stringtranslate.com

Modelo atmosférico

Pronóstico de 96 horas de altura geopotencial de 850 mbar y temperatura del Sistema de pronóstico global

En la ciencia atmosférica , un modelo atmosférico es un modelo matemático construido alrededor del conjunto completo de ecuaciones dinámicas primitivas que gobiernan los movimientos atmosféricos. Puede complementar estas ecuaciones con parametrizaciones para difusión turbulenta , radiación , procesos húmedos ( nubes y precipitación ), intercambio de calor , suelo , vegetación, agua superficial, efectos cinemáticos del terreno y convección. La mayoría de los modelos atmosféricos son numéricos, es decir, discretizan ecuaciones de movimiento. Pueden predecir fenómenos a microescala como tornados y remolinos de capa límite , flujo turbulento a submicroescala sobre edificios, así como flujos sinópticos y globales. El dominio horizontal de un modelo es global , que cubre toda la Tierra , o regional ( área limitada ), que cubre solo una parte de la Tierra. Los diferentes tipos de modelos que se ejecutan son termotrópicos, barotrópicos , hidrostáticos y no hidrostáticos. Algunos de los tipos de modelos hacen suposiciones sobre la atmósfera que alargan los pasos de tiempo utilizados y aumentan la velocidad computacional.

Los pronósticos se calculan utilizando ecuaciones matemáticas para la física y la dinámica de la atmósfera. Estas ecuaciones no son lineales y es imposible resolverlas con exactitud. Por lo tanto, los métodos numéricos obtienen soluciones aproximadas. Diferentes modelos utilizan diferentes métodos de solución. Los modelos globales a menudo utilizan métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales suelen utilizar métodos de diferencias finitas en las tres dimensiones. Para ubicaciones específicas, las estadísticas de salida del modelo utilizan información climática, salida de la predicción numérica del tiempo y observaciones meteorológicas actuales de la superficie para desarrollar relaciones estadísticas que tengan en cuenta el sesgo del modelo y los problemas de resolución.

Tipos

Termotrópico

El supuesto principal del modelo termotrópico es que, si bien la magnitud del viento térmico puede cambiar, su dirección no cambia con respecto a la altura y, por lo tanto, la baroclinicidad en la atmósfera se puede simular utilizando las  superficies de altura geopotencial de 500 mb (15  inHg ) y 1000 mb (30 inHg) y el viento térmico promedio entre ellas. [1] [2]

Barotrópico

Los modelos barotrópicos suponen que la atmósfera es casi barotrópica , lo que significa que la dirección y la velocidad del viento geostrófico son independientes de la altura. En otras palabras, no hay cizalladura vertical del viento geostrófico. También implica que los contornos de espesor (un indicador de la temperatura) son paralelos a los contornos de altura del nivel superior. En este tipo de atmósfera, las áreas de alta y baja presión son centros de anomalías de temperatura cálidas y frías. Los anticiclones de núcleo cálido (como la dorsal subtropical y el anticiclón de Bermudas-Azores) y los anticiclones de núcleo frío tienen vientos que se fortalecen con la altura, y lo contrario es cierto para los anticiclones de núcleo frío (anticiclones árticos poco profundos) y los anticiclones de núcleo cálido (como los ciclones tropicales ). [3] Un modelo barotrópico intenta resolver una forma simplificada de dinámica atmosférica basada en el supuesto de que la atmósfera está en equilibrio geostrófico ; es decir, que el número de Rossby del aire en la atmósfera es pequeño. [4] Si se asume que la atmósfera está libre de divergencias , el rizo de las ecuaciones de Euler se reduce a la ecuación de vorticidad barotrópica . Esta última ecuación se puede resolver sobre una sola capa de la atmósfera. Dado que la atmósfera a una altura de aproximadamente 5,5 kilómetros (3,4 mi) está mayormente libre de divergencias, el modelo barotrópico se aproxima mejor al estado de la atmósfera a una altura geopotencial correspondiente a esa altitud, que corresponde a la superficie de presión de 500 mb (15 inHg) de la atmósfera. [5]

Hidrostático

Los modelos hidrostáticos filtran las ondas acústicas que se mueven verticalmente de la ecuación del momento vertical, lo que aumenta significativamente el paso de tiempo utilizado dentro de la ejecución del modelo. Esto se conoce como la aproximación hidrostática . Los modelos hidrostáticos utilizan coordenadas verticales de presión o sigma-presión . Las coordenadas de presión intersecan la topografía, mientras que las coordenadas sigma siguen el contorno del terreno. Su suposición hidrostática es razonable siempre que la resolución de la cuadrícula horizontal no sea pequeña, que es una escala donde la suposición hidrostática falla. Los modelos que utilizan toda la ecuación del momento vertical se conocen como no hidrostáticos. Un modelo no hidrostático se puede resolver de forma anelástica, lo que significa que resuelve la ecuación de continuidad completa para el aire asumiendo que es incompresible, o elásticamente, lo que significa que resuelve la ecuación de continuidad completa para el aire y es completamente compresible. Los modelos no hidrostáticos utilizan altitud o altitud sigma para sus coordenadas verticales. Las coordenadas de altitud pueden intersecar la tierra, mientras que las coordenadas de altitud sigma siguen los contornos de la tierra. [6]

Historia

El panel de control principal de ENIAC en la Escuela Moore de Ingeniería Eléctrica

La historia de la predicción numérica del tiempo comenzó en la década de 1920 gracias a los esfuerzos de Lewis Fry Richardson, que utilizó procedimientos desarrollados por Vilhelm Bjerknes . [7] [8] No fue hasta la llegada de la computadora y la simulación por computadora que el tiempo de cálculo se redujo a menos del período de pronóstico en sí. ENIAC creó los primeros pronósticos por computadora en 1950, [5] [9] y luego computadoras más potentes aumentaron el tamaño de los conjuntos de datos iniciales e incluyeron versiones más complicadas de las ecuaciones de movimiento. [10] En 1966, Alemania Occidental y los Estados Unidos comenzaron a producir pronósticos operativos basados ​​en modelos de ecuaciones primitivas , seguidos por el Reino Unido en 1972 y Australia en 1977. [7] [11] El desarrollo de modelos de pronóstico globales condujo a los primeros modelos climáticos. [12] [13] El desarrollo de modelos de área limitada (regionales) facilitó los avances en el pronóstico de las trayectorias de los ciclones tropicales , así como de la calidad del aire en las décadas de 1970 y 1980. [14] [15]

Debido a que el resultado de los modelos de pronóstico basados ​​en la dinámica atmosférica requiere correcciones cerca del nivel del suelo, en los años 1970 y 1980 se desarrollaron estadísticas de salida de modelos (MOS) para puntos de pronóstico individuales (ubicaciones). [16] [17] Incluso con el aumento de la potencia de las supercomputadoras, la capacidad de pronóstico de los modelos numéricos del tiempo solo se extiende a aproximadamente dos semanas en el futuro, ya que la densidad y la calidad de las observaciones, junto con la naturaleza caótica de las ecuaciones diferenciales parciales utilizadas para calcular el pronóstico, introducen errores que se duplican cada cinco días. [18] [19] El uso de pronósticos de conjuntos de modelos desde los años 1990 ayuda a definir la incertidumbre del pronóstico y extender el pronóstico del tiempo más allá del futuro de lo que sería posible de otra manera. [20] [21] [22]

Inicialización

Un avión de reconocimiento meteorológico WP-3D Orion en vuelo.
Los aviones de reconocimiento meteorológico, como este WP-3D Orion , proporcionan datos que luego se utilizan en pronósticos meteorológicos numéricos.

La atmósfera es un fluido . Como tal, la idea de la predicción numérica del tiempo es tomar muestras del estado del fluido en un momento dado y usar las ecuaciones de la dinámica de fluidos y la termodinámica para estimar el estado del fluido en algún momento en el futuro. El proceso de ingresar datos de observación en el modelo para generar condiciones iniciales se llama inicialización . En tierra, los mapas de terreno disponibles en resoluciones de hasta 1 kilómetro (0,6 mi) a nivel mundial se utilizan para ayudar a modelar las circulaciones atmosféricas dentro de regiones de topografía accidentada, con el fin de representar mejor características como vientos descendentes, ondas de montaña y nubosidad relacionada que afecta la radiación solar entrante. [23] Las principales entradas de los servicios meteorológicos de los países son observaciones de dispositivos (llamados radiosondas ) en globos meteorológicos que miden varios parámetros atmosféricos y los transmiten a un receptor fijo, así como de satélites meteorológicos . La Organización Meteorológica Mundial actúa para estandarizar la instrumentación, las prácticas de observación y el tiempo de estas observaciones en todo el mundo. Las estaciones informan cada hora en los informes METAR , [24] o cada seis horas en los informes SYNOP . [25] Estas observaciones están espaciadas irregularmente, por lo que son procesadas mediante métodos de asimilación de datos y análisis objetivo, que realizan un control de calidad y obtienen valores en ubicaciones utilizables por los algoritmos matemáticos del modelo. [26] Los datos luego se utilizan en el modelo como punto de partida para un pronóstico. [27]

Se utilizan diversos métodos para reunir datos de observación para su uso en modelos numéricos. Los sitios lanzan radiosondas en globos meteorológicos que se elevan a través de la troposfera y hasta la estratosfera . [28] La información de los satélites meteorológicos se utiliza donde no se dispone de fuentes de datos tradicionales. Commerce proporciona informes de pilotos a lo largo de las rutas de las aeronaves [29] e informes de barcos a lo largo de las rutas de navegación. [30] Los proyectos de investigación utilizan aviones de reconocimiento para volar dentro y alrededor de los sistemas meteorológicos de interés, como los ciclones tropicales . [31] [32] Los aviones de reconocimiento también vuelan sobre los océanos abiertos durante la temporada fría en sistemas que causan una incertidumbre significativa en la guía de pronóstico, o se espera que tengan un alto impacto de tres a siete días en el futuro sobre el continente río abajo. [33] El hielo marino comenzó a inicializarse en los modelos de pronóstico en 1971. [34] Los esfuerzos para involucrar la temperatura de la superficie del mar en la inicialización del modelo comenzaron en 1972 debido a su papel en la modulación del clima en latitudes más altas del Pacífico. [35]

Cálculo

Un ejemplo de predicción de altura geopotencial de 500 mbar a partir de un modelo numérico de predicción meteorológica.
Las supercomputadoras son capaces de ejecutar modelos altamente complejos para ayudar a los científicos a comprender mejor el clima de la Tierra.

Un modelo es un programa informático que produce información meteorológica para tiempos futuros en ubicaciones y altitudes determinadas. Dentro de cualquier modelo hay un conjunto de ecuaciones, conocidas como ecuaciones primitivas , que se utilizan para predecir el estado futuro de la atmósfera. [36] Estas ecuaciones se inicializan a partir de los datos de análisis y se determinan las tasas de cambio. Estas tasas de cambio predicen el estado de la atmósfera en un corto tiempo en el futuro, y cada incremento de tiempo se conoce como paso de tiempo. Luego, las ecuaciones se aplican a este nuevo estado atmosférico para encontrar nuevas tasas de cambio, y estas nuevas tasas de cambio predicen la atmósfera en un tiempo aún más lejano en el futuro. El paso de tiempo se repite hasta que la solución alcanza el tiempo de pronóstico deseado. La longitud del paso de tiempo elegido dentro del modelo está relacionada con la distancia entre los puntos en la cuadrícula computacional y se elige para mantener la estabilidad numérica . [37] Los pasos de tiempo para los modelos globales son del orden de decenas de minutos, [38] mientras que los pasos de tiempo para los modelos regionales son de entre uno y cuatro minutos. [39] Los modelos globales se ejecutan en diferentes momentos en el futuro. El modelo unificado de UKMET se ejecuta seis días en el futuro, [40] el modelo del Centro Europeo de Previsiones Meteorológicas de Mediano Plazo se ejecuta hasta 10 días en el futuro, [41] mientras que el modelo del Sistema de Previsiones Globales ejecutado por el Centro de Modelado Ambiental se ejecuta 16 días en el futuro. [42]

Las ecuaciones utilizadas son ecuaciones diferenciales parciales no lineales que son imposibles de resolver exactamente a través de métodos analíticos, [43] con la excepción de unos pocos casos idealizados. [44] Por lo tanto, los métodos numéricos obtienen soluciones aproximadas. Diferentes modelos utilizan diferentes métodos de solución: algunos modelos globales utilizan métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales y otros modelos globales suelen utilizar métodos de diferencias finitas en las tres dimensiones. [43] La salida visual producida por una solución de modelo se conoce como gráfico de pronóstico o prog . [45]

Parametrización

Las cuadrículas de los modelos meteorológicos y climáticos tienen lados de entre 5 kilómetros (3,1 mi) y 300 kilómetros (190 mi). Una nube cúmulo típica tiene una escala de menos de 1 kilómetro (0,62 mi), y requeriría una cuadrícula incluso más fina que esta para ser representada físicamente por las ecuaciones del movimiento de fluidos. Por lo tanto, los procesos que representan dichas nubes están parametrizados , mediante procesos de diversa sofisticación. En los primeros modelos, si una columna de aire en una cuadrícula de modelo era inestable (es decir, la parte inferior más caliente que la superior), entonces se volcaba y el aire en esa columna vertical se mezclaba. Los esquemas más sofisticados agregan mejoras, reconociendo que solo algunas partes de la caja podrían conveccionar y que ocurren arrastre y otros procesos. Los modelos meteorológicos que tienen cuadrículas con lados de entre 5 kilómetros (3,1 mi) y 25 kilómetros (16 mi) pueden representar explícitamente nubes convectivas, aunque aún necesitan parametrizar la microfísica de las nubes . [46] La formación de nubes a gran escala ( de tipo estratos ) tiene una base más física: se forman cuando la humedad relativa alcanza un valor prescrito. Aun así, es necesario tener en cuenta los procesos a escala subcuadrícula. En lugar de suponer que las nubes se forman con una humedad relativa del 100 %, la fracción de nubes se puede relacionar con una humedad relativa crítica del 70 % para las nubes de tipo estratos y del 80 % o más para las nubes cumuliformes, [47] lo que refleja la variación a escala subcuadrícula que se produciría en el mundo real.

La cantidad de radiación solar que llega al nivel del suelo en terrenos accidentados, o debido a la nubosidad variable, se parametriza ya que este proceso ocurre a escala molecular. [48] Además, el tamaño de la cuadrícula de los modelos es grande en comparación con el tamaño real y la rugosidad de las nubes y la topografía. Se tiene en cuenta el ángulo del sol, así como el impacto de múltiples capas de nubes. [49] El tipo de suelo, el tipo de vegetación y la humedad del suelo determinan cuánta radiación se destina al calentamiento y cuánta humedad se absorbe en la atmósfera adyacente. Por lo tanto, es importante parametrizarlos. [50]

Dominios

El dominio horizontal de un modelo es global , cubriendo toda la Tierra, o regional , cubriendo solo una parte de ella. Los modelos regionales también se conocen como modelos de área limitada o LAM. Los modelos regionales utilizan un espaciado de cuadrícula más fino para resolver fenómenos meteorológicos explícitamente de escala más pequeña, ya que su dominio más pequeño disminuye las demandas computacionales. Los modelos regionales utilizan un modelo global compatible para las condiciones iniciales del borde de su dominio. La incertidumbre y los errores dentro de los LAM son introducidos por el modelo global utilizado para las condiciones de borde del borde del modelo regional, así como dentro de la creación de las condiciones de borde para los LAM en sí. [51]

La coordenada vertical se maneja de varias maneras. Algunos modelos, como el modelo de Richardson de 1922, utilizan la altura geométrica ( ) como coordenada vertical. Los modelos posteriores sustituyeron la coordenada geométrica por un sistema de coordenadas de presión, en el que las alturas geopotenciales de las superficies de presión constante se convierten en variables dependientes , simplificando en gran medida las ecuaciones primitivas. [52] Esto se deduce de que la presión disminuye con la altura a través de la atmósfera terrestre . [53] El primer modelo utilizado para pronósticos operativos, el modelo barotrópico de una sola capa, utilizó una única coordenada de presión en el nivel de 500 milibares (15 inHg), [5] y, por lo tanto, era esencialmente bidimensional. Los modelos de alta resolución, también llamados modelos de mesoescala , como el modelo Weather Research and Forecasting tienden a utilizar coordenadas de presión normalizadas denominadas coordenadas sigma . [54]

Versiones globales

Algunos de los modelos numéricos globales más conocidos son:

Versiones regionales

Algunos de los modelos numéricos regionales más conocidos son:

Estadísticas de salida del modelo

Como los modelos de pronóstico basados ​​en las ecuaciones de dinámica atmosférica no determinan perfectamente las condiciones meteorológicas cerca del suelo, se desarrollaron correcciones estadísticas para intentar resolver este problema. Se crearon modelos estadísticos basados ​​en los campos tridimensionales producidos por modelos meteorológicos numéricos, observaciones de superficie y las condiciones climatológicas para ubicaciones específicas. Estos modelos estadísticos se denominan colectivamente estadísticas de salida del modelo (MOS), [59] y fueron desarrollados por el Servicio Meteorológico Nacional para su conjunto de modelos de pronóstico meteorológico. [16] La Fuerza Aérea de los Estados Unidos desarrolló su propio conjunto de MOS basado en su modelo meteorológico dinámico en 1983. [17]

Las estadísticas de salida del modelo difieren de la técnica de prog perfecto , que supone que la salida de la guía de predicción numérica del tiempo es perfecta. [60] MOS puede corregir los efectos locales que no pueden ser resueltos por el modelo debido a una resolución de cuadrícula insuficiente, así como los sesgos del modelo. Los parámetros de pronóstico dentro de MOS incluyen temperaturas máximas y mínimas, porcentaje de probabilidad de lluvia dentro de un período de varias horas, cantidad de precipitación esperada, probabilidad de que la precipitación sea de naturaleza congelada, probabilidad de tormentas eléctricas, nubosidad y vientos en la superficie. [61]

Aplicaciones

Modelado climático

En 1956, Norman Phillips desarrolló un modelo matemático que representaba de manera realista los patrones mensuales y estacionales en la troposfera. Este fue el primer modelo climático exitoso . [12] [13] Varios grupos comenzaron entonces a trabajar para crear modelos de circulación general . [62] El primer modelo climático de circulación general combinó procesos oceánicos y atmosféricos y fue desarrollado a fines de la década de 1960 en el Laboratorio de Dinámica de Fluidos Geofísicos , un componente de la Administración Nacional Oceánica y Atmosférica de los Estados Unidos . [63]

En 1975, Manabe y Wetherald habían desarrollado un modelo climático global tridimensional que ofrecía una representación aproximadamente precisa del clima actual. Duplicar el CO2 en la atmósfera del modelo dio como resultado un aumento de aproximadamente 2 °C en la temperatura global. [64] Varios otros tipos de modelos informáticos dieron resultados similares: era imposible hacer un modelo que ofreciera algo parecido al clima real y que no tuviera un aumento de temperatura cuando se incrementara la concentración de CO2 .

A principios de los años 1980, el Centro Nacional de Investigación Atmosférica de los Estados Unidos había desarrollado el Modelo Comunitario de Atmósfera (CAM), que puede ejecutarse por sí solo o como el componente atmosférico del Modelo Comunitario del Sistema Climático . La última actualización (versión 3.1) del CAM independiente se publicó el 1 de febrero de 2006. [65] [66] [67] En 1986, comenzaron los esfuerzos para inicializar y modelar los tipos de suelo y vegetación, lo que dio como resultado pronósticos más realistas. [68] Los modelos climáticos acoplados océano-atmósfera, como el modelo HadCM3 del Centro Hadley para la Predicción e Investigación del Clima , se están utilizando como insumos para los estudios sobre el cambio climático . [62]

Modelado de área limitada

Modelo de propagación con el huracán Ernesto (2006) dentro de los modelos de área limitada del Centro Nacional de Huracanes

Los pronósticos de contaminación del aire dependen de modelos atmosféricos para proporcionar información sobre el flujo de fluidos para rastrear el movimiento de contaminantes. [69] En 1970, una empresa privada en los EE. UU. desarrolló el Modelo de Cuenca Atmosférica Urbana (UAM) regional, que se utilizó para pronosticar los efectos de la contaminación del aire y la lluvia ácida . A mediados y fines de la década de 1970, la Agencia de Protección Ambiental de los Estados Unidos se hizo cargo del desarrollo del UAM y luego utilizó los resultados de un estudio regional de contaminación del aire para mejorarlo. Aunque el UAM se desarrolló para California , durante la década de 1980 se utilizó en otras partes de América del Norte, Europa y Asia. [15]

El modelo de malla fina móvil, que comenzó a funcionar en 1978, fue el primer modelo de predicción de ciclones tropicales basado en la dinámica atmosférica . [14] A pesar de la mejora constante de la guía de modelos dinámicos que se hizo posible gracias al aumento de la potencia computacional, no fue hasta la década de 1980 que la predicción numérica del tiempo (NWP) mostró su habilidad para pronosticar la trayectoria de los ciclones tropicales. Y no fue hasta la década de 1990 que la NWP superó sistemáticamente a los modelos estadísticos o dinámicos simples. [70] La predicción de la intensidad de los ciclones tropicales mediante NWP también ha sido un desafío. A partir de 2009, la guía dinámica seguía siendo menos hábil que los métodos estadísticos. [71]

Véase también

Referencias

  1. ^ Gates, W. Lawrence (agosto de 1955). Resultados de la predicción numérica con los modelos atmosféricos barotrópico y termotrópico. Base aérea Hanscom : Laboratorios de investigación de la Fuerza Aérea de Cambridge. Archivado desde el original el 22 de julio de 2011.
  2. ^ Thompson, PD; W. Lawrence Gates (abril de 1956). "Una prueba de métodos de predicción numérica basados ​​en los modelos barotrópico y baroclínico de dos parámetros". Revista de meteorología . 13 (2): 127–141. Código Bibliográfico :1956JAtS...13..127T. doi : 10.1175/1520-0469(1956)013<0127:ATONPM>2.0.CO;2 . ISSN  1520-0469.
  3. ^ Wallace, John M. y Peter V. Hobbs (1977). Ciencia atmosférica: una revisión introductoria . Academic Press, Inc., págs. 384-385. ISBN 978-0-12-732950-5.
  4. ^ Marshall, John; Plumb, R. Alan (2008). "Flujo equilibrado". Atmósfera, océano y dinámica climática: un texto introductorio . Ámsterdam: Elsevier Academic Press. págs. 109-12. ISBN 978-0-12-558691-7.
  5. ^ a b C Charney, Jule ; Fjörtoft, Ragnar; von Neumann, John (noviembre de 1950). "Integración numérica de la ecuación de vorticidad barotrópica". Tellus . 2 (4): 237–254. Bibcode : 1950 Dile....2..237C. doi : 10.3402/tellusa.v2i4.8607 .
  6. ^ Jacobson, Mark Zachary (2005). Fundamentos del modelado atmosférico. Cambridge University Press. pp. 138–143. ISBN 978-0-521-83970-9.
  7. ^ ab Lynch, Peter (2008-03-20). "Los orígenes de la predicción meteorológica por ordenador y el modelado climático" (PDF) . Journal of Computational Physics . 227 (7): 3431–44. Bibcode :2008JCoPh.227.3431L. doi :10.1016/j.jcp.2007.02.034. Archivado desde el original (PDF) el 2010-07-08 . Consultado el 2010-12-23 .
  8. ^ Lynch, Peter (2006). "Predicción meteorológica mediante procesos numéricos". El surgimiento de la predicción numérica del tiempo . Cambridge University Press . pp. 1–27. ISBN 978-0-521-85729-1.
  9. ^ Cox, John D. (2002). Vigilantes de tormentas. John Wiley & Sons, Inc., pág. 208. ISBN 978-0-471-38108-2.
  10. ^ Harper, Kristine; Uccellini, Louis W.; Kalnay, Eugenia; Carey, Kenneth; Morone, Lauren (mayo de 2007). "2007: 50º aniversario de la predicción numérica operacional del tiempo". Boletín de la Sociedad Meteorológica Estadounidense . 88 (5): 639–650. Bibcode :2007BAMS...88..639H. doi : 10.1175/BAMS-88-5-639 .
  11. ^ Leslie, LM; Dietachmeyer, GS (diciembre de 1992). "Predicción numérica del tiempo en tiempo real para áreas limitadas en Australia: una perspectiva histórica" ​​(PDF) . Revista meteorológica australiana . 41 (SP). Oficina de Meteorología : 61–77 . Consultado el 3 de enero de 2011 .
  12. ^ ab Norman A. Phillips (abril de 1956). "La circulación general de la atmósfera: un experimento numérico" (PDF) . Quarterly Journal of the Royal Meteorological Society . 82 (352): 123–154. Bibcode :1956QJRMS..82..123P. doi :10.1002/qj.49708235202.
  13. ^ de John D. Cox (2002). Vigilantes de tormentas. John Wiley & Sons, Inc., pág. 210. ISBN 978-0-471-38108-2.
  14. ^ ab Shuman, Frederick G. (septiembre de 1989). "Historia de la predicción numérica del tiempo en el Centro Meteorológico Nacional". Tiempo y pronóstico . 4 (3): 286–296. Bibcode :1989WtFor...4..286S. doi : 10.1175/1520-0434(1989)004<0286:HONWPA>2.0.CO;2 . ISSN  1520-0434.
  15. ^ ab Steyn, DG (1991). Modelado de la contaminación del aire y su aplicación VIII, Volumen 8. Birkhäuser. págs. 241–242. ISBN 978-0-306-43828-8.
  16. ^ ab Harry Hughes (1976). Guía de pronóstico de estadísticas de salida de modelos . Centro de Aplicaciones Técnicas Ambientales de la Fuerza Aérea de los Estados Unidos. págs. 1–16.
  17. ^ ab L. Best, DL y SP Pryor (1983). Sistemas de estadísticas de salida del modelo del Servicio Meteorológico Aéreo . Central meteorológica global de la Fuerza Aérea. págs. 1–90.
  18. ^ Cox, John D. (2002). Vigilantes de tormentas. John Wiley & Sons, Inc., págs. 222-224. ISBN 978-0-471-38108-2.
  19. ^ Weickmann, Klaus, Jeff Whitaker, Andres Roubicek y Catherine Smith (1 de diciembre de 2001). El uso de pronósticos por conjuntos para producir pronósticos meteorológicos mejorados a mediano plazo (3 a 15 días). Centro de diagnóstico climático . Consultado el 16 de febrero de 2007.
  20. ^ Toth, Zoltan; Kalnay, Eugenia (diciembre de 1997). "Predicción por conjuntos en el NCEP y el método de cría". Monthly Weather Review . 125 (12): 3297–3319. Bibcode :1997MWRv..125.3297T. ​​CiteSeerX 10.1.1.324.3941 . doi :10.1175/1520-0493(1997)125<3297:EFANAT>2.0.CO;2. ISSN  1520-0493. 
  21. ^ "El sistema de predicción de conjuntos (EPS)". ECMWF . Archivado desde el original el 25 de enero de 2011 . Consultado el 5 de enero de 2011 .
  22. ^ Molteni, F.; Buizza, R.; Palmer, TN; Petroliagis, T. (enero de 1996). "El sistema de predicción por conjuntos del ECMWF: metodología y validación". Quarterly Journal of the Royal Meteorological Society . 122 (529): 73–119. Bibcode :1996QJRMS.122...73M. doi :10.1002/qj.49712252905.
  23. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica. Cambridge University Press. p. 56. ISBN 978-0-521-86540-1.
  24. ^ Centro Nacional de Datos Climáticos (2008-08-20). «Key to METAR Surface Weather Observations» (Clave para las observaciones meteorológicas de superficie de METAR). Administración Nacional Oceánica y Atmosférica . Archivado desde el original el 2002-11-01 . Consultado el 2011-02-11 .
  25. ^ "Formato de datos SYNOP (FM-12): Observaciones sinópticas de superficie". UNISYS . 25 de mayo de 2008. Archivado desde el original el 30 de diciembre de 2007.
  26. ^ Krishnamurti, TN (enero de 1995). "Predicción numérica del tiempo". Revista anual de mecánica de fluidos . 27 (1): 195–225. Código Bibliográfico :1995AnRFM..27..195K. doi :10.1146/annurev.fl.27.010195.001211. S2CID  122230747.
  27. ^ "El sistema de asimilación de datos variacionales del WRF (WRF-Var)". University Corporation for Atmospheric Research . 14 de agosto de 2007. Archivado desde el original el 14 de agosto de 2007.
  28. ^ Gaffen, Dian J. (7 de junio de 2007). "Observaciones de radiosonda y su uso en investigaciones relacionadas con SPARC". Archivado desde el original el 7 de junio de 2007.
  29. ^ Ballish, Bradley A.; V. Krishna Kumar (noviembre de 2008). "Diferencias sistemáticas en las temperaturas de aeronaves y radiosonda" (PDF) . Boletín de la Sociedad Meteorológica Estadounidense . 89 (11): 1689–1708. Bibcode :2008BAMS...89.1689B. doi :10.1175/2008BAMS2332.1 . Consultado el 16 de febrero de 2011 .
  30. ^ National Data Buoy Center (28 de enero de 2009). "El plan de buques de observación voluntaria (VOS) de la OMM". Administración Nacional Oceánica y Atmosférica . Consultado el 15 de febrero de 2011 .
  31. ^ 403rd Wing (2011). "Los cazadores de huracanes". 53rd Weather Reconnaissance Squadron . Archivado desde el original el 2012-05-30 . Consultado el 2006-03-30 .{{cite web}}: CS1 maint: nombres numéricos: lista de autores ( enlace )
  32. ^ Lee, Christopher (8 de octubre de 2007). "Los drones y los sensores pueden abrir el camino hacia el ojo de la tormenta". The Washington Post . Consultado el 22 de febrero de 2008 .
  33. ^ Administración Nacional Oceánica y Atmosférica (12 de noviembre de 2010). "NOAA envía avión de investigación de alta tecnología para mejorar los pronósticos de tormentas invernales" . Consultado el 22 de diciembre de 2010 .
  34. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press . p. 137. ISBN 978-0-521-86540-1.
  35. ^ Houghton, John Theodore (1985). El clima global. Archivo de Cambridge University Press. Págs. 49-50. ISBN 978-0-521-31256-1.
  36. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Academic Press . Págs. 48-49. ISBN. 978-0-12-554766-6.
  37. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Academic Press . Págs. 285-287. ISBN. 978-0-12-554766-6.
  38. ^ Sunderam, VS; G. Dick van Albada; Peter MA Sloot; J. J. Dongarra (2005). Ciencias Computacionales - ICCS 2005: Quinta Conferencia Internacional, Atlanta, GA, EE. UU., 22 al 25 de mayo de 2005, Actas, Parte 1. Springer. pag. 132.ISBN 978-3-540-26032-5.
  39. ^ Zwieflhofer, Walter; Norbert Kreitz; Centro Europeo de Previsiones Meteorológicas a Mediano Plazo (2001). Avances en teracomputación: actas del noveno taller del ECMWF sobre el uso de la informática de alto rendimiento en meteorología. World Scientific. pág. 276. ISBN 978-981-02-4761-4.
  40. ^ abc Chan, Johnny CL y Jeffrey D. Kepert (2010). Perspectivas globales sobre los ciclones tropicales: de la ciencia a la mitigación. World Scientific. págs. 295–301. ISBN 978-981-4293-47-1.
  41. ^ Holton, James R. (2004). Introducción a la meteorología dinámica, volumen 1. Academic Press. pág. 480. ISBN 978-0-12-354015-7.
  42. ^ Brown, Molly E. (2008). Sistemas de alerta temprana de hambruna y datos de teledetección. Springer. pág. 121. ISBN 978-3-540-75367-4.
  43. ^ ab Strikwerda, John C. (2004). Esquemas de diferencias finitas y ecuaciones diferenciales parciales. SIAM. pp. 165–170. ISBN 978-0-89871-567-5.
  44. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Academic Press . pág. 65. ISBN. 978-0-12-554766-6.
  45. ^ Ahrens, C. Donald (2008). Fundamentos de meteorología: una invitación a la atmósfera. Cengage Learning. pág. 244. ISBN 978-0-495-11558-8.
  46. ^ Narita, Masami y Shiro Ohmori (6 de agosto de 2007). "3.7 Mejora de los pronósticos de precipitación mediante el modelo de mesoescala no hidrostático operacional con la parametrización convectiva de Kain-Fritsch y la microfísica de nubes" (PDF) . 12.ª Conferencia sobre procesos de mesoescala . Sociedad Meteorológica Estadounidense . Consultado el 15 de febrero de 2011 .
  47. ^ Frierson, Dargan (14 de septiembre de 2000). "The Diagnostic Cloud Parameterization Scheme" (PDF) . Universidad de Washington . pp. 4–5. Archivado desde el original (PDF) el 1 de abril de 2011. Consultado el 15 de febrero de 2011 .
  48. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica. Cambridge University Press. pág. 6. ISBN 978-0-521-86540-1.
  49. ^ Melʹnikova, Irina N. y Alexander V. Vasilyev (2005). Radiación solar de onda corta en la atmósfera terrestre: cálculo, observación, interpretación. Springer. pp. 226–228. ISBN 978-3-540-21452-6.
  50. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica. Cambridge University Press. pp. 12–14. ISBN 978-0-521-86540-1.
  51. ^ Warner, Thomas Tomkins (2010). Predicción numérica del clima y el tiempo. Cambridge University Press . pág. 259. ISBN 978-0-521-51389-0.
  52. ^ Lynch, Peter (2006). "Las ecuaciones fundamentales". El surgimiento de la predicción numérica del tiempo . Cambridge University Press . pp. 45–46. ISBN 978-0-521-85729-1.
  53. ^ Ahrens, C. Donald (2008). Fundamentos de meteorología: una invitación a la atmósfera. Cengage Learning. pág. 10. ISBN 978-0-495-11558-8.
  54. ^ Janjic, Zavisa; Gall, Robert; Pyle, Matthew E. (febrero de 2010). "Documentación científica para el solucionador NMM" (PDF) . Centro Nacional de Investigación Atmosférica . págs. 12-13. Archivado desde el original (PDF) el 23 de agosto de 2011 . Consultado el 3 de enero de 2011 .
  55. ^ "HIRLAM". Archivado desde el original el 30 de abril de 2018.
  56. ^ Consorcio para el modelado a pequeña escala. Consorcio para el modelado a pequeña escala. Recuperado el 13 de enero de 2008.
  57. ^ Lac, C., Chaboureau, P., Masson, V., Pinty, P., Tulet, P., Escobar, J., ... & Aumond, P. (2018). Panorama general del modelo Meso-NH versión 5.4 y sus aplicaciones. Desarrollo de modelos geocientíficos, 11, 1929-1969.
  58. ^ Lafore, Jean Philippe, et al. "El sistema de simulación atmosférica Meso-NH. Parte I: Formulación adiabática y simulaciones de control". Annales geophysicae. Vol. 16. No. 1. Copernicus GmbH, 1998.
  59. ^ Baum, Marsha L. (2007). Cuando la naturaleza ataca: desastres climáticos y la ley. Greenwood Publishing Group. pág. 189. ISBN 978-0-275-22129-4.
  60. ^ Gultepe, Ismail (2007). Niebla y nubes de capa límite: visibilidad y pronóstico de la niebla. Springer. p. 1144. ISBN 978-3-7643-8418-0.
  61. ^ Barry, Roger Graham y Richard J. Chorley (2003). Atmósfera, tiempo y clima. Psychology Press. pág. 172. ISBN 978-0-415-27171-4.
  62. ^ ab Peter Lynch (2006). "Las integraciones de ENIAC". El surgimiento de la predicción numérica del tiempo: el sueño de Richardson . Cambridge University Press . pág. 208. ISBN 978-0-521-85729-1. Recuperado el 6 de febrero de 2018 .
  63. ^ National Oceanic and Atmospheric Administration (22 de mayo de 2008). «El primer modelo climático» . Consultado el 8 de enero de 2011 .
  64. ^ Manabe S.; Wetherald RT (1975). "Los efectos de duplicar la concentración de CO2 en el clima de un modelo de circulación general". Revista de ciencias atmosféricas . 32 (3): 3–15. Bibcode :1975JAtS...32....3M. doi : 10.1175/1520-0469(1975)032<0003:teodtc>2.0.co;2 .
  65. ^ "Descarga CAM 3.1" www.cesm.ucar.edu . Consultado el 25 de junio de 2019 .
  66. ^ William D. Collins; et al. (junio de 2004). «Descripción del modelo de atmósfera comunitaria del NCAR (CAM 3.0)» (PDF) . University Corporation for Atmospheric Research . Archivado desde el original (PDF) el 26 de septiembre de 2019. Consultado el 3 de enero de 2011 .
  67. ^ "CAM3.0 COMMUNITY ATMOSPHERE MODEL" (Modelo de atmósfera comunitaria CAM3.0). University Corporation for Atmospheric Research (Corporación universitaria para la investigación atmosférica ). Consultado el 6 de febrero de 2018 .
  68. ^ Yongkang Xue y Michael J. Fennessey (20 de marzo de 1996). "Impacto de las propiedades de la vegetación en la predicción del clima de verano en Estados Unidos" (PDF) . Journal of Geophysical Research . 101 (D3): 7419. Bibcode :1996JGR...101.7419X. CiteSeerX 10.1.1.453.551 . doi :10.1029/95JD02169. Archivado desde el original (PDF) el 10 de julio de 2010 . Consultado el 6 de enero de 2011 . 
  69. ^ Alexander Baklanov; Alix Rasmussen; Barbara Fay; Erik Berge; Sandro Finardi (septiembre de 2002). "Potencial y deficiencias de los modelos numéricos de predicción meteorológica en la provisión de datos meteorológicos para la previsión de la contaminación atmosférica urbana". Contaminación del agua, el aire y el suelo: foco de atención . 2 (5): 43–60. doi :10.1023/A:1021394126149. S2CID  94747027.
  70. ^ James Franklin (20 de abril de 2010). «Verificación del pronóstico del Centro Nacional de Huracanes». Centro Nacional de Huracanes . Archivado desde el original el 2 de enero de 2011. Consultado el 2 de enero de 2011 .
  71. ^ Edward N. Rappaport; James L. Franklin; Lixion A. Avila; Stephen R. Baig; John L. Beven II; Eric S. Blake; Christopher A. Burr; Jiann-Gwo Jiing; Christopher A. Juckins; Richard D. Knabb; Christopher W. Landsea; Michelle Mainelli; Max Mayfield; Colin J. McAdie; Richard J. Pasch; Christopher Sisko; Stacy R. Stewart; Ahsha N. Tribble (abril de 2009). "Avances y desafíos en el Centro Nacional de Huracanes". Tiempo y pronóstico . 24 (2): 395–419. Código Bibliográfico :2009WtFor..24..395R. CiteSeerX 10.1.1.207.4667 . doi :10.1175/2008WAF2222128.1. 

Lectura adicional

Enlaces externos