Revista de Matemática: Teoría y Aplicaciones ISSN Impreso: 1409-2433 ISSN electrónico: 2215-3373

OAI: https://revistas.ucr.ac.cr/index.php/matematica/oai
Predicción estacional del clima en Centroamérica mediante la reducción de escala dinámica. Parte II: aplicación del modelo MM5v3
PDF

Palabras clave

numerical models
seasonal climate prediction
dynamical downscaling
climate
climate variability
modelos numéricos
predicción climática estacional
reducción de escala dinámica
clima
variabilidad climatica

Cómo citar

Rivera, E. R., & Amador, J. A. (2009). Predicción estacional del clima en Centroamérica mediante la reducción de escala dinámica. Parte II: aplicación del modelo MM5v3. Revista De Matemática: Teoría Y Aplicaciones, 16(1), 76–104. https://doi.org/10.15517/rmta.v16i1.1420

Resumen

En la primera parte de este trabajo se determinó que el modelo de circulación general (MCG) ECHAM4.5 posee más habilidad para simular aspectos dinámicos y termodinámicos de la estructura de la atmósfera asociados a las características climáticas de la región de Centroamérica, en comparación con el CCM3.6. Por tal motivo, la información proveniente de este MCG se utilizó para conducir un experimento de reducción de escala dinámica con el modelo regional MM5v3, en el cual se generó un conjunto de simulaciones (realizaciones estadísticas) de alta resolución espacial (30 km) para el mes de enero del año 2000.

Los resultados de la reducción de escala dinámica con el MM5v3 permiten establecer que este modelo regional es capaz de reproducir adecuadamente aspectos del clima centroamericano que los MCG no pueden capturar debido a que poseen limitaciones de resolución espacial y a que no representan adecuadamente los rasgos topográficos y las interacciones físicas y dinámicas asociadas a la meso escala. La comparación con datos derivados de observaciones indica que el MM5v3 simula la región de máximo de viento de bajo nivel que está relacionada con la corriente en chorro de los Mares Intra-Americanos, aunque la intensidad de ésta es subestimada. En cuanto a los patrones de precipitación, éstos coinciden con los obtenidos de las observaciones (seco en el Pacifico, más lluvioso en el Caribe), sin embargo, existe un exceso generalizado en la cantidad de lluvia simulada producto de los esquemas de parametrización utilizados (Grell y Kain-Fritsch). En el análisis de la desviación estándar de la muestra de doce miembros, se detectan las ´áreas en las que este modelo regional tiene mayor dispersión o incertidumbre, entre ellas destaca una localizada principalmente al sur de Panamá.

https://doi.org/10.15517/rmta.v16i1.1420
PDF

Citas

Amador, J. A.; Alfaro, E.; Lizano, O.; Magaña, V. (2006) “Atmospheric forcing of the eastern tropical Pacific: a review”, Progress in Oceanography 69(2–4): 101–142.

Arakawa, A.; Schubert, W. (1974) “Interaction of a cumulus cloud ensemble with the large scale environment: Part I”, J. Atmos. Sci. 31: 674–701.

Castro, C. L.; Pielke Sr., R. A.; Leoncini, G. (2005) “Dynamical downscaling: an assessment of value retained and added using the Regional Atmospheric Modeling System (RAMS)”, J. Geophys. Res. 110 doi:10.1029/2004JD004721.

Chase, T. N.; Pielke Sr., R. A.; Castro, C. (2003) “Are present day climate simulations accurate enough for reliable regional downscaling?”, Water Resources Update 124: 26–34.

Cox, R.; Bauer, B. L.; Smith, T. (1998) “A mesoscale model intercomparison”, Bull. Amer. Meteor. Soc. 79: 265–283.

Dickinson, R. E.; Errico, R. M.; Giorgi, F.; Bates, G. T. (1989) “A regional climate model for Western United States”, Clim. Chang. 15: 383–422.

Dudhia, J. (1989) “Numerical study of convection observed during the winter monsoon experiment using a mesoscale two-dimensional model”, J. Atmos. Sci. 46: 3077–3107.

Dudhia, J.; Gill, D.; Guo, Y.-R.; Manning, K.; Wang, W.; Bruyere, C. (2005) “PSU/NCAR mesoscale modeling system tutorial class notes and users’ guide: MM5 modeling system version 3”, Mesoscale and Microscale Meteorology Division, National Center for Atmospheric Research, Boulder, Colorado.

Duffy, P. B.; Govindasamy, B.; Milovich, J.; Taylor, K.; Wehner, M.; Lamont, A.; Thompson, S. (2003) “High resolution simulations of global climate. Part I: Present climate”, Clim. Dyn. 21: 371–390.

Gill, D. O. (1992) “A user’s guide to the Penn State/NCAR mesoscale modeling system”, NCAR Technical Note 381+IA.

Giorgi, F. (1990) “Simulation of regional climate using a limited area model nested in general circulation model” J. Climate 3: 941–963.

Giorgi, F.; Bates, G. T. (1989) “The climatological skill of a regional model over complex terrain”, Mon. Wea. Rev. 117: 2325–2347.

Grell, G. A.; Kuo, Y. H.; Pasch, R. (1991) “Semi-prognostic tests of cumulus parameterization schemes in the middle latitudes”, Mon. Wea. Rev. 119: 5–31.

Grell, G. A.; Dudhia, J.; Stauffer, D. R. (1993) “A description of the fifth generation Penn State/NCAR mesoscale model”, NCAR Technical Note 398+IA, National Center for Atmospheric Research, Boulder, Colorado.

Hesselbjerg, C. J. (2000) “Use of regional climate models in regional scenario construction”, in: S. Planton, C. Hanson, D. Viner D., M. Hoepffner (Eds.) ECLAT-2 Workshop, Keynote paper No. 1, Report No. 4, Climatic Research Unit, UEA, 25-27 October 2000, Toulouse, France: 26–37.

Huth, R.; Metelka, L.; Kliegrová, S.; Sedlák, P.; Kyselý, J.; Mládek, R.; Halenka, T.; Kalvová, J. (2001) “Regional climate model Aladin-Climate – A tool for regionalization of climate change estimates in Central Europe: first results”, in: 150 Years of Meteorological Service in Central Europe [CD-ROM], Stará Lesná, Slovakia: 9 pp.

Huth, R.; Mládek, R.; Metelka, L; Sedlák, P.; Huthová, Z.; Kliegrová, S.; Kyselý, J.; Pokorná, L.; Halenka, T.; Janousek, M. (2003) “On the integrability of limited- area numerical weather prediction model Aladin over extended time periods”, Stud. Geophys. Geod. 47: 863–873.

Jones, R.G.; Murphy, J. M.; Noguer, M. (1995) “Simulation of climate change over Europe using a nested regional-climate model. Part I: assessment of control climate, including sensitivity to location of lateral boundaries”, Q. J. R. Meteor. Soc. 121: 1413–1449.

Kain, J. S.; Fritsch, J. M. (1993) “Convective parameterization for mesoscale models: the Kain-Fritsch scheme. The representation of cumulus convection in numerical models”, Meteor. Monogr. 24: 165–170.

Kuo, H. L. (1974) “Further studies of the parameterizations of the influence of cumulus convection on large scale flow”, J. Atmos. Sci. 31: 1232–1240.

Leung, L. R.; Mearns, L. O.; Giorgi, F.; Wilby, R. L. (2003) “Regional climate research: needs and opportunities”, Bull. Amer. Meteor. Soc. 84: 89–95.

Pope, V. D.; Stratton, R. A. (2002) “The processes governing horizontal resolution sensitivity in a climate model”, Clim. Dyn. 19: 211–236.

Qian, J. H.; Seth, A.; Zebiak, S. (2003) “Reinitialized versus continuous simulations for regional climate downscaling”, Mon. Wea. Rev. 131: 2857–2874.

Rivera, E. R.; Amador, J. A. (2008): “Predicción estacional del clima en Centroamérica mediante la reducción de escala dinámica. Parte I: Evaluación de los modelos de circulación general CCM3.6 y ECHAM4.5”, aceptado en Revista de Matemática: Teoría y Aplicaciones.

Silva, Y. (2000) “Descripción del modelo de meso-escala PSU/NCAR MM5”, en: Primer Seminario de Modelaje Numérico, Oceánico, Atmosférico, Hidrológico y Biológico, 16 de agosto de 2000, Instituto Geofísico del Perú, Lima, Perú.

Takle, E. S.; Gutowski Jr., W. J.; Arritt, R. W.; Pan, Z.; Anderson, C. J.; Ramos da Silva, R.; Caya, D.; Chen, S.-C.; Giorgi, F.; Christensen, J. H.; Hong, S.-Y.; Juang, H.-M.; Katzfey, J.; Lapenta, W. M.; Laprise, R.; Liston, G. E.; Lopez, P.; McGregor, J.; Pielke Sr., R. A.; Roads, J. O. (1999) “Project to intercompare regional climate simulations (PIRCS): description and initial results”, J. Geophys. Res. 104: 19443–19461.

Walsh, K.; McGregor, J. L. (1995) “January and July climate simulations over the Australian region using a limited-area model”, J. Climate 8: 2387–2403.

Wang, Y.; Leung, L. R.; McGregor, J. L.; Lee, D.-K.; Wang, W.-C.; Ding, Y.-H.; Kimura, F. (2004) “Regional climate modeling: progress, challenges and prospects”, J. Meteor. Soc. Japan 82(6): 1599-1628.

Wilby, R. L.; Dawson, C. W. (2001) “Using SDSM – A decision support tool for the assessment of regional climate change impacts”, Environmental Modelling & Software 17(2): 145–157.

Wilks, D. S. (1995) Statistical Methods in the Atmospheric Sciences. Academic Press, New York.

Zhang, D. L.; Anthes, R. A. (1982) “A high-resolution model of the planetary boundary layer sensitivity tests and comparisons with SESAME-79 data”, J. Appl. Meteor. 21: 1594–1609.

Comentarios

Descargas

Los datos de descargas todavía no están disponibles.