Modelo atmosférico

Un modelo atmosférico es un modelo matemático construido alrededor del conjunto completo de ecuaciones dinámicas primitivas que gobiernan los movimientos atmosféricos. Puede complementar estas ecuaciones con parametrizaciones para difusión turbulenta , radiación , procesos húmedos ( nubes y precipitación ), intercambio de calor , suelo , vegetación, agua superficial, los efectos cinemáticos del terreno.y convección. La mayoría de los modelos atmosféricos son numéricos, es decir, discretizan ecuaciones de movimiento. Pueden predecir fenómenos a microescala como tornados y remolinos en la capa límite , flujo turbulento submicroescala sobre edificios, así como flujos sinópticos y globales. El dominio horizontal de un modelo es global , que cubre toda la Tierra , o regional ( área limitada ), que cubre solo una parte de la Tierra. Los diferentes tipos de modelos ejecutados son termotrópicos, barotrópicos , hidrostáticos y no hidrostáticos. Algunos de los tipos de modelos hacen suposiciones sobre la atmósfera, lo que alarga los pasos de tiempo utilizados y aumenta la velocidad de cálculo.

Un pronóstico de 96 horas de 850 mbar de altura geopotencial y temperatura del Sistema de Pronóstico Global

Los pronósticos se calculan utilizando ecuaciones matemáticas para la física y la dinámica de la atmósfera. Estas ecuaciones no son lineales y son imposibles de resolver con exactitud. Por tanto, los métodos numéricos obtienen soluciones aproximadas. Los diferentes modelos utilizan diferentes métodos de solución. Los modelos globales a menudo utilizan métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales suelen utilizar métodos de diferencias finitas en las tres dimensiones. Para ubicaciones específicas, las estadísticas de salida del modelo utilizan información climática, la salida de la predicción numérica del tiempo y las observaciones meteorológicas de la superficie actual para desarrollar relaciones estadísticas que tengan en cuenta el sesgo del modelo y los problemas de resolución.

La principal suposición hecha por el modelo termotrópico es que si bien la magnitud del viento térmico puede cambiar, su dirección no cambia con respecto a la altura, por lo que la baroclinicidad en la atmósfera se puede simular usando 500  mb (15  inHg ) y 1,000 mb (30 inHg) superficies de altura geopotencial y el viento térmico promedio entre ellas. [1] [2]

Los modelos barotrópicos asumen que la atmósfera es casi barotrópica , lo que significa que la dirección y la velocidad del viento geostrófico son independientes de la altura. En otras palabras, no hay cizalladura vertical del viento geostrófico. También implica que los contornos de espesor (un sustituto de la temperatura) son paralelos a los contornos de altura del nivel superior. En este tipo de atmósfera, las áreas de alta y baja presión son centros de anomalías de temperaturas cálidas y frías. Los máximos de núcleo cálido (como la cordillera subtropical y el alto de Bermuda-Azores) y los mínimos de núcleo frío tienen vientos que se fortalecen con la altura, y lo contrario es cierto para los máximos de núcleo frío (máximos árticos poco profundos) y los mínimos de núcleo cálido (como el tropical) ciclones ). [3] Un modelo barotrópico intenta resolver una forma simplificada de dinámica atmosférica basada en el supuesto de que la atmósfera está en equilibrio geostrófico ; es decir, que el número de Rossby del aire en la atmósfera es pequeño. [4] Si se asume que la atmósfera está libre de divergencias , el rizo de las ecuaciones de Euler se reduce a la ecuación de vorticidad barotrópica . Esta última ecuación se puede resolver sobre una sola capa de la atmósfera. Dado que la atmósfera a una altura de aproximadamente 5,5 kilómetros (3,4 millas) está mayormente libre de divergencias, el modelo barotrópico se aproxima mejor al estado de la atmósfera a una altura geopotencial correspondiente a esa altitud, que corresponde a los 500 mb (15 inHg) de la atmósfera. superficie de presión. [5]

Los modelos hidrostáticos filtran las ondas acústicas que se mueven verticalmentede la ecuación de impulso vertical, lo que aumenta significativamente el paso de tiempo utilizado dentro de la ejecución del modelo. Esto se conoce como aproximación hidrostática . Los modelos hidrostáticos utilizancoordenadas verticales depresión o sigma-presión . Las coordenadas de presión se cruzan con la topografía, mientras que las coordenadas sigma siguen el contorno de la tierra. Su suposición hidrostática es razonable siempre que la resolución de la cuadrícula horizontal no sea pequeña, que es una escala en la que falla la suposición hidrostática. Los modelos que utilizan la ecuación de momento vertical completa se conocen como no hidrostáticos . Un modelo no hidrostático se puede resolver de forma anéstica, lo que significa que resuelve la ecuación de continuidad completapara el aire asumiendo que es incompresible, o elásticamente, lo que significa que resuelve la ecuación de continuidad completa para el aire y es completamente compresible. Los modelos no hidrostáticos utilizan altitud o altitud sigma para sus coordenadas verticales. Las coordenadas de altitud pueden cruzarse con la tierra, mientras que las coordenadas de altitud sigma siguen los contornos de la tierra. [6]

El panel de control principal de ENIAC en la Escuela de Ingeniería Eléctrica Moore

La historia de la predicción numérica del tiempo comenzó en la década de 1920 gracias a los esfuerzos de Lewis Fry Richardson, quien utilizó procedimientos desarrollados por Vilhelm Bjerknes . [7] [8] No fue hasta el advenimiento de la computadora y la simulación por computadora que el tiempo de cálculo se redujo a menos que el período de pronóstico en sí. ENIAC creó los primeros pronósticos por computadora en 1950, [5] [9] y luego computadoras más poderosas aumentaron el tamaño de los conjuntos de datos iniciales e incluyeron versiones más complicadas de las ecuaciones de movimiento. [10] En 1966, Alemania Occidental y Estados Unidos comenzaron a producir pronósticos operativos basados ​​en modelos de ecuaciones primitivas , seguidos por el Reino Unido en 1972 y Australia en 1977. [7] [11] El desarrollo de modelos de pronóstico global condujo a la primeros modelos climáticos. [12] [13] El desarrollo de modelos (regionales) de área limitada facilitó avances en la predicción de las trayectorias de los ciclones tropicales y de la calidad del aire en los años setenta y ochenta. [14] [15]

Debido a que la salida de los modelos de pronóstico basados ​​en la dinámica atmosférica requiere correcciones cerca del nivel del suelo, las estadísticas de salida del modelo (MOS) se desarrollaron en las décadas de 1970 y 1980 para puntos de pronóstico individuales (ubicaciones). [16] [17] Incluso con el poder cada vez mayor de las supercomputadoras, la habilidad de pronóstico de los modelos meteorológicos numéricos solo se extiende a unas dos semanas en el futuro, ya que la densidad y la calidad de las observaciones, junto con la naturaleza caótica de las ecuaciones diferenciales parciales utilizadas para calcular el pronóstico, introduzca errores que se duplican cada cinco días. [18] [19] El uso de pronósticos de conjuntos de modelos desde la década de 1990 ayuda a definir la incertidumbre del pronóstico y extender el pronóstico del tiempo más en el futuro de lo que sería posible de otra manera. [20] [21] [22]

Un avión de reconocimiento meteorológico WP-3D Orion en vuelo

La atmósfera es fluida . Como tal, la idea de la predicción meteorológica numérica es muestrear el estado del fluido en un momento dado y usar las ecuaciones de dinámica de fluidos y termodinámica para estimar el estado del fluido en algún momento en el futuro. En tierra, los mapas del terreno, disponibles en resoluciones de hasta 1 kilómetro (0,62 millas) a nivel mundial, se utilizan para ayudar a modelar las circulaciones atmosféricas dentro de regiones de topografía accidentada, con el fin de representar mejor las características como los vientos cuesta abajo, las olas de las montañas y la nubosidad relacionada que afecta la radiación solar entrante. [23] Las principales aportaciones de los servicios meteorológicos nacionales son las observaciones de superficie de las estaciones meteorológicas automatizadas a nivel del suelo sobre tierra y de las boyas meteorológicas en el mar. La Organización Meteorológica Mundial actúa para estandarizar la instrumentación, las prácticas de observación y la sincronización de estas observaciones en todo el mundo. Las estaciones informan cada hora en los informes METAR , [24] o cada seis horas en los informes SYNOP . [25] Los modelos se inicializan utilizando estos datos observados. Las observaciones espaciadas irregularmente se procesan mediante métodos de asimilación de datos y análisis objetivo, que realizan control de calidad y obtienen valores en ubicaciones utilizables por los algoritmos matemáticos del modelo. La cuadrícula utilizada para los modelos globales es geodésica o icosaédrica , espaciada por latitud, longitud y elevación. [26] A continuación, los datos se utilizan en el modelo como punto de partida para un pronóstico. [27]

Se utilizan diversos métodos para recopilar datos de observación para su uso en modelos numéricos. Los sitios lanzan radiosondas , que se elevan a través de la troposfera y llegan hasta la estratosfera . [28] La información de los satélites meteorológicos se utiliza cuando no se dispone de fuentes de datos tradicionales. Comercio proporciona informes de los pilotos a lo largo de las rutas de las aeronaves [29] e informes de los buques a lo largo de las rutas de navegación. [30] Los proyectos de investigación utilizan aviones de reconocimiento para volar dentro y alrededor de los sistemas meteorológicos de interés, como los ciclones tropicales . [31] [32] Los aviones de reconocimiento también vuelan sobre los océanos abiertos durante la estación fría en sistemas que causan una incertidumbre significativa en la guía de pronóstico, o se espera que tengan un gran impacto de 3 a 7 días en el futuro sobre el continente río abajo. [33] El hielo marino comenzó a inicializarse en modelos de pronóstico en 1971. [34] Los esfuerzos para involucrar la temperatura de la superficie del mar en la inicialización del modelo comenzaron en 1972 debido a su papel en la modulación del clima en latitudes más altas del Pacífico. [35]

Un ejemplo de predicción de altura geopotencial de 500 mbar a partir de un modelo numérico de predicción meteorológica.
"> Reproducir medios
Las supercomputadoras son capaces de ejecutar modelos muy complejos para ayudar a los científicos a comprender mejor el clima de la Tierra.

Un modelo es un programa de computadora que produce información meteorológica para tiempos futuros en ubicaciones y altitudes determinadas. Dentro de cualquier modelo hay un conjunto de ecuaciones, conocidas como ecuaciones primitivas , que se utilizan para predecir el estado futuro de la atmósfera. [36] Estas ecuaciones se inicializan a partir de los datos del análisis y se determinan las tasas de cambio. Estas tasas de cambio predicen el estado de la atmósfera en un corto período de tiempo en el futuro, y cada incremento de tiempo se conoce como un paso de tiempo. Luego, las ecuaciones se aplican a este nuevo estado atmosférico para encontrar nuevas tasas de cambio, y estas nuevas tasas de cambio predicen la atmósfera en un momento más futuro en el futuro. El paso de tiempo se repite hasta que la solución alcanza el tiempo de pronóstico deseado. La duración del paso de tiempo elegido dentro del modelo está relacionada con la distancia entre los puntos en la cuadrícula computacional y se elige para mantener la estabilidad numérica . [37] Los intervalos de tiempo para los modelos globales son del orden de decenas de minutos, [38] mientras que los intervalos de tiempo para los modelos regionales están entre uno y cuatro minutos. [39] Los modelos globales se ejecutan en diferentes momentos en el futuro. El modelo unificado UKMET se ejecuta seis días en el futuro, [40] el modelo del Centro Europeo de Previsiones Meteorológicas a Medio Plazo se ejecuta a 10 días en el futuro, [41] mientras que el modelo del Sistema de Pronóstico Global lo ejecuta el Centro de Modelado Ambiental se ejecuta 16 días en el futuro. [42]

Las ecuaciones utilizadas son ecuaciones diferenciales parciales no lineales que son imposibles de resolver exactamente mediante métodos analíticos, [43] con la excepción de unos pocos casos idealizados. [44] Por tanto, los métodos numéricos obtienen soluciones aproximadas. Los diferentes modelos utilizan diferentes métodos de solución: algunos modelos globales utilizan métodos espectrales para las dimensiones horizontales y métodos de diferencias finitas para la dimensión vertical, mientras que los modelos regionales y otros modelos globales suelen utilizar métodos de diferencias finitas en las tres dimensiones. [43] El resultado visual producido por una solución de modelo se conoce como gráfico de pronóstico o prog . [45]

Las cuadrículas de los modelos meteorológicos y climáticos tienen lados de entre 5 kilómetros (3,1 millas) y 300 kilómetros (190 millas). Una nube cúmulo típica tiene una escala de menos de 1 kilómetro (0,62 millas) y requeriría una cuadrícula aún más fina que esta para ser representada físicamente por las ecuaciones del movimiento de los fluidos. Por tanto, los procesos que representan tales nubes son 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 caliente que la superior), entonces se volcaría y el aire en esa columna vertical se mezclaría. Los esquemas más sofisticados agregan mejoras, reconociendo que solo algunas partes de la caja pueden convencer y que ocurren arrastre y otros procesos. Los modelos meteorológicos que tienen cuadrículas con lados entre 5 kilómetros (3,1 millas) y 25 kilómetros (16 millas) pueden representar explícitamente nubes convectivas, aunque todavía necesitan parametrizar la microfísica de las nubes . [46] La formación de nubes a gran escala ( tipo estrato ) tiene una base más física, se forman cuando la humedad relativa alcanza algún valor prescrito. Aún así, se deben tener en cuenta los procesos de escala de subcuadrícula. En lugar de suponer que las nubes se forman al 100% de humedad relativa, la fracción de nubes se puede relacionar con una humedad relativa crítica del 70% para las nubes tipo estratos y del 80% o más para las nubes cumuliformes, [47] reflejando la escala de la subcuadrícula. variación que ocurriría en el mundo real.

La cantidad de radiación solar que llega al nivel del suelo en un terreno accidentado, o debido a la nubosidad variable, se parametriza a medida que este proceso ocurre a escala molecular. [48] 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 solar y el impacto de múltiples capas de nubes. [49] El tipo de suelo, el tipo de vegetación y la humedad del suelo determinan cuánta radiación entra en el calentamiento y cuánta humedad se absorbe en la atmósfera adyacente. Por tanto, es importante parametrizarlos. [50]

El dominio horizontal de un modelo es global , que cubre toda la Tierra, o regional , que cubre solo una parte de la Tierra. Los modelos regionales también se conocen como modelos de área limitada o LAM. Los modelos regionales utilizan un espaciado de cuadrícula más fino para resolver fenómenos meteorológicos explícitamente a menor escala, ya que su dominio más pequeño disminuye las demandas computacionales. Los modelos regionales utilizan un modelo global compatible para las condiciones iniciales del borde de su dominio. La incertidumbre y los errores dentro de los LAM son introducidos por el modelo global utilizado para las condiciones de frontera del borde del modelo regional, así como dentro de la creación de las condiciones de frontera para los propios LAM. [51]

La coordenada vertical se maneja de varias formas. Algunos modelos, como el modelo de Richardson de 1922, usan altura geométrica () como coordenada vertical. Los modelos posteriores sustituyeron a los geométricoscoordinar con un sistema de coordenadas de presión, en el que las alturas geopotenciales de las superficies de presión constante se convierten en variables dependientes , simplificando enormemente las ecuaciones primitivas. [52] Esto se debe a que la presión disminuye con la altura a través de la atmósfera terrestre . [53] El primer modelo utilizado para los pronósticos operativos, el modelo barotrópico de una sola capa, utilizaba una sola coordenada de presión en el nivel de 500 milibares (15 inHg), [5] y, por lo tanto, era esencialmente bidimensional. Los modelos de alta resolución, también llamados modelos de mesoescala , como el modelo de investigación y pronóstico del tiempo, tienden a utilizar coordenadas de presión normalizadas denominadas coordenadas sigma . [54]

Versiones globales

Algunos de los modelos numéricos globales más conocidos son:

  • Sistema de pronóstico global GFS (anteriormente AVN) - desarrollado por NOAA
  • NOGAPS : desarrollado por la Marina de los EE. UU. Para compararlo con el GFS
  • Modelo ambiental global multiescala de GEM : desarrollado por el Servicio Meteorológico de Canadá (MSC)
  • IFS desarrollado por el Centro Europeo de Previsiones Meteorológicas a Medio Plazo
  • Modelo unificado de UM desarrollado por la Met Office del Reino Unido
  • ICON desarrollado por el Servicio Meteorológico Alemán , DWD, junto con el Instituto Max-Planck (MPI) de Meteorología, Hamburgo, NWP Modelo global de DWD
  • ARPEGE desarrollado por el Servicio Meteorológico Francés, Météo-France
  • Modelo de circulación general intermedia de IGCM [40]

Versiones regionales

Algunos de los modelos numéricos regionales más conocidos son:

  • WRF El modelo de investigación y pronóstico meteorológico fue desarrollado en cooperación por NCEP, NCAR y la comunidad de investigación meteorológica. WRF tiene varias configuraciones, que incluyen:
    • WRF-NMM El modelo de mesoescala no hidrostático WRF es el principal modelo de pronóstico del tiempo a corto plazo para los EE. UU., Y reemplaza al modelo Eta.
    • WRF-ARW Advanced Research WRF desarrollado principalmente en el Centro Nacional de Investigación Atmosférica de EE. UU. (NCAR)
  • NAM El término modelo de mesoescala de América del Norte se refiere a cualquier modelo regional queopere el NCEP en el dominio de América del Norte. NCEP comenzó a utilizar este sistema de designación en enero de 2005. Entre enero de 2005 y mayo de 2006, el modelo Eta utilizó esta designación. A partir de mayo de 2006, NCEP comenzó a utilizar el WRF-NMM como el NAM operativo.
  • RAMS, el Sistema Regional de Modelado Atmosférico desarrollado en la Universidad Estatal de Colorado para simulaciones numéricas de meteorología atmosférica y otros fenómenos ambientales en escalas de metros a cientos de kilómetros, ahora admitido en el dominio público
  • MM5 La quinta generación de Penn State / NCAR modelo de mesoescala
  • ARPS, el sistema avanzado de predicción regional desarrollado en la Universidad de Oklahoma, es un sistema integral de predicción y simulación no hidrostática de múltiples escalas que se puede utilizar para la predicción meteorológica a escala regional hasta la simulación y predicción a escala de tornado. La asimilación avanzada de datos de radar para la predicción de tormentas es una parte clave del sistema.
  • HIRLAM High Resolution Limited Area Model, es desarrollado por el consorcio europeo de investigación NWP HIRLAM cofinanciado por 10 servicios meteorológicos europeos. El modelo HIRLAM de mesoescala se conoce como HARMONIE y se desarrolló en colaboración con los consorcios Meteo France y ALADIN.
  • GEM-LAM Global Environmental Multiscale Limited Area Model, el GEM de alta resolución de 2,5 km (1,6 millas) del Servicio Meteorológico de Canadá (MSC)
  • ALADIN El modelo hidrostático y no hidrostático de área limitada de alta resolución desarrollado y operado por varios países europeos y norteafricanos bajo el liderazgo de Météo-France [40]
  • COSMO El modelo COSMO, anteriormente conocido como LM, aLMo o LAMI, es un modelo no hidrostático de área limitada desarrollado en el marco del Consorcio para el Modelado a Pequeña Escala (Alemania, Suiza, Italia, Grecia, Polonia, Rumania y Rusia ). [55]
  • Meso-NH El modelo Meso-NH [56] es un modelo no hidrostático de área limitada desarrollado conjuntamente por el Centre National de Recherches Météorologiques y el Laboratoire d'Aérologie (Francia, Toulouse) desde 1998. [57] Su aplicación es de simulaciones meteorológicas en escalas mesoescalares a centimétricas.

Debido a que los modelos de pronóstico basados ​​en las ecuaciones de la dinámica atmosférica no determinan perfectamente las condiciones climáticas cerca del suelo, se desarrollaron correcciones estadísticas para intentar resolver este problema. Se crearon modelos estadísticos basados ​​en los campos tridimensionales producidos por modelos meteorológicos numéricos, observaciones de superficie y las condiciones climatológicas para ubicaciones específicas. Estos modelos estadísticos se denominan colectivamente estadísticas de salida de modelos (MOS), [58] y fueron desarrollados por el Servicio Meteorológico Nacional para su conjunto de modelos de predicción meteorológica. [16] La Fuerza Aérea de los Estados Unidos desarrolló su propio conjunto de MOS basado en su modelo meteorológico dinámico en 1983. [17]

Las estadísticas de salida del modelo difieren de la técnica de progresión perfecta , que asume que la salida de la guía de predicción numérica del tiempo es perfecta. [59] MOS puede corregir los efectos locales que el modelo no puede resolver debido a una resolución de cuadrícula insuficiente, así como a los sesgos del modelo. Los parámetros de pronóstico dentro de MOS incluyen temperaturas máximas y mínimas, porcentaje de probabilidad de lluvia dentro de un período de varias horas, cantidad de precipitación esperada, probabilidad de que la precipitación se congele en la naturaleza, probabilidad de tormentas eléctricas, nubosidad y vientos superficiales. [60]

Modelado climático

En 1956, Norman Phillips desarrolló un modelo matemático que describía de manera realista los patrones mensuales y estacionales de la troposfera. Este fue el primer modelo climático exitoso . [12] [13] Varios grupos comenzaron a trabajar para crear modelos de circulación general . [61] El primer modelo climático de circulación general combinó procesos oceánicos y atmosféricos y se desarrolló a fines de la década de 1960 en el Laboratorio de Dinámica de Fluidos Geofísicos , un componente de la Administración Nacional Oceánica y Atmosférica de EE. UU . [62] A principios de la década de 1980, el Centro Nacional de Investigación Atmosférica de EE. UU. Había desarrollado el Modelo de Atmósfera Comunitaria (CAM), que puede ejecutarse por sí mismo o como el componente atmosférico del Modelo del Sistema Climático Comunitario . La última actualización (versión 3.1) del CAM independiente se publicó el 1 de febrero de 2006. [63] [64] [65] En 1986, se iniciaron esfuerzos para inicializar y modelar tipos de suelo y vegetación, lo que resultó en pronósticos más realistas. [66] Los modelos climáticos acoplados océano-atmósfera, como el Centro Hadley 's HadCM3 modelo, están siendo utilizados como insumos para el cambio climático estudios. [61]

Modelado de área limitada

Modelo extendido con el huracán Ernesto (2006) dentro de los modelos de área limitada del Centro Nacional de Huracanes

Los pronósticos de contaminación del aire dependen de modelos atmosféricos para proporcionar información de flujo de fluidos para rastrear el movimiento de contaminantes. [67] En 1970, una empresa privada de EE. UU. Desarrolló el modelo regional de cuenca atmosférica urbana (UAM), que se utilizó para pronosticar los efectos de la contaminación del aire y la lluvia ácida . A mediados y finales de la década de 1970, la Agencia de Protección Ambiental de los Estados Unidos se hizo cargo del desarrollo de la UAM y luego utilizó los resultados de un estudio regional de contaminación del aire para mejorarlo. Aunque el UAM se desarrolló para California , durante la década de 1980 se usó en otras partes de América del Norte, Europa y Asia. [15]

El modelo de malla fina móvil, que comenzó a funcionar en 1978, fue el primer modelo de pronóstico de ciclones tropicales que se basó en la dinámica atmosférica . [14] A pesar de la guía de modelos dinámicos en constante mejora que es posible gracias al aumento de la potencia computacional, no fue hasta la década de 1980 que la predicción numérica del tiempo (NWP) mostró habilidad para pronosticar la trayectoria de los ciclones tropicales. Y no fue hasta la década de 1990 que NWP superó sistemáticamente a los modelos estadísticos o dinámicos simples. [68] También ha sido un desafío predecir la intensidad de los ciclones tropicales utilizando PNT. A partir de 2009, la orientación dinámica seguía siendo menos hábil que los métodos estadísticos. [69]

  • Reanálisis atmosférico
  • Modelo climático
  • Predicción numérica del tiempo
  • Modelos de la atmósfera superior
  • Modelo atmosférico estático

  1. ^ Gates, W. Lawrence (agosto de 1955). Resultados de la predicción numérica con los modelos atmosféricos barotrópico y termotrópico . Base de la Fuerza Aérea Hanscom : Laboratorios de Investigación de Cambridge de la Fuerza Aérea.
  2. ^ Thompson, PD; W. Lawrence Gates (abril de 1956). "Una prueba de métodos de predicción numérica basados ​​en los modelos barotrópicos y baroclínicos de dos parámetros" . Revista de meteorología . 13 (2): 127-141. Código Bibliográfico : 1956JAtS ... 13..127T . doi : 10.1175 / 1520-0469 (1956) 013 <0127: ATONPM> 2.0.CO; 2 . ISSN  1520-0469 .
  3. ^ Wallace, John M. y Peter V. Hobbs (1977). Ciencia atmosférica: una encuesta introductoria . Academic Press, Inc. págs. 384–385. ISBN 978-0-12-732950-5.
  4. ^ Marshall, John; Plumb, R. Alan (2008). "Flujo equilibrado". Dinámica de la atmósfera, los océanos y el clima: un texto introductorio . Ámsterdam: Elsevier Academic Press. págs. 109-12. ISBN 978-0-12-558691-7.
  5. ^ a b c Charney, Jule ; Fjörtoft, Ragnar; von Neumann, John (noviembre de 1950). "Integración numérica de la ecuación de vorticidad barotrópica" . Tellus . 2 (4): 237-254. Código Bibliográfico : 1950TellA ... 2..237C . doi : 10.3402 / tellusa.v2i4.8607 .
  6. ^ Jacobson, Mark Zachary (2005). Fundamentos del modelado atmosférico . Prensa de la Universidad de Cambridge. págs. 138-143. ISBN 978-0-521-83970-9.
  7. ^ a b Lynch, Peter (20 de marzo de 2008). "Los orígenes de la predicción meteorológica por computadora y el modelado climático" (PDF) . Revista de Física Computacional . 227 (7): 3431–44. Código bibliográfico : 2008JCoPh.227.3431L . doi : 10.1016 / j.jcp.2007.02.034 . Archivado desde el original (PDF) el 8 de julio de 2010 . Consultado el 23 de diciembre de 2010 .
  8. ^ Lynch, Peter (2006). "Predicción del tiempo por proceso numérico". La aparición de la predicción meteorológica numérica . Prensa de la Universidad de Cambridge . págs. 1–27. ISBN 978-0-521-85729-1.
  9. ^ Cox, John D. (2002). Vigilantes de tormentas . John Wiley & Sons, Inc. pág. 208 . ISBN 978-0-471-38108-2.
  10. ^ Harper, Kristine; Uccellini, Louis W .; Kalnay, Eugenia; Carey, Kenneth; Morone, Lauren (mayo de 2007). "2007: 50 aniversario de la predicción meteorológica numérica operativa" . Boletín de la Sociedad Meteorológica Estadounidense . 88 (5): 639–650. Código Bibliográfico : 2007BAMS ... 88..639H . doi : 10.1175 / BAMS-88-5-639 .
  11. ^ Leslie, LM; Dietachmeyer, GS (diciembre de 1992). "Predicción numérica del tiempo de área limitada en tiempo real en Australia: una perspectiva histórica" (PDF) . Revista Meteorológica Australiana . Oficina de Meteorología . 41 (SP): 61–77 . Consultado el 3 de enero de 2011 .
  12. ^ a b Norman A. Phillips (abril de 1956). "La circulación general de la atmósfera: un experimento numérico" (PDF) . Revista trimestral de la Royal Meteorological Society . 82 (352): 123-154. Código bibliográfico : 1956QJRMS..82..123P . doi : 10.1002 / qj.49708235202 .
  13. ^ a b John D. Cox (2002). Vigilantes de tormentas . John Wiley & Sons, Inc. pág. 210 . ISBN 978-0-471-38108-2.
  14. ^ a b Shuman, Frederick G. (septiembre de 1989). "Historia de la predicción numérica del tiempo en el Centro Meteorológico Nacional" . Clima y pronóstico . 4 (3): 286-296. Código Bibliográfico : 1989WtFor ... 4..286S . doi : 10.1175 / 1520-0434 (1989) 004 <0286: HONWPA> 2.0.CO; 2 . ISSN  1520-0434 .
  15. ^ a b Steyn, DG (1991). Modelización de la contaminación atmosférica y su aplicación VIII, Volumen 8 . Birkhäuser. págs. 241–242. ISBN 978-0-306-43828-8.
  16. ^ a b Harry Hughes (1976). Guía de pronóstico de estadísticas de salida del modelo . Centro de Aplicaciones Técnicas Ambientales de la Fuerza Aérea de los Estados Unidos. págs. 1-16.
  17. ^ a b L. Best, DL y SP Pryor (1983). Sistemas de estadísticas de salida del modelo de servicio meteorológico aéreo . Air Force Global Weather Central. págs. 1–90.
  18. ^ Cox, John D. (2002). Vigilantes de tormentas . John Wiley & Sons, Inc. págs.  222–224 . ISBN 978-0-471-38108-2.
  19. ↑ Weickmann, Klaus, Jeff Whitaker, Andres Roubicek y Catherine Smith (1 de diciembre de 2001). El uso de pronósticos conjuntos para producir pronósticos meteorológicos mejorados a mediano plazo (3 a 15 días). Centro de Diagnóstico Climático . Consultado el 16 de febrero de 2007.
  20. ^ Toth, Zoltan; Kalnay, Eugenia (diciembre de 1997). "Ensemble Forecasting en NCEP y el método de mejoramiento". Revisión mensual del clima . 125 (12): 3297–3319. Código Bibliográfico : 1997MWRv..125.3297T . CiteSeerX  10.1.1.324.3941 . doi : 10.1175 / 1520-0493 (1997) 125 <3297: EFANAT> 2.0.CO; 2 . ISSN  1520-0493 .
  21. ^ "El sistema de predicción por conjuntos (EPS)" . ECMWF . Archivado desde el original el 25 de enero de 2011 . Consultado el 5 de enero de 2011 .
  22. ^ Molteni, F .; Buizza, R .; Palmer, TN; Petroliagis, T. (enero de 1996). "El ECMWF Ensemble Prediction System: Metodología y validación". Revista trimestral de la Royal Meteorological Society . 122 (529): 73-119. Código Bib : 1996QJRMS.122 ... 73M . doi : 10.1002 / qj.49712252905 .
  23. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica . Prensa de la Universidad de Cambridge. pag. 56. ISBN 978-0-521-86540-1.
  24. ^ Centro Nacional de Datos Climáticos (2008-08-20). "Clave para las observaciones meteorológicas de superficie METAR" . Administración Nacional Oceánica y Atmosférica . Archivado desde el original el 1 de noviembre de 2002 . Consultado el 11 de febrero de 2011 .
  25. ^ "Formato de datos SYNOP (FM-12): observaciones sinópticas de superficie" . UNISYS . 2008-05-25. Archivado desde el original el 30 de diciembre de 2007.
  26. ^ Kwon, JH (2007). Dinámica de fluidos computacional paralela: computaciones paralelas y sus aplicaciones: actas de la conferencia Parallel CFD 2006, ciudad de Busan, Corea (15-18 de mayo de 2006) . Elsevier. pag. 224. ISBN 978-0-444-53035-6.
  27. ^ "El sistema de asimilación de datos variables de WRF (WRF-Var)" . Corporación Universitaria de Investigaciones Atmosféricas . 2007-08-14. Archivado desde el original el 14 de agosto de 2007.
  28. ^ Gaffen, Dian J. (7 de junio de 2007). "Observaciones de radiosondas y su uso en investigaciones relacionadas con SPARC" . Archivado desde el original el 7 de junio de 2007.
  29. ↑ Ballish, Bradley A. y V. Krishna Kumar (23 de mayo de 2008). Investigación de diferencias sistemáticas en las temperaturas de las aeronaves y radiosondas con implicaciones para los estudios climáticos y de PNT. Consultado el 25 de mayo de 2008.
  30. ^ Centro Nacional de Boya de Datos (2009-01-28). "El plan de buques de observación voluntaria (VOS) de la OMM" . Administración Nacional Oceánica y Atmosférica . Consultado el 15 de febrero de 2011 .
  31. ^ Ala 403 (2011). "Los cazadores de huracanes" . 53o Escuadrón de Reconocimiento Meteorológico . Archivado desde el original el 2 de abril de 2006 . Consultado el 30 de marzo de 2006 .
  32. ^ Lee, Christopher (8 de octubre de 2007). "Drone, los sensores pueden abrir camino hacia el ojo de la tormenta" . The Washington Post . Consultado el 22 de febrero de 2008 .
  33. ^ Administración Nacional Oceánica y Atmosférica (2010-11-12). "NOAA despacha avión de investigación de alta tecnología para mejorar los pronósticos de tormentas de invierno" . Archivado desde el original el 3 de enero de 2011 . Consultado el 22 de diciembre de 2010 .
  34. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica . Prensa de la Universidad de Cambridge . pag. 137. ISBN 978-0-521-86540-1.
  35. ^ Houghton, John Theodore (1985). El clima global . Archivo de Cambridge University Press. págs. 49–50. ISBN 978-0-521-31256-1.
  36. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Prensa académica . págs. 48–49. ISBN 978-0-12-554766-6.
  37. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Prensa académica . págs. 285-287. ISBN 978-0-12-554766-6.
  38. ^ Sunderam, VS; G. Dick van Albada; Peter MA Sloot; JJ Dongarra (2005). Computational Science - ICCS 2005: 5th International Conference, Atlanta, GA, USA, 22-25 de mayo de 2005, Actas, Parte 1 . Saltador. pag. 132. ISBN 978-3-540-26032-5.
  39. ^ Zwieflhofer, Walter; Norbert Kreitz; Centro europeo de previsiones meteorológicas a medio plazo (2001). Desarrollos en teracomputación: actas del noveno taller del ECMWF sobre el uso de la computación de alto rendimiento en meteorología . World Scientific. pag. 276. ISBN 978-981-02-4761-4.
  40. ^ a b c Chan, Johnny CL y Jeffrey D. Kepert (2010). Perspectivas globales sobre ciclones tropicales: de la ciencia a la mitigación . World Scientific. págs. 295-301. ISBN 978-981-4293-47-1.
  41. ^ Holton, James R. (2004). Introducción a la meteorología dinámica, Volumen 1 . Prensa académica. pag. 480. ISBN 978-0-12-354015-7.
  42. ^ Brown, Molly E. (2008). Sistemas de alerta temprana de hambruna y datos de teledetección . Saltador. pag. 121. ISBN 978-3-540-75367-4.
  43. ^ a b Strikwerda, John C. (2004). Esquemas de diferencias finitas y ecuaciones diferenciales parciales . SIAM. págs. 165-170. ISBN 978-0-89871-567-5.
  44. ^ Pielke, Roger A. (2002). Modelado meteorológico de mesoescala . Prensa académica . pag. 65. ISBN 978-0-12-554766-6.
  45. ^ Ahrens, C. Donald (2008). Fundamentos de la meteorología: una invitación a la atmósfera . Aprendizaje Cengage. pag. 244. ISBN 978-0-495-11558-8.
  46. ^ Narita, Masami y Shiro Ohmori (6 de agosto de 2007). "3.7 Mejora de los pronósticos de precipitación mediante el modelo operativo no hidrostático de mesoescala con la parametrización convectiva de Kain-Fritsch y la microfísica de nubes" (PDF) . XII Congreso de Procesos de Mesoescala . Sociedad Meteorológica Estadounidense . Consultado el 15 de febrero de 2011 .
  47. ^ Frierson, Dargan (14 de septiembre de 2000). "El esquema de parametrización de la nube de diagnóstico" (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 .
  48. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica . Prensa de la Universidad de Cambridge. pag. 6. ISBN 978-0-521-86540-1.
  49. ^ Melʹnikova, 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.
  50. ^ Stensrud, David J. (2007). Esquemas de parametrización: claves para comprender los modelos numéricos de predicción meteorológica . Prensa de la Universidad de Cambridge. págs. 12-14. ISBN 978-0-521-86540-1.
  51. ^ Warner, Thomas Tomkins (2010). Predicción numérica del tiempo y el clima . Prensa de la Universidad de Cambridge . pag. 259. ISBN 978-0-521-51389-0.
  52. ^ Lynch, Peter (2006). "Las ecuaciones fundamentales". La aparición de la predicción meteorológica numérica . Prensa de la Universidad de Cambridge . págs. 45–46. ISBN 978-0-521-85729-1.
  53. ^ Ahrens, C. Donald (2008). Fundamentos de la meteorología: una invitación a la atmósfera . Aprendizaje Cengage. pag. 10. ISBN 978-0-495-11558-8.
  54. ^ Janjic, Zavisa; Gall, Robert; Pyle, Matthew E. (febrero de 2010). "Documentación científica para NMM Solver" (PDF) . Centro Nacional de Investigaciones Atmosféricas . págs. 12-13. Archivado desde el original (PDF) el 23 de agosto de 2011 . Consultado el 3 de enero de 2011 .
  55. ^ Consorcio sobre modelado a pequeña escala. Consorcio para el modelado a pequeña escala. Consultado el 13 de enero de 2008.
  56. ^ Lac, C., Chaboureau, P., Masson, V., Pinty, P., Tulet, P., Escobar, J., ... y Aumond, P. (2018). Resumen de la versión 5.4 del modelo Meso-NH y sus aplicaciones. Desarrollo de modelos geocientíficos, 11, 1929-1969.
  57. ^ Lafore, Jean Philippe, et al. "El sistema de simulación atmosférica Meso-NH. Parte I: Simulaciones de formulación y control adiabático". Annales geophysicae. Vol. 16. No. 1. Copernicus GmbH, 1998.
  58. ^ Baum, Marsha L. (2007). Cuando la naturaleza golpea: desastres climáticos y la ley . Grupo editorial de Greenwood. pag. 189. ISBN 978-0-275-22129-4.
  59. ^ Gultepe, Ismail (2007). Nubes de capa límite y niebla: visibilidad de niebla y pronóstico . Saltador. pag. 1144. ISBN 978-3-7643-8418-0.
  60. ^ Barry, Roger Graham y Richard J. Chorley (2003). Atmósfera, tiempo y clima . Prensa de psicología. pag. 172. ISBN 978-0-415-27171-4.
  61. ^ a b Peter Lynch (2006). "Las Integraciones ENIAC" . La aparición de la predicción meteorológica numérica: el sueño de Richardson . Prensa de la Universidad de Cambridge . pag. 208. ISBN 978-0-521-85729-1. Consultado el 6 de febrero de 2018 .
  62. ^ Administración Nacional Oceánica y Atmosférica (22 de mayo de 2008). "El primer modelo climático" . Consultado el 8 de enero de 2011 .
  63. ^ "Descargar CAM 3.1" . www.cesm.ucar.edu . Consultado el 25 de junio de 2019 .
  64. ^ William D. Collins; et al. (Junio ​​de 2004). "Descripción del modelo de atmósfera comunitaria NCAR (CAM 3.0)" (PDF) . Corporación Universitaria de Investigaciones Atmosféricas . Consultado el 3 de enero de 2011 .
  65. ^ "MODELO DE ATMÓSFERA COMUNITARIA CAM3.0" . Corporación Universitaria de Investigaciones Atmosféricas . Consultado el 6 de febrero de 2018 .
  66. ^ Yongkang Xue y Michael J. Fennessey (20 de marzo de 1996). "Impacto de las propiedades de la vegetación en la predicción del clima de verano de Estados Unidos" (PDF) . Revista de Investigación Geofísica . 101 (D3): 7419. Código Bibliográfico : 1996JGR ... 101.7419X . CiteSeerX  10.1.1.453.551 . doi : 10.1029 / 95JD02169 . Archivado desde el original (PDF) el 10 de julio de 2010 . Consultado el 6 de enero de 2011 .
  67. ^ Alexander Baklanov; Alix Rasmussen; Barbara Fay; Erik Berge; Sandro Finardi (septiembre de 2002). "Potencial y deficiencias de los modelos numéricos de predicción del tiempo en el suministro de 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 .
  68. ^ James Franklin (20 de abril de 2010). "Verificación del pronóstico del Centro Nacional de Huracanes" . Centro Nacional de Huracanes . Archivado desde el original el 2 de enero de 2011 . Consultado el 2 de enero de 2011 .
  69. ^ Edward N. Rappaport; James L. Franklin; Lixion A. Avila; Stephen R. Baig; John L. Beven II; Eric S. Blake; Christopher A. Burr; Jiann-Gwo Jiing; Christopher A. Juckins; Richard D. Knabb; Christopher W. Landsea; Michelle Mainelli; Max Mayfield; Colin J. McAdie; Richard J. Pasch; Christopher Sisko; Stacy R. Stewart; Ahsha N. Tribble (abril de 2009). "Avances y desafíos en el Centro Nacional de Huracanes". Clima y pronóstico . 24 (2): 395–419. Código bibliográfico : 2009WtFor..24..395R . CiteSeerX  10.1.1.207.4667 . doi : 10.1175 / 2008WAF2222128.1 .

  • Roulstone, Ian; Norbury, John (2013). Invisible in the Storm: el papel de las matemáticas en la comprensión del clima . Princeton: Prensa de la Universidad de Princeton. ISBN 978-0-691-15272-1.

  • Página de descarga de software de gráficos y códigos fuente WRF
  • Código fuente RAMS disponible bajo la Licencia Pública General GNU
  • Descarga de código fuente MM5
  • El código fuente de ARPS
  • Visualización de modelos