La reseña a "Recuperación de la clasificación sinóptica de Font"

Reseña de la Nota Técnica Nº 27 de AEMET: “Recuperación de la clasificación sinóptica de Font: reconstrucción con el reanálisis ERA40”

Colaboraciones de la RAM Colaboraciones de la RAM 20 Nov 2019 - 02:00 UTC
Fig.1. Ejemplo de mapa de frentes (mapa sinóptico). Fuente: AEMET.

Reseña de la Nota Técnica Nº 27 de AEMET: “Recuperación de la clasificación sinóptica de Font: reconstrucción con el reanálisis ERA40” de Carlos Santos Burguete (Centro Nacional de Predicción AEMET), Álvaro Subías Díaz-Blanco y Alejandro Roa Alonso (Área de Técnicas y Aplicaciones de Predicción AEMET).

Carlos Santos Burguete ([email protected]), Centro Nacional de Predicción AEMET.

Enlace a la nota técnica: Recuperación de la clasificación sinóptica de Font: reconstrucción con el reanálisis ERA40.

PALABRAS CLAVE: clasificaciones sinópticas; patrones sinópticos; predicción numérica; predicción operativa; modelos conceptuales; climatología sinóptica.

Meteorología sinóptica

Los fenómenos meteorológicos se presentan en un amplio abanico de escalas espaciales y sus correspondientes escalas temporales. De forma sencilla puede resumirse que las escalas planetaria, sinóptica, mesoescala y microescala abarcan fenómenos desde los 10 000 km hasta los centímetros y, en correspondencia, desde meses o semanas hasta segundos. La meteorología de escala sinóptica o meteorología sinóptica alberga fenómenos de orden de magnitud de 1000 km y días de duración, como pueden ser las vaguadas y dorsales en niveles medios altos, así como anticiclones, borrascas y frentes en niveles bajos de la troposfera. La figura 1 muestra un ejemplo de mapa de frentes. Las llamadas meteorología sinóptica y climatología sinóptica (Font 2000, 1983) caracterizan, respectivamente, el tiempo y el clima en dicha escala basándose en los diversos factores que configuran tanto el tiempo como el clima. En meteorología sinóptica se presta especial atención a los diversos patrones de circulación atmosférica, tarea que, por la complejidad y cantidad de los mismos, requiere un esfuerzo importante de síntesis.

Clasificaciones sinópticas, subjetivas y objetivas. A los seres humanos nos gusta clasificar los objetos que estudiamos porque ayuda a organizar el conocimiento de sus características, comportamiento, etc. y, en definitiva, aprender sobre ellos (y, en el fondo, sobre nosotros mismos). En meteorología y climatología podemos citar numerosos ejemplos: la clasificación climática de Köppen-Geiger, la de nubes, etc. Las llamadas clasificaciones sinópticas permiten clasificar patrones sinópticos espaciales, es decir, los “mapas del tiempo”, ayudando a entender su variabilidad y complejidad. Son útiles, por un lado, como herramientas analíticas y predictivas y, por otro lado, como herramientas didácticas y de comunicación.

Existen, por un lado, clasificaciones subjetivas (Linés, 1981; Font, 2000, 1983; Sánchez Rodríguez; 1993) basadas tradicionalmente en el conocimiento y la experiencia de profesionales de la predicción o la climatología, de carácter fundamentalmente cualitativo y con fuerte conexión con los efectos que produce cada patrón sobre el tiempo sensible. Por otro lado, desde la aparición de las técnicas de clustering o agrupamiento (Hartigan, 1975) con soporte computacional, existen clasificaciones objetivas basadas en algoritmos de similitud morfológica (Calvo 1993; Petisco y Martín, 1995; Ribalaygua y Borén, 1995; Gutiérrez y col., 2004). Ambos enfoques, subjetivo y objetivo, son importantes y aportan conocimiento y utilidad complementarios. En este estudio se ofrecen dos ejemplos, uno de cada enfoque: la clasificación objetiva de Ribalaygua y Borén (1995) y, tema central del trabajo, la clasificación subjetiva de Inocencio Font Tullot (2000, 1983), abordada con mayor detalle. Por un lado, estos dos ejemplos son suficientes para entender las bases, resultados y conclusiones de ambos métodos; por otro lado, ambos han sido utilizados en el anterior INM o en AEMET y, aunque no sean de publicación reciente, sí representan parte de la historia de AEMET como institución. Más allá de estas consideraciones, la consistencia entre ambos enfoques puede resultar una aproximación interesante para futuros estudios. En Tveito et al (2011) puede encontrarse una exposición exhaustiva y comparativa de distintas clasificaciones de tipos de tiempo sobre Europa, así como aplicaciones de las mismas y formas de evaluarlas. Estas clasificaciones, más allá de la interpretación sinóptica para fines operativos pueden permitir, por ejemplo, evaluar modelos numéricos (Casado et al., 2011 y 2012).

Clasificaciones objetivas

Desde el surgimiento de los modelos atmosféricos de predicción (Calvo, 2018), las predicciones existen en forma de números, cubriendo habitualmente un dominio espacial tanto en superficie como en una serie de niveles verticales que suelen abarcar la troposfera y, últimamente, parte de la estratosfera o incluso la mesosfera, con una densidad o resolución que depende de la escala. En la escala sinóptica las resoluciones actuales (2019) rondan los 10 30 km para los modelos deterministas.

¿Cómo funcionan las clasificaciones basadas en técnicas de agrupamiento con soporte computacional?

En los algoritmos más sencillos, para clasificar se agrupan las situaciones según un criterio numérico de similitud (e. g. distancia euclídea) que, a menudo debe coincidir con el criterio que daría una persona examinando visualmente los mapas del tiempo y haciendo grupos (método conocido técnicamente como “agrupación a ojo”). Estos algoritmos básicos puede mejorarse y hacerse más eficaces y sutiles incluyendo información de tipo estadístico (e. g. varianza explicada). En la actualidad, el agrupamiento conforma toda una disciplina científica y técnica y existe una gran variedad de familias de algoritmos. Son populares, por ejemplo, algoritmos como el Análisis de Componentes Principales (PCA por sus siglas en inglés; Jolliffe, 1986; Jolliffe y Cadima, 2016), etc.

Clasificación sinóptica objetiva de Ribalaygua y Borén

La clasificación sinóptica objetiva de Ribalaygua y Borén (1995) no es de las más modernas pero presenta, en este estudio, un interés especial porque es consistente con clasificaciones subjetivas tradicionales, puede interpretarse bien en términos diagnósticos (aquellos expresados en lenguaje meteorológico) y, además, la agrupación se basa en una variable de tiempo sensible como es la precipitación (Romero y col, 1999). El procedimiento se ilustra en la figura 2. En un primer paso se aplica el algoritmo de agrupamiento al campo de precipitación diaria acumulada. Una vez que se tienen los grupos, se caracteriza cada grupo sinópticamente por los campos de altura geopotencial en 500 hPa (Z500) y presión reducida al nivel medio del mar (MSLP), promediados a partir de los elementos de cada grupo. Como resultado, se obtienen 18 patrones de precipitación y sus 18 configuraciones sinópticas asociadas. La relación entre la configuración sinóptica de cada grupo y el patrón de precipitación asociado puede interpretarse en términos de modelos conceptuales meteorológicos de precipitación.

Figura 2: Agrupación de situaciones meteorológicas de Ribalaygua y Borén (1995) que produce 18 patrones meteorológicos en 4 grupos, ver texto. a) Esquema del procedimiento. b) Grupo B con 9 patrones. c) Grupos C, D y A con 9 patrones en total. Fuente: AEMET.

Tipo de tiempo. Clasificación sinóptica subjetiva de Font

Denominamos tipo de tiempo a la distribución particular de los sistemas de presión y de las masas de aire sobre una región geográfica especificada, asociados con características generales típicas de los fenómenos meteorológicos. En las clasificaciones de tipos de tiempo, los miembros de un mismo grupo comparten características comunes y presentan grandes diferencias entre los distintos grupos, normalmente en las variables climáticas típicas y, singularmente, la precipitación. La clasificación sinóptica de tipos de tiempo sobre la península ibérica es compleja y, en el caso de clasificaciones tradicionales, subjetiva.

La clasificación subjetiva de Font (2000, 1983), ejemplo clásicamente conocido, propone 23 patrones sinópticos o tipos de tiempo, ilustrados con situaciones de 23 fechas concretas, en general de la década de 1970 1980. Font utiliza dos factores: el primero, la contracción expansión del vórtice circumpolar que va asociada a la posición de la circulación en altura del oeste. Si esta circulación se sitúa en latitudes medias, se añade un segundo factor que es el tipo de circulación (zonal, meridiana o depresión fría). Se distingue además, cuando se da el caso, si es predominantemente invernal o más bien estival. Ver tabla 1.

Tabla 1: Factores para la clasificación sinóptica subjetiva de Font (2000, 1983).

Estudiando las situaciones meteorológicas de la década 1970 1980 aproximadamente, atendiendo a estos factores combinados citados, Font encuentra 23 grupos subjetivos que representan tipos de tiempo. Estos tipos mantienen sus rasgos generales tres días o más, con periodos de transición muy difícilmente caracterizables. En Font (2000, 1983) se presentan estos tipos de tiempo mostrando los mapas delineados manualmente (lo que se llamaba en la época el querer de la mano), correspondiendo cada caso a una fecha del citado periodo 1970 1980. El querer de la mano no se refería tanto a que los mapas estuvieran hechos en su versión final por delineantes sino a que cuando se enseñaba a los meteorólogos a analizarlos manualmente a partir de los datos transcritos, algún profesor animaba a suavizar el contorneado porque el flujo del aire no hacía "picos". Evidentemente eso puede valer hasta cierto punto para mapas de altura pero no en superficie donde, a escala sinóptica, en los frentes el flujo casi puede decirse que “hace picos” (nota de Ángel Rivera, ¡¡¡gracias Ángel!!!).

Se muestra un ejemplo en la figura 3.a y una panorámica de los 23 patrones en la figura 3.b.

Figura 3: a) Situación del 27 de febrero de 1975 tipo Font 11 “Anticiclón centroeuropeo”, con la reproducción original de los mapas delineados. b) Mosaico con los 23 patrones originales de Font.

Recuperación de la clasificación de Font mediante reconstrucción con ERA40

Para enriquecer la visualización y recuperar el trabajo de Font (2000, 1983) se han utilizado datos del reanálisis ERA40 del European Centre for Medium range Weather Forecasts, ECMWF (Uppala et al., 2005) correspondientes a las 23 fechas o 23 tipos de Font. Recordamos que un reanálisis toma datos observados de una fecha pasada, los procesa con un procedimiento llamado asimilación que, a su vez, utiliza un modelo atmosférico. Como resultado, para esa fecha pasada se dispone de una representación enriquecida de la atmósfera, tanto en cobertura como en consistencia, con datos reconstruidos en diversos niveles verticales y para todo el planeta.

En el estudio se han tomado las 23 fechas Font o 23 tipos de tiempo Font, se han tomado los datos del ERA40 correspondientes a cada fecha y se han generado, con técnicas modernas de ploteo para predicción operativa de AEMET, los mapas del tiempo tanto en 500 hPa como en superficie. Las delineaciones antiguas incluían frentes en superficie, mientras que las modernas técnicas de ploteo incluyen estructuras nubosas coloreadas que, a su vez, pueden ayudar a perfilar esos frentes. En 500 hPa (niveles medio-altos de la troposfera), además de las isohipsas de altura geopotencial de los mapas antiguos, las técnicas modernas incluyen temperaturas en una escala de color. Como ejemplo, en la figura 4 se muestra uno de los casos de Font con la reproducción original de los mapas delineados (querer de la mano, figura 4.a) y la reconstrucción actual con los datos de ERA40 (querer de la máquina, figura 4.b). Se trata, en este caso, del 27 de febrero de 1975, situación tipo 11 de Font “Anticiclón centroeuropeo”, situación que se da con mayor frecuencia en los meses invernales diciembre, enero y febrero. El parecido entre el mapa manual (1975) y el automático (2019) es notable, como no podía ser de otra manera, subrayando así la grandísima capacidad profesional de los analistas y delineantes de la época. En el estudio se resaltan, además, algunos rasgos diferenciales no descritos aquí.

Figura 4: Situación del 27 de febrero de 1975 tipo 11 de Font “Anticiclón centroeuropeo”, contrastando: a) la reproducción original de los mapas delineados (Font, 2000, 1983) y b) la reconstrucción actual con los datos de ERA40 y la aplicación metview.


En el anexo A del estudio se presentan de modo completo los 23 patrones de Font tanto en su visualización original como con las técnicas modernas descritas, visualizaciones complementarias pues la de Font incluye frentes y la moderna estructuras nubosas coloreadas, así como temperaturas coloreadas en niveles medio altos. Así mismo, se incluye el texto de Font detallado para cada patrón, intentando mantenerlo fiel al original, pero introduciendo algunas modificaciones mínimas. Por ejemplo, se intercala el término “DANA” para matizar términos no aconsejados como “gota fría”, o el término “episodio de calor” para matizar el de “ola de calor” que, a día de hoy, tiene un significado más preciso que entonces. Se intenta, así, recuperar y enriquecer la clasificación original.

A modo de panorámica, en la figura 5 se presentan mosaicos con los 23 patrones de Font, en su versión original (5.a) y con la visualización actual (5.b).

Figura 5: Los 23 patrones de Font. a) Reproducción original de los mapas delineados. b) Reconstrucción actual con los datos de ERA40 y la aplicación metview.

Conclusiones

Este estudio, puede abrir camino como punto de partida, planteando un abanico de líneas de investigación y aplicación:

(1) Mediante el enriquecimiento visual de la clasificación de Font se intenta una recuperación de conocimiento valiosísimo, que puede encontrar aplicación directa en formación, divulgación y comunicación meteorológica.

(2) Sería conveniente una convergencia entre las clasificaciones objetivas, basadas en modelos numéricos y algoritmos de agrupamiento y las clasificaciones subjetivas, basadas en modelos conceptuales. En la actualidad, la consistencia entre ambos enfoques (objetivo y subjetivo) puede explorarse con mayor profundidad.

(3) La aplicación de otras técnicas y parámetros de agrupamiento puede arrojar evidencias de las que sacar partido. Como sugerencia orientativa para futuros estudios, puede aplicarse la técnica estadística de Análisis de Componentes Principales explorando una simplificación opcional y un mejor entendimiento de los 23 patrones Font.

(4) Se contribuye así a entender mejor la naturaleza de la variabilidad y diversidad de estos patrones meteorológicos o tipos de tiempo.

REFERENCIAS

Calvo Sánchez, F.J., 2018. Modelos atmosféricos. En Santos Burguete, Carlos (ed.). Física del caos en la predicción meteorológica. Madrid: Agencia Estatal de Meteorología, 2018, p. 129-143.

Calvo, J. 1993. Clasificación de flujos en 500 hPa sobre la península ibérica. Nota técnica Nº 32 del Servicio de Predicción Numérica, INM.

Casado et al., 2011. Evaluación de los modelos AR4 del IPCC sobre la P. Ibérica y su región Euro-Atlántica. AEMET. http://hdl.handle.net/20.500.11765/3123.

Casado, M.J. and Pastor, M.A., 2012. Use of variability modes to evaluate AR4 climate models over the Euro-Atlantic region. Climate dynamics, 38(1-2), pp.225-237.

Font-Tullot, I., 2000. Climatología de España y Portugal (Vol. 76). Universidad de Salamanca.

Font-Tullot, I., 1983. Climatología de España y Portugal. Instituto Nacional de Meteorología, 1983. Madrid.

Gutiérrez, J.M., Cofiño, A.S., Cano, R. y Rodríguez, M.A., 2004. Clustering methods for statistical downscaling in short-range weather forecasts. Monthly Weather Review, 132(9), pp.2169-2183.

Hartigan, J. A., 1975. Clustering algorithms (Vol. 209). John Wiley and Sons. New York. Jolliffe, I. T., 1986. Principal Component Analysis and Factor Analysis. In Principal component analysis (pp. 115-128). Springer, New York.

Jolliffe I. T. y Cadima J., 2016. Principal Component Analysis: a review and recent developments. Philos Trans A Math Phys Eng Sci.

Linés, A., 1981. Perturbaciones típicas que afectan a la península ibérica y precipitaciones asociadas. INM, serie A, Nº 80, Madrid.

Petisco, E. y Martın, J. M., 1995. Caracterización de la circulación general atmosférica en la Península Ibérica y Baleares (Characterization of the atmospheric general circulation in the Iberian Peninsula and Balearic Islands). Service of Analysis and Research of Climate, Instituto Nacional de Meteorología, Tech. Service of Analysis and Research of Climate, Tech. Note 5.

Ribalaygua Batalla, J. y Borén Iglesias, R., 1995. Clasificación de patrones espaciales de precipitación diaria sobre la España peninsular y Baleárica. Informe Nº 3 del Servicio de Análisis e Investigación del Clima. INM. Madrid.

Romero, R., Ramis, C. y Guijarro, J.A., 1999. Daily rainfall patterns in the Spanish Mediterranean area: an objective classification. International Journal of Climatology: A Journal of the Royal Meteorological Society, 19(1), pp.95-112.

Sánchez Rodríguez, J., 1993. Situaciones atmosféricas en España. INM. Madrid. Santos y col., 2018. Física del caos en la predicción meteorológica. AEMET. Madrid.

Tveito, O.E., Huth, R., Beck, C., Demuzere, M., Esteban, P., Pasqui, M., Philipp, A. and Post, P., 2011. COST733-Harmonisation and Applications of Weather Types Classifications for European Regions. In European Conference on Applied Climatology/European Meteorological Services (EMS/ECAC) 2011, Berlin. http://cost733.met.no/ y http://cost733.geo.uni-augsbur...

Uppala, S. M., Kållberg, P. W., Simmons, A. J., Andrae, U., Bechtold, V. D., Fiorino, M., Li, X. y coautores, 2005. The ERA‐40 re‐analysis. Quarterly Journal of the royal meteorological society, 131(612), 2961 3012.

Carlos Santos Burguete
Esta entrada se publicó en Libros y Revistas y está etiquetada con Inocencio Font, Clasificación sinóptica, Clasificación climática, Clasificación sinóptica, Modelo Conceptual, en 20 Nov 2019 por Francisco Martín León
Publicidad