Resumen Modelacion numerica.

MAYAS EN MODELOS NUMÉRICOS DEL AMBIENTE Y EL CLIMA

Desde los inicios del siglo 20 la predicción numérica del clima ha incrementado convirtiéndose en uno de los más complicados e importantes problemas de la ciencia moderna. Con la llegada de las computadoras, el aumento de las observaciones, y el progreso en el entendimiento teórico, los modelos numéricos fueron desarrollados. Desde entonces, tales modelos son usados en mayor medida en el entendimiento y predicción del ambiente y el clima y han sido una fuerza impulsora en el avance de las ciencias meteorológicas.

Los modelos numéricos son una representación matemática del sistema climático de la tierra incluyendo la atmósfera, el océano, la criósfera y la tierra, entre otros. Los modelos dividen el área de interés en un conjunto de mayas y luego hacer uso de las observaciones de variables como la presión superficial, vientos, temperatura y humedad en numerosos lugares en todo el mundo. Los valores observados luego son asimilados y utilizados por el modelo para predecir la evolución futura del clima de la tierra y el ambiente. A mediados del siglo 20, los modelos evolucionaron a partir de un modelo sencillo con una sola capa de la atmósfera a un modelo de ecuación primitiva multicapa capaz de predecir el desarrollo de ciclones.

Debido a la cantidad de tiempo de procesador del ordenador, memoria y almacenamiento en disco necesario para ejecutar los modelos numéricos, la atmósfera no puede ser representada perfectamente por el modelo y por lo tanto se aproxima por un conjunto de datos finito. La atmósfera es representada en un modelo por un conjunto tridimensional de puntos, llamados mallas que cubren la región de interés. La Figura 1 demuestra la importancia del número de puntos de cuadrícula discretos para el modelo de representar las mejores estructuras atmosféricas. La figura 1a utiliza un espaciado de malla de 1 pulg., Mientras que la figura 1b utiliza un espaciado de malla de 0,5 pulg. La comparación de las dos figuras se muestra cómo aumentar el número de puntos de la malla permite que el modelo para representar mejor la actual función de onda. Como el número de puntos discretos de malla incrementa, también incrementa la representación de la atmósfera. El modelo de predicción numérico del clima en 1950 tuvo puntos de malla cada pocos cientos de kilómetros en horizontal, mientras que hoy, los modelos usados en predicción operacional tienen puntos de malla cada 10-100 km. La distancia horizontal entre la malla adyacente son a menudo conocidos como espacio de malla o resolución. Varios modelos tienen la habilidad de anidar mallas finas dentro de una malla gruesa, resultando en una malla anidada con mucha más alta resolución. La resolución vertical de los modelos numéricos  mejora a la par de la resolución horizonte, de modo que los modelos de hoy en día pueden tener más de 50 capas verticales.

Página 9

Aunque  las redes escalonadas tienen más  resolución equivalente que las  redes que no lo están, son más complejas. En los últimos tiempos la red  C se está haciendo más popular, que la red E; su rival más cercano.  

Gráfica.

Página 10

4.2. Escalonamiento vertical:

El escalonamiento de las rejillas en la dirección vertical también proporciona ciertas ventajas. Por ejemplo, el  escalonamiento vertical introducido por Lorenz [24] mantiene el requisito de condiciones de contorno de no flujo en la parte superior y la parte inferior (Figura 7a). Sin embargo, la rejilla Lorenz admite la formación de un modo de cálculo espurio [25]. Este problema no existe en la red Charney Phillips ([26]; la Figura 7b) en el que el escalonamiento vertical, siendo más consistente (En comparación con Lorenz rejilla) con la ecuación hidrostática, no admite  el modo de cálculo adicional [27]. La mayoría de los presentes modelos numéricos del estado de la técnica han escalonados rejillas en la dirección vertical con las variables de pronóstico en el centro de la capa y la velocidad vertical en el límite de las capas. Tal ejemplo se muestra en la Figura 8 a partir del modelo WRF [28].

Página 11

4.3. Escalonamiento del tiempo

El escalonamiento de las rejillas no se limita en el espacio.  También puede estar en el tiempo. Por ejemplo, para el flujo atmosférico se utiliza  la cuadrícula esquema Leapfrog (pídola) de la rejilla  D es ideal cuando escalonamos el tiempo (Figura9). El escalonamiento del tiempo se introdujo por primera vez por Eliassen [29], que consiste en la definición de las variables en cada segundo paso de tiempo con una cuadrícula de desplazamiento D. Una ligera variación de este enfoque realizado por Bratseth [30] utiliza una interpolación de orden superior para transferir valores de vuelta de la rejilla  de compensación a la rejilla  inicial. Todas las diferencias se calculan sobre una distancia Dx. A pesar de esta ventaja, tal vez escalonamiento no se utiliza debido a las complejidades que surgen de la necesidad de escalonamiento y adicionales de los procedimientos especiales para poner en marcha el esquema de la pídola (leapfrog)

5. Los debates

La capacidad del modelo de predicción numérica del tiempo para representar con precisión los fenómenos atmosféricos se basa en tres condiciones; el conocimiento científico, la disponibilidad de datos de observación y el tratamiento informático habilidades. Si un número suficiente de datos de observaciones es conocimiento científico disponible y lo suficientemente está presente, entonces el factor limitante de un pronóstico preciso es el poder de procesamiento de la computadora. Hay otras cuestiones de importancia que merecen más discusión.

5.1. Rejilla de separación

Las rejillas B y E se discuten en la sección 4.1 . Pueden considerarse como realizadas por dos rejillas C. Un ejemplo se muestra en la Figura 10 para la red B. Haciendo caso omiso de la distinción entre variables de caracteres en mayúsculas y minúsculas, la figura representa una cuadrícula B. Considerando sólo los caracteres en minúscula, la figura representa una cuadrícula C cuyos ejes se hacen girar 45 ° en sentido anti horario con respecto al de la ventana B. Por otra parte, teniendo en cuenta sólo los caracteres en mayúsculas, la figura representa una segunda rejilla de C que se desplaza por una rejilla de longitud a lo largo del eje x de la red B. Se debe tener precaución en la formulación de modelos E-B- rejilla y evitar como solución  dividirse en dos distribuciones por separado sobre los dos rejillas C [31].

...