stringtranslate.com

Parametrización (modelización climática)

La parametrización en un modelo meteorológico o climático es un método para reemplazar procesos que son demasiado pequeños o complejos para ser representados físicamente en el modelo por un proceso simplificado. Esto se puede contrastar con otros procesos (por ejemplo, el flujo a gran escala de la atmósfera) que se resuelven explícitamente dentro de los modelos. Asociados con estas parametrizaciones hay varios parámetros utilizados en los procesos simplificados. Los ejemplos incluyen la tasa de descenso de las gotas de lluvia, las nubes convectivas, las simplificaciones de la transferencia radiativa atmosférica sobre la base de códigos de transferencia radiativa atmosférica y la microfísica de las nubes . Las parametrizaciones radiativas son importantes tanto para el modelado atmosférico como para el oceánico. Las emisiones atmosféricas de diferentes fuentes dentro de las casillas de la cuadrícula individuales también deben parametrizarse para determinar su impacto en la calidad del aire .

Nubes

Campo de nubes cúmulos

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 aún 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 cuadrícula podrían conveccionarse y que se producen arrastre y otros procesos. [1] 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. [2]

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 [3] , lo que refleja la variación a escala subcuadrícula que se produciría en el mundo real. Algunas partes de la parametrización de la precipitación incluyen la tasa de condensación, los intercambios de energía relacionados con el cambio de estado de vapor de agua a gotas de líquido y el componente microfísico que controla la tasa de cambio de vapor de agua a gotas de agua [4] .

Radiación e interacción atmósfera-superficie

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. [5] Este método de parametrización también se realiza para el flujo de energía superficial entre el océano y la atmósfera con el fin de determinar temperaturas realistas de la superficie del mar y el tipo de hielo marino que se encuentra cerca de la superficie del océano. [4] 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. [6] 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. [7]

Calidad del aire

Visualización de una columna de dispersión de contaminantes del aire flotante, también conocida como columna gaussiana

Los pronósticos de la calidad del aire intentan predecir cuándo las concentraciones de contaminantes alcanzarán niveles que sean peligrosos para la salud pública. La concentración de contaminantes en la atmósfera está determinada por el transporte, la difusión , la transformación química y la deposición en el suelo . [8] Junto con la información sobre la fuente de contaminantes y el terreno, estos modelos requieren datos sobre el estado del flujo de fluidos en la atmósfera para determinar su transporte y difusión. [9] Dentro de los modelos de calidad del aire, las parametrizaciones tienen en cuenta las emisiones atmosféricas de múltiples fuentes relativamente pequeñas (por ejemplo, carreteras, campos, fábricas) dentro de cuadros de cuadrícula específicos. [10]

Remolinos

El océano (y, aunque de forma más variable, la atmósfera) está estratificado por su densidad. En reposo, las superficies de densidad constante (conocidas como isopicnas en el océano) serán paralelas a las superficies de presión constante ( isóbaras ). Sin embargo, varios procesos como la geostrofia y el afloramiento pueden hacer que las isopicnas se inclinen con respecto a las isóbaras. Estas superficies de densidad inclinadas representan una fuente de energía potencial y, si la pendiente se vuelve lo suficientemente pronunciada, se puede desencadenar una inestabilidad de fluidos conocida como inestabilidad baroclínica . Los remolinos se generan a través de la inestabilidad baroclínica, que actúa para aplanar las superficies de densidad a través del intercambio de fluidos en sentido oblicuo. [11]

Los remolinos resultantes se forman en una escala característica llamada radio de deformación de Rossby . Esta escala depende de la fuerza de la estratificación y del parámetro de Coriolis (que a su vez depende de la latitud). Como resultado, los remolinos baroclínicos se forman en escalas de alrededor de 1° (~100 km) en los trópicos, pero menos de 1/12° (~10 km) en los polos y en algunos mares de plataforma. [12] La mayoría de los modelos climáticos, como los que se ejecutan como parte de los experimentos CMIP , se ejecutan a una resolución de 1-1/4° en el océano, [13] y, por lo tanto, no pueden resolver los remolinos baroclínicos en grandes partes del océano, particularmente en los polos. Sin embargo, los remolinos baroclínicos de alta latitud son importantes para muchos procesos oceánicos como la Circulación Meridional Atlántica (CMOC), [14] [15] que afecta al clima global. [16] Como resultado, los efectos de los remolinos se parametrizan en los modelos climáticos, como por ejemplo a través de la parametrización Gent-McWilliams (GM) ampliamente utilizada que representa los efectos de aplanamiento isopicnal de los remolinos como una difusividad. [17] [18] Esta parametrización no es perfecta - por ejemplo, puede sobrepredecir la sensibilidad de la Corriente Circumpolar Antártica y AMOC a la fuerza de los vientos sobre el Océano Austral . [19] [20] Como resultado, se están desarrollando parametrizaciones alternativas para mejorar la representación de los remolinos en los modelos oceánicos. [21] [22]

Problemas con el aumento de resolución

A medida que aumenta la resolución del modelo, aumentan los errores asociados con los procesos convectivos húmedos, ya que los supuestos que son estadísticamente válidos para cuadrículas más grandes se vuelven cuestionables una vez que las cuadrículas se reducen en escala hacia el tamaño de la convección misma. En resoluciones mayores que T639, que tiene una dimensión de cuadrícula de aproximadamente 30 kilómetros (19 millas), [23] el esquema convectivo Arakawa-Schubert produce una precipitación convectiva mínima, lo que hace que la mayoría de las precipitaciones sean de naturaleza estratiforme poco realista. [24]

Calibración

Cuando se parametriza un proceso físico, se deben tomar dos decisiones: cuál es la forma estructural (por ejemplo, dos variables pueden estar relacionadas linealmente) y cuál es el valor exacto de los parámetros (por ejemplo, la constante de proporcionalidad ). El proceso de determinar los valores exactos de los parámetros en una parametrización se denomina calibración o, a veces, ajuste menos preciso. La calibración es un proceso difícil y se utilizan diferentes estrategias para hacerlo. Un método popular es ejecutar un modelo, o un submodelo, y compararlo con un pequeño conjunto de métricas seleccionadas, como la temperatura. Se eligen los parámetros que conducen a la ejecución del modelo que se asemeja mejor a la realidad. [25]

Véase también

Referencias

  1. ^ Lu, Chunsong; Liu, Yangang; Niu, Shengjie; Krueger, Steven; Wagner, Timothy (2013). "Explorando la parametrización de los procesos de arrastre-mezcla turbulentos en las nubes". Revista de investigación geofísica: Atmósferas . 118 : 185–194. doi :10.1029/2012JD018464.
  2. ^ 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 . Consultado el 15 de febrero de 2011 .
  3. ^ Frierson, Dargan (14 de septiembre de 2000). "El esquema de parametrización de nubes diagnósticas" (PDF) . Universidad de Washington . págs. 4-5. Archivado desde el original (PDF) el 1 de abril de 2011 . Consultado el 15 de febrero de 2011 .
  4. ^ ab McGuffie, K. y A. Henderson-Sellers (2005). Introducción a la modelización climática . John Wiley and Sons. págs. 187-188. ISBN 978-0-470-85751-9.
  5. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para entender los modelos numéricos de predicción meteorológica. Cambridge University Press. p. 6. ISBN 978-0-521-86540-1. Consultado el 15 de febrero de 2011 .
  6. ^ 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.
  7. ^ 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. Consultado el 15 de febrero de 2011 .
  8. ^ Daly, Aaron y Paolo Zannetti (2007). "Capítulo 2: Modelado de la contaminación del aire: una descripción general" (PDF) . Contaminación del aire ambiental . La Escuela Árabe de Ciencia y Tecnología y el Instituto EnviroComp. pág. 16 . Consultado el 24 de febrero de 2011 .
  9. ^ Baklanov, Alexander; Rasmussen, Alix; Fay, Barbara; Berge, Erik; Finardi, Sandro (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.
  10. ^ Baklanov, Alexander; Grimmond, Sue; Mahura, Alexander (2009). Modelos meteorológicos y de calidad del aire para áreas urbanas. Springer. págs. 11-12. ISBN 978-3-642-00297-7. Consultado el 24 de febrero de 2011 .
  11. ^ G., Williams, Richard (2011). Dinámica oceánica y ciclo del carbono: principios y mecanismos. Cambridge University Press. ISBN 978-0-521-84369-0.OCLC 930874048  .{{cite book}}: CS1 maint: varios nombres: lista de autores ( enlace )
  12. ^ Hallberg, Robert (1 de diciembre de 2013). "Uso de una función de resolución para regular la parametrización de los efectos de los remolinos oceánicos de mesoescala". Ocean Modelling . 72 : 92–103. doi :10.1016/j.ocemod.2013.08.007. ISSN  1463-5003.
  13. ^ Gutiérrez, JM; Tréguier, Anne-Marie (2021). "Anexo II: Modelos". IPCC AR6 GTI (PDF) . IPCC.
  14. ^ Gnanadesikan, Anand (26 de marzo de 1999). "Un modelo predictivo simple para la estructura de la picnoclina oceánica". Science . 283 (5410): 2077–2079. doi :10.1126/science.283.5410.2077. ISSN  0036-8075.
  15. ^ Johnson, Helen L.; Cessi, Paola; Marshall, David P.; Schloesser, Fabian; Spall, Michael A. (agosto de 2019). "Contribuciones recientes de la teoría a nuestra comprensión de la circulación meridional atlántica". Revista de investigación geofísica: océanos . 124 (8): 5376–5399. doi :10.1029/2019JC015330. hdl : 1912/25287 . ISSN  2169-9275.
  16. ^ Jackson, LC; Kahana, R.; Graham, T.; Ringer, MA; Woollings, T.; Mecking, JV; Wood, RA (diciembre de 2015). "Impactos climáticos globales y europeos de una desaceleración de la AMOC en un GCM de alta resolución". Climate Dynamics . 45 (11–12): 3299–3316. doi :10.1007/s00382-015-2540-2. ISSN  0930-7575.
  17. ^ Gent, Peter R.; Mcwilliams, James C. (1 de enero de 1990). "Mezcla isopícnica en modelos de circulación oceánica". Revista de Oceanografía Física . 20 (1): 150–155. doi : 10.1175/1520-0485(1990)020<0150:IMIOCM>2.0.CO;2 . ISSN  0022-3670.
  18. ^ Gent, Peter R.; Willebrand, Jurgen; McDougall, Trevor J.; McWilliams, James C. (1 de abril de 1995). "Parametrización de los transportes de trazadores inducidos por remolinos en los modelos de circulación oceánica". Revista de Oceanografía Física . 25 (4): 463–474. doi : 10.1175/1520-0485(1995)025<0463:PEITTI>2.0.CO;2 . ISSN  0022-3670.
  19. ^ Munday, David R.; Johnson, Helen L.; Marshall, David P. (1 de marzo de 2013). "Saturación de remolinos de corrientes circumpolares equilibradas". Revista de Oceanografía Física . 43 (3): 507–532. doi : 10.1175/JPO-D-12-095.1 . ISSN  0022-3670.
  20. ^ Marshall, David P.; Ambaum, Maarten HP; Maddison, James R.; Munday, David R.; Novak, Lenka (16 de enero de 2017). "Saturación de remolinos y control de fricción de la corriente circumpolar antártica: saturación de remolinos de la ACC". Geophysical Research Letters . 44 (1): 286–292. doi : 10.1002/2016GL071702 .
  21. ^ Marshall, David P.; Maddison, James R.; Berloff, Pavel S. (1 de abril de 2012). "Un marco para parametrizar los flujos de vorticidad de potencial de remolino". Journal of Physical Oceanography . 42 (4): 539–557. doi : 10.1175/JPO-D-11-048.1 . hdl : 20.500.11820/a0e9dcb7-906f-4b0f-a56f-2d801b1e588d . ISSN  0022-3670.
  22. ^ Mak, J.; Marshall, DP; Maddison, JR; Bachman, SD (abril de 2017). "Saturación de remolinos emergentes a partir de una parametrización de remolinos con restricciones energéticas". Ocean Modelling . 112 : 125–138. doi :10.1016/j.ocemod.2017.02.007. hdl : 20.500.11820/2f8a7d68-6160-4bed-88ed-bd414e86e289 .
  23. ^ Hamill, Thomas M.; Whitaker, Jeffrey S.; Fiorino, Michael; Koch, Steven E.; Lord, Stephen J. (19 de julio de 2010). "Aumento de la capacidad computacional de la NOAA para mejorar el modelado de pronóstico global" (PDF) . National Oceanic and Atmospheric Administration . p. 9 . Consultado el 15 de febrero de 2011 .
  24. ^ Hamilton, Kevin y Wataru Ohfuchi (2008). Modelado numérico de alta resolución de la atmósfera y el océano. Springer. pág. 17. ISBN 978-0-387-36671-5. Consultado el 15 de febrero de 2011 .
  25. ^ Hourdin, Frédéric; Mauritsen, Thorsten; Gettelman, Andrew; Golaz, Jean-Christophe; Balaji, Venkatramani; Duan, Qingyun; Folini, Doris; Ji, Duoying; Klocke, Daniel (2016). "El arte y la ciencia del ajuste de modelos climáticos". Boletín de la Sociedad Meteorológica Americana . 98 (3): 589–602. doi : 10.1175/BAMS-D-15-00135.1 . hdl : 10871/26010 . ISSN  0003-0007.

Lectura adicional

Plant, Robert S; Yano, Jun-Ichi (2015). Parametrización de la convección atmosférica . Imperial College Press. ISBN 978-1-78326-690-6.