ARTÍCULOS ORIGINALES

Evaluación de la representación de un sistema convectivo de mesoescala utilizando el modelo RAMS.

Juan José Ruiz^1,2, A. Celeste Saulo^1,2, Yanina García Skabar^2,3, Paola V. Salio^1,2.

¹Departamento de Ciencias de la Atmósfera y los Océanos (FCEyN-UBA)
²Centro de Investigaciones del Mar y de la Atmósfera (CONICET-UBA)
³Facultad de Agronomía (UBA) Buenos Aires, Argentina

Manuscrito recibido el 12 de diciembre de 2005, en su versión final el 25 de junio de 2007

RESUMEN

En este trabajo se evalúa la capacidad del modelo RAMS en representar un sistema convectivo en mesoescala asociado con la ocurrencia de una intensa corriente en chorro en capas bajas. Para realizar la verificación y debido a las limitaciones de la red observacional operativa, se propone aquí la utilización de productos derivados de sensores remotos de microondas pasivas y activas. También se efectúa un análisis del entorno en escala sinóptica de este evento, con énfasis en el análisis de la evolución de la inestabilidad convectiva y la convergencia en capas bajas. El modelo representa correctamente la circulación de mayor escala, y también simula adecuadamente la precipitación total acumulada. No obstante en las resoluciones utilizadas el modelo presenta dificultad en representar la estructura interna del sistema convectivo. Se considera que la estrategia adoptada para analizar el desempeño del modelo, es útil para identificar los mayores problemas en la reproducción de la distribución de precipitación asociada al sistema convectivo y su ubicación y consecuentemente, para establecer pautas para una mejora de la predicción de los mismos.

Palabras clave: Modelado numérico; Sistemas convectivos en mesoescala.

The representation of a mesoscale convective system using RAMS model

ABSTRACT

This work concentrates in the evaluation of RAMS model's representation of a mesoscale convective system associated with a strong low level jet event. Diverse products derived from satellite data are used to measure precipitation amounts and to characterize the system internal structure. The synoptic environment associated to system genesis and growing stages is also analyzed through the description of mechanisms favoring both, convective instability and low level convergence. RAMS model correctly represents the environmental conditions where the system develops, the accumulated precipitation fields and precipitation rates at particular moments when precipitation radar data were available. However the model fails to capture the stratiform precipitation area behind the convective one. It is considered that the approach adopted to verify model performance, seems suitable to identify which could be the main culprits for model deficiencies in the representation of rain and its distribution and consequently aid in developing a strategy to improve their prediction.

1. INTRODUCCIÓN

Los sistemas convectivos de mesoescala (SCM) constituyen un importante aporte a la precipitación total sobre el Sudeste de Sudamérica, principalmente durante los meses de la estación cálida (Velasco y Fritsch, 1987; Torres, 2003; Vila, 2004; Salio y otros, 2007). Asociados a los mismos se producen, frecuentemente, precipitaciones extremas y fenómenos severos (Torres y Nicolini, 1999) por lo que el pronóstico preciso de estos sistemas sería de utilidad, entre muchos otros, para la prevención de las catástrofes vinculadas con la ocurrencia de los mismos.

Sin embargo, el pronóstico de los SCM a partir de modelos numéricos, representa un gran desafío, debido a que la evolución de estos sistemas no responde únicamente a forzantes sinópticos y/o locales, sino que obedece además a una compleja dinámica interna en escalas menores (Houze, 1993; Brooks y otros, 1992) que muchas veces no pueden ser resueltas con los retículas utilizadas por los pronósticos operativos. En los últimos años se realizaron varios esfuerzos por mejorar la simulación de estos sistemas en nuestra región utilizando modelos de mesoescala (Ulke y otros, 2001; Paegle y otros, 2004; Ruiz y otros, 2005), en particular Nicolini y otros (2002) realizan un estudio sobre el pronóstico de precipitación asociado a dos SCM sobre el norte de Argentina utilizando el Regional Atmospheric Modeling System (RAMS). En esos casos, caracterizados por la ocurrencia de una corriente en chorro en capas bajas (CCCB) tipo Chaco (Nicolini y Saulo, 2000), se observó que el forzante de gran escala asociado al inicio de la convección fue correctamente representado por el modelo, sin embargo se identificaron serias deficiencias en la representación de la precipitación asociada a los SCM. Por otra parte los autores muestran que la asimilación de datos (en particular de los datos de superficie) permitió mejorar el desempeño del modelo en este sentido, sin alcanzarse, de todas maneras, una representación satisfactoria de los valores de precipitación

Una de las principales limitaciones a la hora de evaluar el desempeño de los modelos para representar las distribuciones de precipitación asociadas a los SCM, se explica a partir de la deficitaria red operativa de medición de la precipitación (Saulo y Ferreira, 2003). Por otra parte, tampoco existe información de radares de superficie que permita obtener estimaciones de la tasa instantánea de precipitación y de la estructura interna de los sistemas convectivos en nuestra región. En este sentido, algunas de las técnicas que se han desarrollado a partir de observaciones satelitales para el estudio de la convección en general y de los sistemas convectivos en particular, podrían ser aplicadas a la evaluación de la calidad de los pronósticos de mesoescala.

En particular, el sistema FORTRACC (Forecasting and Tracking of Active Cloud Clusters, Machado y otros, 1998) permite determinar el desplazamiento de los sistemas convectivos utilizando técnicas de seguimiento en base a la temperatura de brillo en el infrarrojo. Este programa puede ser utilizado para evaluar en forma cualitativa si la precipitación pronosticada por el modelo evoluciona en el tiempo de manera similar al patrón nuboso asociado. Otras herramientas disponibles son los sensores en microondas pasivas y/o activas montados a bordo de diversos satélites como el TRMM (Tropical Rainfall Measuring Mission), el DMSP (Defense Meteorological Satellite Program) y algunos satélites NOAA (National Oceanic and Atmospheric Administration). La utilización de sensores multibanda en el rango de las microondas ha dado lugar al desarrollo de algoritmos que permiten estimar tasas instantáneas de precipitación en superficie y contenidos de agua y hielo dentro de las nubes. Los sensores de microondas activas como el TRMM proveen además una descripción de la estructura tridimensional de los sistemas convectivos y estimaciones de la precipitación en superficie en base a la reflectividad medida por el radar. Los productos derivados del TRMM han sido extensamente utilizados para el estudio de la convección en regiones tropicales y subtropicales (Petersen y Rutledge, 2000; Petersen y otros, 2002; Nesbitt y Zipzer, 2003). Estos sensores suministran productos que permiten evaluar en qué medida los modelos de mesoescala pueden reproducir la estructura interna de los sistemas convectivos trabajando con resoluciones aplicables al pronóstico operativo.

En el presente trabajo, se selecciona un evento de CCCB tipo Chaco ocurrido entre los días 18 y 19 de diciembre de 2002, durante el cual se produjo un intenso sistema convectivo en la región de salida, con una extensión mayor a 500.000 km2. Este SCM se encuentra dentro de los más extensos ocurridos durante la estación cálida 2002-2003 (Nicolini y otros, 2004) que coincide con el período en el cual se llevó a cabo el South American Low Level Jet Experiment (SALLJEX) (Vera y otros, 2006).

El objetivo de este trabajo es determinar, mediante el uso de información derivada de sensores remotos, la calidad de la simulación de este SCM utilizando un modelo de mesoescala cuya configuración se ha fijado acorde a los requerimientos de un pronóstico operativo. Para ello se evalúan no sólo aspectos de su estructura interna -sólo posible mediante la utilización de información derivada- sino también el forzante de escala sinóptica presente, de tal manera de poder establecer, en este caso particular, a qué factores fundamentales se deben los aciertos/desaciertos de la simulación numérica y poder así generar recomendaciones acerca de cómo puede mejorarse el pronóstico de estos sistemas empleando las herramientas disponibles. Se considera que la estrategia que aquí se propone explota al máximo la información proveniente de sensores remotos, constituyendo un paso inicial en la adopción rutinaria de este tipo de datos para la verificación de los pronósticos de área nubosa (chata y profunda) y de precipitación sobre la región, lo cual resulta central en tanto no se cuente con una red de radares en superficie.

Este trabajo se organiza de la siguiente manera: los datos y la metodología utilizados se describen en la sección 2; en la sección 3, se analiza la estructura interna y la evolución temporal del sistema convectivo, en base a información satelital. El desempeño del modelo en la representación de la convección, comparando con datos pluviométricos y productos del satélite TRMM se evalúa en la sección 4. La sección 5 presenta algunos procesos de gran escala que pueden haber influido en la extensión e intensidad de este sistema y cómo el modelo representa los mismos. En la sección 6 se presentan las conclusiones de este trabajo.

2. DATOS Y METODOLOGÍA.

Para la simulación del presente caso, se utilizó el modelo RAMS versión 4.3 desarrollado en la Universidad de Colorado (Estados Unidos). Este modelo es no-hidrostático e incluye parametrizaciones diseñadas para representar fenómenos atmosféricos en diferentes escalas. Este modelo fue seleccionado para este estudio por su eficiente representación de diversos fenómenos convectivos, particularmente en estudios realizados acerca de circulaciones inducidas por la inhomegeneidad del terreno (Pielke, 1992; Cotton y otros, 2003). En la región de Sudamérica, el modelo RAMS ha sido utilizado en diversos estudios como por ejemplo Hallak y Silva Dias (1996), Nicolini y otros (2002), Salio y otros (2005), Nicolini y otros (2005a y b) y Saulo y otros (2007).

La coordenada vertical utilizada por el RAMS es σz (Tripoli y Cotton, 1982). Para representar los procesos convectivos de menor escala, se utilizó la parametrización de Grell (Grell, 1993), complementada con una representación de la convección chata descrita por Souza y Silva (2002), incluida en esta versión del modelo por científicos de la Universidad de San Pablo (P. Silva Dias, comunicación personal). Se trabajó con una proyección estereográfica polar, ubicando al polo cerca del centro del dominio El tratamiento de la microfísica se realizó utilizando un modelo "bulk" de 7 categorías. Para los procesos radiativos, se utilizó la parametrización descrita en Chen y Cotton (1988).

Los datos de topografía utilizados provienen de la United State Geological Survey (USGS) y tienen una resolución espacial de 10'. Se utilizaron datos de vegetación con 30 clases diferentes provistos por el International Geosphere-Biosphere Programme. Los datos del tipo de suelo provienen del Food and Agricultural Organization of the United Nations. La temperatura del mar fue interpolada a partir de los datos de la Nacional Oceanic and Atmospheric Administration Optimum Interpolation Weekly Sea Surface Temperatura Versión 2.

En la simulación se utilizaron dos retículas (Figura 1). La más extensa abarca la mayor parte de América del Sur, y cuenta con una resolución horizontal de 80 km., mientras que sobre la región del centro de Sudamérica se ubica una retícula más pequeña con una resolución horizontal de 20 km siendo la interacción entre las mismas en dos direcciones. Ambas retículas cuentan con 30 niveles en la vertical y 9 niveles de suelo.

Figura 1: Límites de los dominios utilizados (el dominio interno corresponde a la región de alta resolución) y topografía en m. (sombreado). Los puntos indican la ubicación del sistema convectivo a las 0000, 0600, 1200 y 1500 UTC del día 19 de diciembre de 2002 determinadas a partir del centroide del área encerrada por la isoterma de 218 K.

Las condiciones iniciales para la simulación, así como también las condiciones de borde, fueron obtenidas a partir de los análisis GDAS (Global Data Assimilation System del NCEP -National Centers for Environmental Prediction-). Estos análisis están disponibles cada 6 horas con una resolución horizontal de 1ºx1º y 26 niveles en la vertical. Los mismos fueron utilizados también para verificar el desempeño del modelo, complementándolos, donde fue posible, con datos de otras fuentes.

Los datos de precipitación utilizados para la evaluación de las simulaciones, son los provenientes de la base de datos pluviométricos del experimento SALLJEX. Esta base de datos está integrada por datos provenientes de diversas redes como así también de pluviómetros instalados especialmente durante el experimento de campo. Los mismos fueron sometidos a un control de calidad como se describe en Penalba y otros (2004).

La caracterización del sistema convectivo, se realizó a partir de datos provenientes de distintos satélites. El seguimiento de la posición y extensión del sistema convectivo se realiza en base a las temperaturas de brillo en el canal 4 correspondiente al satélite GOES-8 disponibles cada media hora ( http://lake.nascom.nasa.gov ) (Janowiak y otros, 2001) utilizando el programa FORTRACC (Machado y otros, 1998). Para definir el sistema convectivo se utiliza el umbral de 218 K (-55 ºC). Para describir la estructura interna del sistema convectivo, y obtener estimaciones de la distribución vertical de los contenidos de agua y hielo y de las tasas instantáneas de precipitación que pudieran servir para evaluar el desempeño del modelo, se utilizaron datos provenientes del satélite TRMM. Este satélite cuenta con diversos instrumentos diseñados para el estudio de la convección. Los datos provenientes de los sensores del TRMM están disponibles en el mismo servidor de donde se obtuvieron las imágenes en infrarrojo.

En el presente estudio se utilizaron datos provenientes de los siguientes sensores: - VIRS (Visible and Infrared Scanner): Es un sensor de 5 canales (1 visible y 4 infrarrojos). Aquí se utilizan las temperaturas de brillo calculadas según el algoritmo 1B01 para el canal 4 (en particular el canal 4 cuenta con una resolución horizontal de 2.4 km x 2.4 km).

- PR (Precipitation RADAR). Este instrumento es descrito por Kummerow y otros (2000), y más brevemente en Nesbitt y Zipser (2003). Se trata de un radar tridimensional, con una resolución horizontal de 4.3 km x 4.3 km en el punto subsatélite y una resolución vertical de 250 metros, trabajando a 13.8 Ghz (longitud de onda aproximadamente de 2.17 cm). El ancho de la pasada es de 215 km. En este estudio se utilizan los algoritmos 2A25 y 2A23, en particular se utilizan las estimaciones de precipitación (Iguchi y otros, 2000) y los valores de reflectividad cerca de superficie en donde se corrige por atenuación la señal que obtiene el sensor.

- TMI (TRMM Microwave Image). El sensor TMI es un sensor en microondas pasivas (Kummerow y otros, 2000). Cuenta con 5 frecuencias (4 de ellas con doble polarización) y una resolución máxima de 5 km x 7 km para el canal de 85 Ghz. Posee una estrategia de barrido elíptico con un ángulo de incidencia constante de 53º lo cual garantiza que la resolución espacial no cambie a lo largo del barrido. El ancho de la pasada es de 760 km. En este caso se utilizan los resultados del algoritmo 1C21 que proveen una estimación de los contenidos de agua líquida y hielo, como así también una estimación de la tasa de precipitación en superficie.

3. ESTRUCTURA INTERNA Y EVOLUCIÓN DEL SISTEMA CONVECTIVO.

El sistema convectivo ocurrido durante la madrugada del día 19 de diciembre de 2002, se encuentra entre los más extensos registrados durante la estación cálida 2002-2003 y estuvo asociado a importantes cantidades de precipitación acumulada sobre el centro-este de Argentina.

Dadas las limitaciones que impone la resolución temporal de los productos orbitales del satélite TRMM se utiliza el programa FORTRACC para la descripción de la evolución temporal del SCM. Esta metodología fue utilizada sobre nuestra región para el seguimiento de sistemas convectivos por Vila (2004) y Salio y otros (2007) y consiste en la detección de actividad convectiva a partir de un umbral de temperatura de brillo en la banda de 10.8 micrones. A partir de este criterio se obtienen distintos parámetros relacionados con la morfología de los sistemas. El software también realiza un seguimiento de los sistemas convectivos basado en la estimación de su velocidad y en la superposición de imágenes sucesivas.

La Figura 2, muestra la evolución de la extensión del área encerrada por la isoterma de 218 K en función del tiempo, mientras que en la Figura 1, se puede observar la trayectoria seguida por el centroide del mismo y su posición a distintas horas. El programa FORTRACC detectó la presencia del sistema convectivo a partir de las 2100 UTC del día 18 de diciembre. Sin embargo, las imágenes satelitales tomadas por el GOES 12 indican que había actividad convectiva previa que se podría vincular con la génesis de este sistema convectivo sobre el centro de la Provincia de Buenos Aires (alrededor de las 1800 UTC del día 18 de diciembre). Esta actividad convectiva inicial no fue detectada por el programa FORTRACC debido a que hay errores en las imágenes utilizadas que no permiten calcular el área del sistema correctamente. Como se observa en la Figura 2, el SCM experimenta un fuerte crecimiento a partir de las 2100 UTC del día 18, alcanzando su máxima extensión hacia las 0300 UTC del día 19 de diciembre. El área máxima alcanzada por el mismo, está cercana a los 500.000 Km², valor que lo coloca dentro del 15 % más extenso observado durante la estación cálida 2002-2003, según lo documentado por Nicolini y otros (2004). Hacia las 1400 UTC del día 19 de diciembre, el área abarcada por la isoterma de 218 K cae por debajo del umbral de 50.000 Km2 utilizada para definir la disipación del sistema convectivo. Según el criterio adoptado por Jirak y otros (2003) el presente sistema convectivo se clasifica como un PECS (Persistent Elongated Convective System) debido a que su excentricidad medida en la hora de máxima extensión es menor a 0.7.

Figura 2: Evolución temporal del área abarcada por la isoterma de 218 K (en miles de km² ) asociada al sistema convectivo ocurrido entre el 18 y el 19 de diciembre de 2002. La escala temporal está en horas con respecto a las 0000 UTC del día 19 de diciembre de 2002.

Como se puede apreciar en la Figura 1, el desplazamiento del sistema convectivo es hacia el noreste a lo largo de todo el ciclo de vida, la etapa de génesis tiene lugar sobre el noroeste de la Provincia de Buenos Aires. Cerca del momento de máxima extensión, el centro del sistema se desplaza más rápidamente sobre el norte de la Provincia de Buenos Aires, Entre Ríos y finalmente Uruguay. La disipación tiene lugar sobre el sur de Brasil.

La duración total del sistema convectivo de acuerdo con el programa FORTRACC fue de 18 horas (entre las 2100 UTC del día 18 y las 1400 UTC del día 19). Esto lo sitúa entre los sistemas de mayor duración observados durante la estación cálida 2002-2003 sobre la región del sudeste de Sudamérica. Los resultados obtenidos para el presente sistema, indican que el ciclo de vida se ajusta al comportamiento típico de los sistemas durante dicha estación.

La Figura 3a, muestra una imagen satelital infrarroja tomada por el satélite TRMM 3 horas más tarde del momento de máxima extensión (0614 UTC del día 19 de diciembre). Dentro de una amplia zona con topes fríos, se distinguen 2 áreas donde la temperatura es inferior a los 190 K. La Figura 3b, muestra la reflectividad cerca de superficie estimada a partir del radar TRMM correspondiente a la misma hora. De acuerdo con lo discutido previamente, la región abarcada por los datos obtenidos por el radar, es más angosta que la cubierta por los datos del sensor VIRS.

Figura 3: (a) Temperatura de brillo en el canal 4 del sensor VIRS-TRMM. (K). (b) Reflectividad cerca de la superficie, estimada a partir de los datos de radar del satélite TRMM (dBz). La línea de trazos indica la isoterma de 218 K de temperatura de brillo en el canal 4. Ambas para las 0614 UTC del día 19 de diciembre de 2002.

Este área se corresponde aproximadamente con la porción central del SCM que se observa en la imagen VIRS. La estructura interna del sistema convectivo, vista a partir de la reflectividad, denota una región con valores de reflectividad muy altos hacia el norte, mientras que hacia el sur y separado del cordón de reflectividades mayores por un mínimo relativo de reflectividad, se encuentra una región amplia con reflectividades menos intensas. Esta distribución espacial concuerda con el modelo de línea de inestabilidad con precipitación estratiforme por detrás (Houze, 1993). Hacia el oeste, se observa un menor desarrollo de la región estratiforme por detrás de la línea convectiva, mientras que hacia el este la región estratiforme se encuentra más extendida y muestra valores de reflectividad más intensos, a la par que la línea convectiva se muestra más débil.

En la Figura 3b, se incluye también la isoterma de 218 K (referida a las temperaturas de brillo en el canal 4), que corresponde con el valor utilizado en este trabajo para definir el sistema convectivo. En este caso se puede observar cómo las mayores reflectividades, se ubican sobre el borde norte del SCM. Si bien las temperaturas de brillo en el infrarrojo insinúan la distribución que se observa en reflectividad, no son suficientes para describir la estructura interna del SCM. Es por eso que dada la actual escasez de radares en superficie sobre Argentina, el satélite TRMM provee una herramienta única para el estudio de la estructura interna de estos sistemas en nuestra región, a pesar de presentar algunas limitaciones en cuanto a la descripción de aspectos tan importantes como la evolución temporal de los mismos debido a que la frecuencia de observación que se puede conseguir con este sensor es muy baja.

Un corte vertical de reflectividad en 60°O obtenido a partir de los datos del PR (Figura 4), provee mayores evidencias de que la estructura interna de este sistema convectivo se ajusta al modelo clásico de línea de inestabilidad con precipitación estratiforme. La escala vertical está expresada en función de los volúmenes barridos por el radar (es decir que una unidad equivale a 250 metros). Los valores de reflectividad intensos en forma de arco que se observan en la parte inferior de la imagen, corresponden a los ecos generados por la superficie terrestre. Alrededor de 32º S, se observa un máximo de reflectividad que corresponde a la región convectiva de la línea de inestabilidad. En este punto, los ecos tienen una extensión vertical de 15 km desde la superficie hasta el tope de la nube (teniendo en cuenta un valor umbral de 20 dBz), esta región presenta un ancho de unos 40 km aproximadamente que concuerda con las dimensiones típicas de estos SCM (Houze, 1993). Hacia el sur, comenzando alrededor de los 32.8 º S se observa una región de ecos más débiles, con menor extensión vertical (8.7 km aproximadamente) y que exhibe un máximo de reflectividad alrededor de 2.5 km por encima de la superficie. El mismo podría asociarse con la presencia de una banda brillante y estaría indicando la ocurrencia de precipitación estratiforme. Los productos del TRMM destinados a la detección de precipitación estratiforme y banda brillante confirman esta afirmación (no se muestra la figura). En la Figura 4b, se incluyen las tasas de precipitación estimadas que acompañan este perfil de reflectividades. En la región convectiva las tasas de precipitación estimadas alcanzan los 100 mm hr-1, mientras que son mucho menores (inferiores a 20 mm hr-1) en la región de precipitación estratiforme. Al analizar la magnitud de las tasas de precipitación es necesario tener en cuenta que se trata de valores instantáneos y que los algoritmos con los que fueron obtenidos pueden no estar óptimamente calibrados para la región. De todas maneras estas altas tasas de precipitación, corroboran la idea de la severidad que caracteriza a estos SCM.

Figura 4: (a) Corte vertical de la reflectividad medida por el radar a bordo del satélite TRMM (dBz), (b) perfil de la tasa de precipitación (mm hr-1) estimada a partir de dicha información. Ambas en 60ºO para las 0614 UTC del día 19 de diciembre de 2002.

En base a la descripción de la estructura interna y la evolución temporal del sistema convectivo, a continuación se evalúa la simulación de la situación realizada con el modelo RAMS.

4. EVALUACIÓN DEL DESEMPEÑO DEL MODELO EN LA SIMULACIÓN DEL SISTEMA CONVECTIVO.

4.1 Comparación con datos TRMM

La simulación con el modelo RAMS se inicializó a las 1200 UTC del día 18 de diciembre de 2002. Este momento fue seleccionado porque los análisis de las 1200 UTC cuentan con mayor cantidad de observaciones de altura asimiladas en la región. El período de simulación fue de 48 horas, extendiéndose hasta las 1200 UTC del día 20 de diciembre de 2002.

La parametrización de la microfísica utilizada permite obtener como variables pronosticadas los contenidos de 7 categorías de condensados diferentes. Por otra parte, el satélite TRMM es capaz de estimar perfiles verticales de hielo de nube, agua de nube, agua de lluvia y hielo precipitante con una resolución vertical máxima de 500 m reduciéndose con la altura hasta ser de 4 km. por encima de los 10 km. altura. En el presente caso y dada la resolución horizontal con la que se corre el modelo, se utiliza la cantidad de condensado total integrado en la vertical para evaluar el desempeño del modelo. La Figura 5, muestra los resultados de esta comparación para la pasada del satélite correspondiente a las 0614 UTC del día 19 de diciembre. La Figura 5a, muestra las estimaciones del contenido total de condensado en la vertical a partir de los datos del sensor TMI del TRMM (algoritmo 1C21). Estos datos fueron interpolados mediante el cálculo de medias areales a una retícula de 0.2º x 0.2º que es similar a la utilizada por el modelo en esta región. Como se aprecia al comparar las Figuras 5 a y b, los contenidos de condensado estimados por el satélite TRMM sobre la región más activa del sistema convectivo son mayores que los pronosticados por el RAMS. Además, de acuerdo con la estructura observada en las imágenes de reflectividad, las estimaciones del sensor TMI muestran una región con contenidos de condensado menores que se ubican por detrás de los máximos asociados a la línea convectiva. Esta región no se encuentra bien representada por el modelo, confirmando que en la resolución especificada, el modelo no es capaz de resolver adecuadamente la estructura interna del sistema. Como resultado, el área ocupada por el condensado en la simulación resulta más estrecha que en las estimaciones. El modelo no obstante logra capturar algunos rasgos de la distribución espacial, como la presencia de mayores contenidos de condensado hacia el oeste (sobre el oeste de la Provincia de Córdoba). En las imágenes de radar y en los contenidos de agua líquida estimados, se observa que la convección más intensa se encuentra orientada Oeste-Este, con una extensión hacia el sudeste asociada a contenidos de agua líquida y reflectividades menores. En la simulación, todo el sistema convectivo se encuentra desplazado hacia el sudoeste y la orientación es Noroeste-Sudeste siguiendo la orientación a esa hora de una región de fuerte contraste en la temperatura potencial equivalente en niveles bajos que avanza desde el norte de la Patagonia y que será discutida en la sección 5.

Figura 5: Condensado total integrado en la vertical (sombreado) (mm) y tasa de precipitación (mm hr-1) (línea de trazos). (a) Estimado a partir del sensor TMI-TRMM y (b) Simulado por el modelo RAMS. La pasada del satélite corresponde a las 0614 UTC y la simulación del RAMS a las 0600 UTC del día 19 de diciembre de 2002.

Cuando se analizan los contenidos de agua líquida y de hielo -integrados en la vertical- por separado, no se encuentran elementos extra que permitan comprender mejor qué aspectos del tratamiento microfísico pueden estar provocando las deficiencias en el modelo ya que ambos totales acumulados muestran esencialmente el mismo comportamiento (i.e., subestimación tanto areal como de intensidad).

En la Figura 5a también se muestra la estimación de las tasas de precipitación a partir de las temperaturas de brillo en microondas pasivas. En este caso, la distribución de lluvias acompaña al de contenido de condensado, mostrando máximos hacia el norte del sistema y una región con tasas de precipitación menores que se extiende hacia el sur y sudeste. El modelo RAMS muestra tasas de precipitación (Figura 5b) que son similares en orden de magnitud a las estimadas en base a las microondas pasivas. Sin embargo al igual que lo que sucede con el condensado total, el área afectada por la precipitación se distribuye en una región mucho más angosta. Al comparar estas tasas de precipitación debemos tener en cuenta que en el caso del RAMS las mismas se calculan mediante diferencias de 1 hora en la precipitación acumulada, por lo que deberían interpretarse como promedios temporales de 1 hora de las tasas de precipitación simuladas por el modelo. En el caso de las estimaciones realizadas en base al TRMM, se trata de valores instantáneos de la tasa de precipitación.

La Figura 6, muestra la tasa de precipitación pero calculada con las estimaciones realizadas en base al PR. A diferencia de las estimaciones basadas en el sensor TMI, la distribución de la precipitación muestra una disposición de línea continua. Se encuentra además mejor diferenciada la separación entre la porción convectiva y la región estratiforme de la línea de inestabilidad. Las tasas de precipitación estimadas son sensiblemente mayores a las estimadas en base al sensor TMI. La disposición en forma de línea, se asemeja más a la configuración simulada por el RAMS, aunque en este caso las tasas de precipitación simuladas resultan menores que las estimadas, y los datos de radar además confirman la presencia de áreas de precipitación más débiles que no son representadas correctamente por el modelo.

Figura 6: Tasa de precipitación estimada en función de los datos del PR (mm hr-1) corresponde a las 0614 UTC del día 19 de diciembre de 2002.

Vale destacar que, en general, las estimaciones de precipitación sobre tierra utilizando microondas pasivas (i.e TMI) son menos precisas y muestran diferencias importantes con respecto a otras estimaciones como, por ejemplo, aquéllas que utilizan los datos del PR. Furuzawa y Nakamura (2005), encuentran que en promedio para nubes con un desarrollo vertical mayor a 8 km, las tasas de precipitación obtenidas a partir del sensor TMI son mayores que las que se obtienen a partir del PR. Sin embargo, en el presente caso se observa lo contrario.

4.2 Comparación con datos pluviométricos.

Para evaluar los campos de precipitación acumulada simulados, se utilizaron los datos de precipitación acumulada provenientes de la red SALLJEX. La mayor densidad de datos, se concentra sobre el centro este de Argentina y Uruguay y coincide con la región donde se desarrolló la actividad convectiva más importante.

Los mayores valores de precipitación se observan sobre la Provincia de Buenos Aires y el sur del litoral (Figura 7), esta última posición coincidente con la posición del sistema en el momento en que fue observado por el satélite TRMM. El orden de magnitud y posición de la región donde las precipitaciones fueron más abundantes, fue bien representada por el modelo. Sin embargo, se desprenden de esta figura algunas diferencias importantes. En primer lugar se observa una subestimación de los valores de precipitación acumulados sobre el centro y sur de la Provincia de Buenos Aires. La misma obedece a que la actividad convectiva que comenzó a observarse en dicha región por la tarde del día 18 no fue apropiadamente simulada por el modelo. Esto pudo deberse a que esas lluvias comenzaron pocas horas después de iniciarse la simulación.

Figura 7: Precipitación acumulada entre las 1200 UTC del día 18 y las 1200 UTC del día 19 de diciembre de 2002 (mm). (a) Simulada con el modelo RAMS y (b) observada por la red SALLJEX. Los puntos de retícula en donde no hay observaciones se indican con un -9.

Por otra parte también se observa una subestimación de los valores de precipitación hacia el norte de Entre Ríos y centro de Santa Fe, que en este caso obedece a que el SCM se desplazó más lentamente en la simulación respecto de lo observado a través de imágenes satelitales, como se mostró en la sección anterior al comparar con los productos del TRMM.

En las horas posteriores al período considerado en la Figura 7, el sistema convectivo comienza su etapa de disipación, como se desprende de la evolución que se muestra en la Figura 2. Durante esta etapa del ciclo de vida, el SCM observado se encuentra ubicado sobre el norte de Uruguay y el sur de Brasil. En la simulación con el modelo, sin embargo, las precipitaciones totales acumuladas más intensas se encuentran sobre el norte de Santa Fe, Corrientes y este de Chaco (Ruiz, 2004) (no se muestra la figura). Es decir que durante la etapa final del ciclo de vida, el modelo RAMS no representó correctamente la ubicación del SCM. En síntesis, los resultados de esta sección indican que el modelo tiende a subestimar las tasas de precipitación y a representar una región precipitante bastante más angosta que la observada, perdiendo así la discriminación del área convectiva vs. el área estratiforme por detrás, que caracteriza a este SCM.

Es probable que la resolución con la que se trabaja no permita simular correctamente la estructura interna del sistema convectivo y eso impacte negativamente sobre la precipitación total acumulada, sin embargo algunos estudios de sensibilidad a la resolución en casos que involucran un SCM, muestran que no siempre el incremento en la resolución permite un mejor pronóstico de la cantidad acumulada de lluvia (Zhang y otros, 2006), lo cual sugiere que una resolución del problema involucra más que un aumento de resolución.

Otro aspecto analizado es la dificultad para posicionar adecuadamente al SCM, subestimando la velocidad de desplazamiento del mismo lo cual produce una distorsión del campo de precipitación simulado respecto del observado. Finalmente, también se ha puesto de manifiesto la diferencia entre las tasas de precipitación analizadas -dependiendo de la metodología y conjunto de datos de los cuales se derivan-, las que a su vez no pueden ser estrictamente comparadas con valores acumulados (y menos aún en períodos demasiado largos, como son las observaciones de rutina), lo cual sugiere emplear esta información con cautela.

En la siguiente sección se presenta una evaluación del aporte del flujo de mayor escala a la organización del sistema convectivo. Evaluar la circulación en mayores escalas permite determinar si las diferencias observadas en cuanto al desplazamiento de la convección responden a una mala representación del flujo de escala sinóptica o si obedece a procesos de menor escala asociados a la dinámica interna del SCM que, como se mostró en la sección anterior, no fue correctamente representada por el modelo en la resolución con la que se trabajó.

5. APORTE DE LA CIRCULACIÓN DE GRAN ESCALA AL INICIO Y CONTINUIDAD DEL SCM.

Si bien no es el objetivo central de esta sección una descripción detallada de la circulación en escala sinóptica (ya realizada en Ruiz, 2004 y en Saulo y otros, 2007), resulta de interés analizar aquí aquéllos aspectos de la circulación que mayor incidencia presentan sobre la evolución del SCM. Esta descripción se centra en los análisis GDAS.

En el momento previo a la génesis del sistema convectivo (12 UTC del día 18 de diciembre), la circulación de gran escala en niveles medios estaba caracterizada por la presencia de una cuña sobre el Océano Atlántico, y un eje de vaguada ubicado corriente arriba que sometía a gran parte de la zona central de Argentina a advección de vorticidad ciclónica (Figura 8 a). En niveles bajos, se observa una lengua de aire cálido y húmedo con valores de temperatura potencial equivalente (TPE) mayores a 340 K (Figura 8 b), la presencia de esta lengua de aire cálido crea un importante gradiente oeste-este en la temperatura potencial dejando temperaturas relativamente más frías sobre el este de la Provincia de Buenos Aires, cerca del centro de la circulación anticiclónica en niveles bajos. También se observa un importante gradiente en el flanco sur de dicha lengua de aire cálido, ubicado sobre el norte de la Patagonia y con orientación NO-SE.

Figura 8: (a) vorticidad (10^-5s^-1) (sombreado), altura geopotencial (dam) (contornos) y viento (m s^-1) (barbas) en 500 hPa. (b) convergencia de humedad (10-8 s^-1) (sombreado), temperatura potencial equivalente (K) (contornos) y viento (m s^-1) (barbas) en 850 hPa y (c) temperatura (ºC) (contornos) y viento (m s^-1) (vectores) en 925 hPa., agua de nube integrada en la vertical (mm) (sombreado), para las 12 UTC del día 18 de diciembre de 2002 en base a los análisis NCEP/GDAS.

Este fuerte contraste en la TPE obedece principalmente a un contraste de contenido de vapor, ya que la distribución del campo térmico en niveles bajos, no muestra un gradiente importante en esta región durante la etapa de génesis del SCM. Coincidente con esta discontinuidad en los valores de TPE, se observa un giro ciclónico del viento acompañado de una vaguada en niveles bajos (Figura 8 b) y por delante una importante convergencia de humedad. Los campos de la Figura 8b se ajustan a la evolución típica de un caso de corriente en chorro tipo Chaco (Nicolini y Saulo, 2000) durante la época estival (Salio, 2002).

El forzante asociado a la onda de altura, junto con la presencia de la discontinuidad en el campo de humedad y la inestabilidad asociada a la lengua de aire cálido y húmedo parecen ser los factores fundamentales que condujeron al inicio del SCM durante la tarde del día 18 de diciembre de 2002. Un aspecto interesante de destacar surge de la observación del campo de temperatura en 925 hPa., que muestra sobre La Pampa y oeste de Buenos Aires un mínimo relativo (Figura 8 c). Este mínimo probablemente obedece a la presencia de nubosidad como lo indica la distribución de agua de nube total integrado en la vertical. El mismo acompaña con cierta oscilación diurna al ciclo de vida del SCM tanto en los análisis como en la simulación con el modelo. Durante el día, la región en donde se ubica el SCM, recibe menor cantidad de radiación y sufre enfriamiento en niveles bajos por la evaporación de la precipitación simulada por el modelo, mientras que en el entorno cercano los cielos con menor nubosidad permiten un calentamiento más eficiente de los niveles inferiores de la atmósfera. Esto conduce durante las horas diurnas a un importante efecto frontogenético entre el área afectada por el SCM y su entorno inmediato que alcanza valores de hasta 4º C (100 Km 6 horas)-1 en el período comprendido entre las 12 UTC y las 18 UTC del día 18 de diciembre de 2002 (Figura 9 a) . La frontogénesis producida tiene asociada una circulación ageostrófica transversal a la posición del contraste térmico con ascenso sobre el aire cálido y descenso sobre el aire relativamente más frío. Esta circulación ageostrófica es un efecto de mesoescala que podría estar favoreciendo la propagación del sistema hacia el norte. Los movimientos verticales generados podrían aumentar la inestabilidad en los niveles inferiores, a la par que proveen el forzante necesario para el inicio de nueva actividad convectiva. Es importante destacar además, que este efecto persiste más allá de la etapa de génesis. Una vez establecido el SCM, la circulación en niveles bajos asociado al mismo muestra una importante convergencia produciendo un efecto frontogenético que toma un rol fundamental sobre todo en horas de la noche, cuando el forzante radiativo no favorece el establecimiento de un mínimo de temperatura asociado al SCM (Figura 9 b). Este efecto de mesoescala podría conducir a una interacción positiva entre la circulación en niveles bajos y la convección misma, dado que la propagación y persistencia de la convección estarían favorecidas por la convergencia en niveles bajos que la liberación de calor latente asociada a la misma convección producen.

Figura 8: Continuación.

Figura 9: Frontogénesis (10^-4 K m^-1 hr^-1) (sombreado) y temperatura potencial (K) (contornos) en 950 hPa. para (a) 18 UTC del día 18 de diciembre de 2002 y (b) 06 UTC del día 19 de diciembre de 2002. Ambos en base a los análisis NCEP/GDAS.

Aparte de la existencia de un forzante de escala sinóptica (o de mesoescala, tal como el que fuera identificado en el párrafo anterior) que produzca áreas de ascenso de gran escala sobre la región de génesis del SCM, es necesario que la atmósfera sea inestable para permitir el desarrollo de la convección y que existan mecanismos que permitan mantener dicha inestabilidad una vez que comienza a actuar el efecto estabilizador de la convección. La región más favorable para el inicio de la convección será entonces aquella que combine ambos elementos.

En el presente trabajo, se utiliza el CAPE y la Inestabilidad Potencial Convectiva (IPC) como medidas de la estabilidad de la masa de aire. En la Figura 10 se muestra el CAPE y la convergencia en niveles bajos para las 18 UTC del día 18 de diciembre de 2002 a partir de la simulación y de los análisis del GDAS. Se encuentra una región con valores de CAPE altos sobre el norte de Argentina y Paraguay. Esta zona caracterizada por valores de CAPE positivos se extiende hacia el sur siguiendo aproximadamente la distribución de la lengua de aire cálido y húmedo discutida previamente. El área de génesis del sistema se ubica en el extremo sur de esta región inestable, donde los valores de CAPE no son tan elevados, pero se combina adecuadamente con la convergencia en capas bajas proveyendo así los ingredientes necesarios para el inicio de la convección. Como se puede ver comparando las Figuras 10a y 10b, el modelo RAMS representa razonablemente los campos de circulación y convergencia presentes a esta hora en los análisis GDAS.

Figura 10: CAPE medio en los primeros 150 hPa. (J kg^-1) (sombreado), convergencia media en la capa 900 hPa.-700 hPa. (10^-6 s^-1) (línea continua), líneas cada 20 empezando en -20, temperatura potencial equivalente (K) (línea discontinua) y viento (m s^-1) en 900 hPa. para las 18 UTC del día 18 de diciembre de 2002. (a) RAMS, (b) GDAS.

Las Figuras 11a y b muestran los mismos campos pero para las 0600 UTC del día 19, que corresponde a la etapa de madurez del sistema convectivo. De acuerdo con los análisis (Figura 11b), la vaguada en niveles bajos se desplazó hacia el norte al igual que la zona de convergencia, la cual además experimentó una intensificación durante este período. Este aumento está presente tanto en los análisis como en la simulación con el modelo. Saulo y otros (2007) encontraron a través de un experimento de sensibilidad realizado sobre este mismo caso, que el incremento en la convergencia está directamente ligado a la generación de precipitación, ya que las perturbaciones que el calor liberado induce en el campo de geopotencial, refuerzan el flujo del norte por delante de la vaguada en capas bajas y el flujo del sur y sudeste por detrás de la misma. Además dicha vaguada va adquiriendo con el tiempo características frontales dado que la convergencia conduce a un constante incremento del gradiente de temperatura en niveles bajos como se discutió previamente.

Figura 11: Ídem figura 10 pero para las 0600 UTC del día 19 de diciembre de 2002.

En el modelo RAMS la región de máximas convergencias se encuentra desplazada hacia el sudoeste (algo similar a lo que se encontró en base a los productos del TRMM). Este desfasaje podría explicarse a partir de dos procesos básicos, o bien a una combinación de ambos. Por un lado, de acuerdo con los resultados de Saulo y otros (2007), el hecho que el modelo haya presentado un retraso en la iniciación de la convección podría impactar en los patrones de circulación asociados, por ejemplo, en un desplazamiento más lento del frente frío y consecuentemente de la zona de máxima convergencia. Por otra parte, las circulaciones de mesoescala que se generan dentro de los sistemas convectivos -no representadas con la resolución adoptada-, juegan un papel importante en su desplazamiento. Por ejemplo, la región de precipitación estratiforme asociada a este tipo de sistemas refuerza el domo de aire frío y la intensidad del frente de ráfagas impactando en la propagación del sistema, que se vería subestimada al no representarse adecuadamente este aspecto de la circulación.

Otro aspecto importante en la interacción entre el sistema convectivo y el entorno de mayor escala, es la existencia de mecanismos que permitan la continuidad y propagación del mismo, algunos de los cuales fueron discutidos previamente en relación a la frontogénesis. Para eso, se estudia la evolución de la inestabilidad convectiva sobre la región afectada por el SCM durante las horas nocturnas (Figura 12 a y b). Así, se observa que sobre el noroeste y norte los valores de CAPE disminuyeron sensiblemente en horas de la noche tanto en los análisis GDAS como en la simulación con el RAMS, no así sobre la región noreste de Argentina. En general sobre el centro-oeste y noroeste de Argentina, se observa que las disminuciones de CAPE simuladas por el RAMS son más débiles que las que se muestran en el análisis, algo similar sucede con los aumentos de CAPE sobre el noreste. Sin embargo la distribución general de los cambios en esta variable fue adecuadamente representada por el modelo.

Figura 12: Diferencias de CAPE medio en los primeros 150 hPa entre las 0600 UTC y las 0000 UTC del día 19 de diciembre de 2002 (J Kg^-1 6 hr^-1). Valores positivos indican incremento de CAPE. (a) RAMS y (b) GDAS.

La disminución del CAPE es consistente con el ciclo diurno del calentamiento, en tanto que las regiones que experimentan un aumento nocturno de la inestabilidad requieren de un análisis más profundo para identificar los mecanismos que explicarían este comportamiento. Como describen Protat y Lemaître (2001), los cambios en el perfil vertical de temperatura potencial equivalente pueden utilizarse como un estimador cualitativo de la evolución del CAPE. Esta metodología en particular fue utilizada por los autores para el estudio de la evolución de sistemas convectivos tropicales sobre el Océano Pacífico. En el presente estudio, esta metodología se utiliza para determinar los mecanismos fundamentales que aportan a la inestabilización del entorno asociado al sistema convectivo, aunque no es la finalidad comparar los resultados de ambos estudios debido, fundamentalmente, a las diferencias entre los entornos en los que se desarrolla la convección.

Un aumento de la temperatura potencial equivalente en niveles bajos, conduce a un aumento de la inestabilidad potencial convectiva (IPC) y también contribuye a aumentar la diferencia de temperatura entre la parcela y el entorno en niveles superiores (es decir contribuye a incrementar los valores de CAPE), mientras que un descenso de los valores de temperatura potencial equivalente en niveles altos tiene un efecto similar. Sin embargo la relación entre el CAPE y la IPC sólo puede ser utilizada en forma cualitativa, ya que existen ejemplos claros en los que un perfil convectivamente inestable resulta estable para desplazamientos verticales finitos como es el caso de las inversiones de temperatura originadas por subsidencia. En el presente caso, se utiliza la IPC para estudiar cualitativamente los mecanismos responsables en el aumento nocturno de la inestabilidad que podría haber favorecido la continuidad del SCM a medida que el mismo se desplazaba hacia el noreste. Para cumplimentar ese objetivo se utiliza la ecuación de variación local de la IPC con el tiempo (Ecuación 1) siguiendo la formulación de Protat y Lemaître (2001).

La siguiente expresión (Ecuación 1) relaciona la tendencia de la IPC con las advecciones de temperatura potencial equivalente (TPE) y con los flujos turbulentos de calor y humedad. El término A representa la tendencia local de la IPC. El término B representa la variación vertical de la advección horizontal de TPE, el término C es la variación vertical de la advección vertical de TPE. El término D representa los flujos turbulentos de calor y humedad y los flujos radiativos de calor.

Dado que el modelo representa adecuadamente la distribución del CAPE y sus cambios en el tiempo durante la etapa madura del SCM, se utiliza la simulación para estimar los términos de la Ecuación 1, dado que además permite disponer de salidas cada una hora lo cual conduce a una mejor estimación del término de tendencia local de IPC. En primer lugar se calculó el valor de la IPC en la capa 700/900 hPa. En base a estos valores, se calculó la tendencia de la IPC.

Luego se calculó la advección horizontal (Términos A y B) y vertical (Término C) de la TPE para la misma capa. El término de diabático y flujos de escala turbulenta (Término D), fue estimado como residuo de la variación local de la IPC, menos los términos A, B y C. Esto indica que esta metodología no permite una distinción cuantitativa entre el efecto de la turbulencia y el forzante radiativo.

A continuación, se discuten los términos de la Ecuación 1 en dos momentos relevantes que permiten identificar los procesos involucrados en los cambios de IPC. En particular se discuten las 1800 UTC del día 18 - inicio de la actividad convectiva- y las 0600 UTC -etapa madura- que además son representativos de lo que ocurre en horas de máximo y mínimo calentamiento, destacándose así los mecanismos involucrados en el aumento nocturno de IPC.

Hacia las 1800 UTC del día 18 de diciembre de 2002 (Figura 13a), se pueden observar tendencias positivas de IPC (como el gradiente se expresa en K(100 hPa h)-1 tendencias positivas indican un aumento de la inestabilidad) sobre todo el centro y norte de Argentina. También se encuentran tendencias positivas de CAPE sobre la región donde se observan los máximos valores de CAPE (Figura 10a). Hacia el este puede observarse una extensa región donde las tendencias de IPC son positivas, pero no hay tendencias de CAPE (porque no hay área positiva). Las tendencias de IPC sugieren un aumento de la inestabilidad (o una disminución de la estabilidad), aunque no lo suficiente para que sea convectivamente inestable. A esta hora se observa que los términos advectivos no aportan significativamente a las tendencias de IPC (Figura 13 b y d). En la Figura 13d se puede observar, además, que las cortantes verticales de viento en la capa 700-900 hPa. son débiles. El término asociado a los flujos turbulentos de calor y humedad y al flujo radiativo de calor es el que explica, a esta hora, la mayor parte de los cambios en la estabilidad. Debido a que este momento es cercano al de máximo calentamiento desde superficie, el aumento de la TPE en el nivel inferior debido a estos flujos será mayor que el del nivel superior conduciendo de esta manera a un aumento de la IPC. Es importante destacar que a esta hora no se estaban produciendo precipitaciones en gran parte del centro y norte de Argentina -donde se observaron los aumentos de IPC-, por lo que el aporte de la liberación de calor latente a este término sería despreciable.

Figura 13: a) Término A, en K (100 hPa. h)^-1 (sombreado) y tendencia de CAPE en J (kg h)^-1 (contornos). b) Término C, en K (100hPa. h)^-1 (sombreado) y precipitación (mm) (contornos). c) Término D en K (100hPa. h)^-1 (sombreado) y TPE en 900 hPa.-TPE en 700 hPa. (K) (contornos) y d) Término B en K (100hPa. h)^-1 (sombreado) y diferencia de vientos entre 700 y 900 hPa. en m s^-1 (vectores). Todos los campos corresponden a las 1800 UTC del día 18 de diciembre de 2002.

En horas de la noche (0600 UTC del día 19 de diciembre), se observan tendencias negativas de IPC sobre el oeste (Figura 14a). En concordancia con el área afectada por precipitación, en la región central de Argentina, se puede observar una estrecha banda en donde la IPC está aumentando. El término que más aporta a este aumento, es la advección diferencial de TPE en la vertical. En niveles bajos, justo por delante del SCM se encuentran fuertes componentes ageostróficas del norte que incrementan la advección de aire cálido y húmedo, de acuerdo con Saulo y otros (2007), estas intensas componentes ageostróficas son producidas por la misma convección lo cual constituye un mecanismo de retroalimentación positiva entre la convección y la circulación en niveles bajos. Este efecto podría estar aportando en forma inmediata al sostenimiento del SCM. Por otra parte, más hacia el norte, sobre el noreste de Argentina y de acuerdo con lo observado en la Figura 11 b, se observan tendencias positivas de IPC y de CAPE. Si bien esta región se encuentra alejada del SCM a esta hora, el mismo se desplaza en esta dirección durante las 12 horas siguientes de su evolución. La magnitud de estas tendencias es similar a las tendencias observadas durante el día con valores que en el caso del CAPE alcanzan los 300 J/Kg. Este aumento está controlado, ahora, por la variación vertical en la advección horizontal (Figura 14d). De acuerdo con el ciclo diurno del viento en capas bajas en presencia de un importante flujo del norte, durante la noche se observa un aumento de la velocidad del viento acompañado por una fuerte cortante vertical por encima del mismo. Por lo tanto, la advección de aire cálido y húmedo alcanza un máximo acompañando al máximo de viento en niveles bajos (que en este caso en particular se ubicaba cerca de los 870 hPa.). Por encima de ese nivel, debido a la marcada cortante vertical, la advección de aire cálido y húmedo es menor, lo cual favorece el aumento de la IPC. Este efecto es máximo en regiones caracterizadas por un gradiente importante de TPE, de forma tal que los cambios en la advección con la altura sean más importantes. Como se ve en la Figura 11, la región donde se observa un aumento nocturno de la IPC y del CAPE, está caracterizada por un importante contraste en los valores de TPE en capas bajas.

Figura 14: Como en la figura 13, pero para las 0600 UTC del día 19 de diciembre de 2002.

El análisis presentado indica que, en rasgos generales, el modelo logra capturar bien la circulación de escala sinóptica en que se desarrolló el SCM. En particular, permitió identificar claramente algunos mecanismos vinculados con la CCCB que conducen a un aumento de la inestabilidad en horas de la noche, coincidentemente con el momento en que el sistema alcanza su máximo desarrollo, tanto en la simulación como en la realidad. Este análisis se ha centrado en el momento de iniciación y de máxima extensión del sistema, pero no permite establecer porqué razón el sistema convectivo se inicia en forma tardía. Consecuentemente, estos resultados sugieren que los efectos de escala menor (e.g., la ausencia de precipitación estratiforme y los efectos asociados) serían los responsables de las deficiencias detectadas en la representación de la distribución de lluvias del evento estudiado.

6. SINTESIS DE RESULTADOS Y CONCLUSIONES

En este trabajo se utilizaron análisis, datos observacionales y productos elaborados en base a la información provista por el satélite TRMM para realizar un estudio de la evolución y estructura interna de uno de los SCM más extensos registrados sobre el centro y norte de Argentina durante la estación cálida 2002-2003. La evolución del mismo fue simulada, además, utilizando el modelo de mesoescala RAMS con una resolución horizontal de 20 km sobre la región afectada por el sistema convectivo, con el objeto de evaluar la potencialidad del modelo para la representación de este tipo de sistemas trabajando con una resolución adecuada para la predicción operativa. Cabe destacar que, dada la inexistencia de datos de radar sobre la región, se hace muy difícil establecer las posibles causas que conducen a la inadecuada representación del patrón de precipitación asociado a un SCM cuando se emplea un modelo de mesoescala, por lo que la estrategia aquí adoptada puede considerarse como una alternativa para abordar este tipo de evaluación.

En base a los datos del PR se pudo determinar que este sistema se organiza siguiendo una configuración de línea de inestabilidad con precipitación estratiforme por detrás. El modelo RAMS, reproduce adecuadamente la intensidad de la precipitación asociada a la región convectiva del sistema, pero no logra reproducir la región estratiforme por detrás del mismo. También se observan diferencias en la posición del sistema convectivo las cuales podrían estar vinculadas a las diferencias observadas en la estructura interna del SCM simulado con respecto al observado por el radar. Una inadecuada representación de dicha estructura (en particular en este caso la no representación de la región de precipitación estratiforme) pudo haber producido una inadecuada representación de la componente de desplazamiento del sistema convectivo asociada a la circulación de mesoescala generada por el mismo. Se ha mencionado que un aumento en la resolución debería estar acompañado de un estudio de cómo las parametrizaciones involucradas representan estos SCM para poder mejorar efectivamente su simulación. Aún así, esta última alternativa -i.e. la utilización de resoluciones de 4 ó 5 km- estaría fuera del alcance de los pronósticos operativos que se realizan en Argentina. Por otra parte como se mostró en Saulo y otros (2007), el inicio tardío de la convección en la simulación también pudo haber impactado en la circulación de mayor escala, en aspectos tales como la posición del sistema frontal. Estas limitaciones podrían explicar las diferencias encontradas entre la simulación y las observaciones con respecto a la posición y velocidad de desplazamiento del sistema convectivo.

Los productos derivados del satélite TRMM constituyen una herramienta sumamente útil para el análisis de la estructura interna de los sistemas convectivos en nuestra región debido a la falta de una red de radares en superficie. También aportan estimaciones de variables que pueden ser contrastadas con los resultados de simulaciones para evaluar la forma en la que los modelos representan la convección en un rango de resoluciones aplicables al pronóstico operativo. El empleo de estos datos puede ser útil para el ajuste de los parámetros que intervienen en los distintas parametrizaciones, tal que se consiga representar más adecuadamente los SCM y mejorar el pronóstico operativo de estos sistemas.

También resultó valiosa la disponibilidad de los datos de precipitación proveniente de la base de datos SALLJEX, que permitió una comparación más precisa con la simulación ya que la red operativa frecuentemente es insuficiente para representar adecuadamente la precipitación asociada a este tipo de eventos.

La distribución de los totales de lluvia acumulados simulados con el modelo, es adecuada en términos de la magnitud de los máximos de precipitación, pero presenta una forma más elongada debido a que el modelo subestimó los totales de lluvia acumulados durante la etapa de génesis del sistema y que no representó adecuadamente la velocidad de desplazamiento del mismo como se destacó previamente.

Algunas posibles soluciones a este problema, más allá del aumento de resolución, podrían encontraste en la mejora de la calidad de las condiciones iniciales utilizadas, mediante la asimilación de datos a una escala regional que de acuerdo con Nicolini y otros (2002) han aportado resultados positivos en la simulación de este tipo de eventos. Por otra parte, se pueden realizar pronósticos por ensambles teniendo en cuenta la incertidumbre asociada a la condición inicial, que pueden brindar una guía con respecto a la probabilidad de ocurrencia de este tipo de fenómenos en situaciones de baja predictabilidad (Ruiz y otros, 2006). En el presente caso las condiciones iniciales fueron obtenidas a partir de los análisis GDAS. Una comparación de la circulación en niveles bajos con los Japanese 25- year Reanalysis Project (JRA-25) mostró diferencias significativas en la posición de la convergencia de humedad en niveles bajos que podrían ser responsables de algunos de los errores encontrados en el presente estudio durante el inicio de la actividad convectiva (Figura 15 a y b). Las diferencias entre el JRA-25 y el GDAS en otras horas no es tan marcada, aunque sería de interés la realización de nuevas simulaciones utilizando ambas condiciones iniciales que permitan cuantificar el impacto de este factor para el presente caso de estudio y para otras situaciones similares.

Figura 15: Temperatura potencial equivalente (contornos) (K), viento (barbas) (m s^-1) y convergencia de humedad (sombreado) (10-8 s^-1 ) para (a) JRA-25 y (b) GDAS. Para las 12 UTC del día 18 de diciembre de 2002.

Con respecto al aporte de la circulación de gran escala, se encuentra que el inicio de la convección se produce en una región caracterizada por la combinación de inestabilidad convectiva y un forzante de escala sinóptica, consistente en advección de vorticidad ciclónica en niveles medios y la presencia de una discontinuidad en los valores de contenido de vapor sobre el norte de la Patagonia. También se ha descrito un efecto de mesoescala, asociado con el enfriamiento de las capas superficiales por debajo de las áreas con nubosidad, que presenta una componente frontogenética que podría favorecer el inicio de la convección. La inestabilidad de la atmósfera se incrementa en las horas previas y de génesis del sistema convectivo debido fundamentalmente al aporte de los flujos de calor desde la superficie. En horas de la noche por el contrario, son los procesos advectivos en niveles bajos, asociados con la presencia de una zona de fuerte contraste en la temperatura potencial equivalente, los que generan un aumento de la inestabilidad por delante del sistema convectivo. Este proceso inestabilizador, se suma al aumento de la convergencia en la región de salida de la corriente en chorro que también aumenta en horas de la noche. Estos mecanismos parecen ser correctamente representados por el modelo, con lo cual, el presente caso de estudio sugiere que las mayores deficiencias en la representación del SCM tienen su origen en las limitaciones para capturar la estructura interna del sistema -como consecuencia tanto de la baja resolución como de las parametrizaciones intervinientes-, y no en los forzantes de mayor escala. Sin embargo, se considera que debe analizarse un número mayor de casos para determinar si la generación de inestabilidad en horas nocturnas juega algún rol en la determinación de la trayectoria seguida por el sistema convectivo a lo largo de su ciclo de vida.

AGRADECIMIENTOS: Los autores desean agradecer los valiosos comentarios de Juan Carlos Jusem, que contribuyeron a un análisis más profundo de la complejidad de factores que intervinieron en la génesis del sistema convectivo estudiado. Los siguientes proyectos financiaron esta investigación: PICT 2004 25269 PICT 2003 07-14420, de la ANPCyT, X266 y X155 UBACYT, PIP 5417 del CONICET y GC06-085 de NOAA/OGP/CPPA-. El experimento SALLJEX fue financiado por los proyectos NOAA/OGP, NSF(ATM0106776), FAPESP -Brazil- (01/13816-1), ANPCYT PICT 07- 06671 y UBACyT 055 -Argentina-. PICT 2003 07-14420, PICT 1999 07-00000-06671, ambos de la Agencia Nacional de Promoción Científica, Tecnológica, X266 y X155 UBACYT de la Universidad de Buenos Aires Investigaciones Científicas y Técnicas. El experimento SALLJEX donde se obtuvieron los datos pluviométricos fue financiado por los proyectos NOAA/OGP, NSF(ATM0106776), FAPESP -Brazil- (01/13816-1) y ANPCYT PICT 07-06671, UBACyT 055 -Argentina-. Los datos del satélite TRMM fueron adquiridos como parte de la Tropical Rainfall Measuring Mission (TRMM). Los algoritmos fueron desarrollados por el equipo científico de TRMM. Esos datos fueron procesados por el equipo científico y el sistema de información de TRMM (TSDIS) y la oficina TRMM, y son archivados y distribuidos por Goddard. TRMM es un proyecto internacional financiado conjuntamente por la Agencia Japonesa para el desarrollo espacial (NASDA) y por la oficina de Ciencias de la Tierra de NASA. Los datos del JRA-25 fueron generados por la Agencia Meteorológica de Japón (JMA) y el Central Research Institute of Electric Power Industry (CRIEPI) y están disponibles en http://jra.kishou.go.jp .

REFERENCIAS

1. Brooks, H. E., Doswell III C. A. y R. A. Maddox, 1992. On the use of mesoscale and cloud-scale models in operational forecasting. Wea. Forecasting, Vol. 7, págs. 120-132.

2. Chen, S. y Cotton, W. R., 1988. The sensitivity of a Simulated Extratropical Mesoscale Convective System to Long Wave Radiation and Ice-Phase Microphysics. J. Atmos. Sci., Vol. 45, págs. 3897- 3910.

3. Cotton, W.R., R.A. Pielke, Sr., R.L. Walko, G.E.Liston, C.J. Tremback, H. Jiang, R.L. McAnelly,,J.Y. Harrington, M.E. Nicholls, G.G. Carrió, J.P. McFadden, 2003. RAMS 2001: Current status and future directions. Meteor. Atmos Physics, Vol. 82, págs. 5-29.

4. Furuzawa F. A. y K. Nakamura. 2005. Differences of Rainfall Estimates over Land by Tropical Rainfall Measuring Mission (TRMM) Precipitation Radar (PR) and TRMM Microwave Imager (TMI)-Dependence on Storm Height. Journal of Applied Meteorology. Vol. 44, págs. 367-383.

5. Grell, G. A., 1993. Prognostic Evaluation of Assumptions Used by Cumulus Parameterizations. Mon. Wea. Rev., 121, págs. 764-787.

6. Hallak, R. y P. L. da Silva Dias, 1996: A operacionalizaçaoda Previsao Regional com o RAMS no DCA/IAG/USP) (en portugués) . IX Congresso Brasileiro de Meteorologia, Campos do Jordão, São Paulo Brasil.

7. Houze, R. A., Jr., 1993. Cloud Dynamics. Academic Press, 573 págs.

8. Iguchi, T., T. Kozu, R. Meneghini, J. Awaka, y K. Okamoto, 2000. Rain-profiling algorithm for the TRMM precipitation radar. J. Appl. Meteor., Vol. 39, págs. 2038-2052. J

9. Janowiak J. E., R. J.Joyce y Y. Yarosh. 2001. A Real-Time Global Half-Hourly Pixel-Resolution Infrared Dataset and Its Applications. Bulletin of the American Meteorological Society. Vol. 82, págs. 205-217.

10. Jirak I., W. R. Cotton, y R. L. McAnelly., 2003. Satellite and Radar Survey of Mesoscale Convective Systems Development. Mon. Wea. Rev. Vol. 131, págs. 361-382.

11. Kummerow, C. y coautores, 2000. The status of the Tropical Rainfall Measuring Mission (TRMM) after two years in orbit. J. Appl. Meteor., Vol. 39, págs. 1965-1982.

12. Machado, L. A. T., W. B. Rossow, R. L. Guedes y A. W. Walker, 1998: Life cycle variations of mesoscale convective systems over the Americas. Mon. Wea. Rev., Vol. 126, págs. 1630-1654.

13. Maddox, R. A. (1983): Large-Scale Meteorological Conditions Associated with Midlatitude, Mesoscale Convective Complexes. Mon. Wea. Rev., Vol. 111, págs. 1475-1493.

14. Nesbitt, S. W. y E. J. Zipser, 2003. The Diurnal Cycle of Rainfall and Convective Intensity according to Three Years of TRMM Measurements. J. Climate. Vol. 16, págs. 1456- 1475.

15. Nicolini M., Y. García Skabar, A. G. Ulke y P. Salio, 2005: Simulación de una tormenta granicera en Mendoza. Anales del IX Congreso Argentino de Meteorología.

16. Nicolini, M., Y. García Skabar, A. G. Ulke y A. C. Saulo, 2002. RAMS model performance in simulating precipitation during strong poleward low level jet events over northeastern argentina. Meteorologica, Vol. 27, págs. 89-98.

17. Nicolini M., P. Salio, J.C. Torres and E. J Zipser, 2004. The relationship between South American Low Level Jet events with the formation and maintenance of mesoscale convective systems. 14 th International Precipitation Cloud Conference. Bologna. Italy. 18 - 23 Julio 2004. P13:16.

18. Nicolini, M. and A. C. Saulo, 2000. Eta characterization of the 1997-1998 warm season Chaco jet cases. Preprints, 6th International Conf. on Southern Hemisphere Meteorology and Oceanography, Santiago de Chile, Chile, Amererican Meteorological Society, 330-331.

19. Nicolini M., M. Torres Brizuela, Y. García Skabar, 2005: Simulación de una tormenta tornádica usando un modelo de mesoescala de alta resolución. Anales del IX Congreso Argentino de Meteorología.

20. Paegle, J., E. H. Berbery, R. Garreaud, T. Ambrizzi, R. Profirio da Rocha, P. L. Silva Dias, D. Herdies, J. Marengo, M Seluchi, C. Campetella, C. Menendez, M. Nicolini, J. Ruiz y C. Saulo, 2004. Modeling Studies Related to SALLJEX. Clivar Exchanges, Vol. 29, págs. 20- 22.

21. Penalba O., C. Vera, B. Cerne, M. Rusticucci, P. Salio, L. Ferreira, B. Liebmann, D. Allured y A. Diaz, 2004. Daily Rainfall Data over Argentina and Uruguay during SALLJEX. CLIVAR Exchanges. Vol. 9, págs. 29-31.

22. Petersen W. A., S. W. Nesbitt, R. J. Blakeslee, R. Cifelli, P. Hein y S. A. Rutledge. 2002. TRMM Observations of Intraseasonal Variability in Convective Regimes over the Amazon. Journal of Climate: Vol. 15, págs. 1278-1294.

23. Petersen, W. A., y S. A. Rutledge, 2001. Regional variability in tropical convection: Observations from TRMM. J. Climate, Vol. 14, págs. 3566- 3586.

24. Pielke, R. A., W. R. Cotton, R. L. Walko, C. J. Tremback, W. A. Lyons, L. D. Grassol, M. E. Nicholls, M. D. Moran, D. A. Wesley, T. J. Lee and J. H. Copeland, 1992: A comprehensive meteorological modeling system- RAMS. Meteor. and Atmos. Phy., Vol. 49, págs. 69-91.

25. Protat A. y Y. Lemaître, 2001. Scale Interactions Involved in the Initiation, Structure, and Evolution of the 15 December 1992 MCS Observed during TOGA COARE. Part I: Synoptic-Scale Precesses. Mon. Weath. Rev. Vol. 129, págs. 1757-1778.

26. Ruiz, 2004. El efecto de la humedad sobre el Jet del Chaco: Un caso de estudio. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, Tesis de Licenciatura (127 págs.)

27. Ruiz, J., E. Kalnay y A. C. Saulo, 2005. Aplicación de la técnica de vectores criados a una situación de baja predictabilidad. Anales del IX Congreso Argentino de Meteorología.

28. Ruiz, J. J., A. C. Saulo and E. Kalnay, 2006: A Regional Ensemble Forecast System for Southeastern South America: Preleminary Assessment. Proceedings of 8th International Conference on Southern Hemisphere Meteorology and Oceanography, Foz do Iguazu, Brasil. Inpe págs. 1977-1984.

29. Salio, P., 2002: Caracterización de Eventos de Corriente en Chorro en Capas Bajas de la Atmósfera en base a Reanálisis y la precipitación asociada en el Sudeste de Sudamérica. Tesis doctoral de la Universidad de Buenos Aires. (221 págs.)

30. Salio, P., C. Campetella, J. Ruiz, Y. Garcia Skabar, y M. Nicolini, 2005. Nevada en la costa bonaerense: Un caso de estudio. Anales del IX Congreso Argentino de Meteorología.

31. Salio, P., M. Nicolini, and E.J.Zipser, 2007: Mesoscale convective systems over southeast South America and their relationship with the South American Low-Level Jet. Mon. Wea. Rev., Vol. 135, págs. 1290-1309.

32. Saulo, A. C., y L. Ferreira, 2003. Evaluation of quantitative precipitation forecasts over southern South America. Aust. Met. Mag. Vol. 52, págs. 81-93.

33. Saulo, A. C., J. Ruiz y Y. Garcia Skabar, 2007, Synergism between the low level jet and organized convection at its exit region, Mon. Wea. Rev., Vol. 19, págs. 4041-4058

34. Souza, E. P., E. M. Silva, 2002: Impacto da Implementaçao de uma Parametrizaçao de Convecçao Rasa em um Modelo de Mesoscala. Descriçao e Testeo de Sensibilidade do Esquema. (en portugués). Revista Brasileira de meteorologia, Vol. 8, págs. 33-42.

35 Torres J. C., 2003: Sistemas convectivos altamente precipitantes sobre el centro y norte de Argentina. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, tesis doctoral (132 págs.).

36. Torres, J. C. y M. Nicolini, 1999. Impacto de la incertidumbre en las condiciones iniciales y de borde en la simulación de un mesosistema convectivo sobre el Río de la Plata. Meteorologica, Vol. 24, págs. 53-61.

37. Tripoli, G. J. y W. R. Cotton, 1982: The Colorado State University three-dimensional cloud/mesoscale model- Part I: General theoeretical framework and sensitivity experiments. J. Rech. Atmos., Vol. 16, págs. 185- 220.

38. Ulke, A. G., A. C. Saulo, y M. Nicolini, 2001. Simulación con el modelo de mesoescala RAMS de las condiciones asociadas a la ocurrencia de un mesositema convectivo, IX Congreso Latinoamericano e Ibérico de Meteorología y VIII Congreso Argentino de Meteorología, Nº 261.

39. Velasco, I. y J. M. Fritsch, 1987. Mesoscale convective complexes in the Americas. J. Geoph. Res., Vol. 92, págs. 9591-9613.

40. Vera, C.; J. Baez; M. Douglas; C. B. Emmanuel; J. Marengo; J. Meitin; M. Nicolini; J. Nogues- Paegle; J. Paegle; O. Penalba; P. Salio; C. Saulo; M. A. Silva Dias; P. Silva Dias; and E. Zipser, 2006. The South American Low-Level Jet Experiment (SALLJEX). Bull. Am. Met. Soc . Vol. 87, págs. 63-77.

41. Vila, D., 2004: Sistemas Convectivos Precipitantes de Mesoescala sobre Sudamérica: Ciclos de Vida y Circulación en gran Escala Asociada. Facultad de Ciencias Exactas y Naturales, Universidad de Buenos Aires, tesis doctoral (130 págs.)

42. Zhang, F., A. M. Odins, y J. W. Nielsen- Gammon, 2006: Mesoscale Predictability of an Extreme Warm-Season Precipitation Event. Wea. For. Vol. 21, págs. 149-166.