Un modelo de pronóstico de ciclones tropicales es un programa informático que utiliza datos meteorológicos para pronosticar aspectos del estado futuro de los ciclones tropicales . Hay tres tipos de modelos: estadístico, dinámico o combinado estadístico-dinámico. [1] Los modelos dinámicos utilizan potentes supercomputadoras con sofisticado software de modelado matemático y datos meteorológicos para calcular las condiciones climáticas futuras . Los modelos estadísticos pronostican la evolución de un ciclón tropical de una manera más sencilla, extrapolando a partir de conjuntos de datos históricos, y por lo tanto pueden ejecutarse rápidamente en plataformas como computadoras personales . Los modelos estadístico-dinámicos utilizan aspectos de ambos tipos de pronóstico. Existen cuatro tipos principales de pronósticos para los ciclones tropicales: trayectoria , intensidad, marejada ciclónica y lluvia . Los modelos dinámicos no se desarrollaron hasta las décadas de 1970 y 1980, y los esfuerzos anteriores se centraron en el problema de las marejadas ciclónicas.
Los modelos de seguimiento no mostraron capacidad de pronóstico en comparación con los modelos estadísticos hasta la década de 1980. Los modelos estadístico-dinámicos se utilizaron desde los años setenta hasta los noventa. Los primeros modelos utilizan datos de ejecuciones de modelos anteriores, mientras que los modelos tardíos producen resultados después de que se ha enviado el pronóstico oficial de huracanes. El uso de pronósticos de consenso , de conjunto y de superconjunto reduce los errores más que cualquier modelo de pronóstico individual. Tanto los pronósticos de consenso como los de superconjunto pueden utilizar la guía de modelos globales y regionales para mejorar el desempeño más que cualquiera de sus respectivos componentes. Las técnicas utilizadas en el Centro Conjunto de Alerta de Tifones indican que los pronósticos de superconjuntos son una herramienta muy poderosa para el pronóstico de trayectoria.
La primera guía estadística utilizada por el Centro Nacional de Huracanes fue la Técnica Analógica de Huracanes (HURRAN), que estuvo disponible en 1969. Utilizaba la base de datos de ciclones tropicales recientemente desarrollada del Atlántico Norte para encontrar tormentas con trayectorias similares. Luego desplazó sus trayectorias a lo largo de la trayectoria actual de la tormenta y utilizó la ubicación, dirección y velocidad del movimiento, y la fecha para encontrar análogos adecuados. El método funcionó bien con tormentas al sur del paralelo 25 que aún no habían girado hacia el norte, pero tuvo malos resultados con sistemas cercanos o después de la recurvatura. [2] Desde 1972, el modelo estadístico de Climatología y Persistencia (CLIPER) se ha utilizado para ayudar a generar pronósticos de trayectoria de ciclones tropicales. En la era de los pronósticos dinámicos hábiles, CLIPER ahora se utiliza como base para mostrar la habilidad del modelo y del pronosticador. [3] El Pronóstico estadístico de la intensidad de los huracanes (SHIFOR) se ha utilizado desde 1979 para pronosticar la intensidad de los ciclones tropicales. Utiliza la climatología y la persistencia para predecir la intensidad futura, incluido el día juliano actual , la intensidad del ciclón actual, la intensidad del ciclón hace 12 horas, la latitud y longitud iniciales de la tormenta, así como su zonal (este-oeste) y meridional (norte-sur). ) componentes del movimiento. [2]
Entre los años 1970 y 1990 se desarrolló una serie de modelos estadístico-dinámicos, que utilizaban ecuaciones de regresión basadas en los resultados de CLIPER y los últimos resultados de modelos de ecuaciones primitivas ejecutados en el Centro Meteorológico Nacional, entonces Centros Nacionales de Predicción Ambiental , y se denominaron NHC73. NHC83, NHC90, NHC91 y NHC98. [1] [4] Dentro del campo de la predicción de la trayectoria de ciclones tropicales , a pesar de la guía de modelos dinámicos cada vez mejor que se produjo con una mayor potencia computacional, no fue hasta la década de 1980 cuando la predicción numérica del tiempo mostró habilidad , y hasta la década de 1990. cuando superó consistentemente a los modelos estadísticos o dinámicos simples. [5] En 1994, se creó una versión de SHIFOR para el noroeste del Océano Pacífico para el pronóstico de tifones , conocida como Pronóstico Estadístico de Intensidad de Tifones (STIFOR), que utilizó los datos de 1971-1990 para esa región para desarrollar pronósticos de intensidad de hasta 72 horas. en el futuro. [6]
En lo que respecta al pronóstico de intensidad, el Esquema estadístico de predicción de la intensidad de los huracanes (SHIPS) utiliza relaciones entre las condiciones ambientales del Sistema de pronóstico global (GFS), como la cizalladura vertical del viento y las temperaturas de la superficie del mar , la climatología y la persistencia (comportamiento de las tormentas) a través de múltiples técnicas de regresión. elaborar un pronóstico de intensidad para los sistemas en los océanos Atlántico norte y Pacífico nororiental. [1] Se desarrolló un modelo similar para el noroeste del Océano Pacífico y el hemisferio sur, conocido como Sistema de Predicción de Intensidad Estadística (STIPS), que tiene en cuenta las interacciones terrestres a través de las condiciones ambientales de entrada del modelo del Sistema de Predicción Global Operacional de la Armada (NOGAPS). [7] La versión de SHIPS con un componente de descomposición interior se conoce como Decay SHIPS (DSHIPS). El modelo de ecuación de crecimiento logístico (LGEM) utiliza los mismos datos que SHIPS pero dentro de un sistema de predicción dinámica simplificado. [1] Dentro del pronóstico de lluvia de ciclones tropicales , el modelo Rainfall Climatology and Persistence (r-CLIPER) se desarrolló utilizando datos de lluvia por microondas de satélites en órbita polar sobre el océano y mediciones de lluvia de primer orden desde tierra, para obtener una precipitación realista. distribución de ciclones tropicales basada en el pronóstico de trayectoria del Centro Nacional de Huracanes. Ha estado operativo desde 2004. [8] Se ha desarrollado un modelo estadístico-paramétrico de radios de viento para su uso en el Centro Nacional de Huracanes y el Centro Conjunto de Alerta de Tifones que utiliza la climatología y la persistencia para predecir la estructura del viento hasta cinco días en el futuro. [2]
El primer modelo dinámico de pronóstico de trayectoria de huracanes, el modelo de predicción de trayectoria de ciclones tropicales barotrópicos de Sanders (SANBAR), [9] se introdujo en 1970 y fue utilizado por el Centro Nacional de Huracanes como parte de su guía operativa de trayectoria hasta 1989. Se basó en un conjunto simplificado de ecuaciones dinámicas atmosféricas (la formulación barotrópica equivalente) utilizando un viento medio de capa profunda.
Durante 1972, se desarrolló el primer modelo para pronosticar marejadas ciclónicas a lo largo de la plataforma continental de los Estados Unidos, conocido como Programa Especial para Listar la Amplitud de Marejadas de Huracanes (SPLASH). [10] En 1978, comenzó a funcionar el primer modelo de seguimiento de huracanes completamente físico basado en la dinámica atmosférica : el modelo de malla fina móvil (MFM). [11] El modelo de área limitada cuasi-lagrangiana (QLM) es un modelo de ecuación primitiva de múltiples niveles que utiliza una cuadrícula cartesiana y el Sistema de pronóstico global (GFS) para las condiciones de contorno. [2] A principios de la década de 1980, se descubrió que la asimilación de vientos derivados de satélites a partir de imágenes satelitales de vapor de agua, infrarrojos y visibles mejoraba el pronóstico de la trayectoria de los ciclones tropicales. [12] El modelo de huracanes del Laboratorio de Dinámica de Fluidos Geofísicos (GFDL) se utilizó con fines de investigación entre 1973 y mediados de los años 1980. Una vez que se determinó que podía demostrar habilidad en la predicción de huracanes, una transición de varios años transformó el modelo de investigación en un modelo operativo que podría ser utilizado por el Servicio Meteorológico Nacional para pronósticos tanto de trayectoria como de intensidad en 1995. [13] Para 1985, Se había desarrollado el modelo Sea Lake y Overland Waves from Hurricanes (SLOSH) para su uso en zonas del Golfo de México y cerca de la costa este de los Estados Unidos, que era más sólido que el modelo SPLASH. [14]
El Modelo de Advección Beta (BAM) se ha utilizado operativamente desde 1987 utilizando vientos directores promediados a través de la capa de 850 hPa a 200 hPa y el efecto Beta que hace que una tormenta se desplace hacia el noroeste debido a diferencias en el efecto coriolis a lo largo del ciclón tropical. [15] Cuanto más grande sea el ciclón, mayor será probablemente el impacto del efecto beta. [16] A partir de 1990, se ejecutaron operativamente tres versiones del BAM: el BAM superficial (BAMS), con vientos promedio en una capa de 850 hPa a 700 hPa, el BAM Medio (BAMM), que utiliza vientos promedio en una capa de 850 hPa a 400 hPa. capa y el BAM Deep (BAMD), que es el mismo que el BAM anterior a 1990. [4] Para un huracán débil sin actividad tormentosa central bien desarrollada, BAMS funciona bien, porque las tormentas débiles tienden a ser dirigidas por vientos de bajo nivel. [1] A medida que la tormenta se vuelve más fuerte y la actividad tormentosa asociada cerca de su centro se hace más profunda, BAMM y BAMD se vuelven más precisos, ya que este tipo de tormentas son dirigidas más por los vientos en el nivel superior. Si el pronóstico de las tres versiones es similar, entonces el pronosticador puede concluir que hay una incertidumbre mínima, pero si las versiones varían mucho, entonces el pronosticador tiene menos confianza en la trayectoria pronosticada debido a la mayor incertidumbre. [17] Las grandes diferencias entre las predicciones de los modelos también pueden indicar cizalladura del viento en la atmósfera, lo que también podría afectar el pronóstico de intensidad. [1]
Probado en 1989 y 1990, el modelo barotrópico de Vic Ooyama (VICBAR) utilizó una representación spline cúbica-B de variables para el análisis objetivo de observaciones y soluciones a las ecuaciones de predicción de aguas poco profundas en dominios anidados, con las condiciones de contorno definidas como las condiciones globales. modelo de pronóstico. [18] Se implementó operativamente como modelo Barotrópico de Transformada Sinusoidal de Área Limitada (LBAR) en 1992, utilizando el GFS para las condiciones de contorno. [2] En 1990, Australia había desarrollado su propio modelo de marejadas ciclónicas que podía ejecutarse en unos minutos en una computadora personal. [19] La Agencia Meteorológica de Japón (JMA) desarrolló su propio modelo de tifones (TYM) en 1994, [20] y en 1998, la agencia comenzó a utilizar su propio modelo dinámico de marejadas ciclónicas . [21]
El modelo de investigación y pronóstico del tiempo de huracanes (HWRF) es una versión especializada del modelo de pronóstico e investigación del tiempo (WRF) y se utiliza para pronosticar la trayectoria y la intensidad de los ciclones tropicales . El modelo fue desarrollado por la Administración Nacional Oceánica y Atmosférica (NOAA), el Laboratorio de Investigación Naval de EE. UU. , la Universidad de Rhode Island y la Universidad Estatal de Florida . [22] Entró en funcionamiento en 2007. [23] A pesar de las mejoras en el pronóstico de trayectoria, las predicciones de la intensidad de un ciclón tropical basadas en la predicción numérica del tiempo siguen siendo un desafío, ya que los métodos estadísticos continúan mostrando una mayor habilidad que la guía dinámica. [24] Además de las orientaciones especializadas, existen orientaciones globales como el modelo GFS, el modelo unificado (UKMET), NOGAPS, el modelo espectral global japonés (GSM), el modelo del Centro Europeo de predicciones meteorológicas a medio plazo y la Action de Recherche Petite Echelle Grande Echelle de Francia. (ARPEGE) y los modelos Aire Limit´ee Adaptation Dynamique Inicialización (ALADIN), el modelo del Centro Nacional de Predicción Meteorológica a Medio Plazo (NCMRWF) de la India, los modelos del Sistema Global de Predicción y Asimilación de Datos (GDAPS) y del Sistema Regional de Predicción y Asimilación de Datos (RDAPS) de Corea , el modelo Operacional Regional Espectral (ORSM) de Hong Kong/China y el modelo canadiense Global Environmental Multiscale Model (GEM) se utilizan para fines de seguimiento e intensidad. [2]
Algunos modelos no producen resultados lo suficientemente rápido como para usarlos en el ciclo de pronóstico inmediatamente después de que el modelo comienza a ejecutarse (incluidos HWRF, GFDL y FSSE). La mayoría de los modelos de seguimiento anteriores (excepto CLIPER) requieren datos de modelos meteorológicos globales , como el GFS, que producen resultados aproximadamente cuatro horas después de las horas sinópticas de 0000, 0600, 1200 y 1800, hora universal coordinada (UTC). Para la mitad de sus pronósticos, el NHC emite pronósticos sólo tres horas después de esa hora, por lo que algunos modelos "tempranos" (NHC90, BAM y LBAR) se ejecutan utilizando un pronóstico de 12 horas de antigüedad para la hora actual. Los modelos "tardíos", como el GFS y el GFDL, finalizan una vez que ya se ha emitido el aviso. Estos modelos se interpolan a la posición actual de la tormenta para su uso en el siguiente ciclo de pronóstico; por ejemplo, GFDI, la versión interpolada del modelo GFDL. [1] [25]
El uso de un consenso de modelos de pronóstico reduce el error de pronóstico. [26] En cuanto a la trayectoria, el modelo GUNA es un consenso de las versiones interpoladas de los modelos GFDL, UKMET con control de calidad aplicado al rastreador de ciclones, NOGAPS de la Armada de los Estados Unidos y GFS. La versión del GUNA corregida por sesgos del modelo se conoce como CGUN. El consenso TCON es el consenso GUNA más el modelo Hurricane WRF. La versión del TCON corregida por sesgos del modelo se conoce como TCCN. Un promedio rezagado de las dos últimas series de los miembros dentro del modelo TCON más el ECMWF se conoce como consenso TVCN. La versión del TVCN corregida por sesgos de modelo es el consenso de TVCC. [1]
A principios de 2013, NAVGEM reemplazó a NOGAPS como el principal modelo operativo de pronóstico global de la Armada. Para la temporada 2013, y hasta que se pueda verificar el modelo, no se está utilizando en el desarrollo de pronósticos de consenso.
Para la intensidad, una combinación de los modelos LGEM, GFDL interpolado, HWRF interpolado y DSHIPS se conoce como consenso ICON. El promedio rezagado de las dos últimas series de modelos dentro del consenso ICON se denomina consenso IVCN. [1] En todo el Pacífico noroeste y el hemisferio sur, se forma un consenso STIPS de diez miembros a partir de los resultados de NOGAPS, GFS, el GSM japonés, el Sistema de predicción de mesoescala acoplado océano/atmósfera (COAMPS), el UKMET, el TYM japonés. , el GFDL con condiciones de contorno NOGAPS, el modelo de la Agencia Meteorológica de la Fuerza Aérea (AFWA), el sistema australiano de predicción del área local de ciclones tropicales y el modelo barotrópico de Weber. [7]
Ningún modelo es nunca perfectamente preciso porque es imposible aprender exactamente todo sobre la atmósfera en el momento oportuno, y las mediciones atmosféricas que se toman no son completamente precisas. [27] El uso del método de pronóstico por conjuntos, ya sea un conjunto de múltiples modelos o numerosos miembros del conjunto basados en el modelo global, ayuda a definir la incertidumbre y limitar aún más los errores. [28] [29]
La JMA ha producido un sistema de predicción de tifones por conjuntos de 11 miembros conocido como Sistema de predicción por conjuntos de tifones (TEPS) desde febrero de 2008, que se ejecuta dentro de 132 horas en el futuro. Utiliza una versión de menor resolución (con mayor espaciado de cuadrícula) de su GSM, con diez miembros perturbados y un miembro no perturbado. El sistema reduce los errores en un promedio de 40 kilómetros (25 millas) dentro de cinco días en comparación con su GSM de mayor resolución. [30]
El Super Ensemble del Estado de Florida (FSSE) se produce a partir de un conjunto de modelos que luego utilizan ecuaciones de regresión estadística desarrolladas durante una fase de entrenamiento para reducir sus sesgos, lo que produce pronósticos mejores que los modelos miembros o su solución media. Utiliza 11 modelos globales, incluidos cinco desarrollados en la Universidad Estatal de Florida , el Modelo Unificado, el GFS, el NOGAPS, el NOGAPS de la Marina de los Estados Unidos, el modelo del Centro de Investigación de Meteorología de la Oficina Australiana (BMRC) y el modelo canadiense de Investigación en Previsión Numérica (RPN ). ) modelo. Demuestra una habilidad significativa en las predicciones de trayectoria, intensidad y lluvia de ciclones tropicales. [31]
La Ayuda de Pronóstico de Aproximación Sistemática (SAFA) fue desarrollada por el Centro Conjunto de Alerta de Tifones para crear un pronóstico de consenso selectivo que eliminó de la consideración los pronósticos más erróneos en un marco de tiempo de 72 horas utilizando el modelo NOGAPS de la Armada de los Estados Unidos, el GFDL, el Servicio Meteorológico de Japón. Los modelos globales y de tifones de la Agencia, así como el UKMET. Todos los modelos mejoraron durante los cinco años de historia de SAFA y eliminar pronósticos erróneos resultó difícil en las operaciones. [32]
Un informe de 2010 correlaciona la baja actividad de manchas solares con una alta actividad de huracanes . Al analizar los datos históricos, había un 25% de posibilidades de que al menos un huracán azotara los Estados Unidos continentales durante un año con mayor cantidad de manchas solares; una probabilidad del 64% durante un año con pocas manchas solares. En junio de 2010, los predictores de huracanes en Estados Unidos no utilizaban esta información. [33]
La precisión de los modelos de pronóstico de huracanes puede variar significativamente de una tormenta a otra. Para algunas tormentas, los factores que afectan la trayectoria de los huracanes son relativamente sencillos y los modelos no sólo son precisos sino que producen pronósticos similares, mientras que para otras tormentas los factores que afectan la trayectoria de los huracanes son más complejos y diferentes modelos producen pronósticos muy diferentes. [34]
{{cite web}}
: CS1 maint: multiple names: authors list (link){{cite web}}
: CS1 maint: multiple names: authors list (link){{cite journal}}
: CS1 maint: multiple names: authors list (link){{cite web}}
: CS1 maint: multiple names: authors list (link){{cite journal}}
: CS1 maint: multiple names: authors list (link)