stringtranslate.com

Parametrización (modelado climático)

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 puede contrastarse con otros procesos (por ejemplo, el flujo de la atmósfera a gran escala) 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 la modelización atmosférica como para la oceánica. También es necesario parametrizar las emisiones atmosféricas de diferentes fuentes dentro de cajas de red individuales para determinar su impacto en la calidad del aire .

Nubes

Campo de cúmulos

Las cajas de cuadrícula de modelos meteorológicos y climáticos tienen lados de entre 5 kilómetros (3,1 millas) y 300 kilómetros (190 millas). Un cúmulo típico tiene una escala de menos de 1 kilómetro (0,62 millas) y requeriría una cuadrícula aún más fina que ésta para ser representada físicamente mediante las ecuaciones de movimiento de fluidos. Por 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 caja de rejilla modelo era inestable (es decir, la parte inferior más cálida que la superior), entonces se volcaba y el aire en esa columna vertical se mezclaba. Los esquemas más sofisticados añaden mejoras, reconociendo que sólo algunas partes de la caja podrían convectarse y que se producen arrastre y otros procesos. [1] Los modelos meteorológicos que tienen cuadros de cuadrícula con lados entre 5 kilómetros (3,1 millas) y 25 kilómetros (16 millas) pueden representar explícitamente nubes convectivas, aunque aún necesitan parametrizar la microfísica de las nubes. [2]

La formación de nubes de gran escala ( 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 de subred. En lugar de asumir 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 estrato, y del 80% o más para las nubes cumuliformes, [3] reflejando la escala de la subcuadrícula. variación que ocurriría en el mundo real. Partes de la parametrización de la precipitación incluyen la tasa de condensación, los intercambios de energía que se ocupan del 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 una nubosidad variable, se parametriza ya que este proceso ocurre a escala molecular. [5] Este método de parametrización también se realiza para el flujo superficial de energía 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 y 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 hacia la atmósfera adyacente. Por lo tanto, es importante parametrizarlos. [7]

Calidad del aire

Visualización de una boya también conocida como pluma gaussiana de dispersión de contaminantes atmosféricos

El pronóstico de la calidad del aire intenta predecir cuándo las concentraciones de contaminantes alcanzarán niveles 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] Además de la información sobre las fuentes 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 a través de la densidad. En reposo, las superficies de densidad constante (conocidas como isopicnas en el océano) serán paralelas a superficies de presión constante ( isobaras ). Sin embargo, varios procesos, como la geostrofia y la surgencia, pueden provocar que las isopicnas se inclinen en relación con las isobaras. 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 del fluido conocida como inestabilidad baroclínica . Los remolinos se generan a través de la inestabilidad baroclínica, que actúa para aplanar las superficies de densidad mediante el intercambio oblicuo de fluido. [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, se forman remolinos baroclínicos 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 con 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 altas latitudes son importantes para muchos procesos oceánicos, como la Circulación Meridional de Vuelco del Atlántico (AMOC), [14] [15] que afecta el clima global. [16] Como resultado, los efectos de los remolinos se parametrizan en modelos climáticos, como a través de la parametrización ampliamente utilizada de Gent-McWilliams (GM), que representa los efectos de aplanamiento isopicnal de los remolinos como una difusividad. [17] [18] Esta parametrización no es perfecta; por ejemplo, puede sobrestimar la sensibilidad de la corriente circumpolar antártica y la 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 mayor resolución.

A medida que aumenta la resolución del modelo, aumentan los errores asociados con los procesos convectivos húmedos, ya que las suposiciones que son estadísticamente válidas para cuadros de cuadrícula más grandes se vuelven cuestionables una vez que los cuadros de cuadrícula se reducen en escala hacia el tamaño de la convección misma. A resoluciones superiores a T639, que tiene una dimensión de cuadro de cuadrícula de aproximadamente 30 kilómetros (19 millas), [23] el esquema convectivo de Arakawa-Schubert produce precipitación convectiva mínima, lo que hace que la mayor parte de la precipitación sea de naturaleza irrealmente estratiforme. [24]

Calibración

Cuando se parametriza un proceso físico, se deben hacer dos elecciones: cuál es la forma estructural (por ejemplo, dos variables se pueden relacionar 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 realizarlo. 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 mejor se asemeja a la realidad. [25]

Ver también

Referencias

  1. ^ Lu, Chunsong; Liu, Yangang; Niu, Shengjie; Krueger, Steven; Wagner, Timoteo (2013). "Explorando la parametrización de procesos turbulentos de mezcla de arrastre 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 operativo de mesoescala no hidrostático con parametrización convectiva de Kain-Fritsch y microfísica de nubes" (PDF) . XII Congreso sobre Procesos de Mesoescala . Consultado el 15 de febrero de 2011 .
  3. ^ Frierson, Dargan (14 de septiembre de 2000). "El esquema de parametrización de Diagnostic Cloud" (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). "Una introducción a la modelización climática" . John Wiley e hijos. 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. Prensa de la Universidad de Cambridge. pag. 6.ISBN 978-0-521-86540-1. Consultado el 15 de febrero de 2011 .
  6. ^ Mel'nikova, Irina N. y Alexander V. Vasilyev (2005). Radiación solar de onda corta en la atmósfera terrestre: cálculo, observación, interpretación. Saltador. págs. 226-228. ISBN 978-3-540-21452-6.
  7. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para entender los modelos numéricos de predicción meteorológica. Prensa de la Universidad de Cambridge. págs. 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: descripción general" (PDF) . Contaminación del aire ambiente . La Escuela Árabe de Ciencia y Tecnología y el Instituto EnviroComp. pag. dieciséis . Consultado el 24 de febrero de 2011 .
  9. ^ Baklanov, Alejandro; Rasmussen, Alix; Fay, Bárbara; Bergé, Erik; Finardi, Sandro (septiembre de 2002). "Potencial y deficiencias de los modelos numéricos de predicción meteorológica a la hora de proporcionar datos meteorológicos para la predicción de la contaminación del aire urbano". Contaminación del agua, el aire y el suelo: enfoque . 2 (5): 43–60. doi :10.1023/A:1021394126149. S2CID  94747027.
  10. ^ Baklanov, Alejandro; Grimmond, Sue; Mahura, Alejandro (2009). Modelos Meteorológicos y de Calidad del Aire para Áreas Urbanas. Saltador. 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. Prensa de la Universidad de Cambridge. ISBN 978-0-521-84369-0. OCLC  930874048.{{cite book}}: Mantenimiento CS1: varios nombres: lista de autores ( enlace )
  12. ^ Hallberg, Robert (1 de diciembre de 2013). "Uso de una función de resolución para regular las parametrizaciones de los efectos de los remolinos de mesoescala oceánicos". Modelado oceánico . 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". Ciencia . 283 (5410): 2077–2079. doi : 10.1126/ciencia.283.5410.2077. ISSN  0036-8075.
  15. ^ Johnson, Helen L.; Cessi, Paola; Marshall, David P.; Schloesser, Fabián; Spall, Michael A. (agosto de 2019). "Contribuciones recientes de la teoría a nuestra comprensión de la circulación de vuelco meridional del Atlántico". 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.; Campanero, MA; Woollings, T.; Mecking, JV; Wood, RA (diciembre de 2015). "Impactos climáticos globales y europeos de una desaceleración del AMOC en un GCM de alta resolución". Dinámica climática . 45 (11–12): 3299–3316. doi :10.1007/s00382-015-2540-2. ISSN  0930-7575.
  17. ^ Caballero, Peter R.; Mcwilliams, James C. (1 de enero de 1990). "Mezcla isopicnal 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. ^ Caballero, Peter R.; Willebrand, Jürgen; McDougall, Trevor J.; McWilliams, James C. (1 de abril de 1995). "Parametrización de transportes de trazadores inducidos por remolinos en 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. ^ Lunes, 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, Martín HP; Maddison, James R.; Munday, David R.; Novak, Lenka (16 de enero de 2017). "Saturación de remolinos y control por fricción de la corriente circumpolar antártica: saturación de remolinos del ACC". Cartas de investigación geofísica . 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 potencial de Foucault". Revista de Oceanografía Física . 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 energía limitada". Modelado oceánico . 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.; Señor, Stephen J. (19 de julio de 2010). "Aumento de la capacidad computacional de la NOAA para mejorar el modelado de pronóstico global" (PDF) . Administración Nacional Oceánica y Atmosférica . pag. 9 . Consultado el 15 de febrero de 2011 .
  24. ^ Hamilton, Kevin y Wataru Ohfuchi (2008). Modelización numérica de alta resolución de la atmósfera y el océano. Saltador. pag. 17.ISBN 978-0-387-36671-5. Consultado el 15 de febrero de 2011 .
  25. ^ Hourdin, Frédéric; Mauritsen, Thorsten; Gettelman, Andrés; Golaz, Jean-Christophe; Balaji, Venkatramani; Duan, Qingyun; Folini, Doris; Ji, Duoying; Klocke, Daniel (2016). "El arte y la ciencia del ajuste del modelo climático". Boletín de la Sociedad Meteorológica Estadounidense . 98 (3): 589–602. doi : 10.1175/BAMS-D-15-00135.1 . hdl : 10871/26010 . ISSN  0003-0007.

Otras lecturas

Planta, Robert S; Yano, Jun-Ichi (2015). Parametrización de la Convección Atmosférica . Prensa del Imperial College. ISBN 978-1-78326-690-6.