See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/320403963

Implementación operativa de un pronóstico numérico de alta resolución

del Laboratorio de Hidráulica

Conference Paper · September 2017

CITATIONS READS

0 27

3 authors, including:

Andres Rodriguez Rafael Andrés Lighezzolo

National University of Cordoba, Argentina Comisión Nacional de Actividades Espaciales
14 PUBLICATIONS   7 CITATIONS    14 PUBLICATIONS   19 CITATIONS   

SEE PROFILE SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Topology of the Ocean Surface View project

Analytical report of the 2016 dengue outbreak in Córdoba city, Argentina View project

All content following this page was uploaded by Andres Rodriguez on 14 October 2017.

The user has requested enhancement of the downloaded file.

CONAGUA 2017 XXVI Congreso Nacional del Agua

IMPLEMENTACIÓN OPERATIVA DE UN PRONÓSTICO NUMÉRICO DE ALTA

RESOLUCIÓN DEL LABORATORIO DE HIDRÁULICA
Andrés Lighezzolo2, Estefanía Nievas Lio1, Gonzalo Zigarán1, Iván Asinari1, Ignacio
Montamat1, Agustín Martina1, Jorge Saffe1, Andrés Pérez Hortal3, Marcelo Scavuzzo2,
Andrés Rodriguez1
Información de Contacto: 1 - UNC, Córdoba, Argentina
Información de Contacto: 2 - CONAE, Córdoba, Argentina
Información de Contacto: 3 - McGill University, Montreal, Canadá
andreslighezzolo@gmail.com

RESUMEN

El presente trabajo documenta la implementación del sistema de pronóstico de alta resolución en el Laboratorio
de Hidráulica de la Universidad Nacional de Córdoba. Dicha implementación se lleva a cabo dentro del marco de
la puesta en marcha del Centro de Operaciones y Emergencias Hidrometeorológicas (COEH) para la región
centro del País.
ABSTRACT

This work documents the implementation of the high resolution forecast system in the Hydraulic Laboratory of
the National University of Córdoba. This implementation is carried out within the framework of thee star up of
the Hydrometeorological Operations and Emergencies Center (HOEC) for the central region of the country.

INTRODUCCIÓN

La Región centro en la República Argentina es una asociación política conformada por las
provincias de Córdoba, Entre Ríos y Santa Fe, que posee el tamaño y la escala adecuados para
funcionar como una verdadera unidad operativa en la economía internacional. Cuenta con
alrededor de 8 millones de habitantes y 380.000 km² de superficie aproximadamente. Participa
en un gran porcentaje de las exportaciones nacionales donde la agro-exportación es
dominante. Los impactos de los fenómenos hidrometeorológicos extremos que se producen en
nuestro Planeta provocan múltiples víctimas e importantes daños materiales en los bienes y la
infraestructura, que implican consecuencias económicas adversas para las comunidades y que
pueden persistir durante muchos años (OMM, 2015). Particularmente en 2015, Argentina tuvo
una primavera más fría que la normal y el mes de octubre más frío jamás registrado. Sin
embargo, en todo el país, 2015 fue el segundo año más cálido de que se tenga constancia. En
febrero y marzo, las lluvias intensas, que provocaron inundaciones, azotaron varios lugares de
América del Sur. En Argentina diversas estaciones de larga data registraron nuevos récords de
precipitación en febrero. El Observatorio de Córdoba registró 385 mm de lluvia en ese mes,
batiendo el récord de larga data de 266 mm establecido en 1889 (WMO, 2015).
(Houze et .al, 2015) estudiaron, en base a la misión Satelital Tropical Rainfall Measuring
Mission (TRMM) - NASA, la naturaleza de la convección en las regiones tropicales y sub-
tropicales áreas. De este estudio se desprende que uno de los lugares de mayor desarrollo de
celdas convectivas intensas y sistemas convectivos de mesoescala es la región centro de
nuestro País.
El proyecto RELAMPAGO (Remote sensing of Electrification, Lightning, And Meso-
scale/micro-scale Processes with Adaptive Ground Observations) (Relampago,2016) tiene
como objetivo el estudio de la iniciación, predicción e impactos de sistemas convectivos en

302
CONAGUA 2017 XXVI Congreso Nacional del Agua

nuestro País y en particular en la región centro. Este proyecto es una iniciativa internacional
en conjunto con múltiples instituciones.
Todo lo dicho anteriormente evidencia que los fenómenos de origen meteorológico en sus
diversas escalas espacio temporales son amenazas recurrentes en nuestra región, más allá del
contexto de cambio climático, y que una herramienta estratégica para minimizar los impactos
de estos fenómenos son los sistemas de alerta temprana.
Sin sistemas de alerta temprana, la sociedad y los sectores productivos están en constante
estado de vulnerabilidad.
Los recientes modelos numéricos de predicción del tiempo permiten obtener un conjunto de
variables meteorológicas pronosticadas con anticipación de varios días y actualizado
diariamente. Por esta razón estos modelos numéricos son el primer eslabón de un sistema de
alerta temprana (WMO, 2010).
En este contexto se presenta a continuación una implementación del modelo Weather
Research and Forecasting (WRF) (Skamarock et al., 2005) llevada a cabo en el Laboratorio de
Hidráulica de la Universidad Nacional de Córdoba.

CARACTERÍSTICAS GENERALES DE LOS MODELOS E IMPLEMENTACIONES

Desde hace ya varios años existen diversas instituciones en todo el mundo que, si bien no
están a cargo de la provisión de pronósticos operativos, corren modelos numéricos con
diferentes finalidades. El Centro de Investigaciones del Mar y la Atmósfera (CIMA) fue el
primero en Argentina en tener un pronóstico operativo experimental a partir del año 1997. En
el año 2009 la misma institución presentaba un sistema de pronóstico experimental basado en
el modelo WRF (Saulo et. Al., 2008). Un segundo ejemplo es la implementación lograda en la
Unidad de Consultoría de Aplicaciones Espaciales de Alerta y Respuesta Temprana a
Emergencias (CAEARTE) de la Comisión Nacional de Actividades Espaciales (CONAE),
también basada en el modelo WRF (Lighezzolo et. al., 2016).
En la mayoría de los centros operativos se utiliza una combinación de modelos globales y
regionales. Los modelos globales son generalmente usados en pronósticos de rango medio (2
días o más) y debido a que ellos tienen un dominio horizontal global, que incluye toda la
tierra, estos modelos no son corridos con una alta resolución debido al costo computacional
demandado. Para un pronóstico más detallado es necesario aumentar la resolución, es aquí
donde se utilizan los Modelos de Área Limitada (LAMs) en la región de interés. Gracias a su
alta resolución los LAMs tienen la ventaja de ser más precisos en la reproducción de
fenómenos a pequeña escala tales como pasajes de frentes fríos o celdas convectivas y un
mejor forzado orográfico que los modelos globales. Por otro lado, los LAMs tienen la
desventaja de que, a diferencia de los modelos globales, éstos no son autocontenidos ya que
requieren de condiciones de contorno tan precisas como sea posible, de no ser así la solución
interior de los LAMs se deteriora rápidamente. Por lo tanto es habitual anidar los LAMs
dentro de otro modelo de menor resolución, cuyo pronóstico le provee las condiciones de
contorno. Esta es la razón por la cual los LAMs son usados sólo para pronósticos de corto
plazo (Kalnay, 2003). El Global Forecast System (GFS) (NOAA/NCEP, 2017) es un modelo
global que actualiza cuatro veces al día y pronostica hasta 16 días. El Weather Research and
Forecasting (WRF) (Skamarock et al., 2005) en un LAMs diseñado para utilizarse en la
investigación tanto como para la realización de pronósticos operacionales.
WRF cuenta con dos módulos principales, el de asimilación de datos y el de paralelización de
procesos. El modelo WRF permite a los investigadores producir simulaciones considerando
datos reales o en condiciones de atmósfera idealizada, mientras que a la vez provee un

303
CONAGUA 2017 XXVI Congreso Nacional del Agua

pronóstico operacional flexible en una plataforma robusta basada en la contribución de los

últimos avances en física, modelado numérico y técnicas de asimilación de datos. Ambos
modelos pueden funcionar en conjunto, anidando WRF en GFS, para producir un pronóstico
de mayor calidad. Existen varios estudios realizados mediante el modelo WRF que
demuestran el buen desempeño en la representación de tormentas severas y frentes
convectivos cuanto menor es la longitud de la grilla (Weisman et. al., 1997), (Romero et. al.,
2001), (Speer et. al.,2002) y (Done et. al., 2004). Estos hechos lo convierten en una
herramienta de mejora en los pronósticos realizados por los pronosticadores en servicio
(Weisman et. al., 2008) y (Kain et. al., 2006).
Estos fenómenos estudiados sólo son posibles utilizando pronósticos de alta resolución
espacial. Muchos de los centros operacionales de pronóstico meteorológico están
direccionando sus esfuerzos hacia la implementación de modelos de alta resolución para
pronósticos a corto plazo. Resoluciones horizontales en rangos de entre 2-4 km ya han sido
implementados y probablemente resoluciones de 1 km serán comunes en los próximos años
(Lean et. al., 2008).
La implementación presentada tiene como características principales la combinación de un
pronóstico global y uno regional. El modelo global utilizado es el Global Forecast System
(GFS) y el modelo regional es el Weather Research and Forecasting (WRF) como se dijo
anteriormente. La versión del WRF instalada es la 3.8 utilizando como condiciones iniciales y
de contorno el modelo GFS con 0.25º de resolución horizontal. El dominio de trabajo
considerado engloba a la región centro (Figura 1). Este dominio (270x270 puntos) es
calculado con una resolución de grilla horizontal de 4 km, 35 niveles verticales. Se realizan
pronósticos diarios de 36 hs con los datos de inicio de las 18:00 UTC.
La componente física dentro del modelo WRF está representada por las parametrizaciones
(Saulo et. al., 2008). Las parametrizaciones resuelven los procesos de menor escala a la
representada por el modelo. En esta etapa del trabajo se utilizó el siguiente conjunto de
parametrizaciones. Para la representación de la microfísica se consideró el esquema de
Thompson (Thompson, G. et. al., 2008). Para la Capa límite se consideró el esquema de
Mellor–Yamada–Janjic (Janjić, Z. I. 1994). Respecto a las parametrizaciones de radiación de
onda larga y onda corta se utilizaron RRTM (Mlawer, E. J. et. al., 1997) y Goddard (Chou, M.
D. et. al., 1999) respectivamente. El modelo de suelo utilizado fue el de Unified Noah Land
Surface (Tewari, M. et. al., 2004) y para los procesos de superficie el esquema Eta Similarity
(Janjić, Z. I. 2002). La convección es explícitamente resuelta.

304
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura1.- Dominio de cálculo utilizado. 270x270 puntos con resolución horizontal de 4 km. Se muestra como ejemplo la
variable viento a 10 metros (Dirección e intensidad).

INFORMACIÓN GENERADA

El modelo genera una diversidad de variables meteorológicas, desde las variables de

superficie hasta las de altura para cada uno de los niveles verticales con la que fue
configurado. Se muestra a continuación algunos ejemplos de salidas gráficas producidas en la
etapa de post-procesamiento. La figura 2 (Izquierda) muestra la precipitación acumulada
durante un periodo de 24 hs, mientras que la figura 2 (derecha) muestra el índice CAPE
(Convective Available Potential Energy - Energía Potencial Convectiva Disponible). Los
datos de la figura 2 (izquierda y derecha) no corresponden a la misma fecha.

Figura2.- Ejemplos de productos generados. Izquierda Mapa de precipitación acumulada, derecha índice CAPE.

305
CONAGUA 2017 XXVI Congreso Nacional del Agua

Es posible además contar con la información de las distintas variables para un punto de grilla
en particular. La evolución temporal de la variable en las horas pronosticadas se conoce como
meteograma. De este modo se cuenta con esta información para las distintas localidades en
asociación con su punto de grilla correspondiente.
Si bien este trabajo tiene como objetivo principal la descripción de la implementación lograda,
se expondrán a continuación un análisis de las temperaturas máximas y mínimas y un evento
de precipitación como parte de una futura y exhaustiva validación de la misma.

VERIFICACIÓN DE VARIABLES

Sigue a continuación una verificación básica de las temperaturas (máximas y mínimas) y un

evento de precipitación, significativo para la Ciudad de Córdoba.
Para realizar una comparación cuantitativa se trabajó con los datos de un número de
estaciones automáticas pertenecientes a la Red de Estaciones de Recursos Hídricos de la
provincia de Córdoba. Si bien la densidad de estaciones es baja y no se trata de estaciones
homologadas, es de esperar que representen la realidad lo mejor posible. La figura 3 muestra
la red con la cual se realizaron todas las comparaciones de este trabajo.

Figura3.- Localización de las estaciones meteorológicas de la Red de Estaciones de Recursos Hídricos de la provincia de
Córdoba. La imagen de fondo corresponde a un mapa de elevación digital.

ANÁLISIS DE TEMPERATURAS MÁXIMAS Y MÍNIMAS

Se eligió trabajar con la temperatura como variable de superficie, considerando las máximas y
las mínimas. El periodo analizado en este trabajo cuenta 46 días (máximo) consecutivos de
Otoño, comenzando el 07 de Mayo de 2017 y terminando el 30 de Junio del mismo año. Para

306
CONAGUA 2017 XXVI Congreso Nacional del Agua

el mismo se utilizaron 27 de las 40 estaciones de la red (Figura 3) cuyos datos estaban

disponibles y completos en el periodo analizado. A manera de ejemplo la figura 4 muestra la
evolución de las temperaturas máximas y mínimas para las estaciones: Nº 25 (Capilla del
Carmen), la Nº 28 (LH) y la Nº 31 (La Puerta).

Figura4.- Evolución de las temperaturas mínimas y máximas en el periodo analizado.

El comportamiento de las mínimas, en el periodo analizado, parece tener una tendencia

decreciente a través de los días y al final (después del día 30 aproximadamente) muestran
fluctuaciones importantes. Para el caso de las máximas, la tendencia decreciente no es
distinguible, pero muestra importante fluctuaciones al final del periodo tal como con la
mínima.
El gráfico siguiente (figura 5) muestra la distribución espacial de las mínimas y máximas
absolutas registradas en las estaciones en el periodo analizado.

307
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura5.- Distribución espacial de las temperaturas mínimas y máximas absolutas para el periodo analizado.

Como se ve en la figura 5 las temperaturas mínimas estuvieron mayormente bajo cero. Los
valores más bajos parecen concentrarse a ambos lados de las sierras en la zona central de la
provincia siendo el mínimo registro en la estación Nº 27 (Salsacate) con -7.1 ºC. Un patrón
similar se da para las temperaturas máximas siendo la zona central a ambos lados de las
sierras con los mayores registros. Para las máximas el mayor registro fue en la estación Nº 28
(LH) con 35.1 ºC.
Considerando todo el periodo se calculó el error (diferencia entre lo simulado y lo registrado)
para cada día y cada estación, obteniéndose un mapa de registros de sobrestimaciones y
subestimaciones para las temperaturas mínimas y máximas. Figura 6.

308
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura6.- Diferencias entre las simulaciones y los registros de las temperaturas máximas y mínimas.

La figura 6 muestra una clara tendencia del modelo a subestimar las temperaturas mínimas
registradas en prácticamente todas las estaciones exceptuando algunas estaciones sobre las
sierras. La mayoría de los valores del error está entre 2 y 5 ºC por encima de la mínima
registrada. En cambio para las temperaturas máximas la mayoría de los valores rondan
alrededor del cero. Con respecto a las temperaturas mínimas, observando la figura 5 y 6,
parece mostrar una correlación entre mayor error cuanto más baja es la temperatura. Con la
idea de corroborar una posible relación entre los errores en las máximas y las mínimas se
realizó el siguiente gráfico. Figura 7.

309
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura7.- Diferencias entre las temperaturas máximas y mínimas simuladas y observadas (Eje y) versus las temperaturas
máximas y mínimas registradas en estación. Los puntos rojos y líneas rojas representan el valor medio y la desviación
estándar de la diferencia para las temperaturas medidas.

La figura 7 deja ver como para temperaturas más extremas, es decir mayores máximas y
menores mínimas, los valores del error tienden a crecer. Esta afirmación es más clara en el
pronóstico de las temperaturas mínimas, donde a partir de los 5 ºC hacia valores menores el
error comienza a aumentar de manera más pronunciada. Si se consideran los valores absolutos
de los errores la tendencia al crecimiento de los mismos se hace más evidente, como puede
observarse en la figura 8.

Figura8.- Error absoluto medio y su desviación en función de las temperaturas registradas. Mínimas (Azul) y Máximas
(Rojo).

Se desprenden de este primer análisis para las temperaturas máximas y mínimas conclusiones

310
CONAGUA 2017 XXVI Congreso Nacional del Agua

sobre cómo en modelo se desempeña a la hora de pronosticar dichas variables en el periodo

considerado. El aporte de esta información permite pensar en un post-procesamiento adicional
para corregir las desviaciones a los registros de las estaciones meteorológicas.

PRIMER CASO DE ESTUDIO EN EVENTOS DE PRECIPITACIÓN

Uno de los principales desafíos que se pretende resolver con la implementación del modelo es
la de predecir eventos convectivos que afectan social y estructuralmente a una población.
Como un primer caso de estudio se consideró la ocurrencia de un evento convectivo que
arribó a la ciudad de Córdoba el día 4 de Octubre de 2016.
Pasadas las 10:30 hora local (UTC-3) un frente frío avanzó desde el Sur-Oeste de la provincia
de Córdoba, al mismo tiempo una celda individual se formaba sobre las sierras grandes
pasando de Oeste hacia el Este. La Figura 9 muestra imágenes de temperatura de tope de nube
del satélite GOES 13 donde puede verse dicho avance. Entre las 14 y 15 horas frente alcanzó
la ciudad de Córdoba donde la estación meteorológica del Laboratorio de Hidráulica, ubicada
en la Ciudad Universitaria de la misma, registró una acumulación de precipitación de
aproximadamente 36 mm en esta hora. Acumulando un total de 45 mm pasadas las 18 hs
donde dejó de precipitar en el lugar mientras continuaba el desplazamiento del frente hacia el
Nor-Este.

Figura9.- Avance del frente frío por la provincia de Córdoba. Imagenes de temperatura de tope de nube. Satélite GOES 13.

311
CONAGUA 2017 XXVI Congreso Nacional del Agua

La simulación para este día (figura 10) muestra la evolución del sistema mediante la
visualización de la variable reflectividad máxima en altura en unidades dbz.
El frente comienza al Sur-Oeste desplazándose en dirección Norte-Eeste, es decir el patrón del
desplazamiento se ve bien representado comparado con la figura 9. Entre las 11:00 y 13:00 hs
(local), una celda local se distingue en el Centro-Sur de la provincia, que es comparable a la
observada entre las 10:30 y 11:30 en la imagen de temperatura de tope de nube.
Si bien el patrón de desplazamiento de las figuras 9 y 10 visualmente está en buen acuerdo,
parece haber un desfasaje temporal entre ellos.

Figura10.- Avance del frente frío por la provincia de Córdoba. Imágenes de reflectividad máxima en altura. Resultado de la
simulación con WRF.

Si se comparan los datos de precipitación registrados en las estaciones con la precipitación

resultante de la simulación se hace explícito el desfasaje temporal. La figura 11 muestra la
evolución temporal de la precipitación para tres estaciones distintas (en color negro), la
estación Nº 25 (Capilla del Carmen), la Nº 28 (LH) y la Nº 31 (La Puerta). La estación Nº 25
está situada sobre la sierras (Sur-Oeste) , la Nº 28 en Córdoba Capital (Centro) y la Nº 31 en
departamento Río Primero (Nor-Este) de la provincia. Estas tres estaciones se seleccionaron
ya que el avance de la tormenta como se dijo fue desde el Sur-Oeste al Nor-Este pasando por
el centro de la provincia. Entre la primer estación y la última hay unos 200 km de distancia en
línea recta.

312
CONAGUA 2017 XXVI Congreso Nacional del Agua

Según lo registrado por las estaciones, las precipitaciones comenzaron alrededor de las 12 hs
para la primer estación, a las 14 hs para la segunda y a las 16 hs en la tercera. Es decir, tardó
unas 4 hs en recorrer los 200 km dando una velocidad media para este frente convectivo de
unos 50 km/h.

Figura11.- Evolución temporal para la precipitación acumulada en tres estaciones. En negro lo registrado por la estación, en
rojo el resultado de la simulación

Las líneas en color rojo de la figura 11 se corresponden con el resultado de la simulación. Una
primera observación es que en los tres casos la precipitación acumulada tiene su inicio
posterior a lo registrado en las estaciones. En la primera y segunda estación la tasa horaria
registrada al comienzo es alta 20 a 40 mm/h, en el tercer caso es alrededor de 10. Mientras que
en la simulación, el comienzo es con una tasa baja para luego dar un salto en la misma. En el

313
CONAGUA 2017 XXVI Congreso Nacional del Agua

caso de la primer y segunda estación el modelo subestimó el total de precipitación acumulado,

sin embargo para la segunda la subestimación fue mucho menor. Por otro lado para la tercera
el modelo sobreestimó levemente el valor registrado.
Para el resto de las estaciones, los valores registrados de precipitación acumulada en el evento
se observan en la figura 12. Allí puede verse que la precipitación tuvo valores superiores a los
30 mm en cuatro distintos puntos medidos con la máxima de 45 mm alcanzada en la ciudad de
Córdoba (Estación 28 - figura 11). El resto de los valores está alrededor de los 20 mm.
También hay cuatro valores mínimos de entre 0 y 0.2 mm. De la figura, es posible ver además
que la distribución de la precipitación no es homogénea. Esta situación es notoria en el grupo
cercano de estaciones al Noroeste del centro de Córdoba dentro de un radio aproximado de 20
km. En la figura 3 las mismas están enumeradas con (3-4-5-24-38) y los valores registrados de
(0.2-15.4-34.6-12.6-11.2) respectivamente.

Figura12.- Precipitación acumulada medida en las estaciones durante el evento del 10 de Octubre de 2016.

Los resultados de la simulación para este evento se muestran en la figura 13 donde se

superponen además los valores de las estaciones de la figura 12.
Una primera observación de este resultado es que el modelo pronosticó precipitación para
todo el territorio provincial. La simulación muestra además, una concentración en la zona
Centro-sur con valores por encima de 30 mm. Lamentablemente en esa región hay pocas
estaciones e inactivas en este evento. Para el Sur, la estación Nº 9 (Canals), con un valor
registrado de 36.8, fue subestimada mientras que las cuatro restantes fueron sobrestimadas.
Una concentración de celdas puede verse también en el centro, en buen acuerdo con la
estación Nº 28 (LH) pero sobrestimado los alrededores.

314
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura13.- Resultado de la simulación para la precipitación acumulada del evento del 10 de Octubre de 2016.

Para tener un panorama de las sobre y subestimaciones del modelo con respecto a la
precipitación acumulada en el evento, se realizó la diferencia punto a punto entre las
coordenadas pertenecientes a las estaciones y lo simulado. El resultado de esta operación es
graficado en la figura 14.

315
CONAGUA 2017 XXVI Congreso Nacional del Agua

Figura14.- Diferencia entre la precipitación simulada y lo registrado por las estaciones. Los colores rojizos indican
subestimación, los verdes sobrestimación.

El mapa de las diferencias muestra que el modelo, para este caso en particular, parece
presentar una leve tendencia a la sobreestimación en el sur de la provincia así como en las
sierras y zonas cercanas. Sin embargo los datos no son contundentes en cuanto a esa
afirmación. Cabe destacar que hubo cuatro estaciones que registraron valores menores a 0.2
mm de precipitación distinguidas con un cuadrado encerrando un círculo en la figura 10. En
todas estas el modelo pronosticó valores superiores, considerando estos casos como falsos
positivos. No se obtuvieron falsos negativos.

SENSIBILIDAD A CAMBIOS EN PARAMETRIZACIONES

Experimentos anexos se llevaron a cabo con la idea de probar cuán sensible es el modelo, con
respecto a cambios en las parametrizaciones, en la predicción de la precipitación. Para este
experimento se realizaron cuatro nuevas simulaciones manteniendo las mismas
parametrizaciones exceptuando los siguientes cambios (Tabla 1). En la tabla 1, las diferentes
combinaciones están identificadas con letras, donde a la A es la correspondiente a la versión
operacional descrita anteriormente.

Tabla 1.- Diferentes combinaciones de parametrizaciones utilizadas.

ID Microfísica PBL Capas superficiales

A Thompson Mellor–Yamada Eta Similarity

–Janjic

316
CONAGUA 2017 XXVI Congreso Nacional del Agua

B Morrison 2–moment Mellor–Yamada Eta Similarity

–Janjic

C WRF Double Moment Quasi–normal Scale Elimination QNSE

D WRF Single–moment Mellor–Yamada Eta Similarity

–Janjic

E WRF Double Moment Mellor–Yamada Nakanishi Niino MYNN

La figura 15 muestra los resultados de todas las simulaciones, desde combinación A hasta E.
Todas las configuraciones predicen precipitación para la provincia de Córdoba, es decir están
en buen acuerdo con lo ocurrido ese día. En general todas muestran una concentración de la
precipitación en las zonas Centro-Sur. Sin embargo, puntualmente las diferencias se hacen
más notorias.

Figura15.- Precipitación acumualda simulada para las distintas configuraciones citadas en tabla 1.

317
CONAGUA 2017 XXVI Congreso Nacional del Agua

Si se retoma la comparación de lo simulado con lo registrado como se lo hizo en la figura 11

se obtienen gráficos con curvas de las evoluciones de la precipitación para cada una de las
configuraciones. Figura 16.

Figura16.- Evolución temporal de la precipitación acumulada en tres estaciones. En negro lo registrado por la estación, en
colores las simulaciones.

En las primeras dos estaciones es posible ver como todas las configuraciones estuvieron por
debajo del valor de precipitación registrado, mientras que para el caso de la tercera estación
algunas configuraciones estuvieron por encima y por debajo del valor registrado. Para el caso
de la estación [25] de la combinación E fue la que más se acercó al valor registrado, pero en la
estación [28] la misma combinación fue la que más se alejó del registro. Las combinaciones C
y D para estas estaciones estuvieron siempre por debajo de los valores registrados. Sin
embargo esto no es un patrón ya que como se observa en la figura 14, hay varias estaciones

318
CONAGUA 2017 XXVI Congreso Nacional del Agua

donde sobrestimaron la precipitación acumulada. Todas las configuraciones dieron inicio a la

precipitación más tarde que lo ocurrido en la realidad. Si se tienen en cuenta los errores
absolutos entre lo simulado y lo registrado para todas las estaciones y todas las
configuraciones se obtiene la figura 17.

Figura17.- Errores absolutos para cada configuración considerando todas las estaciones.

La figura 17 muestra un diagrama del tipo boxplot donde es posible ver que los valores
medios (círculos negros) y las medianas (Líneas horizontales gruesas) no difieren mucho entre
las distintas configuraciones. Sin embargo la dispersión de los datos si es diferente, siendo la
configuración E con mayor dispersión y la A con la menor dispersión. Es decir, la
configuración A parece ser más “estable” que las demás.
Este mínimo análisis deja ver que no existe un pronóstico mejor que otro, y que si es posible
contar con varias simulaciones, la información que se puede brindar tiende a ser más completa
en el sentido de que se puede tener una representación media y una incertidumbre en el
pronóstico. Este valor agregado en la información, impacta directamente sobre los productos o
guías que intervienen en el proceso de toma de decisión de los diferentes usuarios del
pronóstico (Ruiz J 2008).
Es claro que este análisis no es contundente en cuanto a poder evaluar el modelo
completamente, sin embargo la información obtenida es valiosa ya que da un panorama de la
realidad del pronóstico de precipitación.

CONCLUSIÓN Y LÍNEAS FUTURAS

En el marco de la puesta en marcha del Centro de Operaciones y Emergencias

Hidrometeorológicas (COEH) para la región centro del País se logró poner operativo el
modelo WRF. Esta herramienta se suma a la red de información generada desde, las
estaciones hidrometeorológicas de la Provincia de Córdoba, el radar meteorológico RMA1
operativo en Universidad Nacional de Córdoba (UNC) desde 2015, el sistema de monitoreo
para la detección de descargas eléctricas y a la información satelital. Como se dijo
anteriormente el modelo WRF cuenta un sistema de asimilación de datos, con lo cual se

319
CONAGUA 2017 XXVI Congreso Nacional del Agua

planea a futuro integrar la información del RMA1 al mismo y lograr un pronóstico localmente
más preciso. Las simulaciones analizadas para las variables temperatura y precipitación dieron
resultados aceptables, y gracias a estos es posible pensar en hacer un post-procesamiento para
ajustar los resultados de las simulaciones a la realidad. El análisis de sensibilidad hecho para
la precipitación permite ver la importancia de trabajar con varias simulaciones simultáneas.
En el momento de la escritura de este trabajo, el Laboratorio de Hidráulica adquirió
equipamiento (nodos de cálculo de alto desempeño) que permitirá realizar varias corridas en
paralelo. Comenzando así el camino del estudio y la operatividad en pronósticos por
ensambles. Por último, se estima sumar una nueva corrida como complemento con inicio a las
06:00 UTC permitiendo tener la información de pronóstico actualizada.

Agradecimientos. Este trabajo se puedo lograr gracias al aporte de información de distintas instituciones como
el Ministerio de Agua, Ambiente y Servicios Públicos de la Provincia de Córdoba, Laboratorio de Hidráulica –
Centro de Estudios y Tecnología del Agua UNC. Unidad CAEARTE – CONAE.

BIBLIOGRAFÍA

Chou, M. D., & Suarez, M. J. (1999) A Solar Radiation Parameterization (CLIRAD-SW) for
Atmospheric Studies.
Done, J., Davis, C. A., & Weisman, M. (2004). The next generation of NWP: Explicit
forecasts of convection using the Weather Research and Forecasting (WRF) model.
Atmospheric Science Letters, 5(6), 110-117.
Houze, R. A., Rasmussen, K. L., Zuluaga, M. D., & Brodzik, S. R. (2015). The variable
nature of convection in the tropics and subtropics: A legacy of 16 years of the Tropical
Rainfall Measuring Mission satellite. Reviews of Geophysics,53(3), 994-1021.
Janjić, Z. I. (1994). The step-mountain eta coordinate model: Further developments of the
convection, viscous sublayer, and turbulence closure schemes. Monthly Weather Review,
122(5), 927-945.
Janjić, Z. I. (2002). Nonsingular implementation of the Mellor–Yamada level 2.5 scheme in
the NCEP Meso model. NCEP office note, 437, 61.
Kalnay, E. (2003). Atmospheric modeling, data assimilation and predictability. Cambridge
university press.
Kain, J. S., Weiss, S. J., Levit, J. J., Baldwin, M. E., & Bright, D. R. (2006). Examination
of convection-allowing configurations of the WRF model for the prediction of severe
convective weather: The SPC/NSSL Spring Program 2004.Weather and forecasting, 21(2),
167-181.
Lean, H. W., Clark, P. A., Dixon, M., Roberts, N. M., Fitch, A., Forbes, R., & Halliwell,
C. (2008). Characteristics of high-resolution versions of the Met Office Unified Model for
forecasting convection over the United Kingdom. Monthly Weather Review, 136(9), 3408-
3424.
Lighezzolo, A., Lanfri, M., García, F., Clemoveki, K., Bridera, D., & Scavuzzo, M. (2016,
June). Sistemas de alerta temprana a emergencias ambientales basados en modelos numéricos
de predicción meteorológica. In Biennial Congress of Argentina (ARGENCON), 2016 IEEE
(pp. 1-6). IEEE.
Mlawer, E. J., Taubman, S. J., Brown, P. D., Iacono, M. J., & Clough, S. A. (1997).
Radiative transfer for inhomogeneous atmospheres: RRTM, a validated correlated‐k model for
the longwave. Journal of Geophysical Research: Atmospheres, 102(D14), 16663-16682.

320
 CONAGUA 2017 XXVI Congreso Nacional del Agua

NOAA/NCEP. (2017).
OMW (2010). Directrices sobre sistemas de alerta temprana y aplicación de predicción
inmediata y operaciones de aviso.
OMM (2015). Directrices de la OMM sobre servicios de predicción y aviso multirriesgos que
tienen en cuenta los impactos.(2015).
Relampago (2016). https://publish.illinois.edu/relampago/
Romero, R., Doswell III, C. A., & Riosalido, R. (2001). Observations and fine-grid
simulations of a convective outbreak in northeastern Spain: Importance of diurnal forcing and
convective cold pools. Monthly weather review, 129(9), 2157-2182.
Ruiz, J. J. (2008). Aplicación de los pronósticos por ensambles a la predicción del tiempo a
corto plazo sobre Sudamérica (Doctoral dissertation, Facultad de Ciencias Exactas y
Naturales. Universidad de Buenos Aires).
Saulo, C., Cardazzo, S., Ruiz, J., Campetella, C., & Rolla, A. (2008). El sistema de
pronóstico experimental del Centro de Investigaciones del Mar y la Atmósfera.
Meteorologica, 33(1-2), 83-97.
Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D. M., Wang, W., &
Powers, J. G. (2005). A description of the advanced research WRF version 2 (No.
NCAR/TN-468+ STR). National Center For Atmospheric Research Boulder Co Mesoscale
and Microscale Meteorology Div.
Speer, M. S., & Leslie, L. M. (2002). The prediction of two cases of severe convection:
implications for forecast guidance. Meteorology and Atmospheric Physics, 80(1), 165-175.
Tewari, M., Chen, F., Wang, W., Dudhia, J., LeMone, M. A., Mitchell, K., ... & Cuenca,
R. H. (2004, January). Implementation and verification of the unified NOAH land surface
model in the WRF model. In 20th conference on weather analysis and forecasting/16th
conference on numerical weather prediction (Vol. 1115).
Thompson, G., Field, P. R., Rasmussen, R. M., & Hall, W. D. (2008). Explicit forecasts of
winter precipitation using an improved bulk microphysics scheme. Part II: Implementation of
a new snow parameterization. Monthly Weather Review, 136(12), 5095-5115.
Weisman, M. L., Skamarock, W. C., & Klemp, J. B. (1997). The resolution dependence of
explicitly modeled convective systems. Monthly Weather Review, 125(4), 527-548.
Weisman, M. L., Davis, C., Wang, W., Manning, K. W., & Klemp, J. B. (2008).
Experiences with 0–36-h explicit convective forecasts with the WRF-ARW model. Weather
and Forecasting, 23(3), 407-437.
WMO (2015). Declaración de la OMM sobre el estado del clima mundial en 2015.

321

View publication stats