Estudio de la sensibilidad del modelo wrf-arw versión smn/shn usando campos de humedad del suelo del gldas



Descargar 0,6 Mb.
Página1/2
Fecha de conversión31.05.2017
Tamaño0,6 Mb.
  1   2
ESTUDIO DE LA SENSIBILIDAD DEL MODELO WRF–ARW VERSIÓN SMN/SHN USANDO CAMPOS DE HUMEDAD DEL SUELO DEL GLDAS.
Dillon, María Eugenia

Servicio de Hidrografía Naval

Av Montes de Oca 2124, CABA, Argentina

Servicio Meteorológico Nacional

25 de Mayo 658, CABA, Argentina

mariaeugeniadillon@yahoo.com.ar


Ferreira, Lorena

Servicio Meteorológico Nacional

25 de Mayo 658, CABA, Argentina

ferreira@smn.gov.ar


Collini, Estela Ángela

Servicio de Hidrografía Naval

Av Montes de Oca 2124, CABA, Argentina

Servicio Meteorológico Nacional

25 de Mayo 658, CABA, Argentina

estela.collini@gmail.com


Pujol, Gloria

Servicio Meteorológico Nacional

25 de Mayo 658, CABA, Argentina

gpujol@smn.gov.ar



Se ha comprobado que la confiabilidad del pronóstico numérico del tiempo depende, en gran parte, de la utilización de condiciones iniciales y de borde adecuadas por el modelo que lo genera. En un trabajo previo, los autores han demostrado la sensibilidad del modelo WRF-ARW (Weather Research and Forecasting – Advanced Research Weather Model), versión SMN/SHN (Servicio Meteorológico Nacional / Servicio de Hidrografía Naval) respecto al campo inicial de humedad de suelo, comparando los flujos de calor latente, sensible, Energía Potencial Disponible para la Convección (CAPE), y consecuentemente la precipitación, obtenidas a partir de dos inicializaciones diferentes de humedad del suelo para regiones seleccionadas del Sudeste de Sudamérica.

En el Sistema Global de Asimilación de Datos del Suelo (GLDAS) se procesan los modelos de suelo desacoplados CLM (Community Land Model), Mosaic, NOAH y VIC (Variable Infiltration Capacity), los que proveen de campos diarios y mensuales de variables del estado del suelo en distintas profundidades. Estos campos pueden ser empleados para la inicialización de los modelos de pronóstico del tiempo de corto, mediano y largo plazo.

El objetivo de este trabajo es continuar con la evaluación del impacto de la humedad del suelo en el pronóstico a corto plazo, inicializando el modelo WRF-ARW con los campos de humedad del suelo provenientes del GLDAS. Se estudian procedimientos de normalización de la humedad de suelo para evitar inconsistencias entre las distintas versiones de los modelos de suelo. En dichos procedimientos se toma como referencia los campos del modelo de suelo NOAH del GLDAS. Con el fin de asesorar sobre las diferencias entre los distintos modelos de suelo, se comparan los valores de sus capas superficiales, con los datos derivados del radiómetro pasivo AMSR-E, asimismo, la precipitación pronosticada por el WRF-ARW con las diferentes inicializaciones es comparada con estimaciones satelitales CMORPH.

La sensibilidad del modelo WRF-ARW a distintas condiciones iniciales de humedad de suelo en el Sudeste de Sudamérica es analizada, al tiempo que se muestra cómo el impacto en variables como la humedad de suelo disponible y la precipitación, depende de la región. Finalmente, se observan diferencias entre los resultados a partir de los campos normalizados respecto al NOAH-GLDAS y los no normalizados.

Este trabajo resalta la importancia de la condición de borde inferior en el pronóstico a corto plazo en la región del Sudeste de Sudamérica.

1. Introducción.

Para obtener un pronóstico numérico del tiempo confiable, es indispensable utilizar condiciones iniciales y de borde de buena calidad, lo cual representa un desafío principalmente cuando se trabaja en tiempo real. El límite inferior de un modelo atmosférico es la superficie terrestre, y por lo tanto las condiciones tanto del mar como del suelo. En particular, la humedad del suelo es una de las variables más importantes que caracteriza el estado del suelo. Los estudios de su impacto en la predicción del tiempo han cobrado gran protagonismo en los últimos años debido al auge de las estimaciones provenientes de sensores remotos, las cuales comenzaron a proporcionar mediciones de esta variable con frecuencia prácticamente diaria. Dichas estimaciones son una ventaja respecto a observaciones in situ, dado el elevado costo que estas últimas requieren. La humedad del suelo es imprescindible para la inicialización de un modelo numérico del tiempo, influyendo en el pronóstico de variables como la precipitación y flujos de calor en superficie (Collini et al., 2010; Saulo et al., 2010).



Actualmente en el Sistema Global de Asimilación de Datos del Suelo (GLDAS) se procesan los modelos de suelo desacoplados CLM (Community Land Model), Mosaic, NOAH y VIC (Variable Infiltration Capacity), los que proveen de campos diarios y mensuales de variables del estado del suelo en distintas profundidades (Rodell et al., 2004) entre ellas la humedad de suelo, para la inicialización de modelos atmosféricos y para estudios hidroclimáticos. Varios son los trabajos donde se emplea la base de datos GLDAS (Syed et al., 2008; Ferreira et al., 2010; Spennemman 2010; Zaitchik et al., 2010). Entre estos podemos citar el de Liu et al. (2009) quienes realizan comparaciones entre la humedad del suelo obtenida a partir de estos modelos, con la correspondiente al radiómetro pasivo AMSR-E, en la Cuenca de Murray Darling en Australia. Los resultados muestran un grado de acuerdo entre ambas bases de datos y destacan que la coincidencia entre las distintas bases de datos depende de las condiciones húmedas o secas.
En este trabajo se propone evaluar el impacto de la humedad del suelo en el pronóstico a corto plazo en la región de la Cuenca del Río de la Plata, inicializando el modelo WRF-ARW con los campos de humedad del suelo provenientes del GLDAS. En particular vamos a continuar con el estudio del caso del 7 de marzo de 2009, fecha que ha sido previamente estudiada (Collini et al., 2010), y es representativa del comienzo de las precipitaciones en la región del sudeste de Sudamérica, luego del período prolongado de sequía 2008-2009.
Con el fin de asesorar sobre las diferencias entre los distintos modelos de suelo, se comparan los valores de sus capas superficiales, con los datos derivados del radiómetro pasivo avanzado AMSR-E que se encuentra a bordo del satélite EOS-Aqua. Se utilizan 2 algoritmos distintos: el producido por el NSIDC-NASA (Nacional Show and Ice Data Center and NASA) (Njoku 1999) y el producido por VUA-NASA (Vrije Universiteit Ámsterdam and NASA) (Owe et al., 2008), ya que en otras regiones se ha demostrado que la dinámica de la humedad de suelo representada por cada uno es distinta (Rudiger et al., 2009; Draper et al., 2009).
Para analizar la precipitación pronosticada por el WRF-ARW con las diferentes inicializaciones, se emplean estimaciones satelitales CMORPH (Joyce et al., 2004).
Finalmente, Koster et al. (2009) y Dirmeyer et al. (2004) señalan que hay que ser cautos cuando se emplean datos de humedad de suelo que provienen de un modelo de suelo distinto al utilizado en el modelo de pronóstico. En tal sentido y basándonos en los resultados de estos autores, en este trabajo se plantea una normalización de la humedad de suelo de los modelos GLDAS para la inicialización del modelo WRF-ARW cuyo modelo de suelo es el NOAH, y se comparan estos resultados con los obtenidos a partir de los datos sin normalizar.
2. Bases de datos de humedad del suelo.

Las simulaciones del GLDAS son forzadas por una combinación de los análisis del GDAS (Global Data Assimilation System) y del CMAP (Climate Prediction Center Merged Analysis of Precipitation), los cuales incorporan observaciones de superficie y de satélite. Las mismas se encuentran disponibles en http://mirador.gsfc.nasa.gov con un desfasaje de 2 meses aproximadamente. El modelo Mosaic está basado en el modelo SiB (Simple Biosphere) y se divide en tres capas de profundidad: 0 – 0.02m, 0.02 – 1.5 m, 1.5 – 3.5m. El modelo CLM surge de la combinación de los mejores componentes de 3 modelos (NCAR Land Surface Model – Biosphere Atmosphere Transfer Scheme – LSM of the Institute of Atmospheric Physics of the Chinese Academy of Sciences) y presenta diez capas de variados espesores: 0 – 0.018m, 0.018 – 0.045m, 0.045 – 0.091m, 0.091 – 0.166m, 0.166 – 0.289m, 0.289 – 0.493m, 0.493 – 0.829m, 0.829 – 1.383m, 1.383 – 2.296m, 2.296 – 3.433m. El NOAH es el modelo utilizado operativamente en el NCEP (National Centres for Environmental Prediction), el cual es actualizado continuamente, y está dividido en cuatro capas con espesores distintos: 0 – 0.1m, 0.1 – 0.4m, 0.4 – 1m, 1 – 2m. En el año 2008 se agregó al GLDAS el procesamiento del modelo VIC, con tres capas de profundidad: 0 - 0.1m, 0.1 – 1.6m, 1.6 – 1.9m. Las salidas de las cuatro simulaciones ofrecen variables como evapotranspiración total, radiación incidente sobre la superficie, humedad y temperatura del suelo, entre otras.


Para efectuar una comparación consistente entre las distintas bases de datos GLDAS se interpolaron los modelos VIC, CLM y Mosaic a los espesores de las cuatro capas correspondientes al NOAH. En este análisis, además, se incluyen los datos de humedad de suelo del modelo NOAH del GFS (Global Forecast System) del NCEP.
Por otro lado, el AMSR-E es un radiómetro pasivo que detecta la radiación de microondas, permitiendo inferir temperaturas de brillo en 6 frecuencias que van desde 6,9 a 89,0 GHz. El producto de humedad del suelo derivado del AMSR-E se obtiene de dos fuentes, como se menciona en la Sección 1. El algoritmo del NSIDC se basa en razones de polarización (RP), mientras que el del VUA utiliza el canal polarizado dual (6.925 o 10.65 GHz) para recuperar la humedad del suelo superficial y el contenido de agua de la vegetación, y el de 36.5 GHz polarizado verticalmente para obtener la temperatura de brillo. Este conjunto de datos de humedad del suelo, tiene alta frecuencia temporal (día y noche ) y baja resolución espacial ( 0.25 grados ), limitándose a una profundidad de suelo de


a



b



c



Figura 1. Campos de humedad del suelo superficial obtenidas por el AMSR-E con a) el algoritmo del NSIDC/NASA b) el algoritmo de VUA/NASA (La unidad gr/cm3 es equivalente a m3/m3). c) Diferencia entre ellos (VUA - NSIDC).















Figura 2. Campos de humedad del suelo volumétrica de inicialización del WRF – ARW de la capa 0-0.1 m, utilizando el NOAH-GFS, MOSAIC-GLDAS, CLM-GLDAS, NOAH-GLDAS y VIC-GLDAS. Campo de humedad de suelo volumétrica de la capa 0-0.02 m obtenido con el AMSR-E/VUA. Están indicados con rectángulos las cajas 1 (sobre la provincia de Buenos Aires), 2 (sobre el Océano Atlántico) y 3 (sobre Uruguay) en las que se analiza el impacto de las diferentes inicializaciones.
aproximadamente 0.015 m. De esta forma, cada 24 horas es posible producir datos globales de humedad del suelo. En la Figura 1 se muestran los campos obtenidos por cada algoritmo y la diferencia entre ellos, para la fecha de interés, en el dominio de Sudamérica. Claramente, los resultados son distintos, lo que nos llevó a analizar los valores de ambos algoritmos y las capas superficiales de los modelos de suelo durante todo el mes de Marzo de 2009 (no mostrado aquí). Se decidió entonces, utilizar el algoritmo del AMSR-E desarrollado en la Universidad de Amsterdam, ya que se vió que representa mejor la dinámica de la humedad de suelo, coincidiendo con los resultados hallados en otras regiones del mundo como Francia y Australia (Rudiger et al., 2009; Draper et al., 2009).
En la Figura 2 se muestran los cinco campos iniciales de humedad de suelo de la capa de profundidad 0-0.1m, ingeridos por el WRF – ARW, y el campo obtenido con el AMSR-E/VUA.
Considerando todo el dominio, se observa que los modelos de características más húmedas son el NOAH-GFS y el VIC, mientras que el Mosaic y el CLM presentan las condiciones más secas. Tanto el Mosaic como el NOAH-GLDAS poseen una distribución espacial parecida respecto a zonas húmedas y secas, aunque el primero muestra los valores más extremos.
Cuando analizamos cualitativamente el campo obtenido con el AMSR-E vemos que en la región de la Cuenca del Plata los modelos NOAH-GLDAS, VIC y NOAH-GFS son los que más coinciden con las estimaciones satelitales. También la aridez de la región Patagónica sur y la húmeda al sur de Chile, que se presenta en el campo del AMSR-E, está mejor representada por los modelos NOAH-GLDAS y VIC. La región del Chaco parece ser una de las zonas donde hay mayores discrepancias entre el AMSR-E y los modelos, siendo el NOAH-GFS el de mejor representatividad.
Cabe señalar que la utilización de los datos del AMSR-E abre un camino para la evaluación de los modelos de suelo acoplados y no acoplados, considerando siempre la dependencia del algoritmo utilizado para la recuperación de la información, y la diferencia entre el espesor de la capa de suelo detectado por el AMSR-E y la profundidad de la primera capa de los modelos a evaluar.
  1   2


La base de datos está protegida por derechos de autor ©absta.info 2016
enviar mensaje

    Página principal