dc.contributor | Morales Betancourt, Ricardo | |
dc.contributor | Rodríguez Sánchez, Juan Pablo | |
dc.contributor | Obregón Neira, Nelson | |
dc.contributor | Centro de Investigaciones en Ingeniería Ambiental CIIA | |
dc.creator | Barbosa Vivas, Angie Carolina | |
dc.date.accessioned | 2023-08-01T20:50:54Z | |
dc.date.accessioned | 2023-09-07T00:33:06Z | |
dc.date.available | 2023-08-01T20:50:54Z | |
dc.date.available | 2023-09-07T00:33:06Z | |
dc.date.created | 2023-08-01T20:50:54Z | |
dc.date.issued | 2023-05-31 | |
dc.identifier | http://hdl.handle.net/1992/69006 | |
dc.identifier | instname:Universidad de los Andes | |
dc.identifier | reponame:Repositorio Institucional Séneca | |
dc.identifier | repourl:https://repositorio.uniandes.edu.co/ | |
dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8727496 | |
dc.description.abstract | Los modelos atmosféricos son herramientas útiles en el pronóstico de las condiciones meteorológicas en
un dominio determinado. Existen sin embargo retos importantes en la modelación atmosférica asociados
con la imposibilidad de representar explícitamente las escalas más pequeñas, lo que obliga a que algunos
procesos relevantes deban ser representados por medio de parametrizaciones. En el caso del territorio
colombiano, ubicado en la zona tropical y con una topografía compleja, la modelación atmosférica puede
enfrentar situaciones aún más retadoras. Con el fin de contribuir a acortar esa brecha en la precisión de
las estimaciones en el país, este trabajo explora el impacto que el esquema de microfísica, el esquema de convección, y la resolución horizontal de la modelación tienen sobre la representación de la precipitación en el país. Para ello se realizaron diversos análisis de sensibilidad utilizando el modelo atmosférico Weather Research and Forecasting (WRF) versión 4.2. Se consideraron tres esquemas de microfísica para las nubes estratiformes resueltas explícitamente por el modelo (esquema de Thompson, esquema de Morrison, y esquema Goddard). Se exploraron también tres alternativas para representar el proceso de convección de cúmulos, las parametrizaciones de Kain-Fritsch y Grell-3D, así como la solución explícita de la convención mediante la configuración de WRF en modo no hidrostático. Finalmente, se consideró también el efecto de la resolución espacial mediante el uso de dos espaciamientos horizontales del enmallado, de 9km x 9km y de 4 km x 4km para todo el territorio colombiano. El análisis se realizó con enfoque en dos zonas del país con topografía suave y compleja para los periodos lluviosos de junio de 2018 y marzo del 2020 respectivamente. Se realizaron un total de 36 simulaciones para periodos de 30 días cada una. Las condiciones iniciales y de frontera fueron alimentadas para el domino usando el modelo Global Forecast System (GFS) a 0.25° x 0.25° de resolución espacial y 6 h de resolución temporal. Los campos asociados a la precipitación y a la distribución vertical de vapor de agua fueron evaluados con datos de estaciones terrestres de precipitación, con datos de meteorología vertical proveniente de radiosondeos, y mediante productos de monitoreo remoto (CHIRPS, IMERG V6 de GPM y PERSIANN CCS-CDR). El análisis realizado demostró que el modelo WRF sobreestima la precipitación en el domino, en particular cuando se aplican los esquemas de convección de Kain-Fritsch y Grell-3D, con una excesiva precipitación de carácter orográfico a lo largo de las cordilleras. El esquema de microfísica Goddard genera una mayor participación de la precipitación estratiforme y los menores valores de precipitación promedio mensual. Las configuraciones del modelo cuya solución de la convección se resolvió explícitamente destacaron en la mayoría de los análisis al presentar mejorías frente a la humedad específica, temperatura y en algunos casos las estimaciones de agua precipitable. El análisis sugiere que, entre aquellos esquemas analizados, la representación explícita de la convección en conjunto con la microfísica de Goddard genera los campos de precipitación más compatibles con las observaciones disponibles. No se encontraron diferencias significativas en el modelo al variar la resolución del enmallado de 9 km a 4 km, sugiriendo que la resolución de 9 km puede ser suficientemente alta para la modelación atmosférica en el país. | |
dc.language | spa | |
dc.publisher | Universidad de los Andes | |
dc.publisher | Maestría en Ingeniería Civil | |
dc.publisher | Facultad de Ingeniería | |
dc.publisher | Departamento de Ingeniería Civil y Ambiental | |
dc.relation | Aristizábal, G. (2005). Verificación de Modelos Meteorológicos (Reporte técnico IDEAM-METEO/0001-05). Colombia: IDEAM | |
dc.relation | Arregocés, H., Rojano, R., & Restrepo, G. (2021). Sensitivity analysis of planetary boundary layer schemes using the WRF model in Northern Colombia during 2016 dry season. Dynamics of Atmospheres and Oceans, 96, 101261. https://doi.org/10.1016/j.dynatmoce.2021.101261 | |
dc.relation | Battan, L. J. (1968). investigacion de la meteorologia tropical. Bulletin of the American Meteorological Society, 49(2), 93-95. http://www.jstor.org/stable/26251446 | |
dc.relation | Bell, P. (2012). Colombia: manual commercial e industrial. En P. Bell , Capítulo 1. Geografía, topografía y clima. (pp. 37 - 50). Colombia: Banco de la República. | |
dc.relation | Chorley, R. J., & Barry, R. G. (2004). Atmosfera, tempo e clima. | |
dc.relation | CHRS (Center for Hydrometeorology and Remote Sensing). (s.f.). PERSIANN-CCS-CDR (Version 1.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.5089831 | |
dc.relation | Done, 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. https://doi.org/10.1002/asl.72 | |
dc.relation | Funk, C., Peterson, P., Landsfeld, M., Pedreos, D., Verdin, J., Shukla, S., et al. (2015). The climate hazards infrared precipitation with stations¿a new environmental record for monitoring extremes. Sci Data 2, 150066 . https://doi.org/10.1038/sdata.2015.66 | |
dc.relation | Gbode, I., Dudhia, J., Ogunjobi, K., & Ajayi, V. (2019). Sensitivity of different physics schemes in the WRF model during a West African monsoon regime. Theoretical and Applied Climatology, 136. doi: https://doi.org/10.1007/s00704-018-2538-x | |
dc.relation | Henríquez, M., Saavedra, H.A., Hurtado, M., Montealegre, J.E., González, O.C., León, G. E., et al. (2005). Atlas Climatológico de Colombia (Reporte técnico ISBN: 958-8067-14-6). Colombia: Imprenta Nacional de Colombia | |
dc.relation | Holton, J. R. (2004). An introduction to Dynamic meteorology. Academic Press | |
dc.relation | IDEAM. (2014). Regionalización de Colombia según la estacionalidad de la precipitación media mensual, a través análisis de components principals (ACP). Recuperado de http://www.ideam.gov.co/documents/21021/21141/Regionalizacion+de+la+Precipitacion+Media+Mensual/1239c8b3-299d-4099-bf52-55a414557119 | |
dc.relation | Jerez, S., López-Romero, J. M., Turco, M., Lorente-Plazas, R., Gómez-Navarro, J. J., Jiménez-Guerrero, et al. (2020). On the spin-up period in WRF simulations over Europe: Trade-offs between length and seasonality. Journal of Advances in Modeling Earth Systems, 12, e2019MS001945. https://doi.org/10.1029/2019MS001945 | |
dc.relation | Kim, Kim, J., & Cha, D.-H. (2022). Added value of high-resolution regional climate model in simulating precipitation based on the changes in kinetic energy. Geoscience Letters, 9(1), 1-14. https://doi.org/10.1186/s40562-022-00247-6 | |
dc.relation | Lauritzen, Jablonowski, C., Taylor, M. A., & Nair, R. D. (2011). Numerical Techniques for Global Atmospheric Models (Lauritzen, C. Jablonowski, M. A. Taylor, & R. D. Nair, Eds.; 1st ed. 2011.). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-11640-7 | |
dc.relation | Lohmann, Wagner, A., & Prange, M. (2021). Resolution of the atmospheric model matters for the Northern Hemisphere Mid-Holocene climate. Dynamics of Atmospheres and Oceans, 93, 101206. https://doi.org/10.1016/j.dynatmoce.2021.101206 | |
dc.relation | López-Bermeo, Montoya, R. D., Caro-Lopera, F. J., & Díaz-García, J. A. (2022). Validation of the accuracy of the CHIRPS precipitation dataset at representing climate variability in a tropical mountainous region of South America. Physics and Chemistry of the Earth. Parts A/B/C, 127, 103184. https://doi.org/10.1016/j.pce.2022.103184 | |
dc.relation | López, J., Gómez, J., Palacios, L., Lorente, R., Jiménez, P., Montávez, et al. (2018). ¿Cuánto tiempo de spin-up es realmente necesario para simulaciones climáticas regionales?. Asociación Española de Climatología; Agencia Estatal de Meteorología. ISBN 978-84-7837-098-6 | |
dc.relation | Marín-Nieto, L. (2021). Efectos ambientales de las tormentas amazónicas sobre el clima de la costa ecuatoriana. Revista Universidad De Guayaquil, 115(1), 5-12. https://doi.org/10.53591/rug.v115i1.470 | |
dc.relation | MetEd. (s.f.). Meteorología Tropical - Sistemas Convectivos de Mesoescala (MCS). Recuperado de https://www.meted.ucar.edu/tropical/synoptic/trop_MCS_es/print.php | |
dc.relation | Montoya, G. J. (2008). Lecciones de meteorología dinámica y modelamiento. Universidad Nacional de Colombia | |
dc.relation | NASA. (2021). Precipitation Algorithms. Global Precipitation Measurement Mission. Recuperado de https://gpm.nasa.gov/science/precipitation-algorithms | |
dc.relation | NASA. (2021). Giovanni - Interactive Visualization and Analysis. [En línea]. Disponible en: https://giovanni.gsfc.nasa.gov/giovanni/ [Accedido el 1 de mayo de 2023] | |
dc.relation | National Center for Atmospheric Research. (s.f.). Best practices for WRF Preprocessing System (WPS) namelist configuration. WRF Users' Page. https://www2.mmm.ucar.edu/wrf/users/namelist_best_prac_wps.html | |
dc.relation | National Center for Atmospheric Research. (s.f.). Best practices for WRF Preprocessing System (WPS) namelist configuration. WRF Users' Page.
https://www2.mmm.ucar.edu/wrf/users/namelist_best_prac_wrf.html | |
dc.relation | National Center for Atmospheric Research (NCAR). (s. f.). Weather Research and Forecasting (WRF) Model. Recuperado 30 de abril de 2023, de https://www.mmm.ucar.edu/weather-research-and-forecasting-model | |
dc.relation | National Centers for Environmental Prediction/National Weather Service/NOAA/U.S. Department of Commerce. 2015, updated daily. NCEP GFS 0.25 Degree Global Forecast Grids Historical Archive. Research Data Archive at the National Center for Atmospheric Research, Computational and Information Systems Laboratory. https://doi.org/10.5065/D65D8PWK | |
dc.relation | NOAA Climate Prediction Center. (2023). Oceanic Niño Index (ONI). Recuperado el 30 de abril del 2023, de https://origin.cpc.ncep.noaa.gov/products/analysis_monitoring/ensostuff/ONI_v5.php | |
dc.relation | Ocampo-Marulanda, Fernández-Álvarez, C., Cerón, W. L., Canchala, T., Carvajal-Escobar, Y., & Alfonso-Morales, W. (2022). A spatiotemporal assessment of the high-resolution CHIRPS rainfall dataset in southwestern Colombia using combined principal component analysis. Ain Shams Engineering Journal, 13(5), 101739-. https://doi.org/10.1016/j.asej.2022.101739 | |
dc.relation | Ordoñez, J. (2018). Sensibilidad de la parametrización de la convección utilizando WRF-ARW, sobre la Sierra Norte del Perú. Universitat de Barcelona. http://hdl.handle.net/2445/124624 | |
dc.relation | Peter A. Rochford (2016) SkillMetrics: A Python package for calculating the skill of model predictions against observations, http://github.com/PeterRochford/SkillMetrics | |
dc.relation | Portela, A., Castro, M., & González, R. (1991). Parametrízación de la capa límite atmosférica en los modelos numéricos de pronóstico meteorológico. Física de la Tierra, (3), 103. | |
dc.relation | Rodríguez-Sandoval, E., García-Echeverri,C., González-Ramírez, A., Sandoval-Barrera, J., Patarroyo-González, M., Agudelo D, D., et.al. (2023). Evaluating the IMERG precipitation satellite product to derive intensity-duration-frequency curves in Colombia. Revista Facultad de Ingeniería. https://doi.org/10.17533/udea.redin.20230212 | |
dc.relation | Ruiz M, J. F & Melo F, J. Y. (2020). Modelación Numérica de Tiempo y Clima IDEAM. Bogotá D.C.,Colombia. Recuperado de: //bart.ideam.gov.co/wrfideam/ | |
dc.relation | Ruiz, J. J., Saulo, C., & Nogués-Paegle, J. (2010). WRF Model Sensitivity to Choice of Parameterization over South America: Validation against Surface Variables. Monthly Weather Review, 138(8), 3342-3355. doi: https://doi.org/10.1175/2010MWR3358.1 | |
dc.relation | Schmittner, A. (2021). Introducción a la ciencia del clima. Oregon State University. LibreTexts. | |
dc.relation | Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Liu, Z., Berner, J., et al. (2021). A Description of the Advanced Research WRF Model Version 4.3 (No. NCAR/TN-556+STR). doi:10.5065/1dfh-6p97 | |
dc.relation | Tian, B., & Dong, X. (2020). The double-ITCZ Bias in CMIP3, CMIP5 and CMIP6 models based on annual mean precipitation. Geophysical Research Letters, 47, e2020GL087232. https://doi.org/10.1029/2020GL087232 | |
dc.relation | UCAR. (s.f.). WRF Physics Options: List of References. Recuperado el 30 de abril de 2023, de https://www2.mmm.ucar.edu/wrf/users/physics/phys_references.html#LS | |
dc.relation | UCAR Center for Science Education. (2021). Módulo de precipitación: nubes. MetEd. Recuperado de https://www.meted.ucar.edu/bom/mprecip_clouds_es/print.php#page_8-0-0 | |
dc.relation | UCAR (s.f.). Capítulo 4. Modelos numéricos de predicción del tiempo. En Meteorología Tropical: Un Manual de Trabajo para el Pronosticador del Tiempo en los Trópicos (2a ed., p. 4.1.5). https://www.meted.ucar.edu/tropical/textbook_2nd_edition_es/navmenu.php?tab=10&page=4.1.5 | |
dc.relation | UCAR (Universidad Corporativa para la Investigación Atmosférica). (s.f.). Monzón. MetEd - Meteorología Educativa. Recuperado de https://www.meted.ucar.edu/tropical/textbook_2nd_edition_es/print_3.htm#tc_monsoon_trough | |
dc.relation | Urrea, V., Ochoa, A & Mesa, Oscar. (2016). Validación de la base de datos de precipitación CHIRPS para Colombia a escala diaria, mensual y anual en el período 1981-2014. | |
dc.relation | Valencia, S., Marín, D. E., Gómez, D., Hoyos, N., Salazar, J. F., & Villegas, J. C. (2023). Spatio-temporal assessment of Gridded precipitation products across topographic and climatic gradients in Colombia. Atmospheric Research, 285. https://doi.org/10.1016/j.atmosres.2023.106643 | |
dc.relation | Wallance, J., y Hobbs, P. (2006). Atmospheric Science: An Introductory Survey. Academic Press. https://doi.org/10.1016/C2009-0-00034-8 | |
dc.relation | Wang, C., Qian, Y., Duan, Q., Huang, M., Yang, Z., Berg, L., et al. (2021). Quantifying physical parameterization uncertainties associated with land-atmosphere interactions in the WRF model over Amazon. Atmospheric Research, 262, 105761. https://doi.org/10.1016/j.atmosres.2021.105761 | |
dc.relation | Warner, T. T., Peterson, R. A., & Treadon, R. E. (1997). A tutorial on lateral boundary conditions as a basic and potentially serious limitation to regional numerical weather prediction. Bulletin of the American Meteorological Society, 78(12), 2599-2617. https://doi.org/10.1175/1520-0477(1997)078<2599:ATOLBC>2.0.CO;2 | |
dc.relation | Wilks, D. S. (2019). Statistical Methods in the Atmospheric Sciences (3rd ed.). Academic Press. https://doi.org/10.1016/C2017-0-03921-6 | |
dc.rights | https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf | |
dc.rights | info:eu-repo/semantics/openAccess | |
dc.rights | http://purl.org/coar/access_right/c_abf2 | |
dc.title | Evaluación del efecto de los esquemas de convección, microfísica y de la resolución horizontal en el modelo meteorológico WRF para representar la precipitación en Colombia | |
dc.type | Trabajo de grado - Maestría | |