Evaluación del modelo WRF (weather research and forecasting) entre la superficie y 30 km sobre Quito casos de estudio entre abril y septiembre de 2015

Abstract

La evaluación de resultados de modelos meteorológicos que simulan variables físicas en una región – realizada mediante comparación con datos experimentales – sirve para entender el comportamiento atmosférico revelado en la configuración paramétrica que mejor se ajusta a la realidad. En el Ecuador, la evaluación de resultados de modelos meteorológicos, como función de la altitud o de la presión, es un campo todavía inexplorado y, por ello, constituye una prioridad de investigación. Con el objetivo de explorar este campo, se simularon variables meteorológicas durante cuatro periodos que coinciden con una campaña de radiosondeos realizados desde la Estación de Mediciones Atmosféricas de la Universidad San Francisco de Quito (EMA-USFQ). Los casos de estudio seleccionados son: el 29-abril (07h00, hora local), 30-junio (13h00), 27-agosto (09h00) y 30-septiembre (07h00) de 2015. Se utilizaron los resultados del modelo WRF (V3.2) (obtenidos por R. Parra), generados con un dominio maestro y dos subdominios anidados. El segundo subdominio abarca al territorio continental del Ecuador, y se conforma de una malla de 199 filas y 199 columnas (celdas de 4 km), y 44 capas en altura, hasta una presión de 10 hPa. Las simulaciones se efectuaron bajo 2 configuraciones, llamadas FNL1 y FNL2, que combinan opciones físicas para la Capa Superficial (CS), Capa Límite Planetaria (CLP) y esquema Cúmulo Convectivo (CCU). De la matriz tridimensional de resultados del modelo WRF se extrajeron los datos de la simulación, como función del nivel eta, y con ellos se determinó la temperatura del aire, la fracción másica del vapor de agua y la velocidad y dirección del viento en cada nivel de presión. Estas variables se compararon con datos experimentales de los sondeos realizados en 2015 desde la EMA (M. Cazorla). La comparación se realizó graficando en forma superpuesta los perfiles verticales, tanto del modelo como de los sondeos. También se realizó un gráfico 1:1 de los resultados del modelo contra los datos del sondeo y se halló la correlación lineal, el Root Mean Square Error (RMSE), Mean Bias Error (MBE) e Índice de Aceptación (IA) del modelo. Los perfiles verticales evidencian que la temperatura se validó correctamente a lo largo de toda la trayectoria, sobreestimando el CPT en 3 ºC en promedio. Para la configuración FNL1 (FNL2) el coeficiente de correlación es 0.99 (0.99), el RMSE es 1.90 ºC (1.97 ºC), el MBE es 0.08 ºC (-0.12 ºC) y el IA es 0.99 (0.99). Para la fracción másica del vapor de agua, se observa que el modelo no captura bien los valores cercanos a la superficie, y mejora en altura. El coeficiente de correlación es 0.91 (0.86), el RMSE es 0.82 g kg-1 (1.18 g kg-1), el MBE es 0.09 g kg-1 aire (0.25 g kg-1) y el IA es 0.97 (0.95). En cuanto a la velocidad y dirección del viento, el modelo captura el patrón de estas variables a lo largo de la trayectoria. Para la velocidad del viento, el coeficiente de correlación es 0.47 (0.49), el RMSE es 4.6 m/s (4.6 m/s), el MBE es -0.7 m/s (-0.8 m/s) y es IA es 0.82 (0.83). Para la dirección del viento, el coeficiente de correlación para es 0.57 (0.53), el RMSE es 69 º (70º), el MBE es 39º (40º) y el IA es 0.87 (0.86).