Campos derivados y salidas especiales de modelos numéricos de predicción

Mapas previstos de imágenes de seudo reflectividad radar (Z)  RAM Imagen de seudo reflectividad, Z, para Europa prevista por el modelo MM5 de Air Force Weather Agency, MM5-AFWA, para el 22 de enero de...

Mapas previstos de imágenes de seudo reflectividad radar (Z)  Imagen de seudo reflectividad, Z, para Europa prevista por el modelo MM5 de Air Force Weather Agency, MM5-AFWA, para el 22 de enero de 2003 a las 15 UTC. La escala de reflectividad está dada en decibelios, dBZ, según la escala adjunta de colores.IntroducciónCada día los modelos numéricos de predicción del tiempo son más sofisticados, poseen mejor resolución espacial y temporal, su física es más completa, etc., y, en general, son más realistas. Además de las salidas “clásicas”, por niveles de presión como son la temperatura, humedad y viento, se generan otras muchas salidas, productos y campos más cercanos a la vida cotidiana en que vivimos. Así, en el postproceso del modelo se pueden obtener variables próximas a la superficie de la tierra, ajustadas estadísticamente, la altura de la base de las nubes, presencia o no de precipitación sólida y líquida, etc. En otras palabras, las técnicas computacionales actuales y los conocimientos de los procesos meteorológicos nos permiten obtener una cantidad ingente de variables y parámetros previstas (a veces demasiadas) que pueden estar más o menos relacionadas con las condiciones atmosféricas en las que vivimos. Algunas de estas variables y parámetros podemos observarlas y analizarlas mediante sensores pasivos o activos (precipitación, reflectividad radar, visibilidad, concentración de aerosoles en suspensión, etc.) tanto de tierra como de altura e, incluso desde el espacio.Así por ejemplo, existen productos derivados de modelos numéricos como son la precipitación acumulada, tipo de meteoro precipitante, engelamiento, turbulencia, etc., que son de gran ayuda a la hora de la toma de decisiones generales y, en especial, en condiciones meteorológicas adversas. Ya que un modelo dispone de información tridimensional, 3D, (o cuatridimensional, si se incluye en tiempo cronológico, 4D) de una grana cantidad de variables meteorológicas, es posible acoplarlo con otros modelos que tengan en cuenta, por ejemplo, los procesos de transferencia radiativa y, así, disponer imágenes previstas de nubosidad del modelo como si fueran vista desde satélite en el canal que deseemos: son las llamadas seudo imágenes previstas. Según la “atmósfera” evolutiva del modelo, transformamos sus salidas en algo parecido a la nubosidad, o mejor dicho, a la radiancia que vería un supuesto satélite con un canal determinado colocado “encima del modelo numérico”.Es posible, por lo tanto, generar seudo imágenes equivalentes a las que se verían en el canal infrarrojo o de vapor de agua un satélite y que detectara la radiación que “saliera” de dicho modelo. En algunos portales de Internet se sirven algunas imágenes previstas en el canal infrarrojo, por citar un ejemplo.Pero aún hay más, ya que se dispone groseramente de la distribución de humedad y de las zonas de precipitación, tri o tetra dimensionalmente, sería posible generar seudo imágenes de reflectividad radar equivalentes previstas. Estas imágenes, o mejor dicho, las seudo imágenes, serían equivalentes a las que vería un radar meteorológico que iluminara activamente las salidas tridimensionales de la distribución de la precipitación del modelo.Este tipo de seudo imágenes tienen sentido cuando trabajamos con modelos de muy alta resolución y, aún así, son relativamente toscas cuando la comparamos con los datos de radar meteorológicos reales.El radar meteorológico: algunos conceptos básicosRecordar que un radar meteorológico terrestre es un sistema de teledetección activo que emite señales electromagnéticas para detectar partículas precipitantes (y no nubosidad) que son capaces de reflejar la energía incidente, etc. Las imágenes radar de reflectividad están asociadas a las capacidades reflectoras de las partículas iluminadas por la señal radar. A mayor capacidad reflectora, mayor es la energía devuelta por ellas. Partículas asociadas a gotitas de lluvia, nieve o granizo inmersas dentro de al nube o que la abandonan son las candidatas para ser detectadas por el radar meteorológico. Las imágenes radar se suelen representar en modo reflectividad, Z, (dBZ) o transformándolas en estimaciones (groseras) de intensidad de precipitación, R, basada en una supuesta relación Z/R.Las imágenes reales del radar meteorológico poseen, para el caso de los radares del INM, 2x2 km2 ó 1x1 km2 de resolución espacial y se obtienen cada 10 minutos con diversas exploraciones y barridos volumétricos. En Internet están disponibles en la página web del INM ( www.inm.es ) con una periodicidad del orden de 30 minutos y sólo están las correspondientes a la exploración más baja del radar (PPI, Plan Position Indicador, a 0.5 º de elevación) para los datos regionales y en modo reflectividad, Z, y las imágenes CAPPI (Constant Altitude PPI) mosaico nacional a 2.5 km de altura, ofreciéndonos la distribución del campo de intensidad de precipitación estimada al nivel dado.Las seudo imágenes previstas de radar obtenidas a partir de modelos numéricos, como las seudo imágenes de satélite, muestran un tamaño de celdilla o de resolución espacial muy burda que dependen del modelo utilizado. Este hecho se puede observar sin más que ver la forma de diente de sierra que poseen las imágenes, como vemos posteriormente. Procesos de filtrado y suavizado pueden eliminar tales formas indeseadas pero reales para el modelo, a fin de cuentas, desde el punto de vista numérico. Además, se disponen cada 1 ó 3 horas dependiendo de las salidas del modelo.En el ejemplo inicial del artículo presentamos el mapa de pseudos reflectividad previsto por el modelo MM5-AFWA (Air Force Weather Agency) según el código de colores adjunto. Una gama de reflectividades orientativas, en la parte inferior de la imagen, nos recuerda la equivalencia grosera entre la reflectividad (dBZ) y la intensidad de precipitación (ligera, LT, moderada, MDT, e intensa. HVY).Al final del artículo vamos a analizar un ejemplo más completo junto con otros tipos de imágenes. Para ello, presentamos la seudo imagen de reflectividad prevista ( en dBZ), junto con la imagen de satélite IR disponible más cercana en el tiempo, junto con las salidas de la acumulación trihoraria de precipitación. Las salidas previstas corresponden con el modelo MM5-AFWA americano que en esta versión poseen una resolución de 45 x 45 km sobre Europa. La imagen radar real se corresponde con la intensidad de precipitación estimada de las 12 UTC generada a partir del mosaico radar nacional del INM a 2.5 km de altura. Todas las figuras se corresponden con el día 22 de enero del 2003. Antes de nada, iremos a ver cómo se generan estas seudo imágenes.Generando salidas de seudo reflectividad, Z (*)La reflectividad meteorológica de un blanco (volumen amplio formado por partículas reflectoras) es la capacidad que tiene éste de reflejar la energía electromagnética con la que es iluminado por un radar meteorológico, como comentamos con anterioridad.Se han obtenido relaciones que permiten comparar, de forma grosera, la cantidad de agua total condensada (de hielo, agua, nieve, granizo..) con dicha energía devuelta y, así, obtener la reflectividad (dBZ) del blanco iluminado. Esta relación, entre el agua condensada y la Z, está basada en suposiciones básicas que tienen en cuenta la densidad de partículas, distribución de tamaños, tipo de precipitación, etc.Para generar los campos de reflectividad a partir de modelos numéricos como el MM5, HIRLAM, etc., se usan los datos volumétricos del modelo, creando una imagen 3D del agua condensada en cada punto de grid o de rejilla. Se usa un radar ficticio y matemático que ilumina al volumen tridimensional del modelo. Este último es el que aporta una supuesta distribución de gotitas y partículas de nieve, agua, hielo y granizo.El algoritmo del MM5El algoritmo del modelo MM5 usa las siguientes variables previstas relativas a las razones de mezcla (cantidad del meteoro considerado en Kg por cada Kg de aire) de:- Nieve- Hielo- Vapor de agua- LluviaTodas estas variables se convierten en una “cantidad condensada” usando la densidad de aire en cada punto. Se suman los 4 componentes y se calcula la seudo reflectividad equivalente que vería el supuesto radar en todos los puntos de grid. Lo que se obtiene al final es una matriz 3D de seudo reflectividades del modelo.El producto final en InternetEl algoritmo, para generar el producto final, busca en la vertical de cada punto del grid el MÁXIMO DE REFLECTIVIDAD PREVISTA, y lo proyecta en el mapa de referencia en cada instante de la pasada del modelo. Se ajustan los valores a los colores e intervalos asociados a las escalas de los radares americanos ( red NEXRAD, NEXt generation of RADar) para que el usuario americano lo familiarice con los productos radar reales.Diferencia entre el campo de precipitación y de seudo reflectividad del modeloMientras que el campo de seudo reflectividad (dBZ) es instantáneo, para un momento dado y se basa en la cantidad condensada máxima de toda la precipitación prevista por el modelo (que puede o no puede llegar a la superficie), el campo de precipitación sólo tiene en cuenta la precipitación que llega al suelo del modelo y que, previamente, es modelizada y parametrizada por unas ecuaciones físicas del propio modelo que trata de simular los procesos de precipitación. El modelo va acumulando la precipitación en pasos de tiempo para generar las salidas de acumulaciones horarias. Normalmente se presentan campos de precipitación acumulada en intervalos de 1, 3, 6, .. horas. El campo de precipitación acumulada se mide en mm/n h, siendo “n” el paso de tiempo acumulado.El campo de reflectividad previsto puede, así, compararse con los campos de reflectividad reales en zonas donde existan datos de radar. En EEUU es muy útil esta comparación pues las escalas de colores de ambos productos son muy parecidas. Los radares de EEUU trabajan con longitudes de onda de 12 cm (banda S). Los del INM lo hacen con 5 cm (banda C).(*) Información suministrada por Telfeyan Bruce del AFWA/DNXThttps://afweather.afwa.af.mil/Ejemplo prácticoPero si un modelo estima la precipitación prevista en superficie ¿para que queremos las imágenes de seudo reflectividad?. Esta pregunta se la dejamos al lector para que la piense y la medite. Ya, en parte, está respondida líneas más arriba.Referencias y links de interéswww.westwind.ch Ir a Forecast Models 0-48 >> MM5 >> MM5 Afwa >> Radar Reflectivityhttps://afweather.afwa.af.mil/met/met_home.htmlImagen CAPPI mosaico nacional a 2.5 km de altura, en mm/h. tomada del portal del INM.www.inm.es

Esta entrada se publicó en Reportajes en 21 May 2005 por Francisco Martín León