Meteorología

Tormentas severas, pronóstico e incertidumbre

Los pronósticos de eventos meteorológicos de alto impacto no siempre se cumplen. ¿Por qué es tan difícil pronosticar estos eventos? ¿Con que herramientas se cuenta hoy en día para generar estos pronósticos? ¿Cuál es la certeza de que un pronóstico se cumpla?

Tormenta en Santa Fé. Argentina.

Las tormentas severas por lo general afectan a una zona relativamente pequeña y en la atmósfera, cuanto más pequeño es un fenómeno más difícil es pronosticarlo.

Por lo general, es posible pronosticar con 48 - 72 horas de anticipación que regiones van a experimentar condiciones favorables para la ocurrencia de tormentas que puedan poner en riesgo a la población. Pero saber exactamente cuando y donde van a ocurrir es prácticamente imposible con tanta anticipación.

"Pronosticar con cierta exactitud la evolución de una nube de tormenta es algo que en el mejor de los casos se puede hacer con un par de horas de anticipación. No obstante, si pudiéramos lograr esto sería muy bueno ya que 2 horas de plazo es suficiente para poder llevar adelante acciones preventivas, salvar vidas y evitar daños", explica el Dr. Juan Ruiz, meteorólogo e investigador del CONICET en el CIMA.

¿Y por qué solo unas pocas horas?

Juan Ruiz, especialista en Asimilación de Datos

Los pronósticos de eventos meteorológicos de alto impacto se basan en modelos numéricos que permiten simular computacionalmente la dinámica de la atmósfera y en particular de las nubes de tormenta que generan dichos fenómenos.

Para realizar estas simulaciones necesitamos partir de un “diagnóstico”, esto es conocer con la mayor precisión posible como es el “estado actual” de la atmósfera. Este estado se describe mediante variables como el viento, la temperatura, la humedad, el contenido de agua en las nubes, etc. Este diagnóstico nunca es perfecto y contiene diferencias respecto a la realidad.

Estas diferencias entre el estado de la atmósfera y el diagnóstico crecen a medida que la simulación avanza debido a que el comportamiento de la atmósfera es muy sensible al diagnóstico inicial. Dos simulaciones que arrancan de 2 diagnósticos muy similares pueden producir evoluciones muy diferentes en poco tiempo.

"Esta propiedad de la atmósfera se conoce como caos y es el principal limitante que encontramos en los pronósticos del tiempo, pero no es el único", explica Juan Ruiz.

Los modelos que se usan para simular este comportamiento también son imperfectos, ya que necesitan aproximar y simplificar muchos de los procesos que ocurren en la atmósfera para que sea viable llevar adelante la simulación con las computadoras disponibles en la actualidad.

Pero entonces ¿el pronóstico siempre es incierto?

Si, efectivamente, el pronóstico siempre tiene una cuota de incertidumbre y uno de los principales desafíos es poder cuantificarla. Por ejemplo, si tengo una tormenta muy fuerte a 20 km de Buenos Aires ¿cuál es la probabilidad de que en su desplazamiento pase justo por el centro de la Ciudad? Si bien no lo puedo saber con certeza, podemos estimar cuán probable es ese escenario.

¿Y como se hace eso?

Una de las maneras más frecuentes para estimar la incertidumbre es considerar varios posibles “diagnósticos” y realizamos una simulación a partir de cada uno de ellos. De esta manera tenemos un abanico de posibilidades, donde cada simulación representa un escenario posible sobre cómo van a evolucionar las nubes de tormenta en las próximas horas.
Para que estas posibilidades tengan sentido, nuestros múltiples escenarios tienen que ser consistentes con las observaciones que usamos para generar el diagnóstico y con las leyes físicas que gobiernan el comportamiento de la atmósfera.

El diagnóstico es parte fundamental de un buen pronóstico.

El diagnóstico requiere conocer cómo cambian las variables atmosféricas en el espacio, tanto en superficie como en altura. Pero las observaciones, que son uno de los principales elementos para un buen diagnóstico, proveen solo una visión parcial. Por ejemplo, un radar permite estimar parte del contenido de agua en una nube, pero no me da una medición directa de la temperatura. Algunos satélites pueden medir lo que pasa en la parte superior de las nubes de tormenta, pero no pueden dar información de lo que está pasando dentro de las mismas.

Para lograr un diagnóstico completo, se combinan diferentes tipos de observaciones con los modelos por computadora. Esta combinación recibe el nombre de asimilación de datos. Al hacer esto estamos usando lo que sabemos de la física del sistema para aprovechar al máximo la información que contienen las observaciones.

¿Que se está haciendo actualmente para mejorar nuestra capacidad de pronosticar tormentas?

Por un lado mejorar los modelos, de manera tal de representar de manera más precisa los procesos físicos que ocurren dentro de las nubes. Un ejemplo de esto son los procesos que intervienen en la formación de las gotas de lluvia o del granizo. Con mejores modelos podemos hacer mejores pronósticos pero además podemos extraer información más precisa a partir de las observaciones.

Por otra parte tenemos que mejorar nuestra capacidad de diagnosticar el estado actual de la atmósfera y eso lo podemos hacer mejorando los sistemas de asimilación de datos. Actualmente se está trabajando activamente para poder utilizar los datos de radar para diagnosticar la intensidad y ubicación de las nubes de tormenta. Además se trabaja con métodos que nos permiten cuantificar la incertidumbre presente en el pronóstico y en el diagnóstico.

¿Y con eso vamos a poder saber si mañana puede granizar en mi barrio?

Por el momento eso no es posible, pero apuntamos a poder pronosticar este tipo de fenómenos con la mayor anticipación posible y con la mayor precisión. En los próximos años es posible que tengamos una estimación de la probabilidad con la que puede granizar en la ciudad de Buenos Aires en las próximas horas y eso, aunque parezca poco puede ayudar a evitar muchas de las consecuencias asociadas a estos fenómenos.

Por: Ma. Inés Ortiz de Zárate



img
Científicas argentinas crean “templex”: un sistema que promete revolucionar la matemática. El orden dentro del desorden.. ...
img
Floración anual de cocolitofóridos: dimensiones biológicas con perspectiva lagrangiana. Diversidad microbiana. ...
img
Instalación de una EMA en Bermejo. Chaco. Bermejo. Chaco. Co-producción de conocimiento....
img
Todo tiene un porqué, en el Río de la Plata. Río de la Plata. Extracto del programa presentado en la TV Pública: “Todo tiene un porqué”...
img
La dinámica lagrangiana de la corriente de Malvinas es similar a la dinámica del patrón climático de Júpiter. Océano. ...
img
Mapeo del Picofitoplancton. Océano. Logran mapear la distribución del Picofitoplancton....
img
Manejo de Radiación Solar (SRM). Meteorología. Estudian impactos de manejar la radiación solar...
img
PROMAR: Ley 27167. Oceanografía. Programa Nacional en Espacios Marítimos Argentinos...
img
Calor en la Ciudad de Buenos Aires. Clima. Clima en la Ciudad de Buenos Aires...
img
Tormentas severas, pronóstico e incertidumbre. Meteorología. Los pronósticos ....
img
El caos de pronosticar. Meteorología. El pronóstico del tiempo, herramienta utilizada no solo por ciudadanos...
img
Más especies, mayor productividad. Clima y productividad. Cuando la biología se mezcla con el cambio climático...
img
Exploraciones de novela. Oceanografía. Las corrientes marinas del Atlántico Sudoccidental están siendo estudiadas ...
img
Desde Bolivia hasta Buenos Aires. Río de la Plata. Aunque suene lejano, el río Bermejo tiene gran influencia en las ...
img
La memoria del suelo. Clima. La conexión entre el suelo y la atmósfera es importante para entender...

 

© 2015 CIMA, Todos los derechos reservados.

Navegación