evaluaciÓn preliminar de las parametrizaciones …

Vol 43 No1 (2018) 3 − 23

EVALUACIÓN PRELIMINAR DE LAS PARAMETRIZACIONES FÍSICAS DELMODELO WRF PARA UN CASO DE HELADA EN EL SUR DE BRASIL

Jeferson Machado1, Mário Quadro2, Camila Cardoso2, Carlos Araújo4, Gabriel Rodrigues3, NatáliaCosta2, Tuanny Rodrigues2 y Lourenço de Paula2

1Universidade Estadual Paulista (Unesp), Faculdade de Ciências / Centro de Meteorologia de Bauru(IPMet) – Bauru/Brasil

2Instituto Federal de Santa Catarina – Florianópolis/Brasil3Universidade Federal de Santa Catarina - Florianópolis/Brasil

4Epagri/Ciram - Florianópolis/Brasil

(Manuscrito recibido el 30 de octubre de 2015, en su versión final el 31 de agosto de 2016)

RESUMENA partir de simulaciones numéricas realizadas con el modelo WRF para un eventode helada en el sur de Brasil, en julio de 2013, es posible evaluar diferentesparametrizaciones físicas y determinar las que más se adaptan en estas condicionesmeteorológicas. Aunque los resultados no demuestran grandes diferencias estadísticas,el conjunto de parametrizaciones que utiliza los esquemas Dudhia de onda corta,RRTM de onda larga, WSM6 para microfísica y el esquema YSU para capa límiteplanetaria, fue el más ajustado en un evento de helada, ya que presenta los valoresmás bajos de ME y RMSE para la temperatura mínima, humedad relativa y velocidaddel viento. Sin embargo, no se puede determinar qué parametrización influye más apartir de estos resultados. Es importante destacar que las parametrizaciones aúndeben probarse con más eventos de helada simuladas por el modelo WRF, con lafinalidad de obtener un análisis estadístico más robusto.Palabras clave: Helada, Modelo WRF, Parametrizaciones físicas.

PRELIMINARY EVALUATION OF WRF PHYSICAL PARAMETERIZATIONSFOR A FROST EVENT IN SOUTHERN BRAZIL

ABSTRACTBased on numerical simulations performed with the WRF model for a frostevent in Southern Brazil in July 2013, it was possible to test different physicalparameterizations and evaluate these parameterizations in these weather conditions.Although the results do not show considerable statistical differences, the experimentutilizing the Dudhia for shortwave radiation, RRTM for longwave radiation schemes,WSM6 for microphysics and YSU for boundary layer showed better results inthe frost event, as it had the lowest values of ME and RMSE for the minimumtemperature, relative humidity and wind speed. However, it was not possible todetermine which parametrization produce the largest impact from these experiments.A greater number of frost events must be simulated with WRF model in order to

Dirección Electrónica: [email protected]

3

Evaluación preliminar de las parametrizaciones... J. Machado y coautores

obtain a more robust statistical analysis.Keywords: Frost, WRF Model, Physical Parameterizations.

1. INTRODUCCIÓN

Existen fenómenos que no están vinculados ala convección profunda e intensa, pero quepueden generar grandes pérdidas económicas,tales como las sequías, olas de calor, heladas,etc. A estos fenómenos, se los consideran comoadversos, sin características de convección, peroson potencialmente peligrosos para las personaso para el país (Seluchi, 2009). De acuerdo conPereira et. al (2001) la ocurrencia de heladasen Brasil es un fenómeno frecuente al sur de19o S, llegando a los estados de São Paulo(SP), Mato Grosso do Sul (MS), Minas Gerais(MG), Paraná (PR), Santa Catarina (SC) y RioGrande do Sul (RS). Las heladas ocurren conrelativa frecuencia en el sur de Brasil debidoa la combinación de dos factores principales:(i) la incidencia de los sistemas frontales fríosy anticiclones migratorios; (ii) la presencia deuna topografía compleja, que incluye elevacionessuperiores a los 1000 m. La combinación de latopografía y la actividad baroclínica hace que laregión de montaña de RS y de SC sea una de lasregiones más favorables para la formación de lasheladas en Brasil (Seluchi, 2009).

En general, se puede decir que las heladas seasocian a la incursión de las masas de airepolares que vienen de los mares subantárticos,especialmente de Mar de Weddell y el Marde Ross. Con todo, estas masas se modificana lo largo de su desplazamiento, y reciben ladesignación de masas de aire polar marítimo opolar continental. Es importante resaltar quela incidencia y la intensidad de las heladasdependen, en gran medida, de la trayectoriay de la velocidad de desplazamiento de lasmasas de aire involucradas (Seluchi y Nery,1992; Seluchi, 2009). Así pues, las heladas másintensas se asocian con el anticiclón migratoriofrío que se mueve más rápidamente, siguiendouna trayectoria continental meridional. Por otro

lado, las masas de aire polar marítimas, que semueven lentamente a través del mar, adquierengradualmente la temperatura y la humedad dela superficie del océano, alcanzan el continenteya muy modificadas y pierden sus característicaspolares. En estas ocasiones, las temperaturas notan bajas y la alta humedad provocan heladasmenos intensas (Seluchi, 2009).

Müller y Ambrizzi (2007) realizaronexperimentos numéricos con un modelode circulación general en dos estados básicosde la atmósfera con características opuestas.Estos investigadores concluyeron que existencondiciones atmosféricas que promueven oinhiben el desarrollo de los eventos extremosfríos en el sureste de América del Sur. Cuando elestado básico promueve la propagación de ondasde Rossby a lo largo de los chorros subtropicalesy polares sobre el océano Pacífico, es decir,trayectorias claramente zonales, el tren de ondasse modifica antes de llegar al continente. Enesta situación, se establece una fuerte anomalíade viento del sur, y su dinámica resulta en laintensificación de la circulación anticiclónica enel sur del continente. Esta condición favorecela ocurrencia de heladas de gran extensión yduración temporal, además de ocurrir con mayorfrecuencia. Müller y Ambrizzi (2007) tambiénrelatan que, cuando el estado básico de laatmósfera no presenta las condiciones adecuadas,la frecuencia de ocurrencia de las heladas serámínima o cero.

La variabilidad interanual también influye en lafrecuencia de ocurrencia de heladas en Américadel Sur. Müller (2006), relaciona la cantidadde heladas con cada uno de los eventos deEl Niño-Oscilación del Sur (ENOS) ocurridospara el periodo 1961-1990 en la región de laPampa Húmeda. De acuerdo con sus resultados,la variabilidad interanual en la frecuencia deocurrencia de heladas en la Pampa Húmedase explica, en parte, por la ocurrencia de las

4

Evaluación preliminar de las parametrizaciones...

fases cálida y fría del ENOS, la cual es inversadurante estas. Durante el invierno de los añosde El Niño (La Niña) el número de heladas es,en general, inferior (superior) al promedio. Encambio, en otoño y en primavera, el número deheladas se condiciona a la etapa de desarrollo delfenómeno, sobre todo en El Niño. Por lo tanto,la helada es un tema de mucho interés paralos meteorólogos que tratan de difundir avisosmeteorológicos para alertar a la sociedad y, enespecial, a los agricultores (Santos et al, 2013).

Debido al frecuente desarrollo de los sistemascomputacionales, pronosticar, con cinco o másdías de anticipación, la ocurrencia de heladasparece un desafío posible (Seluchi, 2009). Asípues, se hace viable ejecutar modelos conmuy alta resolución y sistemas de predicciónpor ensambles, tanto regionales como globales.Además, este desarrollo de modelos es constantey así son cada vez, mejores, puesto que losmodelos de mayor resolución permiten unarepresentación explícita de la convección yutilizan una parametrización compleja de losprocesos microfísicos, permitiendo la realizaciónde simulaciones no hidrostáticas a escalaconvectiva.

Es de destacar que algunas investigacionessobre predicción de heladas y evaluación de losmodelos atmosféricos para este fin se encuentranen la literatura. Entre las investigaciones queevalúan la predicción de heladas utilizandomodelos numéricos podemos mencionar losestudios realizados por Prabha et al (2007) ypor Prabha y Hoogenboom (2008), que informanel uso de diferentes parametrizaciones del modeloWRF (Weather Research and Forecasting) parasimulaciones de eventos de heladas, ademásde aplicar un índice de predicción de estefenómeno para el estado de Georgia, en EstadosUnidos. En el estudio realizado por Prabhaet al. (2007), se utiliza el modelo WRFversión 2.2 para tres dominios (9, 3 y 1 km),con las siguientes parametrizaciones: WRFSingle-Moment 3-class (WSM3) para microfísica,Kain-Fritsch para cúmulos, MM5 para ondacorta y, esquema RRTM para parametrización

de onda longa. Para la capa límite planetaria(CLP) se utilizan diferentes parametrizaciones:Mellor-Yamada-Janjic (MYJ) y el esquema dela Universidad de Yonsei (YSU) combinadascon tres modelos de suelo: Noah, SLAB y RUC.Los resultados se muestran para el segundodominio que cuenta con 3 km de resoluciónhorizontal. Para la temperatura del aire, seobserva una subestimación en todos los conjuntosde parametrizaciones y, para la temperaturamínima, la tendencia de subestimación es menorpara la combinación YSU-Noah. Por tanto,esta combinación es utilizada por Prabha yHoogenboom (2008) en estudios de casos deocurrencia de heladas en el sureste de los EstadosUnidos. En el mismo estudio, se define uníndice de heladas con base en dos parámetros:la integración de la temperatura del aire cuandoestá por debajo de 0o C y el número de horasen que esta temperatura se mantuvo por debajode 0 o C. Conforme los resultados encontradospor los autores, la exactitud de la previsión detemperatura mínima fue del 90

Evaluaciones con diferentes parametrizacionesde variables de superficie del WRF también seencuentran para el sureste de América del Sur(Ruiz et al., 2010). Sin embargo, los autoresutilizan el modelo con una resolución horizontalde 40 km. Las parametrizaciones fija utilizadaspor los autores son las siguientes: Dudhia para laradiación de onda corta, RRTM para la radiaciónde onda larga y ETA para parametrización demicrofísica. La parametrización de la convección,CLP y el modelo de suelo se evalúan condiferentes esquemas. Se encuentra que lasvariables de superficie son muy sensibles almodelo de suelo-superficie, y el esquema de Noahes el que mejor representa la temperatura del aireen superficie, combinado con el esquema YSUpara la CLP y Kain-Fritsch para cúmulos.

En Brasil, existen pocos estudios que relacionanmodelación atmosférica con las heladas. Eneste contexto, Santos et al. (2013) realizan unaevaluación de un índice de ocurrencia de heladaspara el modelo Eta con 15 km de resoluciónhorizontal (ETA 15). Según los autores, el índice

5


se obtiene mediante las variables meteorológicasde temperatura del aire a 2 m, la coberturade nubes, la presión atmosférica, el viento yla humedad, extraídos en forma horaria, delmodelo ETA 15, en varias partes del sur ysudeste de Brasil. De acuerdo con los resultadosobtenidos por los autores, la evaluación delíndice de heladas demuestra un desempeñosatisfactorio, principalmente en las previsiones a24h y 48h. La mayoría de los errores se asociana una sobreestimación de la temperatura a 2metros. Por otro lado, la subestimación de lastemperaturas, que son las más problemáticas, seobservan en menor número y, sobre todo, en lospronósticos a 72h y 96h.

Se ha publicado, recientemente, el trabajo deMollmann Junior et al. (2016), con el fin deprobar la sensibilidad de las parametrizacionesdel modelo WRF al cuantificar las variablespresión atmosférica, temperatura, humedadrelativa y precipitación, durante el invierno de2014 en el estado de Rio Grande do Sul. Según losautores, a excepción de la variable precipitación,los resultados no son capaces de demostrar cuáles la mejor combinación de parametrización, yaque no indican diferencias significativas entre suserrores.

En virtud de la escasez de investigaciones acercade la mejora de previsión de heladas y deque estas, en Brasil, tienen fuerte impactoen la agricultura y la ganadería, es de sumaimportancia la evaluación de los modelosatmosféricos de alta resolución y el uso de índicespara predecir este fenómeno.

Teniendo en cuenta lo anterior, el objetivo de estetrabajo es evaluar diferentes parametrizacionesfísicas del modelo WRF y determinar las másadecuadas para un evento de helada ocurrido enjulio de 2013 en el sur de Brasil.

El trabajo se organiza de la siguiente manera: Lasección 2 proporciona una descripción del modeloy los datos utilizados y describe la metodologíautilizada. La sección 3 aporta un breve análisissinóptico del evento de helada y muestra un

análisis estadístico y una discusión de losresultados para las diferentes parametrizacionesdel modelo WRF. Finalmente, en la sección 4, sepresentan las conclusiones.

2. DATOS Y MÉTODOS

Para el desarrollo de este trabajo, se utiliza laversión 3.6.1 del modelo regional WRF. Segúnlo descrito por Zepka (2011) y Skamarocket al (2008), el modelo WRF es parte deun sistema de modelización numérica delambiente no hidrostático totalmente compresible,desarrollado tanto para fines de investigacióncomo para las operaciones en diferentes escalasespaciales, desde pocos metros a miles dekilómetros. Es de destacar que su desarrolloes continuo, y se realizan actualizacionesfrecuentemente.

En relación a su estructura, el WRF posee dosnúcleos dinámicos, un sistema de asimilaciónde datos, y una arquitectura de software quepermite la aplicación de la computación paralelapara realizar las simulaciones (Skamarock etal., 2008). En este estudio, se utiliza el núcleodinámico Advanced Research WRF (ARW). Lasparametrizaciones se implementan en módulosseparados, organizadas en cinco seccionesprincipales: (i) microfísica de nubes; (ii) losprocesos convectivos (Cúmulos); (iii) cambiosy transportes en la capa límite planetariaturbulenta; (iv) procesos de radiación y (v) lainteracción de los procesos de superficie. Unadescripción más detallada de los esquemasde parametrización y los diferentes tiposutilizados en el modelo WRF pueden obtenerseen Zepka, (2011), en Bender (2012) y enel sitio web que proporciona el modelo:http://www2.mmm.ucar.edu/wrf/users/docs/user_guide_V3/users_guide_chap5.htm#_Description_of_Namelist.

Según Zepka (2011), para obtener resultadossatisfactorios con respecto a la previsibilidadde una tormenta en sí o cualquier fenómenoadverso de tiempo caracterizado por dimensionesespaciales y de tiempo muy reducido, son

6


Figura 1: Dominios utilizados en el modeloWRF para las tres simulaciones.

Tabla I: Diferentes esquemas deparametrizaciones usadas en lassimulaciones.

necesarios datos de entrada de alta calidad ycon altas resoluciones temporales y espaciales,así como un modelo de alta resolución. En virtudde la importancia de la calidad de los datos deentrada para el modelo WRF, se utiliza, en estetrabajo, el reanálisis del ERA-Interim (ERAI)como condición inicial y de contorno para lassimulaciones numéricas de alta resolución quese realizan. Estos datos son producidos por elEuropean Center for Medium-Range WeatherForecasting (ECMWF), disponible en una mallacon una resolución de 0.75 o x 0.75o de latitudpor longitud y 37 niveles de resolución vertical,en los horarios de 00, 06, 12 y 18 UTC (Simmonset al., 2007).

Siguiendo diferentes estudios que evalúan eldesempeño de diferentes parametrizaciones en elHemisferio Norte y en America del Sur (Prabhaet al., 2007; Prabha y Hoogenboom, 2008; Ruizet al, 2010; Zepka, 2011), se realizan tressimulaciones con diferentes parametrizacionesutilizando el Cluster del proyecto CT-INFRA,en el Instituto Federal de Santa Catarina (IFSC)(Brasil y Quadro, 2014). El período elegido es elde las 00 UTC del día 23 hasta las 18 UTCdel día 25 de julio de 2013, y se utilizan 3dominios anidados con resolución horizontal de30, 10 y 3 km (Figura 1), 37 niveles de resoluciónvertical, con salidas disponibles cada 3 horas yejecutado durante un periodo de 66 horas paracada simulación realizada. La Tabla I muestralas tres combinaciones de parametrizacionesusadas, denotadas por P_01, P_02 y P_03.En la retícula de 3 km de resolución no seutiliza parametrización de la convección. Elcriterio para la elección de las parametrizacionesutilizadas es el siguiente: La simulación P_01es la simulación control. La simulación P_02se ha elegida para investigar la influencia de lamicrofísica y de la radiación, en comparacióncon la simulación P_01. Por último, se hadeterminado la simulación P_03 con el fin deverificar la influencia de la CLP en comparacióncon la simulación P_01. A continuación, sehace una breve descripción de las opciones deparametrización usadas de acuerdo con la Tabla1, con énfasis en la microfísica, en la radiación yla CLP.

a) Microfísica: Para la microfísica de las nubesse utiliza el esquema New Thompson en lassimulaciones P_01 y P_03, que proporcionamejoras en las implementaciones de depósito,sublimación y evaporación. En la simulaciónP_02, se utiliza el WRF Single MomentMicrophysics (WSM6), que es una de lasparametrizaciones más avanzadas parala microfísica (Hong y Lim, 2006). Cabeenfatizar que ambos esquemas se utilizanen simulaciones con alta resolución. Esimportante tener en cuenta que el procesode microfísica no debe tratarse por separadode otros procesos físicos, sino que estánrelacionados.

7


b) Radiación: En las simulaciones P_01 y P_03,se mantiene el esquema Rapid radiationtransfer model para modelos de circulacióngeneral (RRTMG) para intercambios deradiación solar e infrarroja, que tiene comoobjetivo estimar con mayor precisión los flujosradiativos y velocidades de enfriamiento. Esteesquema utiliza el método de aproximación decorrelación-k para el cálculo de transferenciade radiación, lo que permite una mayorprecisión y eficiencia computacional. Porotro lado, para modelar los intercambios deradiación infrarroja para la simulación P_02,se ha elegido el Rapid radiation transfer model(RRTM, utilizado, por ejemplo, en el GFS),que tiene la reputación de ser fiable y eficiente,con la opción de incluir el efecto de las nubes.Para el intercambio de radiación solar seha decidido utilizar el esquema simple de laintegración de la radiación descendente deDudhia en la simulación P_02.

c) Capa límite planetaria: Para la CLP seutiliza el esquema Yonsei University (YSU)en las simulaciones P_01 y P_02, que sedebe usar en conjunto con el esquema MM5para la capa superficial. El esquema deMellor-Yamada-Janjic (MYJ), utilizado enla simulación P_03, debe utilizarse con elesquema ETA para la capa superficial. Cabeseñalar que el esquema YSU utiliza términoscontra gradientes para representar los flujosdebidos a los gradientes no locales, y queeste es un esquema de cierre no local de 1a

orden. En el cierre no local, se tiene en cuentala contribución de los grandes remolinos yeste proceso es importante para la capalímite convectiva. El esquema MYJ es unaaplicación no singular del modelo de cierrede turbulencia de Mellor-Yamada a travésde una serie de condiciones atmosféricasturbulentas, es decir, es un cierre de ordenlocal 1.5, que utiliza una ecuación predictivapara la Energía Cinética Turbulenta (ECT).De acuerdo con Sánchez (2002), estasdiferentes aproximaciones producen diferentescomportamientos en la capa límite encondiciones convectivas típicas. Por ejemplo,

un cierre local no será una aproximacióncorrecta, pues la convección mezcla toda lacapa límite, y la parametrización deberíaconsiderar valores de las magnitudes en todala capa, y no apenas las de cada punto.

Según la mayoría de los estudios, ningún esquemade parametrización es consistentemente mejorque otro y el desempeño del modelo es muydependiente de la región, de la escala y delos intereses de aplicación (Kuo et al., 1996;Ruiz et al., 2010; Zepka, 2011). Ruiz et al.(2010) destacan que no hay ninguna combinaciónde parametrización que represente a todas lasvariables en la región de estudio. Conforme fuediscutido anteriormente, este trabajo presentaresultados aún preliminares y los esquemasde parametrizaciones se han elegido a partirde estudios anteriores. Sin embargo, existe unproyecto en curso que estudia más a fondo losesquemas de parametrizaciones físicas utilizadosen el modelo WRF y, por lo tanto, se llevará acabo un gran número de simulaciones para losdías con heladas en el sur y sudeste de Brasil.

En el período elegido para este trabajo, unintenso sistema de alta presión actuaba en elsur de Brasil, lo que originó una intensa heladaen RS, SC y PR, incluyendo el registro de heladanegra. Es importante destacar que los registrosde las heladas durante el período de estudiose obtuvieron a partir de observaciones hechasen las estaciones convencionales del InstitutoNacional de Meteorología (INMET). Además,estas estaciones meteorológicas registrarontemperaturas mínimas negativas, y conforme ladefinición de helada meteorológica (WMO no134,1981), se identifica un día de helada como aquelen el cual la temperatura mínima es igual omenor que 0oC. De acuerdo con el informe deClimanálise de CPTEC (2013), había registrosde fuertes heladas en varias ciudades en el sur deBrasil, especialmente Bom Jesus-RS, Lages-SCy São Joaquim, SC.

Para el análisis de los resultados, se utilizanlas siguientes variables de salida del modelo:temperatura del aire a 2 metros (T2m), humedad

8


Tabla II: Datos correspondientes a lasestaciones meteorológicas utilizadas y laaltura de la topografía correspondiente acada estación en la retícula del WRF y delos reanálisis.

relativa a 2 metros (HR) y velocidad del vientoa 10 metros (V10m), para cada simulaciónpara el dominio 3 (de 3 km). Esta informaciónse ha extraído para cada punto del modelocoincidente con las latitudes y longitudes de lasestaciones meteorológicas del INMET elegidas(Bom Jesus, Lagoa Vermelha y Passo Fundoen RS; Campos Novos, Chapecó, Lages y SãoJoaquim en SC), que se muestran en la Tabla IIy Figura 2, juntamente con la topografía de laregión generada por el modelo WRF.

La evaluación estadística de las simulaciones serealiza mediante el cálculo del error medio (MEen Inglés) y la raíz del error cuadratico medio(RMSE en Inglés) (Ecuaciones 1 y 2). Cabemencionar que, estadísticamente, la media de loserrores individuales es el primer momento de ladistribución de las diferencias y no proporcionainformación acerca de los errores individuales.Mientras que proporciona una medida del sesgoo error sistemático (Hallak y Filho, 2011). ElRMSE se utiliza comúnmente para expresar laexactitud de los resultados numéricos con laventaja de que muestra los valores del error enlas mismas dimensiones de la variable analizada.

ME = fi − oi

N(1)

RMSE =

√∑ fi − oi

N(2)

En la cual fi son los valores simulados, oi sonlos valores observados y N es el tamaño de lamuestra.

3. RESULTADOS

Primeramente, se realiza una descripciónsinóptica del evento de helada ocurrido en elsur de Brasil, a partir de los datos de reanálisisdel ERA-Interim para el horario de 12Z duranteel período del 23 al 25 de julio de 2013 (Figuras3, 4 y 5), puesto que se ha elegido este horariopor ser el más cercano a la temperatura mínimaesperada. El intenso sistema de alta presión entreestos días tenía potencial para la formación dehelada fuerte, en virtud de los bajos valores det2m simulados para las regiones sur de Brasil ysudeste de América de Sur, con valores negativosde temperatura en estas regiones (Figuras 3 a, by c). Es importante destacar que el aire frío haavanzado para latitudes más bajas de Américadel Sur y estas incursiones de masas polares alatitudes bajas son conocidos como “friagem” enel Brasil (Seluchi, 2009).

El campo de presión al nivel medio del mar(Figuras 4 a, b y c) muestra la presencia deeste intenso sistema de alta presión, con cerca de1030 hPa durante los tres días, lo que confirma elpotencial de heladas en este periodo. Además, esposible observar el movimiento de este sistema dealta presión, con su centro en el sur de Brasil enel día 24 (Figura 4b). El día 25 de julio (Figura4c), la intensa masa de aire seco y frío comienzaa alejarse hacia el mar. Las líneas de corrienteen 200 hPa (Figuras 5 a, b y c) muestran lapresencia de las corrientes en chorro subtropicaly polar. Es posible ver que la corriente en chorropolar norte se encuentra entre el norte de RSy el norte de PR, sobre todo, los días 23 y 24(Figuras 5 a y b). También se percibe, en laFigura 5, que una vaguada de gran amplitudcontribuye a la entrada de aire frio hacia menoreslatitudes, y que la intensa corriente en chorro alnorte de RS es una consecuencia del aumento delgradiente de temperatura en superficie, el cualse debe a la advección fría. Es de destacar que elpatrón de circulación atmosférica de la figura 5es típico de un evento frío severo y cuenta con lascaracterísticas descritas por Seluchi (2009). Enestas situaciones vinculadas con el frío intenso, elpatrón sinóptico se caracteriza por una profunda

9


Figura 2: Localización de las estaciones meteorológicas y topografía (m) en el Sur de Brasil.

vaguada sobre el océano Atlántico y un eje decuña sobre el océano Pacífico en niveles altos dela atmósfera (Figura 5), los cuales determinan lapresencia de un anticiclón migratorio frío sobreel centro-sur de América del Sur (Figura 4).

La Figura 6 muestra la temperatura del airea 2 m entre el 23 y el 25 de julio, en el áreade estudio de este trabajo para el dominio3 (3 km) de las tres simulaciones y para elreanálisis del ERA-Interim (75 km). Se percibeclaramente que el aumento de la resolución de lassimulaciones genera resultados más detalladosde t2m, principalmente, en las regiones más

altas (no se muestra). Además, la simulaciónP_02 subestima los valores de t2m para los tresdominios, en comparación con las simulacionesP_01 y P_03. Por otra parte, cuando secomparan los datos del ERA-Interim (Figura6d) con los tres dominios de WRF, se nota queel reanálisis presenta un patrón de temperaturabastante homogéneo en el sur de Brasil, con unbajo nivel de detalles para diferentes altitudes.Así pues, esto demuestra la importancia de tenerun modelo numérico de alta resolución para lapredicción de las heladas y otros fenómenos.

En la Figura 7, se muestran los valores de

10


Figura 3: Temperatura del aire a 2m (oC) en los reanálisis Era-Interim para las 12Z en los días23, 24 y 25/07/2013.

Figura 4: Presión a nivel medio del mar (hPa) en los reanálisis Era-Interim para las 12Z para losdías 23, 24 y 25/07/2013.

temperatura del aire simuladas por el WRF, losvalores registrados en cada estación convencionalde INMET y los datos del reanálisis delEra-Interim. Es evidente que el modelo simularazonablemente los valores de T2m cuando secompara con valores observados. También, seperciben diferencias entre los valores simuladospara T2m en P_01, P_02 y P_03 y los delas observaciones. Cabe destacar que el modeloWRF presenta, en este estudio de caso, la

tendencia a subestimar la temperatura del aire,en relación al reanálisis, durante el períodode simulación, a excepción de la estación deChapecó y de Lages en donde el modelo WRFsobreestima con respecto a las temperaturasdel Era-Interim. La tendencia de subestimaciónpuede explicarse en parte por las diferencias dealtitud entre los puntos de retícula en el modeloy el reanálisis del Era-Interim. Por ejemplo, parala estación de mayor altitud (São Joaquim),

11


Figura 5: Líneas de corriente en 200 hPa (m/s) en los reanálisis Era-Interim para las 12Z paralos días 23, 24 y 25/07/2013.

el WRF indica un valor de 1277 m, mientrasque el reanálisis muestra un valor de 917,2 m(Tabla II). Al analizar solamente los resultadosde las simulaciones, la parametrización P_02subestima la t2m en comparación con P_01 yP_03, especialmente con respecto a los valoresde temperatura mínima. Estas diferencias sonmás notables en las estaciones con mayor altitud(Campos Novos, Lages, São Joaquim y BomJesus) para la noche y la mañana del 24 dejulio (entre 27 y 33 horas de simulación). Esposible que esto esté asociado con el propioconjunto de parametrizaciones seleccionado. Porotro lado, características locales de superficie,tales como tipo de cobertura, la topografía y laproximidad de los obstáculos, pasan a ejercerel control sobre la temperatura del aire, loque aumenta, en gran medida, la variabilidadhorizontal, y hace que sea muy difícil predeciro simular esta variable (Acevedo y Fitzjarrald,2003). Cabe señalar que Moraes y otros (2014)evalúan el comportamiento de los modelosWRF y MM5 para simular el ciclo diurno detemperatura del aire cerca de la superficie enRío de Janeiro-RJ, y encuentran una ligeratendencia de los datos simulados a subestimar lastemperaturas máximas observadas y sobrestimarlas temperaturas mínimas observadas.

En la Tabla III, se muestra un análisis estadísticopara una mejor interpretación de los resultados

obtenidos con las simulaciones en comparacióncon los valores observados. Por esta razón,los resultados de ME y RMSE se muestranpara cada localidad y en general. El MEindica que las simulaciones P_01 y P_03sobreestiman los valores de t2m en relación alas observaciones, mientras que P_02 muestraun valor de ME cercano a 0, tanto para la serietemporal como para los valores de temperaturamínima. Prabha y Hoogenboom (2008) utilizandiferentes parametrizaciones para simular latemperatura del aire con el modelo WRF enel sureste de Estados Unidos y señalan que, entodas las situaciones analizadas, los resultadostambién indican sobreestimación. Como se indicóanteriormente, el ME no es suficiente para elanálisis estadístico, ya que no indica la magnitudde los errores. Para ello se utiliza el RMSE.

Luego, la Tabla III muestra que el valor deRMSE es el mismo cuando se lo analiza paratodas las estaciones meteorológicas. Por otrolado, considerando la temperatura mínima, elvalor RMSE es menor para la simulación P_02y más alto para la simulación P_01. A pesarde que las diferencias no sean grandes, losresultados indican que la simulación P_02 es lamás ajustada en este evento de helada en el surde Brasil, visto que presenta los valores más bajosde ME y RMSE, principalmente, para simularla temperatura mínima, que es una variable de

12


Figura 6: Temperatura media del aire (oC) simulada por el modelo WRF para el dominio 3(3 km) para el período comprendido entre las 00Z del día 23/07 y las 18Z del día 25/07/2013.(a) P_01, (b) P_02 y, (c) P_03. Temperatura media del aire (oC) observada por los reanálisisEra-Interim (75 km) para el período entre las 00Z del día 23/07 y las 18Z del día 25/07/2013 (d).

extrema importancia en la estimación de lasheladas. Es importante destacar que Ruiz etal. (2010) utilizan la versión 2.0 del WRF convarias combinaciones de parametrizaciones parala región del sudeste de América del Sur con el

siguiente conjunto parametrizaciones: Dudhiapara la radiación onda corta y RRTM pararadiación de onda larga. Los autores informanque los mejores resultados, con respecto a losvalores de temperatura del aire a 2 m, se

13


Figura 7: Evolución temporal de la temperatura a 2 metros (oC) en diferentes estaciones, paralas diferentes simulaciones, las observaciones y los reanálisis ERA-Interim.

14


Tabla III: Valores de ME y RMSE obtenidos de los datos de temperatura para las diferentessimulaciones del WRF.

obtuvieron con la parametrización YSU parala CLP y Noah para el modelo de la superficiedel suelo, formando un conjunto similar a P_02que se muestra en este trabajo.

La Figura 8 representa los valores dehumedad relativa a 2 metros simulados porel WRF y los valores registrados en cadaestación convencional del INMET. El modeloWRF simula razonablemente el perfil dehumedad durante el periodo de integración, encomparación con los valores observados. Engeneral, el WRF presenta una tendencia asubestimar la humedad relativa, sobre todoen las últimas 24 horas de simulación. Estose evidencia en las estaciones de Bom Jesus,Campos Novos, Chapecó y Lages (Figuras 8a,b, c, d). Por otra parte, cuando se comparasolamente la humedad relativa para los tresconjuntos de parametrizaciones, las diferenciasson menores para los días 23 y 24 de julio,con una tendencia de la simulación P_02 asobreestimar la humedad relativa durante lasnoches y madrugadas, cuando esta variable tienelos valores más altos, lo cual es consistente con laFigura 7, en la que la simulación P_02 muestralos valores mínimos de temperatura más bajos.

Mediante el análisis de los valores de MEpara la variable humedad relativa a 1000 hPa(Tabla IV), se percibe que las tres simulaciones

muestran una tendencia a subestimar los valoressimulados, con las mayores diferencias paralas simulaciones P_01 y P_03. Esta condiciónevidencia una deficiencia del modelo WRF parasimular la humedad relativa, sobre todo alamanecer, cuando los valores de humedad sonmás altos. De tal forma que, al analizar el MEy los valores RMSE para las tres simulaciones,los resultados también indican que la simulaciónP_02 es la más ajustada en este evento de heladaen el sur de Brasil.

Para el perfil de velocidad del viento a 10m (Figura 9), el modelo WRF sobrestimaesta variable en comparación con los valoresobservados, sobre todo para las estaciones deChapecó, Lages, Passo Fundo y São Joaquim(Figuras 9c, d, f, g). Es importante tener encuenta que la magnitud y dirección del vientodependen de las características de la topografíade cada sitio. Como existen diferencias de altitudentre las estaciones y los puntos de retículaextraídos del WRF (Tabla II), esto puedeproducir errores más grandes cuando se hacela comparación entre los valores simulados y losobservados. Al comparar los valores simulados,el perfil de la velocidad del viento a 10 m essimilar en las tres simulaciones, con condicionesde vientos más fuertes en el primer día de lasimulación, cuando ocurre el período con másadvección de aire frío (no se muestra) y vientos

15


Figura 8: Evolución temporal de humedad relativa a 2 metros (%) en diferentes estaciones, paralas diferentes simulaciones y las observaciones.

16


Figura 9: Evolución temporal de la velocidad del viento a 10 metros (m/s) en diferentes estaciones,para las diferentes simulaciones y las observaciones.

17


Figura 10: Evolución temporal de la radiación solar en la superficie (w/m2) en las diferentessimulaciones.

18


Figura 11: Imágenes de satélite del canal visible para: (a) 12Z del día 23/07, (b) 18Z del día23/07, (c) 12Z del día 24/07, (d) 18Z del día 24/07, (e) 12Z del día 25/07 y, (f) 18Z del día 25/07.

19


Tabla IV: Valores de ME y RMSE obtenidos de los datos de humedad para las diferentessimulaciones del WRF.

Tabla V: Valores de ME y RMSE obtenidos de los datos de velocidad del viento para las diferentessimulaciones del WRF.

más débiles durante el resto de la simulación,cuando el centro del sistema de alta presión estáen el sur de Brasil. Es importante resaltar que elperfil de la velocidad del viento está directamenteasociado con el esquema de parametrizaciónde la capa límite utilizado. Por consiguiente,las simulaciones P_01 y P_02 que utilizan laparametrización YSU para la CLP producenresultados muy similares entre sí. La simulaciónP_03, a su vez, presenta las mayores diferencias,en comparación con las simulaciones P_01 yP_02. Esto se puede explicar por el hecho deque el esquema YSU es no local, mientras queel esquema MYJ sí lo es. Así que, el esquemaYSU muestra un mejor ajuste para el períodode las tardes en las simulaciones P_01 P_02,con la condición de capa límite convectiva. Cabedestacar que la parametrización YSU consideralos grandes remolinos durante el periodo de

calentamiento. Sin embargo, en condiciones deestabilidad atmosférica y con vientos débiles,las tres simulaciones presentan dificultades ensimular correctamente la velocidad del viento.Esta condición también es observada por Battisti(2014), que establece que la mayor dificultad quetienen los modelos, en los casos más fríos, se debeal hecho de que no simulan correctamente elfenómeno de desacoplamiento entre la superficiey la atmósfera, que ocurre cuando hay ungran enfriamiento radiativo en las noches ymadrugadas. Brum et al. (2010) reportan que,en varias de las estaciones de RS, el error en lapredicción de la temperatura mínima aumentabruscamente cuando la velocidad del viento enhoras de la noche, es débil, momento en el quese produce el desacoplamiento entre la superficiey la atmósfera.

20


El análisis estadístico entre los valores simuladosy observados para la velocidad del viento a 10metros, en las 7 localidades, se muestra en laTabla V. Tal como ocurre con de la temperaturadel aire y la humedad relativa, el ME para lavelocidad del viento es menor para la simulaciónP_02. Además, las tres simulaciones sobrestimanla velocidad del viento. Para el análisis de RMSE,se hace constar que las simulaciones P_01 yP_02 tienen los valores más bajos.

Con el fin de analizar la influencia de laparametrización relacionada con la radiaciónde onda corta, en la Figura 10, se muestranlos valores de radiación solar en superficiesimulados en los tres experimentos. Paracomplementar el análisis de la radiación solar conla condición de cielo nublado o claro, se utilizanimágenes de satélite del canal visible (Figura11), proporcionadas por el Instituto Nacionalde Pesquisas Espaciais (INPE). Durante lostres días de simulación, las parametrizacionesutilizadas para onda corta (RRTMG y Dudhia)presentan comportamientos muy similares encondiciones de cielo claro, con intensidad máximade 700 W/m2. Así pues, en este estudio decaso, tanto el esquema simple de Dudhia(utilizado en la simulación P_02) como elmás sofisticado esquema RRTMG (utilizado enlas simulaciones P_01 y P_03) se muestraneficientes para estimar el flujo de radiaciónde onda corta a superficie. Sin embargo, seobservan diferencias significativas en el flujo deradiación de onda corta durante el día 23 de julioen las localidades de Bom Jesus (Figura 10a),Campos Novos (Figura 10b), Lagoa Vermelha(Figura 10e) y São Joaquim (Figura 10g). En lasestaciones convencionales del INMET, se observala presencia de muchas nubes en estas localidades.Entre las 12 y 18Z del día 23, las nubes cubríanentre el 70 y el 90

4. CONCLUSIONES

De acuerdo con las simulaciones con diferentesparametrizaciones para el evento de helada enel sur de Brasil, se observa que la simulaciónP_02 (Tabla I) es el que más se ha adaptado

en el presente estudio de caso. Los resultadosobtenidos pueden indicar una influencia de laparametrización de la capa límite planetariay de la microfísica de nubes, para explicar elmejor ajuste a los resultados encontrados en lasimulación P_02 en relación con las simulacionesP_01 y P_03. En general, para las tressimulaciones, el modelo sobreestima la velocidaddel viento a 10 metros, lo que resulta en unamayor mezcla turbulenta y, en consecuencia, unamayor temperatura simulada, en comparacióncon los datos observados. Los resultados son,todavía, preliminares, y es necesario llevar acabo simulaciones con más estudios de casoscon heladas y comparar datos con estacionesautomáticas para un análisis estadístico másrobusto. Diferentes simulaciones deben realizarsepara analizar la influencia de la parametrizaciónde la microfísica y de la capa límite planetariaen el modelo WRF para eventos de heladas,visto que los resultados han demostrado ser muysensibles a dichas parametrizaciones en el casode estudio analizado en este trabajo.

Sin embargo, las pruebas de sensibilidadde los resultados de un modelo atmosféricocon diferentes ajustes de parametrizacionesson complejas, ya que no siempre se puedeextraer conclusiones generales sobre el efectode la configuración probada. Esto ocurre comoresultado de la interacción entre los procesosfísicos con mecanismos de retroalimentacióngenerados por cada parametrización probada.Por lo tanto, los efectos sobre las variablesatmosféricas son muy difíciles de predeciranalíticamente.

Agradecimientos: Los autores agradecen aFINEP por el apoyo financiero, a través delproyecto Encomendas MCT/FINEP-COIAM –REDE CLIMASUL y al proyecto CT-INFRA(proceso 04.12.0270.00) por la estructuradisponible para la realización de las simulacionesnuméricas.

21


REFERENCIASAcevedo, O. C. y Fitzjarrald, D. R. 2003. In

the core of the night - effects of intermittentmixing on a horizontally heterogeneoussurface. Boundary-Layer Meteorology, 106,1-33.

Battisti, A. 2014. Parametrização de turbulênciana previsibilidade de temperaturas mínimasem um modelo de mesoescala. Disertación(Master en Meteorología), Universidade deSanta Maria - UFSM.

Bender, F. D., 2012. Verificação da previsãode tempo em São Paulo com o modelooperacional WRF. Disertación (Master enMeteorología), Universidade de São Paulo -USP.

Boletim Climanalise – Instituto Nacional dePesquisas Espaciais (INPE), 2013. Disponibleen http://climanalise.cptec.inpe.br/~rclimanl/boletim/pdf/pdf13/jul13.pdf.Acceso en 01 de febrero de 2016.

Brasil, G. S. y Quadro, M. F. L., 2014.O uso da computação paralela parapotencializar o rendimento dos processadoresno processamento do modelo de previsãonumérica WRF. Revista Científica SemanaAcadêmica, v. 1, p. 1-17, 2014.

Brum, B. V., Battisti, A., Acevedo, O. C. yAnabor, V. 2011. Temperaturas mínimas noRio Grande do Sul. Parte II: análise doserros da previsão do BRAMS em 27 estações.IV Encontro Sul-Brasileiro de Meteorologia,Universidade Federal de Pelotas – UFPel.

Hall, D. W., Rasmussen, R. M. y Thompson,G., 2005. The New Thompson microphysicalscheme in WRF. WRF User’s Workshop.

Hallak, R. y Pereira Filho, A. J., 2011.Metodologia para análise de desempenhode simulações de sistemas convectivos naregião metropolitana de São Paulo com omodelo ARPS: sensibilidade a variações comos esquemas de advecção e assimilação dedados. Revista Brasileira de Meteorologia, 26,4, 591-608.

Hong, S-Y, Lim, J. J-O, 2006. The WRFSingle-Moment 6-Class MicrophysicsScheme (WSM6). Journal of the KoreanMeteorological Society, 42 (2), 129-151.

Kuo, Y. H., Reed, R. J. y Liu, Y. 1996.The ERICA IOP5 Storm. Part III:Mesoscale cyclogenesis and precipitationparameterization. Monthly Weather Review,124, 1409-1434.

Mollmann Junior, R. A., Alves, R. C. M.,Munchow, G. B., Rodrigues, B. D., SilvaJúnior, R. S., Lucca, M. G. y Caumo, M., 2016.Análise da sensibilidade das Parametrizaçõesno modelo WRF para o Estado do Rio Grandedo Sul durante o inverno de 2014. RevistaBrasileira de Geografia Física, 9, 2, 368-383.

Müller G. V., 2006. Variabilidad Interanual delas heladas en la Pampa Humeda. RevistaBrasileira de Meteorologia, 21, 141-152.

Müller, G. V. y Ambrizzi, T., 2007.Teleconnection patterns and Rossbywave propagation associated to generalizedfrosts over Southern South America. ClimateDynamics, 29(6), 633–645.

Moraes, N. O., Marton, E. y Pimentel, L. C. G.,2014. Análise do Desempenho dos ModelosMM5 e WRF na Simulação da Temperaturado Ar em Superfície na RMRJ. Anuário doInstituto de Geociências – UFRJ, 37, 161-168.

Organización Meteorológica Mundial(OMM-WMO) No134, 1981. Guide toAgricultural Meteorological Practices.

Pereira, A. R., Angelocci, L. R. y Sentelhas, P.C., 2001. Agrometeorologia: fundamentos eaplicações práticas. Guaíba-RS: AgropecuáriaGuaíba. 478p.

Prabha, T. V., Hoogenboom, G. yGopalakrishnan S. G., 2007. Evaluation ofWRF for frost warning and consequencesof cold air pooling, Eighth WRF Users’Workshop, June 11–15, 2007, NationalCenter for Atmospheric Research, Boulder,CO (http://www2.mmm.ucar.edu/wrf/users/workshops/WS2007/abstracts/p1-21_Prabhakaran.pdf).

Prabha, T. V. y Hoogenboom, G., 2008.Evaluation of the Weather Research andForecasting model for two frost events.Computers and electronics in agriculture, 64,234–247.

Ruiz, J. J., Saulo, S. y Nogués-Paegle,2010. WRF Model Sensitivity to Choice

22


of Parameterization over South America:Validation against Surface Variables. MonthlyWeather Review, 138, 3342–3351.

Sánchez, S. E., 2002. Nubes de CapaLímite Atmosférica: Estudio numéricoy experimental. Tesis (Doctorado en CienciasFisicas). Universidad Complutense deMadrid.

Santos, A. P., Gonçalves, J. P., Ferreira, A. S.y Santos, S. R. Q., 2013. Previsão de geadapara a Região Sul do Brasil: Uma avaliaçãodo Modelo ETA 15 km durante o Outono de2012. Revista Brasileira de Geografia Física,6, 100-109.

Seluchi, M. E., 2009. Geadas e friagens. In:Cavalcanti, I. F. A., Ferreira, N. J., Dias,M. A. F., Justi, M. G. A. (Org.). Tempo eClima no Brasil. ed. São Paulo: Oficina detextos, 1, 375-384.

Seluchi, M. E., Nery, J. T., 1992. CondicionesMeteorologicas Associadas a la Ocurrencia deHeladas en la Region de Maringá. RevistaBrasileira de Meteorologia, 7, 523-534.

Simmons, A., Uppala, C., Dee, D. y Kobayashi,S., 2007. ERA-Interim: New ECMWFreanalysis products from 1989 onwards.ECMWF Newsletter, 110, 25-35.

Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill,D. O., Barker, D. M., Duda, M. G., Huang,X. -Y., Wang, W. y Powers, J. G. A., 2008.Description of the Advanced Research WRFVersion 3. National Center for AtmosphericResearch (NCAR). Boulder, Colorado (EUA).

Zepka, G. S., 2011. Previsão de descargasatmosféricas usando o modelo de mesoescalaWRF. Tesis (Doctorado en GeofísicaEspacial), Instituto Nacional de PesquisasEspaciais, INPE.

Este es un artículo de acceso abierto distribuido bajo lalicencia Creative Commons, que permite el uso ilimitado,distribución y reproducción en cualquier medio, siempreque la obra original sea debidamente citada.

23

evaluaciÓn preliminar de las parametrizaciones …

Documents