Análisis de sensibilidad de las parametrizaciones del modelo BRAMS para la región Ayacucho-Perú
DOI:
https://doi.org/10.51440/unsch.revistainvestigacion.32.1.2025.632Palabras clave:
Modelo numérico, BRAMS, Sensibilidad, Atmósfera, TemperaturaResumen
La presente investigación evalúa la sensibilidad del modelo BRAMS frente a distintas configuraciones, con el propósito de optimizar su desempeño en la predicción de la temperatura en la región de Ayacucho. Se realizaron 32 simulaciones, cuyos resultados fueron contrastados con los registros del Servicio Nacional de Meteorología e Hidrología del Perú (SENAMHI). La evaluación se basó en cinco indicadores: error o sesgo medio (ME), error absoluto medio (MAE), raíz del error cuadrático medio (RMSE), el coeficiente de determinación (R²) y el Índice de Consistencia (IC). Los resultados muestran que independientemente de la configuración, el modelo tiende a subestimar la temperatura observada, con un sesgo frío (ME global entre -5 y -4 °C) y una variabilidad espacial marcada, con errores por estación entre 1 y 8 °C; sin embargo,el análisis de sensibilidad indica que las diferencias entre configuraciones evaluadas son reducidas. Se observó un desempeño levemente mejor en configuraciones que combinan el esquema convectivo Grell-Freitas con reconocimiento de escalas y aerosoles (2014), cierres convectivos Bechtold (PB) y Grell (GR), y parametrizaciones de convección somera de Souza y Grell-Dévényi, junto con una advección Forward de segundo orden (no monotónica) y el esquema temporal Robert-Asselin con Leapfrog. Finalmente, las estaciones San Pedro de Cachi, Wayllapampa, Chilcayoc y Puquio presentaron los menores errores, lo que sugiere condiciones locales más favorables para la representación de la temperatura.
Descargas
Citas
Arakawa, A., & Schubert, W. H. (1974). Interaction of a cumulus cloud ensemble with the large-scale environment, Part I.Journal of the Atmospheric Sciences,31(3), 674-701.https://doi.org/10.1175/1520-0469(1974)031<0674:IOACCE>2.0.CO;2
Betts, A. K., & Miller, M. J. (1986). A new convective adjustment scheme. Part I: Observational and theoretical basis. Quarterly Journal of the Royal Meteoro- logical Society, 112(473), 677-691. https://doi.org/10.1002/qj.49711247307
Chen, S.-H., & Lin, Y. L. (2005). Effects of moist Froude number and CAPE on a conditionally unstable flow over a mesoscale mountain ridge. Journal of the Atmospheric Sciences, 62(9), 3314-3330. https://doi.org/10.1175/JAS3611.1
Freitas, S. R., Rodrigues, L. F., Panetta, J.,Longo, K., Moreira, D., Freitas, E.,Longo, M., Fazenda, A., Fonseca,R., Stockler, R., & Camponogara, G.(2016). Brazilian developments on the Regional Atmospheric Modeling System BRAMS-version 5.2:Description of the model input namelist parameters (Doc. Ed. 1.0). Retrieved from http://brams.cptec.inpe.br
Freitas, S y otros (2017) The Brazilian developments on the Regional Atmospheric Modelin System (BRAMS 5.2): an integrated environmental model tuned for tropical areas. Geosci. Model Dev., 10, 189-222. w w w .geoscimodeldev.net/10/189/2017/doi:10.5194/gmd-10-189-2017.
Goger, B., Rotach, M. W., Gohm, A.,Stiperski, I., & Fuhrer, O. (2016).Current challenges for numerical weather prediction in complex terrain: Topography representation and parameterizations. In Proceedings of the 2016 International Conference on High P e r f o r m a n c e Computing & Simulation (HPCS2016) (pp. 890–894). h t t p s : / / d o i .org/10.1109/HPCSim.2016.7568428
Grell, G. A., & Freitas, S. R. (2014). A scale and aerosol aware stochastic convective parameterization for weather and air quality modeling. Atmospheric Chemistry and Physics, 14(10), 5233-5250. https://doi.org/10.5194/acp-14-5233-2014
Kain, J. S., & Fritsch, J. M. (1993). Convective parameterization for mesoscale models: The Kain-Fritsch scheme. The representation of cumulus convection in numerical models, 246, 165-170. https://doi.org/10.1007/978-1-93570413-3_16
Lin, Y.L., Farley, R. D., & Orville, H. D. (1983). Bulk parameterization of the snow field in a cloud model. Journal of Climate and Applied Meteorology, 22(6), 10651092. https://doi.org/10.1175/15200450(1983)022
Rudisill, W., Rhoades, A., Xu, Z., & Feldman,D. R. (2024). Are atmospheric models too cold in the mountains? The state of science and insights from the SAIL field campaign. Bulletin of the American Meteorological Society, 105(7),E1237–E1264. https://doi.org/10.1175/BAMS-D-23-0082.1 (cawaterlibrary.net)
Descargas
Publicado
Cómo citar
Número
Sección
Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.



