INTRODUCCIÓN
La sensación de bienestar o malestar debido a la variación de las variables meteorológicas es un rasgo importante del estado del tiempo para las personas. Lo que se siente como combinación de la temperatura ambiente con el viento y con la humedad, es lo que se conoce con el concepto de sensación térmica (Portela et al., 2000). Para el análisis de las sensaciones térmicas se emplean índices e indicadores muy variados. Un índice es “una medida que intenta sintetizar en un valor único la información de diversas variables sobre una determinada magnitud del fenómeno que se describe en el tiempo y el espacio. Además, permite representar convencionalmente el grado o intensidad de una determinada cualidad o fenómeno” (Guevara, 2013).
Los primeros índices bioclimáticos aparecen a finales del siglo XIX; desde entonces, se han sucedido las investigaciones en este campo dando lugar a la existencia de más de 150 índices de confort (Fernández et al., 2012). Este enfoque está ampliamente difundido en el ámbito internacional pero aún no existe consenso sobre cuál es el más adecuado, debido a que su utilidad depende de factores físicos, geográficos y biológicos. Dentro de los índices bioclimáticos más difundidos en Cuba se encuentra la Temperatura Efectiva Equivalente (TEE) (Santana, 2004; Guevara, 2006; Castillo, 2014; Barcia et al., 2020) el cual se considera entre los más efectivos para el análisis de las sensaciones térmicas en el archipiélago (Barcia et al., 2021).
En la actualidad muchas actividades socioeconómicas se planifican de acuerdo con los pronósticos meteorológicos; de ahí, la necesidad de aunar esfuerzos en aras de incrementar cada vez más la certeza en la predicción del tiempo, así como la incorporación de nuevas variables o índices e indicadores meteorológicos. La predicción del tiempo se efectúa de disímiles formas: desde el análisis de mapas sinópticos, los datos de aire superior, imágenes de satélite y radares; mediante el uso de métodos estadísticos; y hasta la modelación computacional, de extraordinaria importancia como una herramienta en la elaboración de los pronósticos a corto y mediano plazo (Díaz, 2010).
Los modelos de pronóstico numérico del tiempo son en la actualidad una de las herramientas más utilizadas por los pronosticadores. El modelo de predicción e investigación meteorológica (WRF, por sus siglas en inglés) es un sistema de predicción meteorológica numérica de mesoescala de próxima generación diseñado para satisfacer las necesidades tanto de investigación atmosférica como de predicción operativa. El modelo sirve para una amplia gama de aplicaciones meteorológicas en escalas que van desde decenas de metros a miles de kilómetros (Sierra et al., 2014). En Cuba, el Sistema de Pronóstico Inmediato (SisPI), que se encuentra operativo en el Centro de Física de la Atmósfera del Instituto de Meteorología, complementa y diversifica la información que brindan los modelos globales y regionales disponibles para la elaboración de los pronósticos y tiene como objetivo fundamental el pronóstico numérico de eventos meteorológicos de escala local.
La verificación es una parte esencial del sistema de pronóstico, pues proporciona un método para elegir entre los procedimientos de pronóstico y cuantificar las mejoras, también permite identificar las fortalezas y debilidades de los modelos de pronóstico, formando así un elemento crucial en cualquier programa sistemático para el perfeccionamiento de los pronósticos (Brooks & Doswell, 1996).
En Cuba, el desarrollo de esta actividad ha conllevado la verificación de los pronósticos de diferentes variables meteorológicas como temperatura, humedad relativa, precipitación, presión, viento, calidad del aire (Mitrani et al., 2006; Díaz et al., 2013; Turtos et al., 2013; Moya & Ortega, 2015; Valdés et al., 2018; Roque et al., 2018; Alfonso, 2020). La reciente implementación de la TEE en los pronósticos numéricos amerita que se determine la efectividad de este producto en el SisPI a partir de los resultados obtenidos por (Barcia et al., 2020), en cuanto a la caracterización espacio-temporal de esta variable. De ahí, el presente estudio tiene como objetivo verificar el pronóstico para 24 horas de la Temperatura Efectiva Equivalente implementado en el SisPI.
MATERIALES Y MÉTODOS
Datos utilizados y período de estudio
El modelo WRF fue corrido con los datos del modelo GFS (Sistema Global de Predicción) correspondientes al año 2019. Se utilizó la corrida de SisPI inicializada a las 12:00 UTC de las variables velocidad del viento, temperatura y humedad relativa, que fueron empleadas para el cálculo de TEE. Fue escogida la inicialización de las 12:00 UTC por ser la que arroja mejores resultados en cuanto a la precisión del pronóstico (Alfonso, 2020). Para la evaluación fueron utilizados los datos de la red de estaciones meteorológicas de Cuba las que se agruparon en costeras, interiores y montañosas (Barcia et al., 2020) y cuya distribución espacial se muestra en la figura 1 .
Variables de estudio
Fue calculado el índice bioclimático TEE mediante la fórmula de Brooks (Guevara et al., 2017):
Donde:
|
donde
|
|
diferencia entre la temperatura del aire ( |
|
velocidad del viento a 2 m de altura, que proviene de la relación 0.67V, donde V es la velocidad del viento a 10 m de altura (al nivel de la estación meteorológica), en m/s. |
Metodología
Para la verificación del pronóstico de esta variable se seleccionó la metodología celda-punto, pues se dispone de una base de datos de observaciones puntuales proveniente de estaciones meteorológicas. Este método permite comparar los valores de las observaciones puntuales con los valores pronosticados correspondientes a la celda donde se sitúa esa observación. De no coincidir, se interpola la salida del modelo a las coordenadas de la estación. Una vez interpolados los datos, es posible el cálculo de diferentes estadígrafos que se describen seguidamente:
Error Absoluto Medio (
Error Cuadrático Medio (
Error Relativo Medio (
Desviación Estándar de los valores pronosticados (
Donde:
|
es el número de valores analizados |
|
son los valores pronosticados |
|
es la media de los valores pronosticado |
Desviación Estándar de los valores observados
( |
es una medida que se utiliza para cuantificar la variación o la dispersión del conjunto de datos de las variables observadas. |
Donde:
|
es el número de valores analizados |
|
son los valores observados |
|
es la media de los valores observados |
Coeficiente de Ajuste ( |
indica un buen ajuste del modelo para valores próximos a 1. |
Donde:
|
es el número de valores analizados |
|
son los valores pronosticados |
|
son los valores observados |
|
es la media de los valores observados |
|
es la media de los valores pronosticados |
Coeficiente de Correlación de Pearson (
RESULTADOS
En la tabla 1 se muestran los resultados de la verificación anual para Cuba del pronóstico de la TEE con el SIsPI. Los mismos se expresan mediante los valores de los estadígrafos calculados.
La figura 2 muestra la variación estacional que presentan estos estadígrafos cuando se analiza el comportamiento de la TEE considerando a Cuba como un punto. Los valores obtenidos de
El Índice de Ajuste en la figura 3 muestra, valores próximos a uno, principalmente en los meses correspondientes al invierno. El máximo valor se obtiene en los meses de enero y marzo (0.88). La desviación estándar de los valores pronosticados es superior a la desviación estándar de los valores observados, con valores que oscilan entre 2.74 y 3.92, alcanzando los valores máximos en el mes de enero (Figura 3).
Durante el horario diurno, los valores obtenidos de mae son más pequeños, alcanzando el mínimo error a las 15:00 UTC (1.09) y el máximo a las 00:00 UTC (2.21). En cuanto al
El Índice de Correlación de Pearson muestra valores entre 0.7 y 0.89 (Figura 4). A partir de las 09:00 UTC se observa un aumento de dicho valor, alcanzando el máximo a las 15:00 UTC, para luego comenzar a disminuir hasta obtener un mínimo a las 00:00 UTC.
En la figura 5 al analizar el Índice de Ajuste, fueron obtenidos valores mayores a 0.74. Se observan en el horario diurno los valores más cercanos a uno, alcanzando a las 15:00 UTC el máximo valor (0.93), mientras que los menores valores se obtienen en horas la noche.
La desviación estándar de los valores pronosticados es superior a la desviación estándar de los valores observados, mostrando valores que oscilaron entre 2.89 y 3.36, alcanzando el máximo valor en el horario de las 12:00 UTC (Figura 5). También se muestra que para los valores observados la desviación estándar alcanza los valores máximos en este mismo horario.
Un análisis más detallado de la efectividad del pronóstico de la TEE se realiza a continuación al evaluar las principales diferencias entre las estaciones meteorológicas de Cuba. En la figura 6 se muestra que los máximos valores de
El análisis realizado por estaciones meteorológicas en los horarios de observaciones, evidencia que los valores de
El
DISCUSIÓN DE LOS RESULTADOS
En este estudio se ha realizado una verificación del pronóstico numérico del índice bioclimático Temperatura Efectiva Equivalente, el cual ha sido implementado recientemente en el SisPI. Para ello se realizó el análisis con la información disponible del 2019 y se emplearon las observaciones de 67 estaciones meteorológicas distribuidas por toda Cuba para identificar las diferencias en la efectividad de estos pronósticos.
De forma general, el
La variación mensual para Cuba evidenció que los valores de
En cada uno de los meses del año se reafirma la gran habilidad del modelo en el pronóstico de la variable estudiada, así lo muestra los resultados obtenidos para el índice de ajuste. Los valores de desviación estándar son superiores en los meses del período de invierno, esto puede deberse a las variaciones locales que presentan las variables, por la ocurrencia en este período de fenómenos como neblinas, la influencia de poca nubosidad y las calmas de viento que favorecen los procesos de irradiación nocturna, y que provocan una disminución en la temperatura. También está el hecho de que en este período se dan los intercambios de masas de aire entre latitudes medias y la zona tropical, que pueden afectar una región específica del país (fundamentalmente el occidente y centro), esto trae consigo una mayor diferencia en los valores de las estaciones de tipo interior, costeras y de montaña por lo que los valores de desviación van a ser mayor.
Como bien se evidencia las estaciones presentan diferencias entre sí. Dentro de las estaciones ubicadas en zonas montañosas, las que mostraron los máximos errores fueron la estaciones meteorológicas Topes de Collantes y Pinares de Mayarí, que son las que se encuentran a una mayor altura de las consideradas en el estudio, los altos errores en estas estaciones pueden estar asociados a que una de las deficiencias del modelo es que tiende a subestimar la altura, es decir, ubica estas estaciones a una menor altura, por lo que no logra reflejar adecuadamente el comportamiento de las variables meteorológicas en esas zonas, fundamentalmente el viento, de ahí el comportamiento para este índice particularmente.
Las diferencias en el horario nocturno pueden deberse a la influencia del viento en este índice bioclimático pues el modelo presenta los mayores errores de viento en horas de la noche y temprano en la mañana (Sierra et al., 2014). Los valores de positivos de
Estos resultados obtenidos en la verificación del pronóstico de la Temperatura Efectiva Equivalente con SisPI durante el 2019 fueron favorables, por lo que puede considerarse como una herramienta a emplear por los pronosticadores. Cabe destacar que en la investigación solo fue considerado un año de estudio, esto debido a la disponibilidad de los datos de las variables pronosticadas por el modelo, por lo que es necesario tener en cuenta la posibilidad de que en otros períodos de estudio con una caracterización diferente y donde exista la afectación de algún organismo tropical u otros factores meteorológicos, los resultados arrojados en la investigación no sean tan favorables. Sin embargo, como punto de inicio, los resultados aquí obtenidos pueden servir para un posterior empleo de pronósticos de índices bioclimáticos más certeros.
Un segundo paso de esta investigación sería conocer que tan factible son los pronósticos de sensaciones térmicas obtenidos a partir de la Temperatura Efectiva Equivalente y en mayor plazo los posibles pronósticos de Condición de Calor Intenso y Condición de Frío Intenso.
El pronóstico y monitoreo de forma operativa de la TEE permitirá la vigilancia de las sensaciones térmicas en Cuba y de las condiciones de calor y frío intenso que se puedan producir lo que a su vez contribuirá al pronóstico meteorológico y vigilancia climática de eventos de extremos térmicos potencialmente capaces de impactar en la salud, así como en otras actividades económicas priorizadas del país (Barcia et al., 2020).
CONCLUSIONES
El pronóstico del comportamiento de la Temperatura Efectiva Equivalente con SisPI durante el 2019 se correspondió acertadamente con los valores observados, obteniendo valores de Índice de Ajuste y Correlación de Pearson cercanos a uno.
Los mayores errores de pronóstico se obtienen en los meses del período de invierno, siendo en las estaciones ubicadas en zonas montañosas donde se alcanzan estos valores y se observa la mayor heterogeneidad en dicho período. Dentro de las estaciones ubicadas en zonas montañosas, las que muestran los máximos errores son la estaciones meteorológicas Topes de Collantes y Pinares de Mayarí, que son las que se encuentran a una mayor altura de las consideradas en el estudio.
Los menores errores se presentan en el horario diurno y se pueden observar en las estaciones ubicadas en las zonas costeras del país, mientras que las estaciones ubicadas en zonas montañosas son las que muestran los mayores errores en este horario