La asimilación de datos en un modelo meteorológico

En el anterior artículo de nuestro blog, titulado “La predicción numérica del tiempo” abordábamos los aspectos básicos que definen un modelo meteorológico, la principal herramienta que se utiliza para predecir el estado futuro de la atmósfera partiendo del estado actual que estimamos a través de diversas herramientas. Los datos obtenidos, necesitan ser asimilados por el modelo, siendo este un proceso clave en las etapas de ejecución de esta herramienta. En este artículo describiremos las etapas principales de este importante proceso.

La asimilación de datos se define como el proceso que objetivamente adapta el estado del modelo a las observaciones de una manera óptima desde un punto de vista dinámico y estadístico, teniendo en cuenta tanto los errores del modelo como de las observaciones.

La asimilación de datos actúa como puente de unión entre las observaciones y el modelo. Fuente: University of Utah

La idea básica es aprovechar los valores observados del estado atmosférico para mejorar la estimación previa del estado inicial. Este proceso es también conocido como análisis y es el resultado de una combinación inteligente entre:

1.- Una predicción previa a corto plazo que se conoce como background o first guess.

2.- Las observaciones disponibles, después de un control de calidad.

Los modelos meteorológicos son ejecutados de forma cíclica y periódica de forma operativa para ser usados como herramientas para la predicción meteorológica. Esto posibilita el uso de una predicción a corto plazo como campo inicial porque el modelo es internamente coherente y brinda información que no se puede obtener exclusivamente a partir de los datos. Así los datos procedentes de observaciones se usan para aplicar leves correcciones a este campo inicial. Es importante que el análisis conserve la información de coherencia física y dinámica entre las distintas variables a la vez que tenga en cuenta las estructuras de errores conocidos del modelo. Además, el modelo se usa para identificar los datos que pueden resultar atípicos y que no son apropiados. Por tanto, las correcciones del pronóstico a corto plazo se incorporan en un análisis que ha sido suavizado para coincidir con la resolución del modelo.

Tipos de observaciones meteorológicas

Sistema Global de Observación. Fuente: WMO

Actualmente, el sistema global de observación está formado por un componente espacial y otro basado en tierra. Dentro de las observaciones convencionales desde tierra destacan las estaciones meteorológicas fijas en el suelo además de otras situadas en barcos y boyas en alta mar. También se obtienen datos desde la tierra a través de radiosondeos, perfiladores de viento y aviones. Sin embargo, el mayor volumen de datos que asimila un modelo procede de los satélites. Así el Centro Europeo de Predicción Meteorológica a Medio Plazo (ECMWF en inglés) procesa rutinariamente 90 productos de satélites asimilando en total 40 millones de datos.

La evolución de la atmósfera está condicionada también por lo que pasa en la condición de contorno inferior, el suelo. Entonces, se hace necesario analizar también el estado de las variables físicas del suelo, como, por ejemplo, el grosor de la nieve, la humedad y la temperatura a distintas profundidades del suelo, etc.

La asimilación cíclica

En el sistema de asimilación de datos se hace necesario, para formar un sistema de análisis y pronóstico, que se realice de forma «cíclica». Esto permite:

  • transmitir la información de momentos anteriores hasta el presente de forma coherente para el modelo.
  • permitir que un modelo de alta resolución conserve las estructuras de pequeña escala generadas por el modelo además del movimiento vertical correspondiente, que no está incluido en las observaciones.
  • mantener el equilibrio con las parametrizaciones físicas en los primeros pasos de tiempo de la simulación, reduciendo al mínimo el tiempo de simulación necesario para que el modelo alcance el equilibrio físico y genere su propia variabilidad interna siendo independiente de las condiciones iniciales.
Esquema del proceso de asimilación de datos. Fuente: Comet MetEd

Otro de los aspectos importantes del análisis es el llamado control de calidad. Básicamente de lo que se trata aquí es de filtrar todas aquellas observaciones que no se consideran adecuadas por una u otra razón, en el proceso de análisis.

Procedimientos para la asimilación de datos en un modelo

Existen diversos procedimientos desarrollados para esta función, describiendo a continuación algunos de ellos:

1.- Nudging: también conocido como relajación newtoniana. Fuerza el estado del modelo hacia las observaciones al agregar nuevos términos, proporcionales a la diferencia entre las observaciones y el estado del modelo, a las ecuaciones de pronóstico. Por el hecho de que se trata de alterar la solución dinámica de las ecuaciones de forma explícita y muy enfocada a la localización espacial de las observaciones, el método resulta ser muy eficaz a la hora de incorporar información meteorológica a pequeña escala. Por esta razón esta aproximación se emplea sobre todo en modelos mesoescalares y para mejorar predicciones a muy corto plazo.

2.-3D-VAR: se basa en la asimilación variacional que permite estimar las limitaciones de las observaciones y las estadísticas del error de pronóstico del modelo en cada punto de la malla, ponderando los errores del modelo y de observación hasta finalizar un análisis. Usa para ello todas las observaciones obtenidas en un mismo momento, ajustando el análisis en las tres dimensiones espaciales.

3.- 4D-VAR: Las observaciones se obtienen en muchos momentos distintos. Para corregir adecuadamente el campo inicial, cada observación se debe comparar con el pronóstico de primera aproximación válido a la hora en que se realizó la observación. El esquema 4D-VAR utiliza la dinámica y la física del modelo para estimular la evolución de las diferencias entre una observación y el pronóstico a corto plazo, entre la hora de observación y la hora de validez del análisis.

Nuestro proceso de asimilación

Meteoclim genera sus propias predicciones meteorológicas utilizando un modelo de área limitada llamado Weather Research and Forecasting (WRF). Es un sistema de cálculo numérico que implementa una extensa gama de aplicaciones meteorológicas en escalas que van desde los metros a miles de kilómetros. Este modelo se inicializa dos veces al día para un área que cubre la Península y Baleares a 4 km de resolución horizontal y un área para el archipiélago de Canarias a 1 km de resolución horizontal.

Algunas variables meteorológicas simuladas por nuestro modelo para la Península y Baleares

Para poder inicializar el modelo dos veces al día se hace uso de un first guess para conseguir un análisis usando la técnica del nudging para obtener una condición inicial lo más próxima al estado atmosférico. Así, todas las simulaciones realizan asimilación de unas 12000 observaciones.

Por tanto, hemos visto que la asimilación de datos de forma cíclica en los modelos meteorológicos resulta clave para entre otros aspectos obtener predicciones más fiables y mantener la coherencia entre las diversas simulaciones del modelo, posibilitando realizar predicciones de forma operacional. En el próximo artículo trataremos las diferencias entre un modelo meteorológico global y de área limitada.

Bibliografía

Compartir:

Entradas relacionadas

Deja tu comentario