Simulando Lluvias Intensas Asociadas con Ciclones Tropicales y Perturbaciones Atmosféricas en Tailandia Usando el Modelo Acoplado WRF-ROMS-Análisis de Sensibilidad de Esquemas de Microfísica y Parametrización de Cúmulos
Autores: Torsri, Kritanai; Faikrua, Apiwat; Peangta, Pattarapoom; Sawangwattanaphaibun, Rati; Akaranee, Jakrapop; Sarinnapakorn, Kanoksri
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Simulando Lluvias Intensas Asociadas con Ciclones Tropicales y Perturbaciones Atmosféricas en Tailandia Usando el Modelo Acoplado WRF-ROMS-Análisis de Sensibilidad de Esquemas de Microfísica y Parametrización de Cúmulos
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Astronomía
Palabras clave
Ciclones tropicales
Eventos de lluvia
WRF-ROMS
Esquemas de parametrización
Lluvias intensas
Tailandia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
Predecir eventos de fuertes lluvias asociados con ciclones tropicales (TC) y disturbios atmosféricos en Tailandia sigue siendo un desafío. Este estudio presenta un enfoque novedoso para mejorar la precisión de las predicciones utilizando el modelo acoplado de investigación y pronóstico del tiempo (WRF) y el modelo oceánico regional (ROMS), conocido como WRF-ROMS. Nuestro objetivo es identificar la combinación óptima de esquemas de parametrización de microfísica (MP) y cúmulos (CU). Se seleccionan tres esquemas de CU, a saber, Betts-Miller-Janjic (BMJ), Grell 3D Ensemble (G3) y Kain-Fritsch (KF), junto con tres esquemas de MP, a saber, Eta (ETA), Purdue Lin (LIN) y WRF Single-moment 3-class (WSM3), para el análisis de sensibilidad. Se simulan siete casos de lluvias fuertes (35.1-90.0 mm) a violentas (>90.1 mm) en Tailandia, ocurridos en 2020 y asociados con tormentas tropicales y disturbios atmosféricos, utilizando todas las combinaciones posibles de los esquemas físicos elegidos. Las intensidades de lluvia simuladas se comparan con observaciones del Centro Nacional de Datos de Hidroinformática. El rendimiento se evaluó utilizando métricas de probabilidad de detección (POD), razón de falsas alarmas (FAR) e índice de éxito crítico (CSI). Si bien los modelos funcionaron bien para lluvias ligeras (0.1-10.0 mm) a moderadas (10.1-35.0 mm), predecir lluvias fuertes siguió siendo un desafío. Ciertas combinaciones de parámetros mostraron promesas, como BMJ y KF con microfísica LIN, pero los desafíos persistieron. Al analizar la distribución de densidad de la lluvia diaria, encontramos parametrizaciones efectivas para diferentes subregiones. Nuestros hallazgos enfatizan la importancia de parametrizaciones personalizadas para una predicción precisa de la lluvia en Tailandia. Esta personalización puede beneficiar la gestión de recursos hídricos, el control de inundaciones y la preparación ante desastres. La investigación futura debería ampliar los conjuntos de datos, centrándose en eventos significativos de lluvias fuertes y considerando factores climáticos, por ejemplo, la Oscilación Madden-Julian (MJO) para pronósticos de largo alcance, contribuyendo potencialmente a predicciones subestacionales y estacionales (S2S).
Descripción
Predecir eventos de fuertes lluvias asociados con ciclones tropicales (TC) y disturbios atmosféricos en Tailandia sigue siendo un desafío. Este estudio presenta un enfoque novedoso para mejorar la precisión de las predicciones utilizando el modelo acoplado de investigación y pronóstico del tiempo (WRF) y el modelo oceánico regional (ROMS), conocido como WRF-ROMS. Nuestro objetivo es identificar la combinación óptima de esquemas de parametrización de microfísica (MP) y cúmulos (CU). Se seleccionan tres esquemas de CU, a saber, Betts-Miller-Janjic (BMJ), Grell 3D Ensemble (G3) y Kain-Fritsch (KF), junto con tres esquemas de MP, a saber, Eta (ETA), Purdue Lin (LIN) y WRF Single-moment 3-class (WSM3), para el análisis de sensibilidad. Se simulan siete casos de lluvias fuertes (35.1-90.0 mm) a violentas (>90.1 mm) en Tailandia, ocurridos en 2020 y asociados con tormentas tropicales y disturbios atmosféricos, utilizando todas las combinaciones posibles de los esquemas físicos elegidos. Las intensidades de lluvia simuladas se comparan con observaciones del Centro Nacional de Datos de Hidroinformática. El rendimiento se evaluó utilizando métricas de probabilidad de detección (POD), razón de falsas alarmas (FAR) e índice de éxito crítico (CSI). Si bien los modelos funcionaron bien para lluvias ligeras (0.1-10.0 mm) a moderadas (10.1-35.0 mm), predecir lluvias fuertes siguió siendo un desafío. Ciertas combinaciones de parámetros mostraron promesas, como BMJ y KF con microfísica LIN, pero los desafíos persistieron. Al analizar la distribución de densidad de la lluvia diaria, encontramos parametrizaciones efectivas para diferentes subregiones. Nuestros hallazgos enfatizan la importancia de parametrizaciones personalizadas para una predicción precisa de la lluvia en Tailandia. Esta personalización puede beneficiar la gestión de recursos hídricos, el control de inundaciones y la preparación ante desastres. La investigación futura debería ampliar los conjuntos de datos, centrándose en eventos significativos de lluvias fuertes y considerando factores climáticos, por ejemplo, la Oscilación Madden-Julian (MJO) para pronósticos de largo alcance, contribuyendo potencialmente a predicciones subestacionales y estacionales (S2S).