Universidad de Costa Rica Escuela de Física Departamento de Física Atmosférica, Oceánica y Planetaria El ciclo diurno de la precipitación en el Caribe de Costa Rica: observaciones y simulaciones con un modelo dinámico regional Tesis para optar por el grado de Licenciado en Meteorología Fernán Sáenz Soto San José, 9 de Julio de 2014
101
Embed
Fernan Saenz-2014-El ciclo diurno de la precipitación en el Caribe ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Universidad de Costa Rica
Escuela de Física
Departamento de Física Atmosférica, Oceánica y Planetaria
El ciclo diurno de la precipitación en el Caribe de Costa Rica: observaciones y simulaciones con un modelo dinámico regional
Tesis para optar por el grado de Licenciado en Meteorología
Fernán Sáenz Soto
San José, 9 de Julio de 2014
i
El ciclo diurno de la precipitación en el Caribe de Costa Rica: observaciones y simulaciones con un modelo dinámico regional
Tesis de grado que se presenta en julio de 2014 a la Escuela de Física, Facultad de Ciencias de la Universidad de Costa Rica como requisito para optar por el grado de Licenciado en Meteorología.
Director de tesis: Dr. Jorge A. Amador Astúa.
Tribunal Examinador
Dr. Javier Trejos Zelaya
Presidente del Tribunal
Dr. Eric Alfaro Martínez
Miembro del Comité de Tesis
Dr. Jorge A. Amador Astúa
Director de Tesis
Dra. Ana María Durán Quesada
Miembro del Comité de Tesis
Dra. Gabriela Mora Rojas
Miembro del Tribunal de Tesis
San José de Costa Rica, 9 de julio de 2014.
ii
Resumen.
En este trabajo se estudian las características del ciclo diurno de la precipitación en la
vertiente del Caribe de Costa Rica; su variabilidad espacial y estacional así como su
relación con el viento y otras variables meteorológicas. Además se evalúa la capacidad de
un modelo atmosférico regional (MM5V3) para reproducir algunas de estas
características. Para realizar este estudio se integró una base de datos con 20 series de
tiempo, obtenidas de 3 fuentes con resolución horaria para la precipitación y 6 series de
viento con la misma resolución. El análisis se complementó con compuestos mensuales de
viento sinóptico derivados de ERA-interim. Se calculó la distribución horaria de la
precipitación anual de cada estación y se hizo un análisis armónico a esta distribución.
Para estudiar la variabilidad estacional del ciclo diurno se obtuvo la distribución horaria de
la precipitación mensual y se hizo lo mismo para el viento con el fin de investigar alguna
relación entre ellas. Adicionalmente estas distribuciones mensuales fueron relacionadas
con los compuestos mensuales de viento sinóptico. Se observó que el ciclo diurno medio
de la precipitación tiene una gran variabilidad espacial que podría ser explicada,
parcialmente al menos, por la topografía y la cercanía a la costa. El análisis armónico
mostró que el ciclo diurno es dominante en las zonas alejadas de la costa mientras que el
semidiurno predomina en las zonas costeras. A lo largo del año, en las diferentes
subregiones, se observaron los cuatro regímenes de variabilidad diurna que han sido
reportados en estudios tropicales de carácter global: oceánico (máximos entre las 6 y 9
iii
TSL), continental (máximos entre las 15 y 18 TSL), costero sobre el mar (máximos entre las
3 y 12 TSL) y costero sobre tierra (máximos entre las 18 y 0 TSL). Se propone que la
variabilidad de los alisios podría estar relacionada a la variabilidad estacional del ciclo
diurno en algunas zonas. Los resultados obtenidos son consistentes en general con los
presentados en estudios realizados con estimaciones satelitales de la precipitación pero
con algunas diferencias importantes. Por ejemplo, en la zona costera al sur de 10°N se ha
reportado que los máximos en la frecuencia de la precipitación se dan entre las 16 y las 19
TSL mientras que en esta tesis se encontró otro máximo cerca de las 7 TSL. Este tipo de
contrastes muestran el valor mantener sistemas de observación en superficie capaces de
realizar observaciones casi continuamente pues la frecuencia de muestreo de los
sensores a bordo de satélites es baja comparada a la de las estaciones meteorológicas.
Para la evaluación del modelo numérico se calcularon varias métricas objetivas para medir
el desempeño a nivel horario. Se encontró que su representación de las características del
ciclo diurno es deficiente y se proponen algunas posibles causas a este resultado.
iv
Dedicatoria
Este trabajo lo quiero dedicar a mi familia, en especial a mi mamá Ligia, mis hermanas
Alejandra e Ileana. Es difícil explicar lo afortunado que me siento de compartir el día a día
con Ustedes. Su apoyo, paciencia, comprensión y amor, que no necesita ser mencionado
porque se demuestra a diario, han sido fundamentales para desenvolverme en el ámbito
académico y tomar un rumbo que hace poco tiempo parecía improbable.
v
Agradecimientos.
Quiero agradecer especialmente al tutor de esta tesis, Dr. Jorge A. Amador quién
amablemente puso su conocimiento y experiencia al servicio de este trabajo. También
quiero agradecer a los lectores Dra. Ana María Durán-Quesada y Dr. Eric Alfaro por su
colaboración. Al Centro de Investigaciones Geofísicas (CIGEFI) de la Universidad de Costa
Rica por los recursos proporcionados para la elaboración de este trabajo (en especial los
proyectos UCR-VI-805-B0-402 y UCR-VI-805-B0-065) y los foros de discusión (Mini
Congresos). Al Dr. Javier Francisco Soley (q.e.p.d) y Pablo Ureña por el procesamiento de
la base de datos de CORBANA. A Blanca Calderón y Natalie Mora por la ejecución del
modelo MM5. A Paula Pérez por la elaboración de algunas figuras. Al Instituto
Meteorológico Nacional (IMN), al Instituto Costarricense de Electricidad (ICE) y a la
Corporación Bananera Nacional (CORBANA) por suministrar los datos usados en este
trabajo. Al personal del CIGEFI por el agradable ambiente de trabajo que brinda y a todos
los profesores que contribuyeron a mi proceso de formación académica.
vi
Índice general.
1 Descripción del Problema
1.1 Introducción 1
1.2 Justificación 3
1.3 Antecedentes 4
1.3.1 Estudios observacionales 4
1.3.2 Estudios numéricos 6
1.4 Hipótesis de trabajo 7
1.5 Objetivos 9
1.5.1 Objetivo general 9
1.5.2 Objetivos específicos 9
2 Marco Teórico
2.1 Ciclo diurno 11
2.2 El sistema de los vientos alisios, sus características sobre el mar Caribe y la Zona de
Convergencia Intertropical 15
vii
2.3 Características climáticos en la región de estudio 18
2.4 Modelos numéricos 19
3 Datos y Método de Trabajo
3.1 Observaciones en superficie 22
3.1.1 Rellenado de datos faltantes 25
3.1.2 Nomenclatura 29
3.1.3 Definición de zonas geográficas 29
3.1.4 Distribución media horaria de la precipitación 30
3.1.5 Análisis armónico del ciclo diurno 31
3.2 Otras observaciones 32
3.3 Simulaciones numéricas 32
3.3.1 Configuración del modelo MM5V3 35
3.3.2 Evaluación del modelo MM5V3 36
4 Resultados
4.1 Distribución horaria de la precipitación anual 39
viii
4.2 Interpretación del análisis armónico 42
4.3 Distribución mensual de la precipitación horaria 46
Es importante destacar que el emplazamiento de estas estaciones no cumple
completamente los estándares requeridos por la Organización Meteorológica Mundial
(WMO 2008), además, la altura a la que están ubicados ciertos sensores no siempre es la
indicada (Tabla 2).
23
Además se incluyó en el análisis un grupo de 10 estaciones pertenecientes al Instituto
Meteorológico Nacional (IMN) y 3 estaciones pertenecientes al Instituto Costarricense de
Electricidad (ICE) (Tablas 3 y 5).
Tabla 2. Altura en metros de los sensores de las estaciones de BANACLIMA. Adaptado de Amador et al. (2013). A modo de comparación se incluyen los valores recomendados al final de la tabla.
Nombre / Sensor Lluvia. Temperatura. Viento.
Pénjamo 1.5 2.8 3.5
Cartagena 1.5 2.5 3.5
Las Valquirias 1.5 2.6 3.7
Siquírres 1.5 2.5 3.3
LemoFrut B 1.5 2.4 3.4
Agrotubérculos 1.5 2.5 3.4
PAIS 2.4 2.4 3.5
WMO (2008) 0.5 a 1.5 1.2 a 2.0 10
No todas las estaciones cedidas por el IMN cuentan con datos de todas las variables para
el periodo de estudio. Las estaciones de La Rebusca y Finca Brasilia no tienen datos para el
viento, en la Tabla 4 se detalla esta información. Como primer paso se hizo un control de
calidad a los datos de las estaciones para conocer su estado en cuanto a valores
físicamente imposibles, brechas, saltos y repeticiones de valores. En el caso de las
estaciones cedidas por CORBANA este proceso fue llevado a cabo por parte del personal
del Centro de Investigaciones Geofísicas (CIGEFI) de la Universidad de Costa Rica en el
marco del proyecto “Clima, variabilidad y cambio climático en la Vertiente Caribe de Costa
Rica: Un estudio básico para la actividad bananera” descrito por Amador et al. (2013).
24
Después se realizó un análisis exploratorio de datos para obtener algunas características
del ciclo diurno de las variables antes mencionadas.
Figura 3.Distribución geográfica de las estaciones meteorológicas usadas. Instituto
Meteorológico Nacional (IMN), Instituto Costarricense de Electricidad (ICE) y BANACLIMA-
CORBANA. Elaborada por Paula Pérez.
Para el caso de la precipitación, se usaron todas las estaciones con datos entre el 2006 y
2011 (Tablas 1,3 y 5). En cuanto a la variable viento, solo las estaciones administradas por
el IMN fueron usadas, esto debido a los sensibilidad de este vector a la altura. El
porcentaje de datos faltantes por serie de viento usada se muestra en la Tabla 6.
25
Tabla 3. Estaciones cedidas por el IMN.
Numero Nombre Periodo Latitud Longitud Altitud (m)
3.1.4 Distribución media horaria de la precipitación
Se calcula la distribución media horaria de cada serie, tomando la media de la
precipitación a cada hora del día sobre todos los días en los que se registró al menos 1 mm
de precipitación en dicha estación.
𝑃(ℎ) =1
𝑑 𝑃𝑖 ,ℎ
𝑑𝑖=1 (3.1)
Donde 𝑃(ℎ) es la precipitación media a la hora h y d es el número de días. La razón de
tomar en cuenta solo días con precipitación mayor a 1 mm es eliminar el ruido producido
31
por los días sin precipitación. A pesar de que el umbral usual para definir un día con lluvia
0.02 mm/día, según el glosario de la American Meteorological Society, en este trabajo se
usa 1mm/día ya que ha sido usado con éxito para estudiar el ciclo diurno de algunas
variables atmosféricas en los trópicos (Por ejemplo: Betts 1998). Para complementar esta
parte del análisis se calculó el porcentaje de días con lluvia en cada estación (Tabla 10).
La estacionalidad de la precipitación en el Caribe de Costa Rica ha sido reportada
anteriormente (Chacón y Fernández 1985; Muñoz et al. 2002a), esto hace necesario
analizar la estructura anual de las variaciones diurnas de la precipitación y no solamente la
distribución media horaria. Para esto se aplicó la ecuación 3.1 a cada mes del año, de esta
forma se obtiene una distribución horario mensual de la variable en cuestión.
3.1.5 Análisis armónico del ciclo diurno
Para entender los modos de variabilidad en las distribuciones medias horarias de
precipitación se aplicó el análisis armónico a cada una de ellas, esta técnica consiste en
representar la serie mediante la ecuación:
𝑃𝑡 = 𝑃 + 𝐶𝑘cos(2𝜋𝑘𝑡
𝑛− 𝜙𝑘)
𝑛/2𝑘=1 (3.2)
Donde n es la longitud de la serie, 𝑃 es el valor medio, 𝐶𝑘 la amplitud y 𝜙𝑘 es el ángulo de
fase. Cada K miembro dentro de la sumatoria en (3.2) se conoce como el k armónico y su
contribución a la varianza de la serie ajustada se mide como 𝑒𝑘 =0.5 𝐶𝑘
2
𝑉𝑎𝑟 (𝑃𝑡) , donde 𝑒𝑘 es la
varianza de 𝑃𝑡 explicada por el armónico k (Yin et al. 2009).
Las diferentes amplitudes y fases se pueden calcular haciendo (Wilks 2011):
32
𝐶𝑘 = [𝐴𝑘2 + 𝐵𝑘
2]1/2 (3.3)
donde,
𝐴𝑘 =2
𝑛 𝑃𝑡cos(
2𝜋𝑘𝑡
𝑛)𝑛
𝑘=1 (3.4) y 𝐵𝑘 =2
𝑛 𝑃𝑡sen(
2𝜋𝑘𝑡
𝑛)𝑛
𝑘=1 (3.5)
𝜙𝑘 = 𝑡𝑎𝑛−1 𝐵𝑘
𝐴𝑘 𝑠𝑖𝐴𝑘 > 0, 𝜙𝑘 = 𝑡𝑎𝑛−1
𝐵𝑘
𝐴𝑘 ± 𝜋𝑠𝑖𝐴𝑘 < 0 o 𝜙𝑘 =
𝜋
2𝑠𝑖𝐴𝑘 = 0 (3.6)
Los ángulos de fase 𝜙𝑘permiten ubicar los máximos de cada armónico, el armónico k=1
tiene su máximo 𝜙1, el k=2 tiene dos máximos, uno en 𝜙2/2 y otro en 𝜙2
2+
2𝜋
2, el
armónico k=3 tiene máximos en 𝜙3/3, 𝜙3
3+
2𝜋
3 y
𝜙3
3+
4𝜋
3 y así sucesivamente. Como en
este caso se analiza la distribución diaria media de precipitación es mejor representar los
ángulos en horas y no en radianes, para esto se aplica 𝜙𝑘𝑇 = 24 𝜙𝑘/2𝜋, donde cada π en
los máximos equivale a 12 horas.
3.2 Otras observaciones
Para complementar el análisis de la variabilidad estacional se hace uso de compuestos
mensuales del vector viento en el nivel de 925 hPa. Estos compuestos se calcularon a
partir de datos diarios tomados del reanálisis ERA-interim (Dee et al. 2011)
3.3 Simulaciones numéricas
Una vez analizada la estructura anual del ciclo diurno de las diferentes variables, se analizó
un grupo de simulaciones realizadas con un modelo numérico regional de la atmósfera. Se
evaluó la capacidad del modelo de representar la estructura del ciclo diurno de la
precipitación y el viento en el Caribe costarricense, con énfasis en la simulación de
33
características de tipo climático y no eventos individuales relacionados al tiempo
atmosférico. Las simulaciones fueron realizadas con el modelo “PSU/NCAR mesoscale
model” de quinta generación conocido como MM5V3 (Grell et al. 1994) el cuál resuelve
las ecuaciones primitivas para un fluido compresible y no hidrostático. Existe la opción de
usar una versión que aproxime la atmósfera como un fluido hidrostático, sin embargo,
esta configuración es incapaz, por ignorar los términos inerciales, de producir convección.
El enfoque utilizado en las simulaciones es conocido como reducción de escala dinámica
(Giorgi 1980), este método consiste en forzar un modelo de mesoescala de área limitada
con datos de un modelo climático, de circulación general atmosférica (MCG) o un análisis
del estado de la atmósfera, el océano y la superficie cuyo ancho de rejilla sea mayor que el
deseado. En general, los MCG y los análisis meteorológicos tienen una resolución espacial
de entre 150 y 300 km. Está característica limita el efecto real de fenómenos físicos y
dinámicos de escalas menores. La reducción de escala permite apreciar una estructura
más detallada de los campos atmosféricos en la región donde la reducción se lleva a cabo
ya que provee, con algunas aproximaciones, la representación de los fenómenos de
escalas menores. Algunos trabajos en los que se ha aplicado este método en la región de
estudio son: Rivera y Amador (2009), Amador y Alfaro (2009) y Maldonado (2012).
Como condiciones iniciales y de frontera para la ejecución del MM5V3 se usaron los datos
del re-análisis producido por NCEP NCAR (Kalnay et al. 1996). El método de forzamiento
usado fue el clásico para simulaciones enfocadas al pronóstico del tiempo, este método
34
consiste en balancear, cada cierta cantidad de pasos de ejecución, las variables en el
modelo con los datos que proveen las condiciones de frontera (Lo et al. 2008).
Las simulaciones se realizaron en el marco del proyecto de investigación: “Clima,
variabilidad y cambio climático en la Vertiente Caribe de Costa Rica: Un estudio básico
para la actividad bananera” (Amador et al. 2013). Para este proyecto se realizó una serie
de ejecuciones del modelo MM5V3 enfocadas en crear varios enjambres, cada uno
correspondiente a un “año aleatorio” compuesto de días de diferentes años,
pertenecientes al periodo 1971-2010. El método empleado para seleccionar los días a
simular se describe en Amador et al. (2013).
Para dar significancia estadística a los datos numéricos obtenidos de las simulaciones, los
días simulados deben ser escogidos aleatoriamente, pero además, deben tomar en cuenta
las fases de las oscilaciones climáticas más importantes para el forzamiento del clima en el
área de estudio. La cantidad de días simulados por mes, pertenecientes a meses en los
que determinado agente climático prevaleció, debe ser proporcional a la probabilidad de
que ese agente prevaleciera ese mes. Los agentes forzantes escogidos son: las
temperaturas superficiales del mar (TSM) en el Pacífico Tropical este y en el Caribe-
Atlántico. La importancia de estas variables ha sido estudiada por Alfaro et al. (1998),
Enfield y Alfaro (1999) y Alfaro y Cid (1999). Los índices usados para caracterizar estas
variables son la temperatura media de la región Niño 3.4 (Trenberth 1997) para el Pacífico
y el índice de la oscilación multidecadal del Atlántico (AMO, por sus siglas en inglés),
35
propuesto por Enfield et al. (2001).La medida en que cada índice prevaleció se calculó de
acuerdo a la probabilidad empírica de que ese índice se encontrara en una fase arriba de
lo normal, normal o por debajo de lo normal en determinado mes.
3.3.1 Configuración del modelo MM5V3
La Tabla 8 muestra algunos detalles de la configuración espacial y física del modelo
MM5V3 empleado en este estudio. El esquema de reducción de escala utiliza 5 dominios,
el dominio 1 es el más amplio. En los dominios 4 y 5 no se usó ningún esquema de
parametrización de cúmulos debido a que estos esquemas están diseñados para liberar
energía acumulada en rejillas más amplias. En los dominios restantes se usó el esquema
propuesto por Grell (1993). La microfísica fue representada por el esquema de hielo
simple (Dudhia 1989; 1993), la capa límite por el esquema MRF (Hong y Pan 1996) y la
convección superficial fue permitida en todos.
Tabla 8. Configuración del modelo MM5V3.
Resolución (km) Puntos de rejilla
162 29x38
54 52x70
18 103x148
6 202x256
2 220x277
36
Figura 5. Configuración de dominios en las simulaciones realizadas con el modelo MM5V3.
3.3.2 Evaluación del modelo MM5V3
Para evaluar el desempeño del modelo se tomaron 130 simulaciones, distribuidas en 3
enjambres, cuyas fechas pertenecen al periodo 2006-2010. Con ellas se calculó las
distribuciones horarias de la precipitación con los datos de los puntos de rejilla cercanos a
estaciones, estas fueron comparadas con el mismo cálculo aplicado a los datos observados
por estaciones meteorológicas. Para definir los puntos de rejilla cercanos se tomó la
ubicación de cada estación, se buscó el punto de rejilla más cercano y se construyó un
rombo de puntos de rejilla alrededor de este. Por ejemplo, si el punto más cercano a la
estación X es el punto (i,j), el rombo tendría como vértices los puntos (i-1,j), (i,j+1), (i+1,j) y
(i,j-1), con este esquema se calculó un promedio espacial para los datos horarios. El
37
método usado para evaluar el modelo consistió en definir algunas métricas de su
desempeño en la determinación de la ocurrencia de un evento, por ejemplo, determinar si
se dio o no precipitación, no importa cuanta. En este sentido, la estimación y evaluación
cuantitativa de la precipitación está aún lejos de su forma operativa y en pleno proceso de
investigación (Hwang et al. 2011). Las métricas empleadas se calcularon por medio de una
tabla de contingencia (Tabla 9) en la que se tabuló la cantidad de eventos observados que
fueron o no simulados y la cantidad de eventos simulados que fueron o no observados.
Como evento se definió una tasa de precipitación mayor que 0.254 milímetros por hora,
que es la definición de traza empleada por la Asociación Americana de Meteorología
(AMS, http://glossary.ametsoc.org/wiki/Trace). El número de eventos analizados n es
simplemente a+b+c+d.
Las cantidades que se evaluaron son (Warner 2011):
𝑃𝐶 =𝑎+𝑑
𝑛 (3.7)
PC: es la fracción de simulaciones que representaron correctamente el evento o su
ausencia.
Tabla 9.Tabla de contingencia para la evaluación del modelo MM5V3. “a” es la cantidad de eventos simulados y observados, “b” la cantidad de evento simulados y no observados, “c” la cantidad de eventos observados y no simulados y “d” la cantidad de eventos ni observados ni simulados.
Sim
ula
do
Observado
Si No
Si a b
No c d
38
𝐶𝑆𝐼 =𝑎
𝑎+𝑏+𝑐 (3.8)
CSI: es el índice crítico de éxito y cumple una función similar a (3.7) pero elimina la
influencia de los casos en los que el evento estuvo ausente, que son la mayoría.
𝐵 =𝑎+𝑏
𝑎+𝑐 (3.9)
B: es el sesgo, da una razón entre la cantidad de eventos simulados y la cantidad de
eventos observados.
𝐹𝐴𝑅 =𝑏
𝑎+𝑏 (3.10)
FAR: es la razón de falsas alarmas. Es la fracción de eventos simulados que no existieron.
𝐹 =𝑏
𝑏+𝑑 (3.11)
F: es la tasa de falsas alarmas, o sea, la razón entre la cantidad de falsas alarmas y la
ausencia de eventos.
𝑃𝑂𝐷 =𝑎
𝑎+𝑐 (3.12)
POD: es el número de eventos simulados que ocurrieron.
39
Capítulo 4
Resultados
4.1 Distribución horaria de la precipitación anual
Como se indica anteriormente las regiones se refieren a las de la Figura 4, pero la
descripción se presenta de acuerdo a lo mostrado en la Figura 6. Las estaciones 1, 2, y 4
(Finca Brasilia, Upala y Los Chiles), ubicadas en el sector oeste de la región norte (RN1 y
RN3) presentan sus máximos en las primeras horas de la tarde (13-15 TSL), la estación 3
(Caño Negro) localizada en la misma zona presenta el máximo cerca de las 16 TSL. El
porcentaje de días con lluvia es mayor en la estación 1, probablemente la altitud y la
cercanía con las montañas tienen influencia en los mecanismos que generan precipitación
en la zona; calentamiento por radiación y forzamiento orográfico. Las cantidades de
precipitación medidas en esta zona son menores a las registradas en zonas más altas de la
misma región (RN2).
Las estaciones ubicadas en las zonas más altas de la región norte (RN2), estaciones 6 y 7
(Ciudad Quesada y Bajos del Toro), presentan valores máximos mayores a los de las otras
estaciones, siendo la estación 6 la mayor, sin embargo, el porcentaje de días con
precipitación es mayor en la estación 7 (66% contra %58, Tabla 10). Esta diferencia,
sumada al hecho de que la altura de la estación 7 es cerca de 700 m mayor que la de la
estación 6 y ambas estaciones están separadas por un cerro con una altitud cercana a los
40
2150 msnm, sugiere que los mecanismos que generan la precipitación no tienen el mismo
efecto en ambas estaciones.
En las estaciones 8 y 9 (La Rebusca y Pénjamo) el máximo también se da en horas de la
tarde, alrededor de las 16 TSL. Estas estaciones están ubicadas cerca del límite entre la RN
con la RA y registran valores mayores de precipitación durante las horas de la mañana que
las estaciones ubicadas en la RN.
El ciclo diurno en las subregiones de la RN con datos disponibles tiene un comportamiento
similar al continental descrito por Kikuchi y Wang (2008). Las zonas más altas presentan
mayores acumulados de precipitación. Lo anterior se debe a que, aparte del forzamiento
de la convección por el calentamiento radiativo, la presencia de la cordillera juega un
doble papel: produce forzamiento mecánico de la convección y produce un forzamiento
termodinámico al producir gradientes horizontales de temperatura entre las pendientes y
la atmósfera circundante.
Las estaciones 10 y 11 (Cantagallo y Valquirias) presentan una distribución horaria de
precipitación con 3 máximos, cerca de las 7, las 11 y las 16 TSL. La característica más
notoria es un mínimo muy marcado cerca de las 13 TSL. Estas estaciones están ubicadas
cercanas a la costa en la RA3. Este tipo de comportamiento es difícil de caracterizar según
lo propuesto por Kikuchi y Wang (2008), los valores de los máximos son muy similares y
probablemente representan diferentes mecanismos estacionales.
41
Tabla 10.Porcentaje de días con precipitación mayor a 1 mm.
La distribución horaria de precipitación en las estaciones 12 y 13 (Cartagena, ubicada en el
límite entre RA3 y RA4; Siquírres, ubicada en RA4), muestra 2 máximos, el principal entre
las 16 y las 17 TSL, y el secundario cerca de las 5 TSL. Esta zona presenta un ciclo diurno
continental con cierta influencia marítima.
Las estaciones más cercanas a la costa, ubicadas en las regiones RA4 y RA5 (14 a 19;
LimoFrut B, Limón, Agrotubérculos, Manzanillo, Sixaola y PAIS), presentan dos máximos de
similar magnitud, uno entre las 7 y 9 TSL, y otro entre las 19 y 21 TSL. En algunas
estaciones el pico en la mañana es mayor en otras se da el caso opuesto. El máximo
matutino es típico de un ciclo diurno oceánico mientras que el vespertino de un ciclo
diurno costero continental. En este caso, al igual que en el resto de regiones, es necesario
analizar la variabilidad mensual del ciclo diurno para lograr una mejor caracterización de
Estación Días con lluvia
(%) Estación Días con lluvia
(%)
1 63,35 11 57,234
2 56,458 12 51,346
3 51,073 13 51,94
4 52,716 14 49,429
5 58,832 15 49,521
6 57,919 16 48,288
7 66,089 17 49,795
8 58,147 18 49,429
9 58,466 19 46,006
10 56,732 20 52,031
42
este. Los mecanismos responsables del comportamiento del ciclo diurno también pueden
ser variables a los largo del año.
Figura 6. Distribución Horaria de la Precipitación. El número de cada panel corresponde a la numeración presente en la Tabla 7.
4.2 Interpretación del análisis armónico
En este caso, el análisis armónico consiste en representar la distribución horaria de la
precipitación como una suma funciones sinusoidales con frecuencias que son múltiplos
enteros de una frecuencia fundamental, en este caso (1/24) horas¯¹. Cada una de estas
funciones representa un porcentaje de la varianza de la distribución, que es proporcional
a su amplitud. Este método busca determinar la importancia relativa de las variaciones en
las diferentes escalas temporales menores a 24 horas.
43
El análisis descrito en la sección 2.1.4 se resume en las Tablas 11 y 12. La Tabla 11 muestra
el porcentaje de la varianza de la distribución horaria de precipitación explicado por los
primeros tres armónicos, el análisis se limita a estos armónicos pues en la mayoría de las
distribuciones horarias la mayor parte de la “energía” (más del 78% excepto en las
estaciones 10 y 11) es contenida por ellos. Las distribuciones correspondientes a las
estaciones 10 y 11 son la excepción pues la varianza se distribuye más uniformemente
entre los 12 armónicos. La Tabla 12, que muestra las horas de los máximos de cada
armónico calculadas a partir del ángulo de fase.
Tabla 11. Porcentaje de varianza explicado por cada armónico.
Estación k=1 k=2 k=3 Estación k=1 k=2 k=3
1 64.9 18.6 4
11 10.4 17.8 5.6
2 76.6 14.1 0.9
12 46.2 37 7.9
3 74.9 17.7 0.1
13 40.7 43 6.1
4 79.3 8.2 3.
14 32.7 48 3
5 60.7 29.5 1.9
15 51.1 35.8 0.4
6 69.1 20.6 5.1
16 11.8 66 3.5
7 75.6 17.1 1.8
17 38.9 40.5 5.9
8 48 37.9 6.5
18 9.4 65.5 4
9 43.3 37.4 10
19 5.4 74.3 3.4
10 7.1 1.6 31.2
20 46.8 38.9 6.3
El análisis realizado muestra que en las estaciones numeradas de 1 a 7 el ciclo diurno (24
horas) es responsable de más del 60% de la varianza de la distribución horaria de
44
precipitación y es dominante, en proporciones mayores que 2 a 1, sobre el ciclo
semidiurno (12 horas). Estas estaciones representan toda la región norte, tanto las
llanuras como la región montañosa al sur-suroeste de esta misma zona. En estas
estaciones el ángulo de fase del ciclo diurno indica que los máximos se dan entre las 14 y
las 16 TSL. Este análisis reafirma la característica continental del ciclo diurno en esta
región encontrado con el análisis anterior.
En las estaciones 8 y 9, ubicadas en la zona limítrofe entre la RN y la RA, la diferencia entre
la varianza asociada al armónico diurno (~45%) y la asociada al armónico semidiurno
(~37%) es mucho menor que en las estaciones mencionadas anteriormente. El ciclo diurno
presenta máximos cerca de las 16 TSL y el semidiurno cerca de las 4 TSL y 16 TSL. El
comportamiento de las estaciones 12 y 13 es bastante similar a estas, sin embargo, las
estación 13 tiene más varianza asociada al armónico semidiurno, 42% contra 40%
asociada al diurno. Todas estas estaciones están en zonas bajas (menos de 70 msnm) al
pie de cerros de importante elevación. La variabilidad diurna caracterizada a partir de
este análisis muestra nuevamente un ciclo diurno continental. El máximo matutino
relacionado al ciclo semidiurno podría deberse a la presencia de un frente de brisa de
tierra, su propagación hacia la costa o/y su interacción con los alisios.
Las estación 10 es un caso especial, en ella el tercer armónico es el que explica la mayor
cantidad de la varianza de la distribución horaria media de precipitación (31%). Los
máximos se dan a las 0, 8 y 16. En la estación 11, ubicada alrededor de 8 km al norte de la
45
10 es difícil explicar la varianza explicada por cada armónico. En este caso el quinto
armónico es el más importante explicando el 25% de la varianza, el segundo un 18%, el
sexto 15%, el primero un 10% y el resto explican menos de este último valor.
En la región atlántica sur, representada por las estaciones 16, 17, 18 y 19, el ciclo
semidiurno es la principal fuente de variabilidad en la distribución horaria media de
precipitación, los máximos se dan a las 7 TSL y 19 TSL. Estos máximos del ciclo semidiurno
son compatibles con los ciclos diurnos oceánico y costero continental.
Tabla 12. Hora del primer máximo de cada armónico a partir de su respectivo ángulo de fase en horas. Para cada valor de k existen k máximos, el primero se da a la hora aquí
La Figura 7 muestra un resumen de la descripción anterior, en ella se puede apreciar que
en la región norte la variabilidad diurna de la precipitación está dominada por el ciclo
diurno, con máximos en las tardes donde la orografía juega un papel importante por sus
efectos térmicos y mecánicos. En la región atlántica norte y central tanto el ciclo diurno
como el semidiurno contribuyen significativamente a la variabilidad. En estas zonas el
46
forzamiento térmico, que sigue al ciclo diurno de la temperatura, no es el único
mecanismo importante para producir precipitaciones, sino que la interacción del flujo de
gran escala y los sistemas de brisa de tierra y mar también pueden tener un efecto
importante. En la región atlántica sur el ciclo semidiurno gobierna la variabilidad.
El análisis armónico permite determinar la presencia de ciclos, los cuales no siempre
pueden ser atribuidos a fenómenos físicos. En el caso de las distribuciones horarias de
precipitación, la atribución es bastante complicada ya que la precipitación responde a
varios procesos no lineales. Generalmente, el primer armónico se relaciona con el ciclo
diurno del calentamiento solar.
4.3 Distribución mensual de la precipitación horaria
Como se indicó en la sección 2.3 el ciclo anual de la precipitación en las regiones climáticas
que componen el área de estudio (RN y RA) es diferente (Muñoz et al. 2002a), esta
variabilidad se ve reflejada en los patrones diurnos de precipitación.
Algunas de las características más destacables de la distribución horario-mensual de
precipitación son:
47
Figura 7. Varianza explicada por cada uno de los k armónicos. VarK es la varianza
explicada por el armónico k.
a) Las estaciones ubicadas en las subregiones RN1 y RN3 presentan una distribución
horaria de precipitación con poca variabilidad temporal durante su estación lluviosa
(mayo a noviembre), esta distribución está dominada por precipitación en horas de la
tarde, con máximos entre las 12 y las 20 TSL. En la zona más cercana al sistema
montañoso (estaciones 1,2 y 5) se observa más precipitación en horas de la mañana
durante julio y de noviembre a enero. Ver figuras 8 y 9.a
48
Figura 8. Distribución media mensual de la precipitación horaria. Estaciones ubicadas en
las RN1 y RN3.
b) En las zonas altas de la RN (RN2, estaciones 6 y 7) se mantiene la distribución poco
variable desde mayo hasta octubre pero los máximos se dan cerca de las 15 TSL. Al ser
zonas de altura intermedia (>700 msnm) la convección en estas subregiones inicia más
temprano que en las subregiones bajas y planas debido al gradiente térmico horizontal
que se establece con la atmósfera circundante. Durante los meses del invierno boreal la
mayor cantidad de precipitación se da en las mañanas y en las noches, después de las 18
TSL. En el mes de noviembre, cuando se dan los máximos acumulados y se mide
49
precipitación en más del 80% de los días, se observan características representativas de
ambos regímenes diurnos (Figuras 9.a, 9.b y 9.c).
Figura 9. Distribución media mensual de la precipitación horaria. Estaciones ubicadas en
las RN1, RN2, RN3 y RA1.
c) Las estaciones 8 y 9 (Figuras 10.a y 10.b) no tienen una señal diurna clara durante los
meses del invierno boreal, en los cuales se dan los máximos de precipitación. Desde mayo
hasta noviembre se observa un patrón con un ciclo diurno marcado en el que los máximos
se dan cerca de las 16 TS. Este patrón muestra dos particularidades: Durante julio hay
máximos locales cerca de las 8 TSL y las 0 TSL, y durante setiembre y octubre las
50
precipitaciones son casi nulas antes de las 13 TSL. Las estaciones 12 y 13 (Figuras 10.a y
10.b) ubicadas hacia el sureste de estas presentan un comportamiento similar pero con
acumulados menores.
Figura 10. Distribución media mensual de la precipitación horaria. Estaciones ubicadas en
RA3 y su el límite con RN5.
d) En la región atlántica norte se puede observar el máximo en julio cerca de las 7 TSL,
este máximo cambia su carácter de absoluto a local de noviembre a febrero, meses en los
cuales se da otro máximo cerca de las 22 TSL. El efecto de la convergencia entre brisas de
tierra y montaña con el flujo de gran escala podría explicar el máximo nocturno. En esta
51
zona también se observa la disminución de las precipitaciones antes de las 13 TSL durante
setiembre y octubre (Figuras 10.c y 10.d).
Figura 11. Distribución media mensual de la precipitación horaria. Estaciones ubicadas en
RA4 y su el límite con RA3.
e) Las estaciones restantes de la región atlántica (Figuras 11.c, 11.d, 12.a, 12.b, 12.c y
12.d), todas ubicadas en zonas costeras, presentan un patrón persistente a lo largo del
año en el cual la mayoría de la precipitación se acumula durante las noches y las mañanas,
esto debido a que existe un mínimo de precipitación entre las 11 y las 17 TSL. A pesar de
esto, el máximo cerca de las 7 TSL durante el mes de julio y la precipitación casi nula antes
52
de las 13 TSL durante octubre, también están presentes en la distribución horaria mensual
de precipitación de estas estaciones. Al ser esta una zona costera con un sistema
montañoso adyacente pronunciado la propagación hacia la costa de sistemas formados en
tierra podría explicar los máximos nocturnos. Los máximos matutinos pueden deberse al
efecto de sistemas de mesoescala formados sobre el océano cerca de la costa, se ha
reportado la presencia de estos sistemas en las primeras horas de la mañana durante el
mes de julio (Mohr y Zipser 1996). La concavidad de la costa, desde el norte de Nicaragua
hasta la zona del Canal de Panamá, podría inducir convergencia de brisas de tierra en esta
zona (Biasutti et al. 2012).
4.4 Distribución mensual del viento horario
El régimen de viento que afecta la región de estudio no es homogéneo, más bien las
observaciones en algunas zonas reflejan la influencia de sistemas de escala sinóptica y
planetaria mientras que en otras zonas reflejan circulaciones locales y/o su interacción
con sistemas de mayor escala.
En las zonas planas de la RN (RN3 y RN4) el viento observado proviene del este con poca
variabilidad de la dirección, las figuras 15, 16 y 17 muestran que la influencia de los alisios
en el área de estudio es máxima entre diciembre y marzo de forma coincidente con los
máximos de viento en superficie. El ciclo diurno en la velocidad del viento puede deberse
a que la mezcla vertical producto del calentamiento diurno permite un mejor acople entre
las capas cercanas a la superficie donde se ubica el sensor y las capas un poco más
53
elevadas donde el flujo sinóptico se observa más claramente (Figura 13.a y 13.b). En la
RN2, que es una zona alta, se observa un cambio en la dirección del viento gracias a la
topografía que canaliza el flujo e induce, posiblemente, sistemas de brisas locales (Figura
13.c).
Figura 12. Distribución media mensual de la precipitación horaria. Estaciones ubicadas en
la RA5.
En la RA4, que es una zona costera, la distribución mensual horaria del viento en
superficie se debe a la presencia de brisa marina y brisa de tierra con vientos del este
durante el día y del oeste durante la noche (Figura 13.d), los máximos anuales se dan
54
cerca de las 13 TSL durante los meses de mayo, junio, setiembre y octubre y coinciden
con los máximos de temperatura (Figura 14), durante los meses de noviembre y diciembre
la dirección del viento es del oeste a lo largo del día. Los resultados observados en la RA4
(Figura 15.d) son concordantes con los obtenidos por algunos estudios previos en los que
se emplearon datos tomados por la misma estación, pero de otros periodos de tiempo.
Usando datos de 1970 hasta 1978, Zárate (1981) mostró que la presencia de vientos
provenientes del oeste durante las noches es constante a lo largo del año. Vargas et al.
(2011), con datos de 1997 hasta 2007, presenta una distribución horario mensual del
vector viento similar a la presentada en este estudio, en ella se observa de nuevo la
presencia de viento del oeste en las noches. Otra característica a destacar de la
distribución mostrada por Vargas et al. (2011) es que en los meses de noviembre y
diciembre la dirección del viento es del oeste durante el día y la noche. Según Zárate
(1981) la presencia de empujes fríos de latitudes medias durante estos meses puede ser la
causa de este patrón, sin embargo los alisios también pueden alcanzar suficiente
intensidad y estratificación para generar este patrón. Los máximos de la velocidad cerca
de las 13 TSL coinciden con los encontrados por Muñoz et al. (2002b). La RA5 es una zona
en la que, debido a la presencia de la Cordillera de Talamanca, los alisios presentan
magnitudes mucho menores que en las regiones RA3 y RN tal como lo muestra la Figura
15 donde se presenta el valor medio del vector viento a 925 hPa tomado de ERA-interim.
Las figuras 13.e y 13.f muestran que en esta zona durante el día se presenta una brisa
55
débil del este-noreste y en la noches los vientos son calmos, en los meses de noviembre y
diciembre la dirección del viento durante el día cambia a noroeste.
Figura 13. Distribución horaria mensual del viento en superficie.
56
4.5 Análisis de la variabilidad observada
Los diferentes análisis realizados muestran que el ciclo diurno es variable en la vertiente
Caribe de Costa Rica y que en las diferentes estaciones analizadas el ciclo diurno varía a lo
largo del año. Las principales fuentes de esta variabilidad espacial son la topografía y la
cercanía a la costa, pues como se observa en la Figura 15 estas no solo producen sistemas
de viento local sino que también modifican la forma en que las circulaciones de mayor
escala afectan cada zona.
Figura 14. Distribución Mensual de la Temperatura Horaria en Limón.
57
En la región norte, los vientos alisios pueden penetrar varios kilómetros sin encontrar
obstáculos topográficos importantes. En esta zona el calentamiento diurno produce una
capa límite bien mezclada, con poca variación vertical de la componente horizontal del
viento, debido al transporte negativo vertical de momento. Lo anterior permite observar
los vientos alisios por medio de sensores en superficie. Al encontrar un sistema
montañoso con pasos topográficos gran parte del flujo es canalizado, sin embargo, una
porción de la humedad que por este es transportada contribuye con la convección a
barlovento producto de la inestabilidad generada por el calentamiento radiativo y/o el
forzamiento orográfico. Esta zona presenta un ciclo diurno definido con máximos de
precipitación en las tardes. Durante los meses del invierno boreal, en los que los vientos
alisios son más intensos en la región (Figuras 16, 17 y 18) y se dan empujes fríos desde
latitudes medias, la región RN2 presenta máximos de precipitación entre las 4 y las 8 TSL.
Las estaciones ubicadas en la RA3, su límite con la RN y el sector más al norte de la RA4
tienen variabilidad asociada tanto al ciclo diurno como al semidiurno, el cual presenta un
máximo cerca de las 4 TSL. Este comportamiento es congruente con régimen costero
marítimo reportado por Kikuchi y Wang (2008), con máximos entre las 03 y 12 TSL. Para
explicar esta característica de la variabilidad diurna se propone que la convergencia de la
brisa de tierra con los alisios podría generar la propagación, desde el interior hacia la
costa, de un frente brisa. Este mecanismo ha sido sugerido como explicación para un
máximo similar reportado en Oahu, Hawaii (Hartley y Chen 2010); otra posible explicación
58
a este comportamiento es la advección hacia la zona continental de sistemas de
mesoescala formados sobre el océano, cuyos máximos de precipitación se presentan a
estas horas (Kikuchi y Wang 2008), por parte de los alisios que tienen un gradiente
marcado sur-norte (Figura 15).
Figura 15. Vector viento a 925 hPa. Promedio mensual del 2006 al 2011. Calculado a partir
del reanálisis ERA-interim.
En la zona costera al sur de la RA4 y la RA5 el ciclo semidiurno es el principal responsable
de la variabilidad diurna. Los máximos de precipitación se dan cerca de las 7 TSL y las 19
TSL. El máximo de las 7TSL puede ser explicado por los mismos mecanismos propuestos
para el máximo de las 4TSL en la RA3, el máximo de las 19 TSL puede deberse a la
59
propagación de tierra a la costa de los sistemas causantes de precipitación pues es
congruente con el régimen costero continental descrito por Kikuchi y Wang (2008).
El sistema de vientos alisios es el principal mecanismo de transporte de humedad a la
región (Durán-Quesada et al. 2010) por lo que su variabilidad mensual y estacional debe
verse reflejada en la variabilidad de la precipitación. En las figuras 16, 17 y 18 se observa
que la velocidad y dirección de los alisios presentan un ciclo anual. De diciembre a marzo
este flujo proviene del noreste sobre el océano y es canalizado a través de la región norte
donde toma dirección este. La canalización del flujo y la reducción en su velocidad por la
presencia del istmo produce convergencia y precipitaciones significativas en la RA3. La
relación entre el viento y la precipitación en la vertiente Caribe de Costa Rica ya ha sido
estudiada en otros trabajos (Zárate 1981; Chacón y Fernández 1985; Muñoz et al. 2002a).
Se resalta la importancia de los alisios en los procesos relacionados a la precipitación en
los meses de setiembre y octubre como un caso de interés. Las figuras 17.a y 17.b
muestran que en estos meses los flujo alisios presentan un mínimo y que debido a su poca
energía estos son obligados por el sistema montañoso, al sur de la región, a tomar una
dirección hacia el sur en la zona costera. Este cambio en la dirección se observa también
en superficie (figuras 13.d, 13.e y 13.f), la altura del máximo del CCBNC durante estos
meses (800 hPa) también podría influir en los patrones de precipitación observados. La
distribución horaria de precipitación en la RA (figuras 10, 11 y 12) muestra que durante
estos meses las precipitaciones se dan después de las 14 TSL y antes de esta hora son casi
60
nulas. Esta distribución sugiere que las precipitaciones son causadas por la convección
producto del calentamiento diurno. El ciclo anual del viento mostrado presenta similitud
al presentado por Lizano (2007), los máximos de diciembre a marzo y los mínimos en
setiembre y octubre también se observan en dicho trabajo.
El ejemplo de los meses de setiembre y octubre muestra que los alisios y su interacción
con las circulaciones locales, tienen gran influencia en los procesos que producen
precipitaciones en la región atlántica, la disminución de la intensidad de los alisios
modifica considerablemente el régimen de precipitaciones en esta región, esta
modulación de la precipitación por parte de los alisios ha sido reportada en Dominica
donde la precipitación no tiene un ciclo diurno marcado en días con alisios intensos y es
producto de la elevación mecánica del flujo por el sistema montañoso (Kirshbaum and
Smith 2009) .
61
Figura 16. Vector viento a 925 hPa. Promedio mensual del 2006 al 2011. a) Enero. b) Febrero. c) Marzo. d) Abril. Calculado a partir del reanálisis ERA-interim.
4.6 Evaluación del modelo MM5V3
En general, el modelo tiende a subestimar la cantidad de precipitación, sin embargo, en
las estaciones más altas (7 y 20) el modelo sobreestima la precipitación y los máximos
simulados ocurren horas antes que los observados (Figura 19). El patrón simulado de
precipitación podría deberse a que el modelo no está capturando los mecanismos
responsables de la precipitación en las zonas más bajas, entre los cuales destacan la
interacción entre los sistemas de brisas con los alisios y la propagación desde el mar de
sistemas de mesoescala, o a que el modelo tiende a exagerar la capacidad de la
62
interacción (física y dinámica) entre la atmósfera y la orografía para producir
precipitación, estas explicaciones no son mutuamente excluyentes.
Figura 17. Vector viento a 925 hPa. Promedio mensual del 2006 al 2011. a) Mayo. b) Junio. c) Julio. d) Agosto. Calculado a partir del reanálisis ERA-interim.
Siguiendo los pasos descritos en la sección 2.3.2 se calculó una serie de indicadores del
desempeño del modelo MM5V3, estos se muestran en la Figura 20. El porcentaje de
aciertos (PC) es alto (PC>80) en la mayoría de los casos, sin embargo esta no es una buena
medida pues da igual valor a acertar la no ocurrencia y la ocurrencia aunque prevalezca la
primera.
63
Figura 18. Vector viento a 925 hPa. Promedio mensual del 2006 al 2011. a) Setiembre. b) Octubre. c) Noviembre. d) Diciembre. Calculado a partir del reanálisis ERA-interim.
Si se elimina la posibilidad de eventos no observados ni simulados (CSI) la precisión del
modelo decae a valores menores al 15%, excepto en las estaciones ubicadas en la zona
RN2 donde se encuentra entre el 20% y el 25%.
El sesgo (B) muestra que en las regiones RN1, RN3 y RA1 el modelo produce más eventos
con precipitación que no son observados que eventos observados que no son simulados,
en resto de estaciones el comportamiento es opuesto.
64
Figura 19.Distribución horaria de precipitación. Comparación entre 160 simulaciones y sus correspondientes observaciones.
La tasa de eventos simulados que no existieron (FAR) muestra que más del 60% de los
eventos simulados no fueron observados por las estaciones. En la región RN3 esta
cantidad llega al 90%. El porcentaje de detección (POD) indica que el modelo logra simular
mejor los eventos en la región RN2, sin embargo este porcentaje es bajo y nunca supera el
35%.
Es claro a partir de estos indicadores que el desempeño del modelo MM5V3, con la
configuración usada y en escala temporal horaria, presenta deficiencias a la hora de
representar las observaciones. Sin embargo se debe tener en cuenta que este no es un
resultado sorpresivo. Un modelo como el MM5V3, configurado con un tamaño de rejilla
65
de 2 km es muy sensible a procesos físicos que no son comprendidos del todo, por
ejemplo, la interacción de la atmósfera con la superficie. Además de esto, la base de datos
de uso del suelo empleada por el modelo no es realista y sobre Costa Rica no toma en
cuenta la presencia de centros urbanos de población, donde los flujos superficiales de
energía y el albedo son muy diferentes a los que se observan en zonas cubiertas por
vegetación. En una zona costera la representación correcta de la temperatura superficial
del mar también es esencial para lograr una buena simulación de los procesos dinámicos.
66
Figura 20. Métricas usadas para la evaluación del modelo. a) PC. b) CSI. c) B. d)F. e)FAR. f) POD.
67
Capitulo 5
Conclusiones, Alcances y Recomendaciones.
5.1. Conclusiones
La distribución diaria de precipitación no es espacialmente uniforme en la vertiente Caribe
de Costa Rica. En la región norte (RN) domina el ciclo de 24 horas, con máximos durante
las tardes. En las zonas relativamente lejanas de las costas de la región atlántica (RA2 y el
límite entre RA3 y RN5; Figura 4) la precipitación tiene dos máximos, uno relativo cerca de
las 4 TSL y otro absoluto cerca de las 16 TSL. En las zonas costeras (RA4 y RA5) la
precipitación tiene dos máximos con magnitudes similares, uno cerca de las 7 TSL y otro
cerca de las 19 TSL. Estos máximos son consistentes con los reportados por Kikuchi y
Wang (2008) en un estudio que cubre los trópicos globales. No es un detalle despreciable
que en una región con tan poca extensión territorial se observen los cuatro regímenes de
variabilidad diurna encontrados en un estudio de carácter global; oceánico (máximos
entre las 6 y 9 TSL), continental (máximos entre las 15 y 18 TSL), costero sobre el mar
(máximos entre las 3 y 12 TSL) y costero sobre tierra (máximos entre las 18 y 0 TSL)
(Kikuchi y Wang 2008).
La interacción, física y dinámica, de los vientos alisios con la topografía y otros sistemas
de viento local determina la distribución diaria de la precipitación. El gradiente sur-norte
(Figura 15) en el campo de velocidad de los alisios tiene como efecto sobre la
precipitación que la zona sur de la región atlántica (R4 y R5) sea menos lluviosa que la
68
zona norte de la misma región (RA3). Cuando los alisios disminuyen su intensidad, los
patrones de precipitación cambian en la región atlántica.
En general las características del ciclo diurno en ambas regiones RN y RA muestran
diferencias. En la RN las diferencias entre las subregiones se dan principalmente en la
cantidad de precipitación pero no en la estructura del ciclo diurno que es consistente con
el ciclo diurno de la temperatura. En la RA también se da esta diferencia en los
acumulados pero las estaciones lejanas a la costa de la RA3 y R4 muestran ciclos diurnos
con estructuras diferentes a las cercanas a la costa en dichas regiones. Este
comportamiento muestra que la cercanía de la costa y los fenómenos dinámicos que esta
modula son de vital importancia para el ciclo diurno de la precipitación.
La ubicación geográfica y los rasgos topográficos de Costa Rica la hacen una zona ideal
para estudiar las interacciones entre el flujo de gran escala, la topografía y las
circulaciones locales. Entender los mecanismos físicos y dinámicos que modulan esta
interacción puede ayudar a mejorar su representación en modelos de mesoescala. Para
comprender esta interacción es necesario contar con una mejor base de observaciones,
no solo con una red más densa sino más variada, con observaciones en perfiles verticales
y sensores que permitan observar los campos de precipitación y analizar mejor su
naturaleza.
Las deficiencias del modelo MM5V3 en la representación de la precipitación horaria
puede tener varias causas. El contenido de humedad en los alisios puede estar
69
subestimado (Trenberth y Guillemot 1998), esto impone una restricción fuerte en la
generación de precipitación. La representación de la superficie continental, el efecto
dinámico que su presencia induce en los vientos alisios y el efecto termodinámico de sus
flujos de energía y masa son importantes para simular correctamente los mecanismos
responsables de producir precipitación en los modelos. En estas simulaciones la
temperatura superficial del mar es tomada del reanálisis de NCEP/NCAR (resolución
espacial de 2.5° X 2.5° y temporal de 6 horas) y no está acoplada a los procesos
atmosféricos por lo que la interacción océano-atmósfera en escalas espacio-temporales
menores a las de los datos recién mencionados no se representan en estas simulaciones.
Errores en la estimación de la temperatura superficial del mar inducen errores en la
representación de las brisas de mar y tierra, que son clave para generar convergencia y
precipitación.
5.2 Alcances
Este trabajo muestra una caracterización del ciclo diurno en la vertiente Caribe a partir de
datos tomados por sensores en superficie. Hasta la fecha no se ha realizado algún trabajo
con una cobertura espacial tan completa en la región. Los resultados obtenidos son
consistentes en general con los presentados por Biasutti et al. (2012) pero con algunas
diferencias importantes. Por ejemplo, en la zona costera al sur de 10°N el trabajo recién
mencionado reporta los máximos en la frecuencia de la precipitación entre las 16 y las 19
TSL.
70
Este tipo de contrastes muestran el valor mantener sistemas de observación en superficie
capaces de realizar observaciones casi continuamente pues la frecuencia de muestreo de
los sensores a bordo de satélites es baja comparada a la de las estaciones meteorológicas.
A pesar de los resultados obtenidos en la evaluación del modelo, el ejercicio es valioso. Se
mostró que una configuración que ha sido usada para otras aplicaciones en la región
(Ejemplo: Amador et al. 2013), no se desempeña correctamente a escalas diurnas. El autor
de este trabajo desconoce la existencia de otras evaluaciones de este tipo enfocadas a
Costa Rica. Se espera que esta evaluación, no solo sirva de referencia sino que motive a
otros usuarios de modelos numéricos a evaluar sus configuraciones y presentar sus
resultados.
5.3. Recomendaciones
Este trabajo es una introducción al estudio del ciclo diurno en la vertiente Caribe de Costa
Rica, la identificación de los mecanismos que la gobiernan y la simulación por medio de un
modelo dinámico de la atmósfera. El tema, al haber sido poco estudiado brinda muchas
oportunidades para mejorar la comprensión de los fenómenos físicos involucrados.
Desde un punto de vista observacional, usando solamente los datos disponibles hasta el
momento, se puede usar una técnica de clasificación de patrones de tiempo atmosférico
para observar el comportamiento del ciclo diurno bajo la influencia de cado uno de ellos
(Qian et al. 2013). Este enfoque puede ayudar a entender mejor los mecanismos físicos
responsables de los diferentes modos de variabilidad diurna observada. Mejorar la red de
71
observaciones, ubicando los sensores de viento a su altura estándar (10 m) ayudaría a
construir campos homogéneos de viento superficial los cuales son necesarios para el
análisis de los procesos dinámicos relacionados al ciclo diurno. No se cuenta con una base
de observaciones de la estructura vertical del viento y su contenido de humedad, en la
vertiente Caribe de Costa Rica, que se pueda utilizar para investigar su relación con los
procesos generadores de precipitación en la región.
Para mejorar las simulaciones del ciclo diurno en la región se pueden sugerir una gran
cantidad de procedimientos y técnicas, aquí se van a listar algunas realistas para los
recursos disponibles en Costa Rica:
-Incluir en el análisis otros modelos como el WRF y versiones de este que acoplen
procesos oceánicos y permitan representar mejor la temperatura superficial del mar.
-Desarrollar una base de datos de uso del suelo en el país que sea más acorde con la
realidad, esto podría mejorar la simulación de los procesos dinámicos y termodinámicos
en la superficie terrestre.
-Para representar la mayor cantidad de procesos físicos y dinámicos que puedan afectar
directamente la atmósfera de la región de estudio, se puede ampliar el dominio interno
tanto como los recursos disponibles lo permitan pues, por ejemplo, la propagación de
sistemas de mesoescala puede verse afectada al encontrar un límite entre dominios.
Además, la convección asociada a estos sistemas puede excitar ondas de gravedad que
afecten zonas relativamente lejanas.
72
-La asimilación avanzada de datos, con métodos como la asimilación variacional en 4
dimensiones (4DVAR; Warner 2011), permite incluir en las condiciones iniciales y de
contorno del modelo la mayor cantidad de observaciones disponibles, no importa en qué
momento del tiempo de análisis fueron tomadas. Dado que el problema que un modelo
dinámico de la atmósfera intenta resolver es un problema de valor inicial, introducir en el
modelo la información más exacta sobre el estado inicial de la atmósfera podría mejorar la
aproximación de las soluciones.
73
Apéndice 1
Ciclo Anual de la Precipitación
Se presenta el ciclo anual de la precipitación calculado a partir de los datos empleados en
este trabajo.
Figura A.1.Ciclo anual de la precipitación. Estaciones ubicadas en las subregiones RN1 y RN3.
74
Figura A2.Ciclo anual de la precipitación. Estaciones ubicadas en las subregiones RN1, RN2, RN3 y RA1.
Figura A3.Ciclo anual de la precipitación. Estaciones ubicadas en la subregión RA3 y su el límite con RN5.
75
Figura A4.Ciclo anual de la precipitación. Estaciones ubicadas en la subregión RA4 y su el límite con RA3.
Figura A5.Ciclo anual de la precipitación. Estaciones ubicadas en la subregión RA5.
76
Referencias
Alfaro, E., L. Cid y D. Enfield, 1998: Relaciones entre el inicio y el término de la estación
lluviosa en Centroamérica y los Océanos Pacífico y Atlántico Tropical. Investigaciones
Marinas, 26, 59-69.
Alfaro, E. y L. Cid, 1999: Ajuste de un modelo VARMA para los campos de anomalías de
precipitación en Centroamérica y los índices de los océanos Pacífico y Atlántico Tropical.
Atmósfera, 12, 205-222.
Alfaro, E., 2002: Some Characteristics of the Annual Precipitation Cycle in Central America
and their Relationships with its Surrounding Tropical Oceans. Tópicos Meteorológicos y
Oceanográficos, 9, 88-103.
Alfaro E. y F. J. Soley, 2009: Descripción de dos métodos de rellenado de datos ausentes
en series de tiempo meteorológicas. Revista de Matemáticas: Teoría y Aplicaciones, 16,
59-74.
Amador, J. A., 1998: A climatic feature of tropical Americas. The trade wind easterly jet.
Tópicos Meteorológicos y Oceanográficos, 5, 91–102.
Amador, J. A., R. E. Chacón y S. Laporte, 2003: Climate and climate variability in the Arenal
Basin of Costa Rica. Climate and Water: Transboundary Challenges in the Americas. H. F.
Diaz, B. Morehouse, Editores, Klewer Academic Publishers BV, The Netherlands, 317–350.
77
Amador, J. A., E. J. Alfaro, O. G. Lizano y V. O. Magaña, 2006: Atmospheric forcing of the
eastern tropical Pacific: A review. Progress in Oceanography, 69, 101–142.
Amador, J. A., 2008: The Intra-Americas Sea Low-Level Jet. Annals of the New York
Academy of Science, 1146, 153–188.
Amador, J. A. y E. J. Alfaro, 2009: Métodos dinámicos y estadísticos de reducción de
escala: Aplicaciones al tiempo, clima, variabilidad climática y cambio climático. Revista
Iberoamericana de Economía Ecológica, 11, 55-68.
Amador, J. A., E. J. Alfaro, H. G. Hidalgo, F. J. Soley, F. Solano, J. L. Vargas, F. Sáenz, B.
Calderón, P. M. Pérez, J. J. Vargas, R. Díaz, A. Goebel, A. Montero, J. L. Rodríguez, A.
Salazar, P. Ureña, N. Mora, I. Rivera, C. Vega y C. Bojorge, 2013: Clima, variabilidad y
cambio climático en la Vertiente Caribe de Costa Rica: Un estudio básico para la actividad
bananera. Informe Final del Proyecto VI-805-B0-402. Centro de Investigaciones Geofísicas
(CIGEFI), Vicerrectoría de Investigación y Escuela de Física, Universidad de Costa Rica y
Corporación Bananera Nacional (CORBANA), Setiembre 2013, 225 pp.
Anthes R. A. y T. T. Warner, 1978: Development of hydrodynamic models suitable for air
pollution and other mesometeorological studies. Monthly Weather Review, 106, 1045–
1078.
Betts, A. K., 1998: Surface diurnal cycle over Venezuela. Meteorology and Atmospheric
Physics, 67, 213-216.
78
Betts, A. K., 2003: Diurnal Cycle. Encyclopedia of Atmospheric Sciences, J. R. Holton J. Pyle
and J. A. Curry, Editores, Academic Press, London, 640-643.
Betts, A. K., 2007: Coupling of water vapor convergence, clouds, precipitation, and land-
surface processes. Journal of Geophysical Research, 112, D10108.
Betts, A. K., R. Desjardins y D. Worth, 2013: Cloud Radiative Forcing of the Diurnal Cycle
Climate of the Canadian Prairies. Journal of Geophysical Research, 118, 8935–8953.
Biasutti, M., S. E. Yuter, K .D, Burleyson y A. H. Sobel, 2012: Very high resolution rainfall
patterns measured by TRMM precipitation radar: seasonal and diurnal cycles. Climate
Dynamics, 39, 1, 239-258.
Chacón, R. E. y W., Fernández, 1985: Temporal and spatial rainfall variability in the
mountainous region of the Reventazón river basin, Costa Rica. Journal of Climatology, 5,
175–188.
Cook, K. H. y E. K. Vizy, 2010: Hydrodynamics of the Caribbean Low-Level Jet and Its
Relationship to Precipitation. Journal of Climate, 23, 1477–1494.
Dai, A. y C. Deser, 1999: Diurnal and Semidiurnal Variations in Global Surface Wind and
Divergence Fields. Journal of Geophysical Research, 104, 109-131.
Dee, D. P., Uppala, S. M., Simmons, A. J., Berrisford, P., Poli, P., Kobayashi, S., Andrae, U.,
Balmaseda, M. A., Balsamo, G., Bauer, P., Bechtold, P., Beljaars, A. C. M., van de Berg, L., Bidlot, J.,
79
Bormann, N., Delsol, C., Dragani, R., Fuentes, M., Geer, A. J., Haimberger, L., Healy, S. B., Hersbach,
H., Hólm, E. V., Isaksen, L., Kållberg, P., Köhler, M., Matricardi, M., McNally, A. P., Monge-Sanz, B.
M., Morcrette, J.-J., Park, B.-K., Peubey, C., de Rosnay, P., Tavolato, C., Thépaut, J.-N. y Vitart, F.,
2011: The ERA-Interim reanalysis: configuration and performance of the data assimilation system.
Quarterly Journal of the Royal Meteorological Society, 137, 553–597.
Dudhia, J., 1989: Numerical study of convection observed during the Winter Monsoon
Experiment using a mesoscale two-dimensional model. Journal of the Atmospheric
Sciences, 46, 3077–3107.
Dudhia, J., 1993: A nonhydrostatic version of the Penn State/NCAR mesoscale model:
Validation tests and simulation of an Atlantic cyclone and cold front. Monthly Weather
Review, 121, 1493-1513.
Durán-Quesada, A. M., L. Gimeno, J. A. Amador, y R. Nieto, 2010: Moisture sources for
Central America: Identification of moisture sources using a Lagrangian analysis technique.
Journal of Geophysical Research, 115,D05103.
Emanuel, K., 1993: The Effect of Convective Response Time on WISHE Modes. Journal of
the Atmospheric Sciences, 50, 1763–1776.
Enfield, D. y E. Alfaro, 1999: The dependence of caribbean rainfall on the interaction of the
tropical Atlantic and Pacific Oceans. Journal of Climate, 12, 2093-2103.
80
Enfield, D. B.; A. M. Mestas-Nunez y P. J. Trimble, 2001: The Atlantic Multidecadal
Oscillation and its relationship to rainfall and river flows in the continental U.S.
Geophysical Research Letters, 28, 2077–2080.
Fernández, W., R. E. Chacón y J. Melgarejo, 1996: On the rainfall distribution with altitude
over Costa Rica. Revista Geofísica, 44, 57–72.
Giorgi, F., 1990: Simulation of Regional Climate Using a Limited Area Model Nested in a
General Circulation Model. Journal of Climate, 3, 941–963.
Grell, G., 1993: Prognostic evaluation of assumptions used by cumulus parameterizations.
Monthly Weather Review, 121, 764–787.
Grell G., J. Dudhia y D. Stauffer, 1994: A description of the fifth-generation Penn
State/NCAR Mesoscale Model (MM5). NCAR Tech note NCAR/TN-398 + STR, 117 pp.
Gray, W. M. y R. W. Jacobson, 1977: Diurnal Variation of Deep Cumulus Convection.
Monthly Weather Review, 105, 1171–1188.
Hartley, T. M. y Y. Chen, 2010: Characteristics of Summer Trade Wind Rainfall over Oahu.
Weather and Forecasting, 25, 1797–1815.
Hernandez, J. L., J., Srikishen, D. J. Erickson, R. Oglesby y D. Irwin, 2006: A regional climate
study of Central America using the MM5 modeling system: results and comparison to
observations. International Journal of Climatology, 26, 2161–2179.
81
Hong, S. y H. Pan, 1996: Nonlocal Boundary Layer Vertical Diffusion in a Medium-Range