Clouds by Chance: Improving Atmosphere Models with Random Numbers

El funcionamiento de los modelos numéricos que simulan la atmosfera y los océanos es esencial para la predicción del tiempo y la investigación del clima. En los últimos años han tenido auge gracias a diversos factores, entre los cuales destacan; las computadoras más potentes, mejor tecnología, lo que permite tener más y mejores mediciones y gracias a la implementación de modelos matemáticos para mejorar la predicción

Los modelos climaticos estan basados en sistemas de ecuaciones diferenciales para simular las interacciones de la atmósfera, océanos, superficie terráquea, y hielo. Los modelos de predicción del tiempo, son modelos matemáticos que toman en cuenta diversos factores atmosféricos para predecir el estado de la atmosfera en un lugar y tiempo específico. “Weather prediction models” se refieren al pronostico para un futuro próximo. “climate models” se refieren a las condiciones generales y a una grane scala de tiempo. Estos modelos dividen el mundo en una rejilla tridimensional. Los espacios de la rejilla para los modelos del tiempo estan alrededor de 10-20 km, mientras que para los modelos climáticos estan alrededor de 100-200 km.

Obstáculo Diferentes escalas impiden resolver explícitamente los modelos numéricos. Solución Parametrización El procesamiento de procesos a nivel “sub-rejilla” es de suma importancia para la predicción adecuada. Ejemplo de la convección Los modelos numéricos que pueden resolver eficientemente la convección y la dinámica de las nubes, necesitan espacios menores de un kilometro. Por lo cual se buscan alternativas para representarlos, una de ellas es la parametización, la calidad de la parametización impacta sobre la calidad del modelo para predecir.

Esquemas de parametrización tienen naturaleza determinista Decrementan la calidad del modelo Los esquemas de parametrización son utilizados para representar el efecto de una serie de procesos no resueltos. La mayoría de los esquemas actualmente utilizados son de naturaleza determinista cada valor de las variables resueltas del modelo proporciona una sola y única salida del esquema de parametrización. Procesos no resueltos pueden tener su propia dinámica y no deben ser ligados a otros procesos. Aun cuando su valor se haya determinado correctamente, ignorar su naturaleza variable impacta sobre la calidad del modelo.

Alternativas Parametrización estocástica Un proceso estocástico es un concepto matemático que sirve para caracterizar una sucesión de variables aleatorias que evolucionan en función de otra variable, generalmente el tiempo. La parametrización estocástica ha atraído mucha atención en los últimos años. Un proceso estocástico es un concepto matemático que sirve para caracterizar una sucesión de variables aleatorias (estocásticas) que evolucionan en función de otra variable, generalmente el tiempo. Cada una de las variables aleatorias del proceso tiene su propia función de distribución de probabilidad y, entre ellas, pueden estar correlacionadas o no.

Trabajo reciente Cadenas condicionales de Markov para crear un esquema de parametización estocástica. Cadena de Márkov es un tipo especial de proceso estocástico discreto en el que la probabilidad de que ocurra un evento depende del evento inmediatamente anterior.