bidimensional que constituye el flujo rector del ciclón tropical. Lo que distingue los modelos BAMD, BAMM y BAMS es el espesor de la capa a lo largo de la cual se calcula dicho flujo rector: profunda, mediana o somera. Esta es la única forma en que las variaciones en la vertical se incorporan en el pronóstico de movimiento del modelo BAM. La capa del flujo rector se escoge en función de la intensidad del ciclón tropical cuya trayectoria se va a pronosticar (vea la representación esquemática de la fig. 9.64).

Una ventaja de los modelos BAM es su rapidez. En el año 2008, los modelos BAM ya se ejecutaban casi instantáneamente, lo cual permite crear varios pronósticos del movimiento de un ciclón tropical con capas de acción rectora de distintas profundidades y varias posiciones de la tormenta, un aspecto este último que puede ser incierto, especialmente en el caso de sistemas débiles con ojos de estructura indeterminada. De este modo podemos determinar el grado de sensibilidad del pronóstico ante estos factores y hacernos una idea del potencial de error de trayectoria en esta situación (fig. 9.66). Por supuesto que nuestra comprensión del movimiento de la tormenta sufrirá debido a que no se han tomado en cuenta ni la evolución del ciclón tropical, ni los efectos de la estructura vertical.

Modelos globales dinámicos (trayectoria e intensidad): ECMWF, GFS, UKMET, NOGAPS

Los modelos dinámicos tridimensionales, que son más complicados, se pueden subdividir en dos clases: globales (mundiales) y regionales. En lugar de recurrir a una única, capa como los modelos BAM, estos modelos pueden incluir entre 25 y 90 niveles en la vertical.

Describiremos brevemente los modelos que se utilizan en el Centro Nacional de Huracanes (National Hurricane Center, NHC) en Miami, Florida (EE.UU.); los de uso más difundido se recogen en la tabla 9.3. Muchos de estos modelos dinámicos están a disposición de cualquier centro de pronóstico, con la excepción de los modelos regionales (de área limitada), que varían forzosamente de una región a otra. La tabla 9.4 presenta los modelos de área limitada operativos y sus regiones de aplicación.

Modelos dinámicos regionales (trayectoria e intensidad): GFDL, GFDN, HWRF

Para lograr la mayor resolución posible con las capacidades informáticas disponibles, los modelos de área limitada suelen incorporar múltiples niveles: la malla de área limitada más grande contiene varios «nidos» de resolución más fina. De esta forma el modelo puede simular la atmósfera lejos de la tormenta a una resolución más baja, para después aumentarla cerca del ciclón tropical y aumentarla incluso más cerca del núcleo de la tormenta. En las versiones operativas de los modelos GFDL y HWRF, el nido más interno tiene una resolución de 9,5 km, la cual se aproxima a la resolución necesaria para simular la pared del ojo de forma realista.

Gracias a esta mayor resolución, los modelos regionales manejan mejor las interacciones entre el ciclón tropical y su entorno, algo que puede producir pronósticos de trayectoria e intensidad más acertados a distancias temporales cortas (p. ej., figura 9.67, para huracán Katrina 2005).

Los modelos regionales han alcanzado una resolución lo suficientemente fina como para comenzar a simular el núcleo del huracán (fig. 9.68) y son capaces de predecir los cambios rápidos de intensidad. ¡Lástima que no lo hagan de forma confiable! En la actualidad, la habilidad de predicción de la intensidad de los modelos dinámicos regionales se está aproximando a la de los modelos estadísticos. Un factor limitante de los pronósticos dinámicos de intensidad es la falta de mediciones de viento, temperatura y humedad a través del núcleo y el entorno cercano, que hacen falta para inicializar correctamente el modelo. Sin tales observaciones, las condiciones iniciales del modelo son imperfectas y, por tanto, también lo son los pronósticos de intensidad que genera.

En resumen, los modelos dinámicos multinivel regionales y globales son los que demuestran mayor habilidad al pronosticar las trayectorias de los ciclones tropicales. Entre dichos modelos, por lo general el GFDL y el GFS han generado la mejor guía en los últimos años, pero los resultados de cada modelo varían considerablemente de un año a otro y entre una tormenta y otra. Aunque de vez en cuando es posible generar predicciones de trayectoria mejores que un modelo, los pronósticos de los modelos han mejorado considerablemente en los últimos años y es muy difícil «ganar» de forma continua. Los modelos dinámicos aún no pueden producir pronósticos de intensidad mejores que los modelos estadísticos. Si bien ni los modelos dinámicos ni los modelos estadísticos pueden captar de forma confiable los cambios rápidos de intensidad, los modelos dinámicos (especialmente el modelo GFDL acoplado) han demostrado un mayor grado de habilidad, aunque de forma intermitente.

Resumen técnico de los modelos de trayectoria e intensidad del Centro Nacional de Huracanes:
http://www.nhc.noaa.gov/modelsummary.shtml
Funcionamiento de los modelos de mesoescala (área limitada):
http://www.meted.ucar.edu/mesoprim/models_es/index.htm
Mejora en los pronósticos de intensidad de huracanes mediante el uso de modelos de alta resolución:
http://www.dtcenter.org/plots/hrh_test/HIRES_HFS_Test_Plan.pdf
Características de los actuales modelos de pronóstico dinámicos operativos:
https://sites.google.com/a/ucar.edu/model-encyclo-determ/
Visualizaciones de huracanes del modelo GFDL:
http://www.gfdl.noaa.gov/visualizations-hurricanes

9.5 Predicción de ciclones tropicales »
9.5.3 Modelos estadísticos de predicción

Los modelos estadísticos se basan en relaciones históricas que enlazan un producto de pronóstico de interés (movimiento o intensidad) con el comportamiento de las tormentas ocurridas en el pasado sobre la base de información específica de la tormenta (p. ej., posición de la tormenta, época del año, movimiento actual, intensidad y entorno). El aspecto más importante que hay que tener en mente acerca de los modelos estadísticos es que pronostican el comportamiento típico de los ciclones tropicales en situaciones similares y no son capaces de pronosticar situaciones atípicas, como la rápida intensificación o los cambios bruscos de trayectoria. Esta sección examina los modelos de trayectoria e intensidad con base estadística utilizados en el Centro Nacional de Huracanes.

Modelos estadísticos de trayectoria: CLIPER (CLImatología-PERsistencia)

Este es el único modelo estadístico empleado para pronosticar las trayectorias de los ciclones tropicales. CLIPER, que depende exclusivamente de la climatología derivada a partir de las tormentas ocurridas en el pasado y de la continuación de la trayectoria de la tormenta actual, desconoce por completo el estado actual de la atmósfera: simplemente reproduce la trayectoria típica que exhiben los ciclones tropicales que pasan por esta región durante esta época del año y con este rumbo inicial. Por eso la guía de CLIPER no debe utilizarse como pronóstico. Sin embargo, CLIPER sí tiene una aplicación práctica: se utiliza como línea de base para evaluar la habilidad de los modelos más complejos. Si un modelo de trayectoria no es más exacto que CLIPER, se considera inutilizable. Claramente, un modelo que no es capaz de generar un pronóstico mejor que una simple indicación de que «la trayectoria para mañana es un promedio de las trayectorias de los demás ciclones tropicales que estuvieron en esta posición en este día», tiene problemas.

Modelos estadísticos de intensidad

Ya vimos que los pronósticos de intensidad representan un reto y que los modelos dinámicos aún no exhiben un grado de habilidad confiable para pronosticar la intensidad de los ciclones tropicales; los modelos de pronóstico de intensidad más hábiles son los modelos estadísticos. Los modelos estadísticos simplemente predicen el comportamiento promedio de una tormenta en determinada situación. Esto significa que nuestros mejores modelos de intensidad solo pueden indicar qué constituye un comportamiento normal en un estado particular. Por eso resulta extremadamente difícil pronosticar los cambios de intensidad inusuales o extremos, como los que exhibió huracán Wilma (2005), que se ilustran en la figura 9.69. Los modelos estadísticos de pronóstico de intensidad empleados en el Centro Nacional de Huracanes se describen a continuación y se enumeran en la tabla 9.5.

SHIPS (Statistical Hurricane Intensity Prediction Scheme)

SHIPS es un modelo de intensidad estadístico-dinámico cuyos pronósticos se basan en relaciones estadísticas entre el comportamiento de los ciclones tropicales y ciertos predictores obtenidos de los pronósticos de un modelo dinámico.⁹⁸ SHIPS también incluye predictores satelitales, como la intensidad y simetría de la convección basadas en mediciones de imágenes satelitales infrarrojas y el contenido de calor del océano superior, determinado a partir de las observaciones de altimetría satelital. Como además de los datos de climatología y persistencia SHIPS incluye información sobre el estado actual de la atmósfera, típicamente presenta un error medio de intensidad un 10 al 15 % menor que el modelo SHIFOR5 (tabla 9.5, a continuación).

SHIPS emplea una técnica de regresión lineal múltiple para combinar la información de los predictores en un pronóstico de intensidad. El modelo SHIPS fue desarrollado sobre la base del conjunto de los ciclones tropicales ocurridos en el océano abierto entre 1982 y el presente; las ecuaciones de regresión se derivan todos los años para incluir en el modelo los ciclones de la temporada anterior. Esto significa que la ponderación (y, por tanto, la importancia para el pronóstico) de los predictores puede cambiar de un año a otro. SHIPS incluye los siguientes predictores:

Los predictores estadísticamente más significativos (en 2008) para un pronóstico de intensidad que demuestre habilidad son:

Históricamente, los resultados del modelo SHIPS han superado los de la mayoría de los modelos dinámicos, incluidos los del GFS, el modelo que genera los predictores dinámicos para el mismo SHIPS.

La inclusión de información de los modelos dinámicos en los modelos estadísticos puede aumentar su habilidad en comparación con los pronósticos de ciclones tropicales basados exclusivamente en la información actual. ¿Qué impacto podrían tener otros enfoques, como la técnicas de predicción por conjuntos, en los pronósticos de ciclones tropicales? Estudiaremos esos métodos en la próxima sección.

9.5 Predicción de ciclones tropicales »
9.5.4 Aplicación de técnicas de predicción por conjuntos y consenso

9.5 Predicción de ciclones tropicales »
9.5.4 Aplicación de técnicas de predicción por conjuntos y consenso »
9.5.4.1 Predicciones por conjuntos de modelo único

Como sugiere el nombre, los miembros de un conjunto de modelo único emplean el mismo modelo y la misma hora de inicio, pero a partir de condiciones iniciales ligeramente distintas. En términos generales, se trata de maximizar la dispersión de las distintas predicciones a cierta distancia de la hora de pronóstico para asegurar que la predicción incluya la evolución real (observada posteriormente) del ciclón tropical. Sin embargo, a menudo la resolución utilizada en los ciclos de ejecución del conjunto es más baja que la de la versión determinista del modelo. Tal cambio de resolución puede introducir diferencias en el pronóstico que no están directamente relacionadas con los cambios en las condiciones iniciales.

Los apartados siguientes presentan un resumen de los sistemas de predicción por conjuntos de uso difundido para pronosticar los ciclones tropicales.

GEFS (Global Ensemble Forecast System), el sistema global de predicción por conjuntos del Servicio Nacional de Meteorología (NWS) de EE.UU.

Los ciclos de ejecución del modelo GEFS, que se basa en el modelo GFS, comprenden el GFS a baja resolución (distancia horizontal de ~100 km entre puntos de la malla con 28 niveles verticales) como control y 20 miembros del conjunto con la misma resolución. GEFS produce pronósticos a hasta 16 días, cuatro veces al día. Una técnica de reposicionamiento del vórtice del ciclón tropical asegura que la posición de la tormenta sea idéntica en las condiciones iniciales de cada miembro del conjunto.

CEFS (Canadian Ensemble Forecast System), el sistema canadiense de predicción por conjuntos del Servicio Meteorológico de Canadá (Meteorological Service of Canada, MSC)

ECMWF EPS, el sistema de predicción por conjuntos del Centro Europeo de Predicción Meteorológica a Plazo Medio (CEPPM/ECMWF)

El modelo ECMWF EPS cuenta con una resolución horizontal equivalente a aproximadamente 40 km y 62 niveles verticales. Los 51 miembros del conjunto y 25 «vectores singulares»⁹⁹ se preparan para generar las condiciones iniciales de 50 pronósticos perturbados; el pronóstico determinista de control es el último miembro del conjunto. Los «vectores singulares» son medidas de las diferencias en el pronóstico que aumentarán con mayor rapidez con el tiempo.¹⁰⁰ El modelo determina la estructura de incertidumbre de la condición inicial relacionada con estos vectores de rápido crecimiento. Para incluir los efectos de los procesos diabáticos en la región de un ciclón tropical, en el año 2002 se incorporaron vectores singulares húmedos «tropicales»¹⁰¹ en el modelo. Los vectores singulares tropicales se calculan en áreas particulares centradas en un ciclón tropical que ha alcanzado por lo menos la intensidad de tormenta tropical.

JMA TEM (Typhoon Ensemble Model), el modelo de predicción de tifones por conjuntos de la Agencia Meteorológica de Japón

El objetivo del modelo de predicción de tifones por conjuntos es generar predicciones de trayectoria acertadas. Este modelo global emplea una distancia horizontal aproximada de 60 km entre puntos de la malla y 60 niveles verticales; los pronósticos a cinco días se ejecutan cuatro veces al día. El conjunto comprende 11 miembros. Las perturbaciones se derivan mediante la técnica de vector singular, que se aplica al análisis del modelo JMA global para generar las condiciones iniciales de los 11 miembros del conjunto.

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

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.

Modelos de consenso disponibles en el NHC

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:

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).

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.

¿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.

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

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).

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.

9.6 Verificación y validación de pronósticos

Para utilizar la guía del modelo de forma eficaz en la preparación de un pronóstico, es preciso identificar cuándo y por qué un buen modelo puede equivocarse.

¿Se ha convencido de que los modelos no son perfectos? Muy bien, pero para formular el mejor pronóstico posible necesitamos decidir cuál de los modelos es el mejor o al menos uno de los mejores. Por eso verificamos los pronósticos (es decir, cuando sepamos la respuesta, nos aseguramos de que el modelo haya generado resultados correctos) y validamos su utilidad (evaluamos la exactitud del pronóstico después del evento). Ciertos modelos demuestran habilidad en determinados tipos de situaciones, como la intensificación paulatina de un tormenta o una trayectoria recta, pero no en otros, por ejemplo, durante períodos de rápida intensificación durante la fase de recurvatura. Es importante estar conscientes de estas sutilezas para producir pronósticos hábiles.

9.6 Verificación y validación de pronósticos »
9.6.1 Enfoques tradicionales y nuevos métodos de verificación de pronósticos de ciclones tropicales

La verificación de los pronósticos de ciclones tropicales tiene dos facetas:

En el pasado, las verificaciones del pronóstico operativo se limitaban a las predicciones de trayectoria e intensidad. Los errores simples de diferencia que ocurren entre las predicciones y las observaciones para el plazo de pronóstico elegido se pueden resumir para cada tormenta individual o para una serie de temporadas (como en la figura 9.78). Esto presenta un resumen visual de los errores de pronóstico con el tiempo. Esa información se presenta también en la tabla 9.6.

La tabla 9.6 muestra que durante el período de 1990-1991 a 2007-2008, los errores de posición de ciclones tropicales del análisis del modelo disminuyeron de casi 50 km a aproximadamente 30 km y los errores de pronóstico de trayectoria a 48 horas disminuyeron en un 60 %. La habilidad varía de una temporada a otra, quizás porque en algunas temporadas el movimiento de los ciclones tropicales fuera menos predictible o debido a cambios ocurridos en los productos de pronóstico o los sistemas de observación.

Por lo general, los métodos de verificación de pronóstico más complejos se reservan para los modelos de pronóstico. Dichos métodos han evolucionado rápidamente. En el transcurso de la última década, la verificación de los pronósticos numéricos de ciclones tropicales ha pasado de la mera distribución de trayectoria, intensidad y precipitación (usando métodos de verificación de distribución espacial, multicategoría o basados en entidades) a técnicas más complejas que brindan información cuantitativa sobre la habilidad del modelo.

La disponibilidad de predicciones por conjuntos suple la necesidad de medidas de verificación oportunas con una base estadística. A continuación estudiaremos algunos enfoques nuevos.

Verificaciones de modelos del CNH:
http://www.nhc.noaa.gov/verificación/verify6.shtml
Ejemplo de los boletines del NHC para la temporada de huracanes de 2011:
http://www.nhc.noaa.gov/archive/2011/index.shtml
Ejemplo de informe de ciclón tropical de la Oficina Australiana de Meteorología (BOM):
http://www.bom.gov.au/cyclone/history/index.shtml

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones

Existen varios tipos de pronósticos de ciclones tropicales —probabilidad de formación, evolución de la trayectoria e intensidad, bandas de viento y lluvia, y alertas y vigilancias— y los productos de pronóstico correspondientes se presentan de varias formas (tabla 9.7) y para distintos dominios (tabla 9.8). Debido a la variedad de productos de pronóstico, cada tipo se evalúa con métodos de verificación distintos^{106,107,108,109} que fueron desarrollados por grupos de trabajo internacionales organizados por el Programa Mundial de Investigación Meteorológica y el Programa Mundial de Investigaciones Climáticas de la OMM.¹¹⁰

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.1 Verificación visual («a ojo») de las predicciones

La forma más rápida de evaluar la habilidad general de un pronóstico consiste en realizar un análisis visual. Una mirada a estos pronósticos de lluvia (fig. 9.79) es suficiente para hacerse una idea de la relativa habilidad de los dos pronósticos de distribución de las lluvias del huracán Fran (1996). En este caso, el modelo GFDL demuestra un mayor grado de habilidad que R-CLIPER.

Si bien la verificación visual es un buen punto de partida para una rápida comprobación empírica, el uso exclusivo de este método resulta inadecuado, ya que: (i) lleva tiempo, (ii) es susceptible de sesgos de interpretación por parte del observador y (iii) no es una medida cuantitativa de la habilidad. Sin medidas cuantitativas de verificación adicionales, resulta difícil determinar los méritos relativos de cualquier procedimiento de pronóstico dado un conjunto grande de casos.

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.2 Verificación de predicciones dicotómicas (sí/no)

Los pronósticos dicotómicos brindan una respuesta afirmativa o negativa clara a esta pregunta: ¿Ocurrirá este evento? Los pronósticos de génesis y llegada a tierra son ejemplos de predicciones dicotómicas: la tormenta se forma o no se forma; toca tierra o no. Hay cuatro posibles combinaciones de observaciones (sí o no) y predicciones (sí o no) para cualquier pronóstico (tabla 9.9). Estas posibilidades constituyen la distribución conjunta del problema de pronóstico.

La frecuencia de cada uno de estos resultados se puede resumir fácilmente en una tabla de contingencias (tabla 9.10), que es una forma útil de ver los tipos de errores que se están cometiendo.

Un sistema de pronóstico perfecto solo produce aciertos y negativos correctos, nunca errores o falsas alarmas.

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.3 Verificación de predicciones multicategoría

Una predicción multicategoría es una predicción dicotómica con más de dos opciones. En lugar de tomar una decisión afirmativa o negativa, se decide a qué categoría pertenece cada observación y predicción.

Los pronósticos de intensidad son ejemplos de predicciones multicategoría: el número total de períodos en que el conjunto de ciclones tropicales está constituido por tormentas tropicales, huracanes y huracanes mayores se puede comparar en términos de observaciones y pronósticos. Esto genera un sistema de tres categorías, que es el sistema multicategoría más sencillo posible para nuestro ejemplo.

La verificación de una predicción multicategoría comienza con una tabla de contingencias en la cual se comparan la frecuencia de los pronósticos y las observaciones de las distintas categorías. Por ejemplo, una predicción multicategoría podrí abarcar las categorías de ciclones tropicales, los rangos de intensidad de lluvia (p. ej., niveles de intensidad de lluvia en mm por día) y la frecuencia de las tormentas (p. ej., de temporada activa, neutral o inactiva).

La tabla 9.11 es una tabla de contingencias multicategoría para un conjunto ficticio de pronósticos de intensidad de ciclones tropicales. Las cifras representan la cantidad de veces que se observó o pronosticó una tormenta con nombre de cada categoría de intensidad.

Dados pronósticos perfectos, las únicas celdas que contendrían valores distintos de cero serían las que forman la diagonal de la esquina superior izquierda a la esquina inferior derecha. Las celdas fuera de esa diagonal brindan información sobre la naturaleza específica de los errores de pronóstico. La comparación de la última fila con la columna derecha de la tabla permite evaluar si los pronósticos producen la distribución correcta de frecuencias por categoría. Por ejemplo, la tabla 9.11 muestra que la frecuencia de predicción de los huracanes mayores es mucho mayor que la frecuencia con que se observan.

La información de la tabla 9.11 se representa gráficamente en la figura 9.80. Cada conjunto de tres columnas corresponde a la frecuencia con que se verificó que las categorías de pronóstico coincidían con la categoría de ciclón tropical observada, que se indica a lo largo del eje horizontal. Por ejemplo, el primer grupo de tres columnas muestra todos los ciclones tropicales que según las observaciones eran huracanes mayores, pero de todos ellos solamente 180 se pronosticaron como huracanes mayores, mientras que 50 fueron pronosticados como huracanes y los 20 restantes como tormentas tropicales.

La ventaja del enfoque multicategoría es que permite diagnosticar de forma más inmediata la naturaleza de los errores de pronóstico. La desventaja es que al conservar una mayor cantidad de información se vuelve más difícil condensar los resultados en un solo número. Sin embargo, podemos asignar «sí» a la «categoría 1» y «no» a la «categoría 2» para convertir la verificación de cualquier predicción multicategoría en una serie de verificaciones dicotómicas. En nuestro ejemplo, podría responder a la pregunta siguiente: «Es la tormenta (observada/pronosticada) un huracán mayor o no?».

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.4 Verificación de pronósticos de datos de distribución espacial

El ejemplo del pronóstico de precipitación para el huracán Fran (1996; fig. 9.79) que vimos antes contiene mucha información que no se puede obtener con una simple inspección visual, pero de reducir estas imágenes a un solo número, o incluso a varios, se pierde mucha información útil. Sí, nos importa saber si va a llover o no, pero también nos interesan la intensidad de la lluvia, el área y la distribución de las lluvias fuertes, y el lugar donde se producirán dichas lluvias. Por lo tanto, en este ejemplo podrían surgir errores en relación con (i) una tasa de lluvia demasiado alta o baja, (ii) un área de lluvias demasiado grande o pequeña o incorrectamente distribuida o (iii) la velocidad de movimiento de la tormenta. Aunque podemos reducir las primeras dos preguntas (si va a llover y cuánto) a pruebas dicotómicas o multicategoría, esto no es tan sencillo para el ámbito espacial y la posición de las lluvias.

Para nuestro ejemplo de pronóstico de lluvia, un posible método de verificación espacial se basa en la verificación de entidades¹¹⁴ (fig. 9.81). Este método de verificación contempla las preguntas siguientes: «¿Cuál es el error de pronóstico de la posición (distribución espacial)?» y «Cómo se subdivide el error total en componentes de posición, volumen y estructura de escala fina incorrectos?»

Este método orientado a objetos verifica las propiedades de los pronósticos espaciales de entidades, donde una entidad es cualquier elemento que se pueda definir por medio de una curva cerrada. Podemos citar como ejemplos de entidades las zonas contiguas de lluvia o nubosidad, los centros de bajas presiones y los vientos máximos. Para cada entidad en el pronóstico y las observaciones, la verificación orientada a objetos aplica técnicas de reconocimiento de patrones para descomponer el error total en un error de posición y errores de área, intensidad media y máxima y distribución espacial.

Una vez identificadas las entidades observadas y pronosticadas, también se pueden aplicar métodos de verificación multicategoría. Por ejemplo, cada entidad se puede clasificar en términos de «aciertos», «no aciertos», etc., según la proximidad entre el pronóstico y la posición observada, o la concordancia entre la intensidad máxima observada y pronosticada.

Podemos invocar varios umbrales para evaluar una gama de posibles umbrales de decisión de un sistema de pronóstico determinista, como una serie de umbrales de intensidad o de intervalos espaciales (por ejemplo, los eventos pronosticados a 10, 20 o 30 km del lugar de la verificación). Un enfoque de este tipo, con varios umbrales, produce una comparación más equitativa frente a los sistemas de predicción por conjuntos y otros pronósticos probabilísticos.

Consideremos una vez más la figura 9.79, es decir, el ejemplo de pronóstico de precipitación para el huracán Fran (1996). En lugar de considerar la distribución de las lluvias respecto de la tormenta, podríamos preguntar cuánta lluvia depositará huracán Fran en un determinado lugar, con lo cual fijamos en un punto discreto la posición de la lluvia a verificar. Observe que aún nos interesa averiguar las fuentes del error de pronóstico, pero nos importa saber cómo estos errores afectan un lugar o una región particular, no el sistema meteorológico en sí. Otra manera de validar los datos de distribución espacial consiste en buscar la respuesta a esta pregunta: ¿A qué escalas espaciales se asemeja el pronóstico a las observaciones?

Para dar respuesta a esta interrogante, podemos descomponer un campo distribuido en el espacio (p. ej., lluvias o velocidades del viento) en valores de umbral y después probar dichos valores de umbral en los lugares donde contamos con datos de verificación. El cálculo de un índice de habilidad en cada lugar sobre la base de la concordancia de valores de umbral brinda una medida de habilidad cuantitativa distribuida en el espacio. El índice de habilidad de Brier^b se usa ampliamente para los pronósticos de distribución espacial.

La prueba más estricta es una verificación de la habilidad punto por punto, pero si calculamos el índice de habilidad sobre áreas cada vez más grandes, la prueba se vuelve menos onerosa y el índice debería mejorar.

Otro posible índice, el índice de habilidad por fracciones (Fractions Skill Score, FSS),¹¹⁵ se evalúa para áreas cada vez más grandes. El índice va de 0 (falta total de correspondencia) a 1 (coincidencia perfecta). Cuando no se pronostica ningún evento y ocurre alguno, o si no ocurre ningún evento cuando se ha pronosticado alguno, el índice FSS es cero.

Conforme aumenta el tamaño de las áreas empleadas para calcular las fracciones, el valor del índice alcanza una asíntota que depende de la razón entre las frecuencias pronosticada y observada del evento. Cuanto más el valor asintótico se acerque a 1, tanto menor será el sesgo del pronóstico. El índice es más sensible a los eventos poco comunes (o a áreas pequeñas), por lo que puede resultar particularmente útil para identificar las faltas de correspondencia entre las observaciones y los pronósticos numéricos de los campos de viento de los ciclones tropicales.

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.5 Métodos de pronósticos probabilísticos

Un pronóstico probabilístico indica la probabilidad p de que ocurra un evento, donde p se expresa como una fracción (0 ≤ p ≤ 1) o como un porcentaje (0 ≤ p ≤ 100 %) de probabilidad. Un sistema exacto de pronóstico de probabilidades tiene las características siguientes:

Además del índice de habilidad de Brier y de otros índices similares que comparan los valores pronosticados y observados de las variables elegidas, existe otra clase de índices de habilidad que resulta útil. Se trata de índices de probabilidades clasificadas que nos informan acerca de la habilidad del pronóstico para predecir la categoría a la cual corresponde la observación que se verifica. La intensidad de los ciclones tropicales y las tasas de lluvia son algunos ejemplos de categorías que podríamos considerar.

Índice de probabilidades clasificadas (Ranked Probability Score)

Para un conjunto de pronósticos probabilísticos pertenecientes a ciertas categorías, el índice de probabilidades clasificadas RPS se calcula como

                                    (18)

donde M es el número de categorías de pronóstico, p_k es la probabilidad prevista de que ocurra un evento en la categoría k y o_k es un indicador binario de la categoría en la cual ocurrió el evento [o_k = 0 para una falsa alarma en esa categoría y o_k = 1 un pronóstico acertado]. Consideremos un ejemplo que ilustra el índice RPS.

El índice de habilidad de probabilidades clasificadas (Ranked Probability Skill Score, RPSS) mide la mejora relativa del pronóstico respecto de la climatología. Una ventaja del RPSS es que toma en cuenta la distribución climatológica de los eventos entre categorías. Aunque también podrían utilizarse otros pronósticos de referencia, como CLIPER, en ese caso la verificación de frecuencias entre las categorías se realizaría respecto de dichas referencias y no de la climatología observada.

Existen muchas otras medidas de la eficacia de los pronósticos probabilísticos. Nuestra discusión se ha limitado a presentar algunos de los varios enfoques posibles.

9.6 Verificación y validación de pronósticos »
9.6.2 Métodos generales de verificación de las predicciones »
9.6.2.6 Métodos de verificación de las predicciones por conjuntos

Como mencionamos en la sección 9.4.5,sección 9.4.5, los conjuntos comprenden varias versiones de un solo modelo dinámico o varios modelos dinámicos distintos. El pronóstico de un conjunto capta la incertidumbre del pronóstico y presenta una serie de posibles resultados.

También se pueden implementar muchos métodos para evaluar los pronósticos de probabilidad a fin de evaluar las predicciones por conjuntos, donde la dispersión de los miembros del conjunto indica una probabilidad. Sin embargo, como los conjuntos brindan información sobre el rango de posibles resultados a partir de una serie particular de condiciones iniciales, también podemos aplicar otras medidas de habilidad a los conjuntos. Aunque en este contexto consideraremos solo algunas de ellas, esperamos que profundice en el tema, acudiendo a las referencias citadas o a los recursos cuyos enlaces se proporcionan.

• Histograma de rangos
  El histograma de rangos, que también se conoce como diagrama de Talagrand,^116,117 es un método visual de verificación cuantitativa y multicategoría (fig. 9.82) empleado para evaluar la medida en que la dispersión de los miembros del conjunto de pronóstico representa la variabilidad (incertidumbre) real de las observaciones.

Si la dispersión de un conjunto es perfecta, una observación tiene la misma probabilidad de caer entre cualquier pareja de elementos del conjunto, ya que cada miembro del conjunto representa un escenario de igual probabilidad. Por lo tanto, podemos evaluar el éxito de la dispersión del conjunto con solo fijarnos en la forma del diagrama. Si el histograma:

Verificación de pronósticos de eventos raros y extremos

Como estamos interesados en verificar las predicciones por conjuntos de los ciclones tropicales, repasaremos brevemente dos métodos para verificar las predicciones por conjuntos de eventos raros y extremos.

• Límite determinista
  El límite determinista¹¹⁸ es el momento en el pronóstico cuando la suma de los errores y las falsas alarmas en las predicciones de un conjunto equivale al número de aciertos de un sistema meteorológico dado. Dicho límite mide el plazo hasta el momento en que el pronóstico tiene mayores probabilidades de ser acertado que de no serlo (fig. 9.83). Aunque esto no parece muy emocionante, puede ayudarnos a decidir el peso que conviene dar a ese pronóstico y, posiblemente, que conviene pasar de la guía determinista a la guía probabilística.

Este enunciado es un ejemplo del uso de un límite determinista: el límite determinista de los pronósticos de intensidad de los ciclones tropicales del modelo ABC es de 24 horas.

• Índice de dependencia extrema
  El índice de dependencia extrema (Extreme Dependency Score, EDS) mide la confiabilidad con que un modelo pronostica un sistema meteorológico específico, como un ciclón tropical. El EDS¹¹⁹ es una medida de la habilidad de predicción de los eventos raros que se han observado. El índice oscila entre −1 y 1, siendo EDS = 1 un resultado perfecto.

Herramientas de evaluación (Model Evaluation Tools, MET) del modelo WRF:
http://www.dtcenter.org/met/users/index.php
Retos estadísticos para la verificación de pronósticos de eventos meteorológicos extremos:
http://www.cawcr.gov.au/projects/verification/Casati/statxtr.htm

9.6 Verificación y validación de pronósticos »
9.6.3 Resumen: Ventajas y debilidades de los actuales modelos de pronóstico de ciclones tropicales

Los resultados de los métodos de verificación actualmente en uso nos permiten hacer algunos comentarios generales sobre la habilidad de la actual generación de modelos de pronóstico.

Aunque de vez en cuando un pronosticador humano demuestra cierta habilidad en comparación con los modelos de pronóstico operativos, el rendimiento de los modelos ha mejorado considerablemente con los años, hasta el punto que se nos ha vuelto muy difícil generar coherentemente mejores pronósticos que los modelos, por lo menos en lo referente a los pronósticos de trayectoria.

Los pronósticos de intensidad son mucho más complejos que los de trayectoria. En primer lugar, los pronósticos de intensidad dependen en cierta medida de los de trayectoria (p. ej., para obtener interacciones con otros sistemas atmosféricos e información sobre la temperatura del mar). Además, la intensidad depende de los detalles de la estructura del núcleo del ciclón tropical, como la distribución de la convección profunda y otros procesos internos de la tormenta. Por tanto, los modelos dinámicos de pronóstico aún exhiben escasa habilidad para predecir los cambios de intensidad en los ciclones tropicales.

Los modelos estadísticos de intensidad de ciclones tropicales están comenzando a brindar una guía útil, pero debido a que se elaboran sobre la base de información histórica de tormentas, su habilidad queda limitada a la evolución de los ciclones tropicales de intensidad «típica». Ningún modelo pronostica bien los eventos tales como los cambios rápidos de intensidad, independientemente de que se trate de un modelo estadístico o dinámico. Los actuales modelos estadísticos de cambios rápidos de intensidad se basan en un conjunto de tormentas muy pequeño, lo cual limita el rango de posibles cambios de intensidad que soporta el modelo estadístico.

Los sistemas de pronóstico de consenso permiten cierto grado de optimismo de que la exactitud de los pronósticos mejore. Los sistemas de predicción por conjuntos están comenzando a enfrentarse directamente al problema de pronóstico de los ciclones tropicales^101,120 centrando la atención en dichos sistemas durante el desarrollo de las perturbaciones del conjunto,⁸⁰ en lugar de generar las perturbaciones como parte de un problema de pronóstico más amplio. Dichos sistemas podrían producir mejores pronósticos, no solo de las trayectorias y la intensidad de los ciclones tropicales, sino también de las distribuciones del viento y de la lluvia y de la evolución de la estructura de las tormentas. El pronóstico de los ciclones tropicales durante la transición extratropical¹²¹ (sección 8.5sección 8.5) y los efectos de dichos sistemas en la circulación de latitudes medias^122,123 es otro problema crítico que se está estudiando con estos modelos por conjuntos diseñados en torno a problemas específicos.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.1 Descripción general del monzón del norte de Australia

Por el Dr. Mick Pope, Oficina Australiana de Meteorología (Australian Bureau of Meteorology, BoM)

El monzón es la inversión estacional en la circulación atmosférica tropical y subtropical y el régimen de precipitación asociado,¹²⁴ que produce dos fases marcadas, una húmeda y otra seca (fig. 9E1.1).¹²⁵ Los cambios en las circulaciones atmosféricas son producto de ciertas inversiones en los gradientes de temperatura entre las regiones continentales y los océanos contiguos. En muchos casos esto ocurre en concierto con la migración estacional de la célula de Hadley y la vaguada monzónica o ZCIT con ella asociada. No obstante, en el caso de los monzones americanos (fig. 9E1.1, paneles de la izquierda) no se ha identificado una inversión estacional de los vientos.¹²⁵ Las regiones ecuatoriales pasan por dos estaciones lluviosas y el régimen de los alisios junta la humedad sobre los océanos tropicales cálidos. En lugares como Australia y la India, se registran temporadas de lluvia cuando el flujo a través del ecuador pasa a ser del oeste (fig. 9E1.1, paneles de la derecha). Los correspondientes alisios del este son secos y se caracterizan por una inversión en niveles bajos que atrapa la convección profunda.

En esta sección especial examinaremos el monzón de Australia e Indonesia como caso de estudio de la dinámica del monzón, prestando particular atención a las diferencias entre las varias fases intraestacionales.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.1 Descripción general del monzón del norte de Australia »
9E1.1.1 El ciclo estacional

Al igual que el monzón de la India,¹²⁶ el monzón de Australia e Indonesia exhibe una variación intraestacional que comprende una fase activa y otra de inactividad que se caracterizan por un régimen de precipitaciones generalizadas y precipitaciones aisladas, respectivamente (fig. 9E1.2).

El monzón del norte de Australia forma parte del monzón mundial impulsado por la célula de Hadley. El calentamiento generado por la condensación engendra movimientos ascendentes en las torres calientes que producen bajas presiones cerca de la superficie en las regiones tropicales y, en consecuencia, un gradiente de presión a través del ecuador respecto de las latitudes medias del hemisferio de invierno. La columna de calentamiento en la torre caliente también produce un gradiente de presión inverso mucho más intenso en la troposfera superior que estimula el flujo de retorno hacia el hemisferio de invierno en altura.¹²⁷ Los estudios de modelización muestran que la respuesta al calentamiento troposférico es más intensa cuando el calentamiento ocurre lejos del ecuador.¹²⁸ A esto se superpone el contraste térmico tierra-mar que se desarrolla durante la primavera austral.¹²⁵ La depresión térmica que a menudo se forma sobre la región de Pilbara provoca un flujo poco profundo del oeste sobre el norte de Australia que humedece y preacondiciona el entorno para la convección profunda (fig. 9E1.3). Este período de preacondicionamiento y convección aislada poco profunda se conoce como período de intensificación. Hay también un forzamiento provocado por la migración estacional de las temperaturas máximas de la superficie del mar.¹²⁹

Animación de la p.n.m. y la vorticidad en 900 hPa entre el 1 de dic. de 2005 y el 28 de abr. de 2006

Una porción considerable de la lluvia ocurre fuera del período de vientos del oeste. ¿Qué sistemas atmosféricos pueden ser responsables de estas condiciones? Contestaremos esta pregunta en una sección posterior.

El ciclo estacional se puede también considerar en términos de la CAPE, un indicador de la intensidad de las corrientes convectivas ascendentes. En promedio, las corrientes ascendentes más enérgicas se registran entre noviembre y enero. La figura 9E1.4 muestra los valores mensuales de CAPE, inhibición convectiva (CIN) y número días de CAPE cero correspondientes al sondeo de Darwin de las 2300 UTC. El nivel de la CAPE casi se duplica durante el final de la temporada seca (septiembre a noviembre) y se observa una rápida disminución del número días de CAPE cero. Es probable que el aumento en la CIN que se produce durante este período sea un artefacto de la gran cantidad de días de CAPE cero entre septiembre y octubre. El número de días de CAPE cero alcanza un mínimo durante el pico del monzón, que ocurre en febrero, aunque este no es el momento de máxima CAPE media mensual.

Circulación mundial con vector viento

Boletín semanal sobre la variabilidad tropical:
http://www.bom.gov.au/climate/tropnote/tropnote.shtml

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.1 TWP-ICE

El monzón del norte de Australia exhibe un grado considerable de variabilidad intraestacional. La figura 9E1.5 muestra el promedio zonal de lluvia acumulada para los meses de enero y febrero de 2006 registrado durante el experimento internacional de nubes en las aguas cálidas tropicales (Tropical Warm Pool – International Cloud Experiment, TWP-ICE).¹³¹ El período activo del monzón estuvo marcado por vientos zonales profundos del oeste sobre Darwin; luego, un intenso sistema convectivo de mesoescala (SCM) que atravesó la zona entre el 23 y el 26 de enero descargó un promedio de 45 mm de lluvia por día. El período que comienza el 6 de febrero se conoce como fase o período de interrupción del monzón, y se caracteriza por profundos vientos troposféricos del este, que en este caso generaron un promedio de aproximadamente 8 mm de lluvia por día en la zona.

El monzón del norte de Australia se caracteriza por un período activo y otro de interrupción.^132,133,134 Durante los períodos de actividad de la OMJ (que no ocurren todos los veranos) se produce una fuerte sincronización entre el ciclo de actividad e inactividad y la OMJ.^135,136 De forma análoga, las mayores probabilidades de lluvia en el quintil superior se observan durante la fase activa de la OMJ. Se observan otros efectos del monzón en Darwin, como vaguadas en altura¹³⁷ y ondas de Rossby atrapadas en el ecuadorondas de Rossby atrapadas en el ecuador.¹³⁸

Durante el experimento TWP-ICE se observó el fenómeno poco común de un período suprimido con relativamente poca lluvia acompañado por tres días de condiciones despejadas sin lluvia sobre Darwin. En las secciones siguientes estudiaremos estos tres regímenes monzónicos más en detalle.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.2 El monzón activo

Animación de imágenes IR realzadas del período de fase activa del monzón

El período activo del monzón está asociado con convección tropical profunda generalizada, algo que se nota en forma de nubes frías en la imagen IR (fig. 9E1.6a). Cabe notar que algunas de las nubes frías en esta imagen pueden ser cirros, ya que en el infrarrojo no se pueden distinguir los cirros fríos de la convección que causa precipitación (capítulo 2, sección 2.5.2capítulo 2, sección 2.5.2). El patrón sinóptico asociado es una depresión profunda sobre la región de Kimberley que dirige los vientos del oeste y el noroeste hacia el noroeste del continente australiano y las aguas contiguas. La máxima de vorticidad ciclónica con orientación este-oeste indica la posición de la vaguada monzónica. Del lado del ecuador de la vaguada monzónica, la convergencia del flujo en la depresión engendra la nubosidad y el perfil de movimiento vertical observados (fig. 9E1.6a,c). El sondeo muestra un perfil típico para el período activo del monzón, con una pequeña depresión del punto de rocío a través de la troposfera y un gradiente térmico vertical cercano al gradiente adiabático saturado. La CAPE suele ser pequeña durante el período activo del monzón. El perfil del viento muestra vientos del oeste hasta cerca del nivel de 400 hPa y vientos del este en los niveles superiores. Drosdowsky (1984)¹³⁹ definió el período activo del monzón en términos del perfil del viento: viento zonal medio del oeste hasta 500 hPa y viento zonal medio del este más allá de 300 hPa.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.3 La fase de interrupción del monzón

En contraste con el período activo, durante la fase de interrupción del monzón la activación de la brisa marina provoca condiciones de nubes más dispersas (fig. 9E1.7), a menudo en zonas costeras, que se propagan hacia el oeste. El mapa de presión al nivel del mar y vorticidad muestra que la vaguada monzónica se halla al norte de Darwin y se extiende desde el mar de Arafura hasta el mar de Coral. Hay una región de vorticidad ciclónica junto a la costa occidental de Australia que se extiende hasta una depresión térmica.

¿Qué diferencias observa entre el sondeo del período de interrupción del monzón (9E1.7c) y el de la fase activa del monzón? (Escriba su respuesta en el campo siguiente.)

Fig. 9E1.7. (a) Imagen satelital IR tomada a las 0230 UTC (1700 HSL); (b) análisis de p.n.m. y vorticidad en 900 hPa del modelo de la Oficina Australiana de Meteorología para las 0000 UTC del 7 de febrero de 2006 y (c) sondeo en Darwin de las 2300 UTC del 6 de febrero de 2006, correspondiente a una fase de interrupción del monzón. (d) Ejemplo de imágenes radar de convección durante la fase de interrupción.
Animación de imágenes IR realzadas de la fase de interrupción del monzón

Explicación

Las principales estructuras del sondeo son los vientos del este a través de casi toda la troposfera, en contraste con los vientos del oeste que vimos para el período activo del monzón. La capa de vientos del oeste poco profunda cerca de la superficie es producto de la depresión térmica. El patrón en zigzag del perfil de punto de rocío indica que hay aire seco en los niveles medios, una condición que a veces se conoce como cuña o franja seca.

Examine la imagen satelital de la fig. 9E1.7: ¿dónde cree que se formará un frente de brisa marina sobre el norte de Australia? (Escriba su respuesta en el campo siguiente.)

Explicación

En la imagen satelital, ¿dónde cree que se formará un frente de brisa marina?

Fig. 9E1.8. (a) Imagen satelital IR y (b) imagen de reflectividad radar (derecha) para un período de interrupción del monzón. Imágenes de reflectividad radar antes (c) y después (d) de que la convección que se propaga hacia el oeste encuentre la brisa marina.

Secuencia de imágenes de reflectividad radar de la convección profunda iniciada por la brisa marina

La convección suele ocurrir a lo largo del borde de avance de los frentes de brisa marina,¹⁴⁰ donde el aire caliente y húmedo del flujo dominante que proviene del interior asciende hasta el nivel de convección libre. La orientación del flujo dominante determina los lugares preferenciales para el desarrollo de la convección (fig. 9E1.8). Los vórtices o rodillos convectivos también se generan en el interior. La región despejada junto a la costa indica la posición de la masa de aire del lado de la costa del frente de brisa marina. En la imagen de radar, la línea de convección paralela a la costa indica la presencia de un frente de brisa marina. La convección que se observa a lo largo de la península de Coburg es una indicación de la convergencia de las brisas marinas (fig. 9E1.8b).

El frente de brisa marina también interactúa con la convección existente. En la figura 9E1.8c, el frente de brisa marina se observa como una línea celeste orientada entre Humpty Doo (HDoo) y Finnis Range (Finn). Una tormenta está propagándose desde el sudeste. Cuando la tormenta alcanza el frente de brisa marina, el flujo de la corriente de salida interactúa con la brisa marina e inicia un nuevo ciclo de convección, que en este caso se manifiesta como una línea de turbonada que se propaga hacia el noroeste.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.4 Comparación de las fases activa y de interrupción

El período de interrupción presenta una fuerte señal diurna que alcanza un pico a las 1400 HSL. El desarrollo temporal de este pico depende de la posición geográfica, así como de los cambios que pueden ocurrir a diario en el forzamiento sinóptico, el ciclo de brisa marina y la incidencia de convección previa, que puede suprimir el entorno. El período activo presenta un ciclo diurno relativamente uniforme, con un máximo diurno menos marcado a las 1600 HSL en comparación con el período de interrupción del monzón, y un pico matutino a las 0700 HSL. El ciclo diurno relativamente uniforme es coherente con la naturaleza marítima de la masa de aire.

Otra manera de ilustrar el ciclo diurno consiste en comparar la reflectividad media con la altura (fig. 9E1.10). La fase activa del monzón exhibe un ciclo diurno muy débil con valores máximos a las 0930 y 1530 HSL. El ciclo diurno del período de interrupción es uniforme, a excepción del pico pronunciado que ocurre por la tarde, a las 1530 HSL, cuando en la mayor parte de la troposfera la reflectividad media aumenta en la vertical a razón de 10 dBZ. El perfil del período de acumulación es típico de comienzos de la temporada húmeda, cuando la humedad en la superficie aún está aumentando. Los ecos no son tan profundos como durante el período de interrupción ni tan amplios para una altura dada, lo cual indica que se trata de corrientes ascendentes más débiles. Esto se debe a la incorporación del aire ambiental más seco que trae la capa límite. El aumento gradual en la reflectividad durante el ciclo diurno es coherente con el mecanismo por el cual distintas franjas de aire humedecen la atmósfera y permiten la formación de gotas de lluvia más grandes.

¿Qué efectos produce la cantidad de convección en la termodinámica de las regiones de monzón activo y de interrupción, y viceversa?

Como muestra la figura 9E1.11, los entornos del monzón activo y de interrupción están relacionados con la vaguada monzónica. En la corriente en chorro proveniente del sudeste, del lado del polo respecto de la vaguada monzónica marcada «O», la advección de aire seco produce las cuñas secas que observamos en el perfil de punto de rocío. Del lado del ecuador de la vaguada monzónica, en el punto «X», el aire marítimo húmedo asciende en la región de convergencia y humecta una profunda capa del sondeo. La secuencia de imágenes de la figura 9E1.11 ilustra que conforme la vaguada monzónica migra hacia el polo, los vientos cambian de este a nordeste, con un flujo del sudeste en la troposfera superior, hasta que se produzca el régimen monzónico de vientos profundos del oeste con vientos del este en altura. La humedad troposférica aumenta conforme cambian las trayectorias y el forzamiento sinóptico.

Hora 00

  Haga clic en la «O» para ver un perfil aerológico. Haga clic en la «X» para ver la animación de un corte vertical.

Hora 12

  Haga clic en la «O» para ver un perfil aerológico.

Hora 24

  Haga clic en la «O» para ver un perfil aerológico.

Ilustración en cuatro paneles que muestra las imágenes de los entornos de monzón activo y de interrupción con los perfiles aerológicos y la animación de la sección vertical que los acompañan en la fig. 9F1.11.

La animación en sección vertical que aparece al hacer clic en la «X» de la imagen de la pestaña «Hora 00» de la figura 9E1.11 ilustra la diferencia en la CAPE y el gradiente térmico vertical en el entorno correspondiente a las fases de monzón activo y de interrupción. La liberación de calor latente en la troposfera media a alta calienta el entorno al tiempo que la evaporación de la precipitación enfría la troposfera inferior, lo cual estabiliza el gradiente térmico vertical. El ensanchamiento de las bolsas de aire frío cerca de la superficie arrastra aire más fresco y más seco desde los niveles superiores y reduce la CAPE. Durante los períodos de interrupción del monzón, el calentamiento de la superficie por radiación de onda corta y el enfriamiento de la atmósfera por emisión de radiación de onda larga desestabiliza la troposfera y permite que la CAPE aumente.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.5 El monzón suprimido

Vuelva a examinar la figura 9E1.5. ¿Qué tipo de entorno sinóptico puede producir un régimen suprimido? (Escriba su respuesta en el campo siguiente.)

Explicación

Fig. 9E1.12. (a) Imagen satelital IR tomada a las 1930 UTC (1000 HSL, hora solar local), (b) análisis de p.n.m. y vorticidad en 900 hPa del modelo de la Oficina Australiana de Meteorología para las 0000 UTC del 28 de enero de 2006, (c) sondeo en Darwin de las 2300 UTC del 27 de enero de 2006 correspondiente a una fase suprimida del monzón, (d) ejemplos de imágenes radar de un régimen de monzón suprimido.
Secuencia de imágenes IR realzadas del período de monzón suprimido

El monzón suprimido sobre Darwin es producto de una intensa depresión sobre Australia central (fig. 9E1.12). Estas regiones de muy bajas presiones guardan cierto parecido estructural con los ciclones tropicales en las imágenes satelitales y pueden transformarse en ciclones tropicales cuando pasan por encima de las aguas cálidas del océano tropical.¹⁴³ El mapa de presión al nivel del mar y vorticidad muestra que la vaguada monzónica y la convergencia con ella asociada se encuentran a buena distancia hacia el sur de Darwin. En lugar del flujo de oeste a noroeste asociado con el período activo del monzón, ahora vemos un régimen del sudoeste.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.2 Regímenes del monzón del norte de Australia »
9E1.2.6 Resumen de las diferencias de régimen del monzón del norte de Australia

El período activo del monzón está dominado por un profundo movimiento ascendente que alcanza un máximo casi a 6 km y gran frecuencia de nubes (línea roja en la fig. 9E1.13). Aunque durante el período de interrupción del monzón se forman tormentas intensas, debido a su naturaleza aislada y a ciertas diferencias en el forzamiento a gran escala, el movimiento vertical es mucho menor en comparación con el período activo del monzón (línea azul en la fig. 9E1.13). El monzón suprimido exhibe un movimiento vertical medio muy débil y el perfil vertical de frecuencia de nubes muestra la predominancia de nubes convectivas poco profundas, mayormente por debajo de 3 km, junto con los cirros entre 10 y 14 km. No es sorprendente que el período sin nubes esté asociado en gran medida con la subsidencia.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.3 Tipos de tormentas del monzón del norte de Australia

Esta sección explora algunos de los sistemas atmosféricos convectivos asociados con el monzón del norte de Australia. No pretende ser un tratamiento exhaustivo del tema.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.3 Tipos de tormentas del monzón del norte de Australia »
9E1.3.1 Microrráfagas húmedas

Las microrráfagas húmedas son tormentas con una base de nubes muy baja que generan precipitaciones considerables en la superficie y son capaces de producir vientos de superficie dañinos (fig. 9E1.14). La humedad suele extenderse hasta el nivel de 500 hPa, encima del cual hay una capa seca y poca cizalladura del viento. La escasa altura de la base de las nubes se debe al nivel alto de humedad relativa cerca de la superficie, que inhibe la evaporación. Cuando el nivel de nube cálida es alto (>3000 m), el proceso de coalescencia por colisión puede producir gotas de lluvia grandes. Tales condiciones implican que el efecto de arrastre causado por la precipitación es importante en la formación de la corriente descendente. Estas tormentas se forman durante las fases activa y de interrupción del monzón.

El 31 de enero de 2000, una microrráfaga húmeda sostenida de aproximadamente 30 minutos de duración engendró ráfagas de 100 y 150 km h⁻¹. La figura 9E1.15 muestra las velocidades Doppler de una microrráfaga húmeda. La figura 9E1.15 también muestra el efecto de un nivel alto de CAPE en el entorno de una microrráfaga húmeda. Cuando la CAPE es alta, se forman intensas corrientes ascendentes que producen ecos de fuerte reflectividad en altura que permiten detectar un reventón inminente antes de que ocurra. Cuando la CAPE es de baja a moderada (<2000 J kg⁻¹) los ecos iniciales se observan a entre 3 y 6 km (10 000 a 19 000 pies) de altitud. Las ráfagas que ocurren en estas condiciones no suelen ser severas. Cuando la CAPE es más alta, los ecos iniciales se observan a entre 7 y 9 km (22 000 a 30 000 pies) de altitud.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.3 Tipos de tormentas del monzón del norte de Australia »
9E1.3.2 Microrráfagas secas

Las microrráfagas secas son una estructura típica en el interior de Australia cuando el entorno contiene un flujo profundo del este donde la capa límite es profunda (hasta 4800 metros sobre el suelo) y seca. Estas tormentas producen vientos dañinos en la superficie, pero nada de precipitación. Las corrientes ascendentes son débiles debido a la CAPE baja y poca cizalladura vertical del viento. Por tanto, el reventón es producto de la evaporación. El sondeo de la figura 9E1.16 se observó en el aeródromo de Alice Springs (Australia) en 1992; este reventón produjo ráfagas de 72 y 94 km h⁻¹. Estas tormentas son difíciles de pronosticar, porque la mezcla con el aire caliente del entorno debilita el empuje hidrostático negativo de la corriente descendente. Estas tormentas se forman durante las fases activa y de interrupción del monzón.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.3 Tipos de tormentas del monzón del norte de Australia »
9E1.3.3 Líneas de turbonada continentales

Durante la fase de interrupción del monzón, pueden formarse líneas de turbonada continentales capaces producir vientos dañinos en la superficie. Una típica línea de turbonada continental que se aproxima a Darwin desde el este presenta un borde de avance marcado por convección profunda y una región estratiforme a la zaga (fig. 9E1.17).

Animación de reflectividad radar que muestra una pareja de vórtices

En el modelo conceptual básico, una línea de turbonada es una línea de convección que se propaga en sentido perpendicular al vector cizalladura del viento medio o flujo rector medio (como se muestra en el módulo Una matriz de tormentas convectivas de COMET). El intenso flujo unidireccional del viento produce la cizalladura que equilibra la vorticidad generada en el borde de avance de la bolsa de aire frío por los gradientes de empuje hidrostático y genera células convectivas nuevas en el borde de avance (fig. 9E1.18). El perfil del viento también incluye los vientos que se asimilan en la corriente descendente convectiva en forma de ráfagas en la superficie. La bolsa de aire frío se forma a medida que se evapora la precipitación que cae a través del aire ambiental no saturado, que a veces se denomina cuña seca.

Una de las características de una línea de turbonada severa es el chorro de entrada en la región detrás de la tormenta. Tales chorros se forman en entornos de CAPE alta con intensa cizalladura vertical del viento. El chorro de entrada trasero acelera el flujo hacia la parte de atrás de la línea de turbonada y aumenta las potenciales ráfagas en la superficie.

En determinado momento, la bolsa de aire frío se adelanta a la convección que la engendró y la línea de turbonada se disipa. A esta altura en el proceso, los vientos de superficie más intensos ocurren cuando el chorro de entrada trasero alcanza la superficie en la corriente descendente (fig. 9E1.19). El radar Doppler puede revelar la existencia de un chorro de entrada trasero e indicar si es inminente la descarga de ráfagas de vientos de superficie. La figura 9E1.19 muestra una imagen de radar Doppler que exhibe un doble efecto de aliasing o soplapamiento por ambigüedad de distancia de los ecos de 25 m s⁻¹ (~50 nudos) situados más allá del alcance nominal del radar 9 minutos antes de que se registrara una ráfaga de 107 km h⁻¹ (58 nudos) en la superficie. La zona delgada de color azul oscuro indica esta ambigüedad de alcance, que luego pasa por tonos naranja y vuelve otra vez al azul oscuro, formando una región aproximadamente circular.

Otra estructura potencialmente grave que puede surgir en las líneas de turbonada es una pareja de vórtices con giro ciclónico y anticiclónico. Tales vórtices se forman cuando la corriente ascendente levanta la vorticidad en el borde de avance de la bolsa de aire frío y causa su inclinación. Una pareja de vórtices puede intensificar el chorro de entrada trasero y causar una curva en parte de la línea de turbonada, una protuberancia que se conoce como eco en forma de arco. La figura 9E1.17 muestra un eco en forma de arco, así como elementos curvos en la reflectividad en ambos extremos del borde de avance, una indicación de una pareja de vórtices.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.3 Tipos de tormentas del monzón del norte de Australia »
9E1.3.4 Turbonadas monzónicas

Las turbonadas monzónicas, que también se conocen como turbonadas marítimas, se forman en entornos de profundos vientos del oeste. Estas líneas de turbonada se forman en regiones de cizalladura del viento entre moderada y fuerte en la troposfera inferior y cuando existe una banda de intensos vientos del oeste. La figura 9E1.20 muestra un ejemplo de una serie de estructuras lineales con intensos vientos de superficie que se desplazan sobre las islas Tiwi. Hay una gran cuña seca entre 800 y 500 hPa. El 3 de enero de 2005, una turbonada monzónica generó varias líneas de convección que engendraron ráfagas con velocidades observadas de hasta 110 km h⁻¹.

Secuencia de imágenes de reflectividad radar de turbonadas monzónicas

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.4 El monzón sobre el continente marítimo »
9E1.4.1 Héctor y la convección sobre islas planas

Héctor, un complejo de tormentas que se forma sobre las islas Tiwi, alcanza alturas de más de 15 km y en el eco de >30 dBZ presenta un alcance horizontal de al menos 200 km². ¹⁴⁵ Héctor se forma en períodos de interrupción del monzón. El flujo zonal del viento troposférico durante dicho período, que es del este, constituye la acción rectora, como ocurre en el caso de las líneas de turbonada tropicales. La dirección del flujo en niveles bajos determina dónde comienza la actividad convectiva (fig. 9E1.21). La figura 9E1.21 también muestra la evolución de Héctor cuando el flujo en niveles bajos proviene del oeste, como cuando hay una depresión térmica activa sobre el territorio continental de Australia. La convección comienza de forma preferencial en el lado oriental de las islas Tiwi, en el frente de brisa marina (fig. 9E1.21). Un frente de brisa marina poco intenso inicia una convección débil en la costa occidental. A medida que esta convección inicial dominada por las corrientes ascendentes (a) se transforma en convección dominada por las corrientes descendentes (b), la bolsa de aire frío se ensancha, su vorticidad equilibra la cizalladura del viento y la bolsa de aire frío pasa a ser el nuevo núcleo de inicio de la actividad convectiva. Se produce ascenso adicional conforme Héctor se propaga hacia el oeste y la bolsa de aire frío interactúa con el frente de brisa marina occidental. La figura 9E1.22 muestra una secuencia radar de la evolución de un complejo Héctor.

Animación de imágenes radar de la convección de Héctor

El elemento clave de Héctor es que ocurre en una isla cuya topografía es poco accidentada, lo cual permite la propagación del sistema convectivo de mesoescala entero a través de la isla. El sitio de inicio de la actividad convectiva viene determinado por el flujo en niveles bajos y a partir de ese momento Héctor se propaga hacia el oeste.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.4 El monzón sobre el continente marítimo »
9E1.4.2 Timor y la convección sobre topografía abrupta

La isla de Timor se caracteriza por montañas de altura considerable, cuyo pico más alto alcanza los 2963 metros. La figura 9E1.23 muestra la situación observada en dos días de febrero de 2006 bajo condiciones similares de flujo de viento de nivel del gradiente (a 900 metros sobre el nivel del mar). Sin embargo, las diferencias en el perfil del viento dan lugar a diferencias en cuanto a la iniciación y evolución de las nubes convectivas (compare los paneles izquierdo y derecho de la figura 9E1.23). El día 8 los vientos soplaban de este a nordeste, pero el día 11 el flujo en buena parte de la troposfera vertical era débil (no fue posible obtener una imagen para el día 10). El día 8, la convección parece formarse hacia el interior, junto la sierra central de la isla, y sigue el curso de las cordilleras. Más tarde ese mismo día, el flujo de la baja troposfera dirige la convección poco profunda que se ha formado en el mar de Timor hacia el nordeste. El día 11, el flujo ligeramente más débil cerca de la superficie permite que se forme convección cerca de la costa y en la sierras al oeste de Dili. A continuación, el flujo rector transporta esta convección hacia el mar de Savu.

¿Qué impacto tienen estas situaciones distintas en los pronósticos para el aeropuerto de Dili? Estudie la figura 9E1.23 antes de proceder a preparar un pronóstico.

Fig. 9E1.23. Imágenes satelitales infrarrojas (arriba), análisis de líneas de corriente/isotacas a nivel del gradiente (900 metros sobre el nivel del mar; centro) y diagramas termodinámicos oblicuos T - log p y sondeos de las 0000 UTC para Dili Kupang (abajo) el 8 (izquierda) y el 11 (derecha) de febrero de 2006.

(Escriba su respuesta en el campo siguiente.)

Explicación

TAF WPDL 080105Z 0801/0814 31008KT 9999 BKN025
FM0813 14003KT 9999 SCT020
PROB30 INTER 0805/0810 5000 SHRA BKN010

TAF WPDL 110107Z 1101/1114 29011KT 9999 SCT025
PROB30 TEMPO1105/1111 1000 TSRA BKN010 SCT020CB

El día 11 se pronosticaron posibles tormentas y lluvias (probabilidad del 30 %) para Dili, ya que el flujo rector provenía del este, lo cual podía transportar las tormentas desde las sierras hasta Dili. El día 8 el flujo rector seguía la orientación de las cadenas de montaña, de modo que solo se pronosticaron chubascos y menos nubes para Dili.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.4 El monzón sobre el continente marítimo »
9E1.4.3 Papúa Nueva Guinea

El clima de Papúa Nueva Guinea no se considera plenamente monzónico, ya que no se dan períodos mensuales confiables sin lluvia o casi sin lluvia, como es el caso en Darwin, por ejemplo. En tierras altas, caen entre 2500 y 3500 mm de lluvia, y algo menos en las áreas menor elevación. Por ejemplo, Port Moresby recibe menos de 1000 mm de lluvia al año. Pese a su posición tropical, puede helar en lugares a más de 2200 m de altura y a 4000 m o más puede acumularse nieve.

La lluvia en Papúa Nueva Guinea se intensifica sobre las regiones oceánicas tropicales debido a dos factores:

Ambos contribuyen a mantener un alto nivel de θ_e en el aire de la zona. Las imágenes satelitales de rutina permiten ver que Papúa Nueva Guinea siente los efectos de las nubes asociadas a la ZCIT todo el año, pero los patrones de circulación del viento asociados y la naturaleza de las perturbaciones atmosféricas varían según la estación (fig. 9.24).

Cuando los alisios soplan del sudeste, se produce convergencia donde el flujo proveniente del mar siente los efectos de la convergencia friccional y la colisión con las brisas terrales nocturnas (fig. 9E1.24). Durante el monzón, tales zonas de convergencia ocurren en lugares distintos (fig. 9E1.24). En cualquier época del año, la intensificación de las corrientes ascendentes por la topografía local conduce a la convección.¹⁴⁶ Las circulaciones de valle y de montaña también contribuyen a la convergencia y convección a nivel local.

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.4 El monzón sobre el continente marítimo »
9E1.4.4 La región de Indonesia y Malasia

Al igual que ocurre en Papúa Nueva Guinea, la topografía accidentada puede jugar un papel clave en la variación estacional del régimen de lluvias en todo el continente marítimo.¹⁴⁷ Cerca del ecuador, la diferencia entre la estación húmeda y la seca es mucho menos marcada que en las zonas del monzón del norte de Australia. Por ejemplo, en Singapur la distribución de la lluvia es relativamente uniforme (fig. 9E1.25). El mínimo de lluvia local se da en julio y febrero, bajo los efectos de flujos de alisios secos. En la costa este, cuanto más al norte, tanto mayor la intensificación topográfica de la lluvia durante el monzón del invierno boreal (del nordeste). Por ejemplo, en noviembre cae dos veces la cantidad de lluvia en Kota Bahru que en Singapur. De forma análoga, en la costa noroccidental se observa un pico de lluvia secundario durante el período de abril y mayo, producto del flujo del sudoeste a través del ecuador y de la topografía elevada.

Java tiene una marcada estación seca (fig. 9E1.26), especialmente en el sur, cuando se sienten los efectos de los alisios del sudeste en el hemisferio sur (mayo a septiembre). De forma análoga, hay una marcada estación húmeda, que se manifiesta bajo los efectos del monzón del invierno boreal (alisios del nordeste).

Sumatra (fig. 9E1.27) también tiene una estación seca, por efecto de los alisios del hemisferio sur (mayo a septiembre). La estación húmeda es bimodal en aquellos lugares donde las montañas pueden intensificar los flujos del nordeste y sudoeste durante el invierno y el verano boreal, respectivamente.

Variabilidad intraestacional

Como en el norte de Australia, la OMJ y varios modos de ondas tropicales, como las ondas de Kelvin, las ondas de Rossby ecuatoriales n = 1 y las ondas mixtas de Rossby-gravedad son responsables de la variabilidad intraestacional en el continente marítimo (capítulo 4, sección 4.1capítulo 4, sección 4.1 y las referencias allí citadas). NOAA y la Oficina Australiana de Meteorología (BoM) llevan a cabo actividades rutinarias de observación y predicción de la OMJ (tabla 4.1)de la OMJ (tabla 4.1) y de varios modos de ondas tropicales (tabla 4.2)de varios modos de ondas tropicales (tabla 4.2) en tiempo real.

Sin embargo, y como vimos antes en esta misma sección, un buen conocimiento de la topografía local es fundamental para pronosticar la lluvia sobre el continente marítimo. Por ejemplo, Haylock y McBride (2001)¹⁴⁸ demostraron que había poca coherencia (correlación de 0,18) entre las anomalías de lluvia durante el período de diciembre a febrero para dos estaciones de medición en Java separadas por menos de 100 km.

NOAA/ESRL/PSD, OMJ: http://www.esrl.noaa.gov/psd/mjo/
NOAA/ESRL/PSD, modos de radiación de OL saliente:
http://www.esrl.noaa.gov/psd/map/clim/olr_modes/

Sección de enfoque 1: El monzón de Australia e Indonesia »
9E1.5 Resumen del monzón del norte de Australia

La figura 9E1.28 presenta un resumen de las diferencias entre los regímenes activo, de interrupción y suprimido del monzón del norte de Australia. Dicho monzón es producto de la superposición del contraste térmico anual que se desarrolla entre tierra firme y el océano durante la primavera austral a la migración estacional de la célula de Hadley. El monzón del norte de Australia está sujeto a los efectos moduladores de la oscilación de Madden-Julian, de las vaguadas en altura y de las ondas ecuatoriales, así como de una componente transitoria inherente de los sistemas monzónicos.¹²⁵ Las intensas depresiones que atraviesan el interior del continente australiano pueden producir vientos secos del sudoeste que provocan la fase suprimida o inactiva del monzón. La cantidad considerable de topografía abrupta que existe en el continente marítimo modifica el flujo sinóptico a gran escala de modo tal que se precisa un buen conocimiento de la topografía local para determinar la naturaleza estacional o intraestacional de la convección profunda.

La figura 9E1.28 muestra en forma esquemática las principales estructuras del monzón del norte de Australia. Como el monzón de la India, el monzón del norte de Australia alterna entre una fase activa y una de interrupción del monzón con la migración de la vaguada monzónica. Aunque la posición de la vaguada es de naturaleza inherentemente transitoria, también siente los efectos moduladores de la OMJ y de las ondas atrapadas en el ecuador, como las ondas de Rossby.

Durante el período activo del monzón, el forzamiento a gran escala provocado por la vaguada monzónica produce la advección desde el oeste de una profunda masa de aire marítimo húmedo. Unas corrientes convectivas ascendentes relativamente poco intensas producen condiciones generalizadas de nubosidad y precipitación. El ciclo diurno es débil, con un máximo de actividad convectiva durante las horas nocturnas y en la mañana, producto de su naturaleza marítima, aunque también ocurre un máximo sobre tierra firme, en las horas de la tarde, debido al calentamiento de la capa límite. Además de los ciclones tropicales, las manifestaciones atmosféricas más peligrosas son las turbonadas monzónicas y las inundaciones provocadas por las lluvias generalizadas y persistentes producidas por los sistemas convectivos de mesoescala.

Durante la fase de interrupción del monzón, la subsidencia generalizada significa que la convección es producto del forzamiento local en los frentes de brisa marina y es de naturaleza primordialmente diurna. El calentamiento de la superficie por radiación de onda corta y el enfriamiento de la troposfera media por emisión de radiación de onda larga contrastan con el enfriamiento de la superficie impulsado por la bolsa de aire frío y el calentamiento de la troposfera media por liberación de calor latente más característicos del período activo del monzón. El resultado es el desarrollo de convección profunda aislada, pero más intensa, durante el período de interrupción del monzón en forma de convección pulsante y la propagación de varias líneas de convección, como las líneas de turbonada continentales y Héctor.

El tercer régimen monzónico ocurre cuando la vaguada monzónica se halla en Australia central. En estas condiciones, el aire seco se arrolla alrededor de una depresión profunda y engendra vientos áridos del oeste sobre el norte de Australia y condiciones que inhiben la convección.

Sección de enfoque 2: Perspectiva de los meteorólogos en el trópico

Para comprender mejor el proceso de elaboración de un pronóstico de ciclones tropicales, entrevistamos a dos pronosticadores del Centro Nacional de Huracanes de la NOAA, el Centro Meteorológico Regional Especializado o CMRE responsable de las zonas del Atlántico Norte y Pacífico oriental, y a una pronosticadora de Météo-France La Réunion, el CMRE responsable del océano Índico sur. También les preguntamos sobre la trayectoria que los llevó al campo de la predicción de ciclones tropicales y cómo ha cambiado el proceso de pronóstico a lo largo de sus carreras.

Sección de enfoque 2: Perspectiva de los meteorólogos en el trópico »
9E2.1 Pronosticadores del Centro Nacional de Huracanes (entrevistas grabadas)

Las entrevistas con el Dr. James Franklin y el Dr. Lixion Avila, ambos pronosticadores del NHC, se grabaron el 9 de junio de 2009. Aquí puede escuchar las entrevistas en su idioma originalAquí puede leer la transcripción o traducción de dichas entrevistas.

El Dr. James Franklin (en inglés)

• Pregunta 1
• Pregunta 2
• Pregunta 3
• Pregunta 4

Pregunta 1

¿Cuándo y cómo decidió usted ser pronosticador de ciclones tropicales? ¿Puede describir la trayectoria de su carrera? ¿Hizo algo especial en la escuela primaria o secundaria para favorecer sus objetivos?

Respuesta:

Mi trayectoria comenzó a la edad de seis años, cuando sentí la fuerza del huracán Cleo que pasaba por encima mi casa… eso es lo que realmente despertó mi interés.

La verdad es que no comencé en el campo de pronóstico. Hice trabajo de investigación durante 17 años, volando a través las tormentas con la división de investigación de huracanes de la NOAA; al final de ese período, cuando se desarrollaban las radiovientosondas con GPS, hice algunos estudios relacionados con el ámbito operativo y durante un tiempo estudié el comportamiento de los vientos en los huracanes; me interesaba la estructura del viento en el ojo de las tormentas en relación con la altura. Ese trabajo captó la atención de algunas personas en el Centro Nacional de Huracanes y en determinado momento me preguntaron si estaba interesado en trabajar allí. Nunca lo había considerado antes de que me lo propusieran.

Varios sucesos en mi vida han sido pura casualidad, como el hecho de haber vivido algunos huracanes en mi juventud. Cuando estudiaba en MIT, Bob Burpee, que trabajaba en la División de Investigación de Huracanes, tomó un año sabático y me dejó a cargo de su curso de meteorología tropical, algo que al final hice lo suficientemente bien como para que me ofreciera un puesto de trabajo.

En la secundaria, mis dos intereses principales fueron la meteorología y la astronomía. La meteorología me parecía más interesante, por lo menos tenía más peso en la vida de la gente y era un poco más emocionante, de modo que me decidí por esa carrera. Cuando comencé los estudios universitarios, ya sabía que iba a estudiar meteorología en general, aunque en aquel entonces no tenía idea de que se trataría de huracanes.

Sí, pasé buena parte de mi carrera de pregrado en MIT tomando clases de meteorología con gente de calibre, como Fred Sanders y Pauline Austin, y también con Fred y Kerry Emanuel, juntos recorrimos todo el litoral de Nueva Inglaterra en el Golf de Fred. Yo pensaba escribir la tesis de maestría precisamente sobre el litoral de Nueva Inglaterra. Mi gran amigo Frank Marks, que en esa época estaba en MIT, iba a examinar los datos que obtenía durante nuestras observaciones, pero cuando volví, descubrí que en lugar de guardar los datos, Frank los había borrado todos, de modo que había perdido la base de mi tesis. Aun así, Bob Burpee me contrató para trabajar en la División de Investigación de Huracanes. Un par de años más tarde me ayudó a encontrar otro tema para la tesis.

Pregunta 2

¿Qué proceso sigue para pronosticar los ciclones tropicales? ¿Qué herramientas utiliza? ¿Difiere su respuesta según se trate de pronosticar la trayectoria, la intensidad, el tamaño o la cantidad de lluvia?

Respuesta:

Trayectoria
Hace muchos años, era posible obtener mejores resultados de lo que indicaba la guía, al menos en términos de la predicción de trayectorias, pero los modelos numéricos han mejorado tanto en los último 15 a 20 años que ahora nuestros pronósticos de trayectoria son dos veces mejores que entonces. Es realmente muy difícil obtener buenos resultados sin integrar los modelos numéricos.

Una técnica potente en meteorología en general, y no solo en relación con los huracanes, es el concepto de consenso, que consiste en combinar 3 o 4 modelos numéricos que demuestren habilidad. Y ese es nuestro objetivo cuando preparamos un pronóstico: aportar algo que mejore el resultado de consenso. A veces un modelo no se inicializa bien, o reconocemos ciertas condiciones que indican que un determinado modelo da mejores resultados o no se desempeña tan bien en cierta situación. Aunque a menudo las expectativas sobre la intensidad afectan el pronóstico de trayectoria, todo gira en torno a la idea de consenso y reajustar el movimiento en alguna dirección a partir de esa guía.

Un aspecto del proceso de pronóstico tiene que ver con la presentación de un panorama coherente a nuestros usuarios. Es muy importante constreñir la continuidad de un pronóstico a otro. La tendencia es hacer pequeños cambios incrementales en el pronóstico anterior, mejorar lo que heredamos. No he hablado de intensidad, de modo que voy a pasar a ese tema.

Intensidad
El pronóstico de intensidad difiere del pronóstico de trayectoria, fundamentalmente porque en este caso la guía que está a nuestra disposición no es tan avanzada. No obstante, el pronóstico da mejores resultados que nuestra guía de intensidad. Tenemos cuatro modelos de guía de intensidad, dos dinámicos y dos estadísticos. El pronosticador puede discernir mucho más de lo que ocurre con una tormenta en términos de su estructura convectiva y la organización del campo de vientos en relación con las paredes concéntricas del ojo. Como en realidad nuestra guía de intensidad actual no incorpora bien ningún factor nuclear, la capacidad de ver lo que sucede en el núcleo es lo que nos permite agregar valor a la guía numérica y aportar mucho al proceso.

Tamaño
También pronosticamos el tamaño de los ciclones tropicales para emitir predicciones de radio de vientos, es decir, la extensión máxima de los vientos de fuerza de huracán en cada uno de los cuatro cuadrantes alrededor del centro de la tormenta. Y en este caso estamos realmente tratando de hacer algo con poca habilidad, por eso nuestro error al estimar ese parámetro es del orden del 50 por ciento. Es algo realmente difícil. La única ayuda disponible para estos pronósticos son los modelos de climatología y persistencia, como CLIPER, por ejemplo, para los radios de vientos. En términos generales, suponemos que conforme una tormenta se fortalece, su tamaño aumentará. Una vez que termine una tormenta, generamos lo que se llama mejor trayectoria, un análisis posterior basado en todos los datos disponibles que crea un registro permanente, la mejor constancia de la evolución de esa tormenta en particular: posición, presión, velocidad de los vientos máximos sostenidos y estado, es decir, tormenta tropical, subtropical, extratropical. Hasta tiempos muy recientes no se mantenían datos de radio de vientos con la mejor trayectoria, de modo que hasta 2004 o 2005 se trata de estimaciones operativas que no se comprobaron después de la tormenta, y no cabe duda de que esos datos no son de la misma calidad que las estimaciones finales de intensidad que ahora se incluyen en la mejor trayectoria. Además, contamos con muy pocas mediciones de las verdaderas dimensiones de estos radios, y a veces no hay ningún dato al respecto. Podemos observar el escudo nuboso, y hay observaciones de superficie (muy pocas, por cierto), tenemos algunas herramientas adicionales que nos pueden ayudar. El instrumento de microondas AMSU también genera estimaciones del tamaño.

Lluvia
Los pronósticos de lluvias son responsabilidad del Centro de Predicciones Hidrometeorológicas. Allí consideran la guía de los modelos, los análogos y las tormentas del pasado. La guía de lluvia que se incluye en nuestros boletines actuales proviene del Centro de Predicciones Hidrometeorológicas.

Pregunta 3

¿Ha cambiado su proceso debido a las predicciones de los modelos por conjuntos?

Respuesta:

Los modelos por conjuntos son un elemento de suma importancia para el proceso de pronóstico de ciclones tropicales. Hay dos métodos principales, uno de los cuales consiste en tomar un modelo y ejecutarlo una y otra vez con condiciones iniciales ligeramente distintas. Esa forma de proceder no ha dado muy buenos resultados para los pronósticos operativos de ciclones tropicales. El otro método consiste en generar el consenso a partir de distintos modelos.

Cuando los miembros de un conjunto son independientes, la media que se obtiene es realmente mejor. En términos de las predicciones de intensidad, hemos comprobado que en promedio el consenso de los cuatro principales modelos de intensidad es mucho mejor que los resultados de cualquiera de esos cuatro modelos individuales. Yo creo que eso se debe en parte a que se trata de modelos muy independientes. Ni siquiera son del mismo tipo, dos son estadísticos y dos son dinámicos, muy independientes, y esa independencia es lo que realmente ayuda. Cuando los miembros de un conjunto son independientes, los errores tienden a cancelarse, especialmente si la situación sinóptica es relativamente simple, algo que se observa a menudo en el Pacífico oriental. Muchos de los errores que ocurren en los modelos son aleatorios, de modo que al combinar tres o cuatro de ellos se obtienen pronósticos mucho mejores en comparación con los resultados de cada modelo individual.

En el Atlántico, la señal no es tan fuerte. Allí tenemos forzamientos de escala sinóptica más intensos, entornos más complicados, la entrada de vaguadas de latitudes medias y muchas otras estructuras ambientales; dado ese panorama, los diferentes modelos no manejan tales estructuras de la misma manera. En el Atlántico, el concepto de consenso es un poco menos eficaz que en el Pacífico oriental, porque el componente de comportamiento de los modelos es más sistemático.

Pregunta 4

¿Puede describir un día en el cual hay que pronosticar un ciclón tropical? ¿Es distinto si hay varios ciclones tropicales? ¿Es diferente si los varios sistemas están en la misma cuenca o en cuencas distintas?

Respuesta:

Hay tres turnos de pronóstico: de día, de tarde y de noche. Los encargados del turno de día producen dos pronósticos, a las 11:00 y a las 17:00 horas. El turno de tarde es responsable del boletín de las 23 horas. Corresponde al turno de noche redactar el boletín de las 5:00. El turno de día es más largo y cansador, mucho más intenso, siempre hay mucha más gente y se siente mucho más la presencia de los medios de comunicación.

Básicamente, el ciclo de pronóstico tarda tres horas en ejecutarse. El boletín de las 11:00, por ejemplo, comienza a las 8:00, con la posición indicada por el reconocimiento aéreo. Se tarda como 15 minutos en realizar el análisis de los datos obtenidos por la aeronave, como la posición inicial, la intensidad inicial, el movimiento inicial, el tamaño inicial, todos los parámetros que se utilizan para inicializar la guía del modelo numérico. Se actualiza la mejor trayectoria y se presenta la guía. Ya para las 8:30 contamos con los resultados y luego trabajamos como hasta las 10:00 en el pronóstico, estudiando los modelos, la guía, las imágenes de vapor de agua, la temperatura de la superficie del mar y todos los demás parámetros importantes para la trayectoria y la intensidad. A las 10:00, el pronóstico está pronto y comienza la llamada en conferencia con otras oficinas del servicio meteorológico y otras agencias del gobierno federal. El Centro de Predicciones Hidrometeorológicas participa también con información sobre las lluvias; el Centro de Predicción de Tormentas también, para hablar de la amenaza de tornados; y también la Armada, el servicio de seguridad nacional, gran cantidad de agencias participan en nuestras discusiones de pronóstico, para coordinar distintos asuntos y determinar dónde se emitirán las alertas y las vigilancias. Estas llamadas pueden durar tres o cuatro minutos, pero a veces llegan a media hora.

Después de la llamada en conferencia preparamos el pronóstico. Redactamos las discusiones y un resumen del razonamiento que guía las predicciones. Mencionamos la incertidumbre en el pronóstico y explicamos nuestro análisis de intensidad y por qué se eligió ese pronóstico. Este es un producto de suma importancia para uso por parte de los administradores de emergencias, cuyo contexto es el público en general. Durante esos últimos 45 minutos redactamos la discusión y preparamos el boletín para el público.

Cuando hay varias tormentas activas a la vez, todas esas actividades se deben duplicar, y hasta me ha tocado redactar tres boletines en ese período de tres horas. Aunque hay dos pronosticadores de turno, entre el Atlántico y el Pacífico oriental, a veces tenemos que analizar hasta cinco tormentas al mismo tiempo. A veces es realmente necesario comprimir todo, depende de las tormentas que estén en juego. Si una tormenta está por tocar tierra o ya ha invadido el territorio, durante un par de días uno de los pronosticadores se dedica exclusivamente en ese ciclón y deja a la otra persona a cargo de dos o incluso tres tormentas, si la situación de pronóstico correspondiente es menos difícil. Cuando hay más de tres sistemas activo tratamos de obtener la ayuda de los meteorólogos de apoyo a huracanes, que cuentan con un cierta experiencia en la preparación de los materiales de los boletines. Nos ayudan con los sistemas menos complicados que nos ocupan en el momento, se trata de personal de la unidad de pronósticos tropicales marinos, los que preparan los pronósticos marítimos, y a veces de la división de soporte técnico del mismo centro de huracanes. Como tienen títulos en meteorología, algunos ellos saben redactar los boletines. Son todos empleados del centro de huracanes.

---

El Dr. Lixion Avila (en español)

• Pregunta 1
• Pregunta 2
• Pregunta 3
• Pregunta 4

Pregunta 1

¿Cuándo y cómo decidió usted ser pronosticador de ciclones tropicales? ¿Puede describir la trayectoria de su carrera? ¿Hizo algo especial en la escuela primaria o secundaria para favorecer sus objetivos?

Respuesta:

Yo siempre quise ser un pronosticador de huracanes, desde muy niño, y casi siempre le preguntaba a los pescadores y le preguntaba a los campesinos, que ellos saben mucho sobre los problemas del tiempo, sobre todo tiempo local; pero después, pasé, cuando terminé lo que le llaman el instituto, casi preuniversitario, comencé a estudiar meteorología en el Servicio Meteorológico de Cuba, donde trabajábamos y al mismo tiempo estudiábamos; y después me convertí en un meteorólogo Jefe de Turno, que hacía pronósticos de huracanes. Después pasé a los Estados Unidos y me hice un doctorado y un máster y empecé a trabajar en el servicio meteorológico de los Estados Unidos y en el Centro de Huracanes, donde llevo casi ya veinticinco años como un especialista de huracanes.

Cuando yo era un niño bien pequeño, mis padres me satisfacían en llevarme a las montañas, yo vivía cerca del mar, entre el mar y las montañas, y podía ver cómo se formaban, durante la temporada de huracanes y durante el verano, las tormentas por la tarde, las tormentas convectivas, y en realidad era un fenómeno muy interesante y me ayudó mucho a aumentar mi cariño por la carrera y le agradezco mucho a mis padres, que ellos seguían esa locura de llevarme a esos lugares a ver todo ese tipo de fenómeno.

Pregunta 2

¿Qué proceso sigue para pronosticar los ciclones tropicales? ¿Qué herramientas utiliza? ¿Difiere su respuesta según se trate de pronosticar la trayectoria, la intensidad, el tamaño o la cantidad de lluvia?

Respuesta:

Es muy importante para mi este punto, porque yo he trabajado muchos años ya en esto y he visto la evolución de cómo se hacía el pronóstico de cuando solamente se usaban el mapa de superficie, quizás un pronóstico de 500 milibares una vez al día, y las fotografías del satélite eran muy escasas, y con los años esas fotografías han ido mejorando, tenemos hoy en días satélites muy sofisticados, pero más aún son los modelos numéricos que tenemos hoy en día que nos ayudan a descifrar cómo están las corrientes globales.

Y en un día típico, cuando yo voy a hacer el pronóstico, lo primero que hay que hacer es ver cómo están las condiciones en el globo; para uno poder pronosticar un huracán es necesario saber cómo están las corrientes, como están todos los campos de viento, y eso nos ayudaría mucho más en pronosticar un huracán. Eso era casi imposible hace muchos años.

Tanto como para el pronóstico de intensidad como para el pronóstico de trayectoria, tenemos que mirar todos los factores que influyen en la atmósfera, aunque es mucho más difícil pronosticar los cambios de intensidad. Hay que saber si las condiciones los oestes superiores avanzan sobre el sistema, si viene un trough que afecte el sistema, y todo eso hay que mirar completamente, qué sucede en todo el environment.

El pronóstico del tamaño y de la lluvia son pronósticos muy, muy difíciles y realmente nosotros no tenemos ni siquiera datos, como muchas veces comprobar que estamos correctos en los pronósticos, especialmente en las zonas tropicales, que vemos que los huracanes aumentan y disminuyen en su radio, a no ser que tengamos un avión de reconocimiento o alguna isla que podamos verificar el tamaño.

Ya los modelos numéricos son un poquito mejores cuando los sistemas se empiezan a convertir en extratropicales o ya empiezan a perder sus características, según se mueven hacia el norte, y los modelos nos dan una manera mejor de quizás la tendencia que uno ve en el tamaño de los huracanes. Con respecto a la lluvia, es aún más difícil, puesto que una depresión tropical pequeña te puede dar hasta veinte pulgadas de lluvia y eso ocurre mucho en toda la zona de las islas tropicales, cuando se le añade el efecto orográfico, y en realidad es un pronóstico muy, muy difícil.

Y hay una pequeña regla que todavía muchas personas usamos que es la velocidad de la tormenta... cien dividido por la velocidad de la tormenta y te da el número de lluvia, de pulgadas de lluvia en 24 horas. Pero esas son reglas muy empíricas de hace muchos años que todavía funcionan, pero la lluvia es una de las cosas más difíciles que existen.

Pregunta 3

¿Ha cambiado su proceso debido a las predicciones de los modelos por conjuntos?

Respuesta:

Te ha cambiado la manera de hacer el pronóstico, los ensembles, pero aún más es lo que llamamos el consenso, que es utilizar varios modelos; en lugar de ser un mismo modelo usamos varios modelos y hacemos el promedio. Y en los últimos años hemos reconocido de que es una buena forma de pronosticar. Al parecer, las diferencias de los modelos se compensan uno con otro y se obtienen muy buenos resultados. Sin embargo, los modelos no se pueden usar como si fueran una caja negra. Los especialistas, los meteorólogos, tenemos que conocer cómo funciona cada modelo, tenemos que ver qué es los que va en cada modelo, para poder interpretar, porque todos los modelos nos van a dar algo útil que vamos a necesitar para el pronóstico.

Sí, en las verificaciones que hemos hecho en los últimos años, muchas veces el pronosticador ha obtenido pronósticos mejores que los modelos, y es el experto, el pronosticador, es capaz de reconocer lo mejor y lo peor de cada modelo y se puede ajustar al final y hacer un pronóstico mejor. Pero repito, hay que conocer cómo funcionan los modelos y qué física lleva cada modelo.

Pregunta 4

¿Puede describir un día en el cual hay que pronosticar un ciclón tropical? ¿Es distinto si hay varios ciclones tropicales? ¿Es diferente si los varios sistemas están en la misma cuenca o en cuencas distintas?

Respuesta:

Yo he visto también como ha cambiado en la historia el proceso de hacer los pronósticos. Antiguamente éramos solo cinco especialistas y teníamos que hacer todos los pronósticos, en un momento que hice hasta tres diferentes tormentas en un día, pero sin embargo ahora por suerte tenemos más especialistas, tenemos ayuda de los otros colegas, pero lo más importante es que tenemos un plan aquí en el centro de huracanes con todos los equipos y con todos los instrumentos para poder hacer el pronóstico.

Obviamente, cuando un sistema se encuentra sobre tierra firme, la presión es mucho mayor. ¿Que si me pongo nervioso? ¡No! Pero sí, como que tengo mucho deseo de trabajar. Pero lo más importante es remover todos los sentimientos que pueda uno tener personales y dedicarse solamente a la ciencia y tratar de hacer el mejor trabajo posible con lo que uno conoce y las herramientas que tenemos hoy en día.

Obviamente, es una de las cosas que a mí me gusta, me han ofrecido trabajo en otras organizaciones, tanto compañías de seguro como compañías de televisión, pero poder hacer un pronóstico de huracán y darle el nombre y tener esa responsabilidad con la comunidad es muy importante para mí.

Dr. James Franklin (en inglés)

Pregunta 1 Pregunta 2 Pregunta 3 Pregunta 4 Pregunta 1 ¿Cuándo y cómo decidió usted ser pronosticador de ciclones tropicales? ¿Puede describir la trayectoria de su carrera? ¿Hizo algo especial en la escuela primaria o secundaria para favorecer sus objetivos? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 2 ¿Qué proceso sigue para pronosticar los ciclones tropicales? ¿Qué herramientas utiliza? ¿Difiere su respuesta según se trate de pronosticar la trayectoria, la intensidad, el tamaño o la cantidad de lluvia? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 3 ¿Ha cambiado su proceso debido a las predicciones de los modelos por conjuntos? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 4 ¿Puede describir un día en el cual hay que pronosticar un ciclón tropical? ¿Es distinto si hay varios ciclones tropicales? ¿Es diferente si los varios sistemas están en la misma cuenca o en cuencas distintas? Haga clic en el control a continuación para escuchar la respuesta.

El Dr. Lixion Avila, hablando en en español. Haga clic aquí para escuchar las entrevistas en inglés

Pregunta 1 Pregunta 2 Pregunta 3 Pregunta 4 Pregunta 1 ¿Cuándo y cómo decidió usted ser pronosticador de ciclones tropicales? ¿Puede describir la trayectoria de su carrera? ¿Hizo algo especial en la escuela primaria o secundaria para favorecer sus objetivos? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 2 ¿Qué proceso sigue para pronosticar los ciclones tropicales? ¿Qué herramientas utiliza? ¿Difiere su respuesta según se trate de pronosticar la trayectoria, la intensidad, el tamaño o la cantidad de lluvia? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 3 ¿Ha cambiado su proceso debido a las predicciones de los modelos por conjuntos? Haga clic en el control a continuación para escuchar la respuesta. Pregunta 4 ¿Puede describir un día en el cual hay que pronosticar un ciclón tropical? ¿Es distinto si hay varios ciclones tropicales? ¿Es diferente si los varios sistemas están en la misma cuenca o en cuencas distintas? Haga clic en el control a continuación para escuchar la respuesta.

Sección de enfoque 2: Perspectiva de los meteorólogos en el trópico »
9E2.2 Centro de Ciclones Tropicales Météo-France en La Reunión

Entrevista a la Dra. Anne-Claire Fontan, pronosticadora de ciclones tropicales

1. ¿Cuándo y cómo decidió usted ser pronosticador de ciclones tropicales? ¿Puede describir la trayectoria de su carrera? ¿Hizo algo especial en la escuela primaria o secundaria para favorecer sus objetivos?

Comencé mi carrera como pronosticadora de ciclones tropicales en el CMRE/Centro de Ciclones Tropicales Météo-France/La Reunión hace 12 años, después de terminar mis estudios en la ENM (Ecole Nationale de la Météorologie) de Météo-France, la escuela nacional de meteorología ubicada en Toulouse, Francia. El título en meteorología requiere tres años de estudio, además de dos años de estudios universitarios o de haber obtenido la maestría en ciencias en la universidad.

Antes de pasar a la ENM, estudié en la universidad en Marsella y París, donde cursé estudios de maestría en oceanografía y meteorología. En Francia, la única forma de especializarse en meteorología consiste en obtener la licenciatura, la maestría o el título de la ENM, pero hay que escoger una trayectoria científica ya en la secundaria.

Después de finalizar la carrera y de integrarse al CMRE/CCT de La Reunión, hay que tomar un curso adicional de formación en meteorología tropical de dos semanas de duración. De allí se pasa a ser «aprendiz» de operaciones en el CMRE por varios meses. Durante este período se recibe formación y práctica adicional bajo la supervisión directa de otros meteorólogos, expertos en ciclones tropicales. La formación de un pronosticador de ciclones tropicales no se considera completa sino después de una o dos temporadas ciclónicas enteras.

2. ¿Qué proceso sigue para pronosticar los ciclones tropicales? ¿Qué herramientas utiliza? ¿Difiere su respuesta según se trate de pronosticar la trayectoria, la intensidad, el tamaño o la cantidad de lluvia?

En el CMRE de La Reunión utilizamos una potente estación de trabajo llamada SYNERGIE para elaborar nuestros pronósticos. Esta estación de trabajo visualiza y superpone todos los datos que se necesitan para trabajar, como observaciones, salida de modelos, imágenes satelitales, datos de radar, etc. El sistema incluye un módulo específico llamado SYNERGIE CYCLONE que nos permite enfocar el análisis de ciclones tropicales y las predicciones de trayectoria e intensidad. Además de poder utilizar modelos, observaciones, imágenes y trazados de trayectorias de ciclones tropicales, acabamos de implementar la capacidad de visualizar directamente los datos de los sitios web que utilizamos a diario en nuestra operaciones. Entre los muchos sitios web que utilizamos, cabe mencionar las páginas sobre ciclones tropicales de NRL, CIMSS, NOAA (QuikSCAT), AOML (calor potencial), BoM de Australia (OMJ)…

Nuestra área de responsabilidad (entre el ecuador y 40°S y la costa africana hasta 90°E) es principalmente una cuenca marítima, a excepción de la región occidental entre las costas de África y 60°E. Dependemos en gran medida de los datos satelitales. El tamaño de los sistemas y las precipitaciones con ellos asociadas no se pronostican específicamente, sino que se «observan». Cada 6 horas, cuando emitimos nuestros boletines, describimos las dimensiones del ciclón tropical en términos de vientos de 30 y 50 nudos, utilizando para eso todas las observaciones disponibles; dadas las características marítimas de nuestra cuenca, se trata principalmente de datos de dispersometría. También describimos las condiciones meteorológicas y la precipitación asociada con el sistema. Cuando está previsto que un ciclón tropical se aproxime o embista tierra firme, la sección de comentarios de nuestro boletín especifica también las regiones habitadas que pueden verse afectadas por las lluvias en las próximas 24 a 36 horas. En este caso, utilizamos los campos de pronóstico de los mejores modelos, como índices de precipitación, humedad, velocidad vertical, etc.

Pronóstico de trayectoria

Para pronosticar las trayectorias utilizamos los campos de los modelos numéricos desarrollados en distintos países y centros meteorológicos: dos de Météo-France, uno global y otro de área limitada (sobre el océano Índico sur), uno de la oficina meteorológica del R.U. (UKMO) y la media del sistema de predicción por conjuntos (EPS) y el modelo determinista del centro europeo (CEPPM/ECMWF). Desde la temporada de 2004-2005, recibimos también los «geopuntos» (es decir, las coordenadas de posición y presión al nivel del mar del ciclón tropical a intervalos de 6 o 12 horas) generados por algunos modelos numéricos de EE.UU. como JTWC, GFDN, NOGAPS, AVNO y el consenso de distintos modelos calculado en el Centro Conjunto de Alerta de Tifones (Joint Typhoon Warning Center, JTWC). Las trayectorias generadas por estos modelos se pueden visualizar en la estación de trabajo.

Utilizamos el análisis de los campos de los modelos para determinar cuál es el escenario más adecuado. Luego, dado que las estadísticas indican que el consenso de los modelos conduce a mejores resultados, calculamos un promedio de las indicaciones de los modelos elegidos para generar el pronóstico de trayectoria. Si la «filosofía» de algún modelo difiere radicalmente del modelo elegido, no lo incluimos en el cálculo del promedio.

Pronóstico de intensidad

A fin de pronosticar la intensidad necesitamos conocer el entorno actual y subsiguiente del sistema, y para esto utilizamos varias herramientas. Estudiamos los productos del CIMSS para obtener información sobre el estado del entorno actual y en algunas horas, datos como divergencia y vientos en altura, convergencia y vientos en niveles bajos, cizalladura del viento, tendencias de cizalladura, etc. Obtenemos el contenido de calor de los datos satelitales de temperatura de la superficie del mar y el calor potencial del sitio web de AOML (espesor de la isoterma de 26 °C). Evaluamos la humedad mediante las imágenes de vapor de agua y de microondas. Luego utilizamos los campos del modelo que consideramos más apto para la situación: θ’_w en 700 hPa, divergencia, convergencia. Y consideramos las tendencias de los varios modelos, si profundizan o debilitan el sistema.

3. ¿Ha cambiado su proceso debido a las predicciones de los modelos por conjuntos?

Hace varios años que recibimos los datos del sistema de predicción por conjuntos (EPS), y eso ha cambiado nuestra forma de trabajar y los resultados que obtenemos. Utilizamos las predicciones por conjuntos para varios fines. En primer lugar, los utilizamos para evaluar la probabilidad de ciclogénesis en la cuenca durante los próximos 10 días. Además, empleamos el promedio de los 51 ciclos del EPS como «modelo determinista» que se puede incluir en un consenso de modelos a la hora de obtener el pronóstico de trayectoria de un ciclón tropical. Usamos la probabilidad de que el ciclón toque tierra que el ECMWF emite para cada sistema para gestionar el riesgo en la isla de La Réunion. Finalmente, estamos investigando la posibilidad de utilizar el EPS para generar conos de incertidumbre para la trayectoria pronosticada por el CMRE.

4. ¿Puede describir un día en el cual hay que pronosticar un ciclón tropical? ¿Es distinto si hay varios ciclones tropicales? ¿Es diferente si los varios sistemas están en la misma cuenca o en cuencas distintas?

Trabajamos turnos de 12 horas, ya sea de día o durante la noche. Los turnos van de las 7:00 a las 19:00, y de las 19:00 a las 7:00. Publicamos cuatro series de boletines al día, a las 00, 06, 12 y 18 UTC. Esto significa que el turno de día está a cargo de emitir los boletines de las 06 y de las 12 UTC.

Comenzamos con el cambio de turno y un estudio detallado de la situación actual. A las 08:30 hay una la reunión informativa para los empleados del centro. Inmediatamente después comienza el proceso de entrada de datos en el software que utilizamos para preparar los 6 o 7 boletines que emitiremos en inglés y francés a las 10:30 (0630 UTC). Luego informamos al servicio meteorológico local de las condiciones actuales y, si hace falta (es decir, si el ciclón tropical puede afectar las condiciones en La Reunión directa o indirectamente), les brindamos guía y directivas. Hay un período de descanso entre las 11:00 y las 12:00.

Después introducimos los datos en nuestra base de datos dedicada a la ciclogénesis y redactamos la perspectiva de tiempo tropical, tanto en inglés como en francés, que se emite a las 15:00 horas. Mientras tanto se redacta el «boletín de conexión» que nos permite mantener la información dentro del equipo y dar instrucciones para las próximos tres días al equipo de pronóstico local.

Luego preparamos las alertas siguientes, que se emiten a las 16:30. Al final de cada turno de trabajo tenemos que actualizar los archivos del día con mensajes, imágenes satelitales relevantes, etc.

Cuando haya que gestionar el riesgo en la isla de La Reunión, emitimos alertas adicionales a las 13.00 y a las 19.00 para las autoridades locales y el público y contestamos las preguntas de los medios de comunicación.

Si en algún momento se nos presentan dos ciclones tropicales, ¡tenemos el doble de trabajo! Cuando tenemos que vigilar dos sistemas y hay que administrar el riesgo que implican para la isla, otro pronosticador de ciclones tropicales asiste con el turno de trabajo. También trabajamos con personal adicional cuando hay más de dos sistemas en la cuenca.

Aunque vigilamos solo una cuenca oceánica, existe una «frontera virtual» con dos otras: el sudeste del océano Índico (la zona de responsabilidad australiana comienza en 90°E) e Indonesia (al este de 90°E y al norte de 10°S). Si un ciclón tropical llega a nuestra área de responsabilidad desde otra o viceversa, los distintos centros (Perth, Jakarta y La Reunión) administran el traspaso por correo electrónico o por teléfono.

Sección de enfoque 2: Perspectiva de los meteorólogos en el trópico »
9E2.3 Météorologique Régional Spécialisé / Centre des Cyclones Tropicaux de La Réunion, Météo-France

Entretien avec Anne-Claire Fontan, ingénieur prévisionniste cyclone

1. Comment et quand avez-vous décidé de devenir un prévisionniste cyclone? Quel a été votre cursus? Avez-vous suivi un parcours spécifique que cela soit en primaire, collège ou lycée pour atteindre votre but?

Je suis devenue ingénieur prévisionniste cyclone au CMRS/ Centre des Cyclones Tropicaux de La Réunion il y a 12 ans, une fois mes études terminées à l’ENM (Ecole Nationale de la Météorologie), l’école d’ingénieurs dédiée à la météorologie, dépendant de Météo-France, et située à Toulouse, en France. Cette école délivre un diplôme en météorologie qui nécessite trois ans d’étude ( qui viennent après deux ans de classes préparatoires aux grandes écoles ou une maîtrise de sciences de l’université). Avant l’ENM, j’ai fait mes études dans les Universités de Marseille et Paris pour obtenir un Master d’océanographie et de météorologie. En France, il n’est pas possible de se spécialiser en météorologie avant l’université et le niveau licence ou maîtrise -ou avant d’aller à l’ENM, mais il est toutefois nécessaire de choisir une filière scientifique dès le lycée.

Une fois diplômé et une fois obtenu le poste au Centre des Cyclones Tropicaux de La Réunion, il faut suivre deux formations supplémentaires; une première formation théorique de deux semaines en météorologie tropicale à l’ENM, puis une deuxième formation, opérationnelle, pendant plusieurs mois, au Centre des Cyclones. Cette période consiste à travailler avec et sous la supervision d’ingénieurs prévisionnistes cyclone expérimentés. Un prévisionniste cyclone est dit confirmé après avoir travaillé pendant une ou deux saisons cycloniques complètes.

2. Quelle(s) méthode(s) utilisez-vous pour prévoir les cyclones tropicaux (CT)? Avec quels outils travaillez-vous? Si l'on distingue les prévisions à effectuer: trajectoire, intensité, taille ou précipitations, vos réponses sont-elles différentes?

Pour élaborer les prévisions au Centre des Cyclones de La Réunion, nous utilisons une puissante station de travail appelée SYNERGIE, sur laquelle nous pouvons visualiser et superposer toutes les données dont un prévisionniste a besoin pour travailler: observations, modèles, imageries satellite, radar, etc. Cette station de travail possède un module spécifiquement dédié aux cyclones tropicaux (SYNERGIE CYCLONE), avec lequel nous travaillons pour procéder à l’analyse du système tropical et établir les prévisions de trajectoire et d’intensité. En plus des modèles, observations, images et tracé des trajectoires issues des modèles numériques …, nous avons récemment installé la visualisation directe des données des sites Internet utilisés quotidiennement en opération. Ces sites sont principalement – et donc de manière non exhaustive- les pages dédiées aux cyclones tropicaux du NRL, du CIMSS, de la NOAA (QuikSCAT), de l’AOML (pour le contenu énergétique), du BoM australien (MJO), ….

Notre zone de responsabilité (de l’équateur à 40S et des côtes africaines à 90E) est essentiellement un domaine maritime, exceptée la partie ouest du bassin, entre les côtes africaines et le 60E. Nous dépendons donc fortement des données satellitaires.

La taille et les précipitations associées aux systèmes tropicaux sont « observées », mais ne sont pas encore spécifiquement prévues. Toutes les six heures, lors de la diffusion de nos bulletins, nous décrivons la taille des systèmes via l’extension des vents à 30 nœuds et 50 nœuds, essentiellement grâce aux données des diffusiomètres (du fait du caractère maritime du bassin). Nous décrivons également le temps et donc les précipitations associées au système. Lorsqu’un système tropical est prévu approcher ou frapper une terre, la partie « commentaires » de nos bulletins spécifie de plus les zones habitées que les précipitations peuvent concerner dans les 24 à 36 prochaines heures. Pour ce faire, nous utilisons les champs prévus comme le taux de précipitation, l’humidité, la vitesse verticale, …, du meilleur modèle.

Prévision de trajectoire:

Pour élaborer nos prévisions de trajectoire, nous disposons des champs des modèles numériques développés par différents pays ou centres; deux modèles de Météo-France, un global et un à aire limitée sur l’Océan Indien Sud, le modèle anglais du Met Office, le modèle déterministe et la moyenne de la prévision d’ensemble du Centre Européen de Prévision (CEP). Depuis la saison 2004-2005, via le JTWC, nous avons également accès aux « géopoints » (i.e. position et pression minimale au centre du système tropical, toutes les 6 ou 12 heures) de quelques-uns des modèles américains comme le GFDN, le NOGAPS, le AVNO, et consensus de modèles calculés au JTWC. Les trajectoires proposées par tous ces modèles sont visualisées sur la station de travail.

Grâce à l’analyse des champs des modèles, le prévisionniste décide quel scénario est le meilleur. Par la suite, comme les statistiques tendent à montrer que les consensus de modèles mènent aux meilleurs résultats, nous moyennons les modèles choisis pour élaborer la prévision de trajectoire. Si la philosophie de certains modèles ne correspond pas à celle retenue, nous ne les incluons pas dans la moyenne.

Prévision d’intensité:

La prévision d’intensité nécessite la connaissance de l’environnement du système et son évolution. Nous utilisons pour ce faire plusieurs outils. Nous étudions les produits du site du CIMSS pour connaître l’environnement; la divergence et les vents d’altitude, la convergence et les vents de basses couches, le cisaillement vertical de vent et sa tendance, etc. Nous regardons le potentiel énergétique océanique via les températures de surface de la mer données par l’imagerie satellite et le contenu énergétique du site de l’AOML (profondeur de l’isotherme 26°C). L’humidité est évaluée grâce aux imageries vapeur d’eau et micro-onde, et nous utilisons également les champs du modèle estimé être le meilleur; θ’_w à 700 hPa, divergence, convergence. Pour finir, nous regardons la tendance donnée par les modèles, s’ils creusent ou affaiblissent le système tropical.

3. La Prévision d'Ensemble a-t-elle changé votre méthode de travail?

Nous somme destinataires des produits de la Prévision d’Ensemble (PE) depuis plusieurs années et cela a changé notre façon de travailler et nos résultats. Nous l’utilisons à différentes fins. Tout d‘abord, la PE est utilisée pour évaluer la probabilité de cyclogenèse à 10 jours sur le bassin. Ensuite, la moyenne des 51 runs de la PE est utilisée comme un modèle déterministe et peut être incluse dans un consensus de modèles pour élaborer la prévision de trajectoire. Le panache de probabilité (« strike probabilities ») fourni par le CEP sert à la gestion du risque sur l’Ile de La Réunion. Enfin, la dernière application, toujours à l’étude, serait d’utiliser la PE pour calculer des cônes d’incertitude appliqués à la prévision de trajectoire du CMRS.

4. Comment se déroule une journée de travail lorsqu’un système tropical évolue sur le bassin? En quoi est-ce différent s’il y a plusieurs systèmes tropicaux à la fois? Suivant si les systèmes tropicaux évoluent sur le même bassin ou bien sur des bassins différents, cela fait-il une différence dans votre journée de travail?

Nous travaillons selon des tours de service de 12 heures, qui peuvent être de jour ou de nuit. Les horaires de ces tours de service sont de 07h00 à 19h00 et de 19h00 à 07h00. Nous émettons quatre séries de bulletins par jour, en français et en anglais, à 00, 06, 12 et 18Z. Nous avons donc lors d’une journée de travail, les bulletins de 06 et 12Z à élaborer et diffuser.

La journée commence avec la relève et l’étude approfondie de la situation, exposée lors d’un briefing pour le personnel du centre à 08h30. Nous enchaînons avec la saisie de données dans le logiciel avec lequel nous préparons nos 6 à 7 bulletins, qui sont diffusés en bilingue pour 10h30. Vient ensuite le briefing interne avec le service de prévision du temps local et si nécessaire (i.e. si un CT concerne directement ou indirectement le temps sur La Réunion), nous lui fournissons des directives.

Nous avons une pause entre 11.00 AM et 12.00 PM.

Après cela, nous devons remplir une base de données concernant la cyclogenèse, et débuter la rédaction du bulletin en anglais et français sur l’activité cyclonique et les conditions météorologiques du bassin (« tropical outlook »). Ce bulletin est diffusé à 03h00. Entre-temps, nous élaborons le bulletin dit de « liaison » permettant de tenir l’équipe informée des actions de la journée et de donner des instructions à l’équipe de prévision locale pour les 3 jours à venir.

Les bulletins du réseau suivant sont ensuite préparés et diffusés pour 04h30. A la fin du service, nous procédons à l’archivage des messages, des images satellitaires pertinentes, etc, de la journée.

Si jamais nous avons deux CT à gérer, c’est double travail! S’il y a deux systèmes à suivre, avec une gestion de risque sur La Réunion, un deuxième prévisionniste cyclone vient donner de l’aide. Quelqu’un vient également en renfort lorsqu’il y a trois systèmes à gérer sur le bassin.

Nous avons un seul bassin à surveiller, mais il a une frontière « virtuelle » avec deux autres zones; le sud-est de l’océan Indien (la zone de responsabilité australienne débute à 90E) et la zone de responsabilité indonésienne (est de 90 E et nord de 10S). Si jamais un CT nous arrive d’une de ces deux zones (ou vice et versa), les centres concernés (Perth, Jakarta, La Réunion) s’envoient des mels ou s’appellent pour assurer la passation de responsabilité de suivi du système.

Resumen

La observación, el análisis y el pronóstico del tiempo tropical constituyen un reto, pero los resultados siguen mejorando gracias a nuevos tipos de instrumentos (principalmente satelitales y algunos in situ), variables derivadas y herramientas que nos permiten sintetizar las observaciones y la salida de los modelos numéricos. El pronosticador agrega valor a los sistemas automatizados aplicando sus conocimientos de los sesgos del modelo, la información satelital de actualización rápida y los casos observados en el pasado. El análisis de datos satelitales es una de las destrezas principales que todo pronosticador del tiempo tropical debe desarrollar. Debido a la escasez de estaciones radar en las regiones tropicales, recurrimos a las imágenes de alta resolución generadas por los satélites geoestacionarios para producir pronósticos momentáneos de los sistemas atmosféricos de mesoescala y de escala convectiva. Los modelos no hidrostáticos de alta resolución logran generar sistemas atmosféricos convectivos realistas a muchas escalas, pero la creciente cantidad y gran variedad de tipos de datos satelitales constituyen un reto para los métodos de asimilación de datos. Las técnicas de predicción por conjuntos generan información sobre la incertidumbre de los pronósticos numéricos. Los modelos de predicción por conjuntos multimodelo (de consenso) han mejorado los pronósticos de trayectoria de los ciclones tropicales. Nuestra habilidad de predicción de la intensidad de los ciclones tropicales aún necesita mejorar, pero en la actualidad los conjuntos de modelos estadísticos y dinámicos de alta resolución brindan la mejor guía numérica. Los pronósticos intraestacionales están mejorando lo suficiente como para utilizarse como guía para la probabilidad de ciclogénesis tropical. Utilizamos varias técnicas de verificación y validación, tanto nuevas como tradicionales, para evaluar los pronósticos numéricos. A medida que aumentan nuestros conocimientos de meteorología tropical y nuestra confianza en los pronósticos numéricos, podemos anticipar mejores predicciones del tiempo en el trópico.

Apéndice A: Símbolos de datos de estación y meteorológicos

En las cartas sinópticas, los datos de las estaciones de observación en superficie se presentan en la posición geográfica correspondiente en el formato indicado en la figura 9A.1. En la derecha superior se indica la presión al nivel del mar (p. n. m.); se omiten el o los dígitos iniciales (9 o 10), de modo que «986» indica un valor de presión de 998,6 hPa; «115» corresponde a 1011,5 hPa. El círculo muestra la cobertura del cielo en octas, es decir, octavos (fig. 9A.2). Las barbas del viento representan la velocidad del viento y la dirección desde la cual sopla. Para los análisis aerológicos horizontales estándar (1000, 850, 700, 500, 300 y 200 hPa), los datos de estación indican la temperatura, el punto de rocío, la velocidad del viento y la altura geopotencial. La figura 9A.1b es un ejemplo de los datos para el nivel de 850 hPa, donde la altura geopotencial de 1564 m se indica como «564». La figura 9A.2 muestra otros símbolos meteorológicos de uso frecuente.

Módulo de COMET: Elementos de cartografía meteorológica
NOAA/NWS, cómo se lee una carta meteorológica de superficie:
http://www.srh.noaa.gov/jetstream//synoptic/wxmaps.htm

Preguntas de repaso

1. Describa por lo menos dos retos particulares al pronóstico del tiempo tropical.
2. Enumere tres tipos de mediciones puntuales.
3. Enumere tres fuentes de error de observación.
4. ¿Qué ventajas y debilidades tienen las observaciones satelitales en comparación con las observaciones en las estaciones meteorológicas del trópico?
5. Describa dos ventajas y dos limitaciones de las observaciones del radar meteorológico respecto del análisis y pronóstico del tiempo tropical.
6. ¿Por qué resulta más útil el análisis de líneas de corriente/isotacas que un análisis isobárico para pronosticar el tiempo tropical?
7. Nombre al menos dos instrumentos (in situ o de teledetección) desarrollados para fines de investigación que se han aplicado al pronóstico del tiempo tropical desde la década de 1990.
8. ¿Cómo ayuda al proceso de pronóstico del tiempo tropical la observación de circulaciones intraestacionales como las ondas ecuatoriales y la OMJ?
9. Enumere los usos y las limitaciones del análisis de trayectorias para el pronóstico del tiempo tropical.
10. Enumere tres variables que se pronostican para el tiempo marítimo tropical.
11. Describa el uso de las imágenes radar y satelitales en el análisis de la evolución de la convección de mesoescala en el trópico.
12. Describa al menos cuatro fuentes de error en los modelos de predicción numérica del tiempo.
13. ¿Qué objetivo tiene la asimilación de datos?
14. Describa los principios fundamentales representados por las «ecuaciones primitivas» empleadas en los modelos dinámicos.
15. ¿Por qué son mejores los modelos no hidrostáticos para la predicción del tiempo tropical que los modelos hidrostáticos?
16. Explique qué constituye una predicción de un conjunto numérico.
17. Describa las ventajas y limitaciones de las técnicas de asimilación de datos variacionales en tres y en cuatro dimensiones (3D-VAR y 4D-VAR) y el filtro de Kalman de transformación de conjuntos.
18. Describa tres métodos para verificar los pronósticos de los modelos numéricos, teniendo en cuenta sus fortalezas y debilidades, y dé al menos un ejemplo de su aplicación a la meteorología tropical.
19. Enumere tres factores que se deben considerar a la hora de pronosticar el movimiento de un ciclón tropical.
20. Enumere tres factores que se deben considerar a la hora de pronosticar el cambio de intensidad de un ciclón tropical.
21. ¿Cuándo resultan más útiles los modelos estadísticos para la predicción de ciclones tropicales?
22. Describa algunas de las variables físicas clave que se incluyen en los modelos estadísticos típicamente usados en el proceso de predicción de ciclones tropicales.
23. Describa brevemente dos modelos dinámicos empleados en la predicción del movimiento de los ciclones tropicales.
24. ¿Cuándo y por qué resultan de mayor utilidad las técnicas de predicción por conjuntos en la predicción de los ciclones tropicales?
25. Describa dos técnicas empleadas para validar los pronósticos de movimiento o intensidad de los ciclones tropicales.
26. Enumere las diferencias principales entre las fases activa y de interrupción del monzón sobre el norte de Australia en términos de dinámica y termodinámica.
27. Describa las diferencias en el ciclo diurno de convección durante las fases activa y de interrupción del monzón. ¿Qué impacto tiene esta diferencia en el pronóstico de aviación en Darwin, Australia?
28. Enumere todos los tipos de tormentas severas que pueda y al menos una característica de las radiosondas que puede alertarnos acerca de su posible severidad.
29. Explique brevemente la causa de los períodos de monzón suprimido en el norte de Australia. ¿En qué difiere este período del período activo típico del monzón?
30. ¿Qué papel juega la orografía en el ciclo estacional de precipitación sobre continente marítimo (SE asiático)?

Prueba

También puede tomar la prueba y enviarle los resultados a su profesor.

Esbozos biográficos

Dr. Akio Arakawa

El Dr. Akio Arakawa es un pionero de la predicción numérica del tiempo (PNT) renombrado a nivel mundial. Recibió la licenciatura en física y el doctorado en meteorología por la Universidad de Tokio en los años 1950 y 1961, respectivamente. En la década de 1950, cuando trabajaba en la Agencia Meteorológica de Japón, se inspiró en la primera simulación de la circulación general, de Norman Phillips, para desarrollar su propio modelo de la circulación atmosférica global. En 1961, Yale Mintz lo convenció a que fuera a trabajar en la Universidad de California en Los Ángeles (UCLA) como científico visitante. En 1963 finalizaron el primer modelo de la circulación general en UCLA, que luego recibiría el nombre de modelo Mintz-Arakawa. Este fue el primer modelo global en incluir distribuciones realista de océanos y tierra firme, y de la topografía de superficie. Tras un período de dos años en el Japón, Arakawa regresó a UCLA en 1965, donde siguió integrando el cuerpo docente durante el resto de su carrera, al tiempo que lideró el desarrollo de modelos de la circulación general y los sistemas terrestres cada vez más avanzados.

Su brillante habilidad matemática y experiencia en meteorología le permitieron desarrollar métodos numéricos para representar la dinámica de fluidos, e incluso las técnicas de diferencias finitas que se publicaron por vez primera en 1966. También desarrolló robustos esquemas de representación de la convección de cúmulos y de las circulaciones a gran escala, y en 1974 colaboró con Wayne Schubert en la creación del «esquema de parametrización de cúmulos Arakawa-Schubert». Estos aportes dieron lugar a avances importantes en la predicción del tiempo tropical y el modelado del sistema tierra en general. En 1977, el Dr. Arakawa recibió la medalla Carl-Gustaf Rossby a la investigación, el máximo honor que otorga la AMS. En 1998, UCLA celebró su carrera con un simposio titulado «Modelado de la circulación general en el pasado, presente y futuro: simposio en honor de Akio Arakawa». Fue nombrado miembro honorario de la AMS y en el año 2007 la AMS celebró un simposio en su honor. En 2008 recibió el premio Dickson de UCLA. En 2010 recibió la medalla Vilhelm Bjerknes de la Unión Europea de Geociencias en reconocimiento de sus contribuciones pioneras y fundamentales no solo al modelado numérico en las ciencias atmosféricas, sino a la dinámica de fluidos general en geofísica. Aunque se ha jubilado, sigue involucrándose en el trabajo constante de afinar los modelos globales, incluidos los modelos climáticos. Se le reconoce ampliamente como un auténtico mito viviente.

Benito Viñes (1837-1893)

El padre Benito Viñes, apodado cariñosamente «padre huracán», sentó las bases de las modernas redes de observación y de alerta de huracanes. Fue el director del Observatorio Meteorológico, Magnético y Sísmico del Real Colegio de Belén de la Compañía de Jesús en La Habana desde 1870 hasta 1893, el año de su muerte. El Padre Viñes nació en Poboleda (España), donde también recibió instrucción en física, y llegó a Cuba después de haber pasado una temporada en Francia. Allí organizó centenares de observadores para que vigilaran las condiciones meteorológicas junto a la costa de Cuba, lo cual constituyó la primera red de observación capaz de distribuir alertas de huracanes, primero a caballo y más tarde por telégrafo. Sus meticulosas observaciones del tiempo en la superficie, del movimiento de las nubes, de las marejadas y de las condiciones después de las tormentas le permitieron desarrollar un modelo conceptual bastante exacto de la estructura tridimensional de los huracanes. Sus observaciones del movimiento de las nubes y de las marejadas también le permitieron elaborar una técnica para determinar el centro de los huracanes. Se hizo famoso por sus pronósticos pioneros del movimiento de los huracanes basados en el movimiento de las corrientes de salida de las nubes altas provenientes del centro de las tormentas tropicales. En septiembre de 1875 emitió su primera predicción impresa y pronosticó correctamente la llegada a tierra de un intenso huracán que azotó el sur de la isla de Cuba. Gracias a otras predicciones exitosas ese mismo año y en años posteriores, Viñes logró que algunas empresas privadas financiaran el establecimiento de una serie de estaciones de observación y un servicio de mensajes gratis a través las compañías de telégrafo y de ferrocarriles. En 1877 publicó Apuntes Relativos A Los Huracanes De Las Antillas, famoso libro que llegó a representar la norma como recurso de capacitación para marineros y otras personas interesadas en el tema. Su informe técnico Investigaciones Relativas a la Circulación y Traslación Ciclónica en los Huracanes de las Antillas, enviado apenas tres días antes de su muerte, llegó póstumamente a la agencia meteorológica de Estados Unidos.

Agradecemos a Patrick Fitzpatrick por compartir con nosotros la información biográfica originalmente publicada en su libro Hurricanes: a reference handbook, 2a edición, Contemporary World Issues, ABC CLIO, 412 págs., 2006.

Referencias bibliográficas