Què són i com funcionen els models. Els ensembles.

Quan et comença a agafar el cuquet de la meteorologia, comences a sentir noms com GFS, ECMWF, GEM, Arome. És a dir models, i et preguntes que són i com funcionen, i el dubte bàsic quin és millor??? I de cop escoltes ensembles, et diuen com més millor, sumat a la sortida determinista, la de control, la mitjana climàtica, mitjana d’ensembles, buffffff penses quin merder, anem en aquest post a posar una mica de llum en aquests conceptes, com sempre explico en l’àmbit introductori, per agafar els conceptes bàsics i entendre aquesta ciència d’una manera senzilla, però a la vegada comprensible. Som-hi!!

Els models atmosfèrics com el Global Forecast System (GFS) i el Centre Europeu (ECMWF) són eines que s’utilitzen per predir les condicions meteorològiques en el futur. Funcionen mitjançant l’ús de super-ordinadors que realitzen càlculs complexos basats en les equacions de la dinàmica atmosfèrica, els famosos algoritmes. Aquests models divideixen l’atmosfera en una quadrícula 3D i realitzen càlculs en cada punt de la quadrícula per predir com canviaran les condicions atmosfèriques en aquests punts en el temps. Els models de predicció atmosfèrica com GFS, ECMWF, Arome simulen l’atmosfera utilitzant una quadrícula tridimensional (3D) que divideix l’espai atmosfèric en cel·les imaginàries. (quadradets de sota el gràfic)

Aquesta quadrícula és una estructura imaginària que consisteix en punts de dades distribuïts en l’espai en tres dimensions: horitzontal, vertical i temporal. Cada punt de la quadrícula representa un punt o una cel·la imaginària de l’espai atmosfèric en una posició específica en coordenades geogràfiques (latitud i longitud) i altitud. Aquests punts o cel·les contenen valors de diferents paràmetres atmosfèrics com la temperatura, la pressió, la velocitat del vent i l’humitat, entre d’altres.

Els models realitzen càlculs matemàtics en aquests punts de la quadrícula per predir com canviaran les condicions atmosfèriques en el temps i l’espai. La quadrícula és una eina que permet dividir l’espai atmosfèric en petits elements que poden ser processats i utilitzats per a les simulacions. La resolució horitzontal i vertical de la quadrícula determina la grandària de les cel·les i la quantitat de detalls que es poden captar en les prediccions.

1. Resolució Horitzontal:
   • La resolució horitzontal es refereix a la grandària de les cel·les de la quadrícula en el pla horitzontal, és a dir, en l’espai geogràfic. Cada cel·la representa una àrea de la superfície de la Terra.
   • A major resolució horitzontal, les cel·les són més petites i, per tant, el model pot captar detalls més finits en les prediccions. Pot predir canvis més petits en les condicions atmosfèriques. Models com Arome tenen resolucions horitzontals de 1,3 Km mentre GFS 25 km de resolució horitzontal
   • Una resolució horitzontal baixa significa cel·les més grans i una capacitat limitada per predir detalls petits. Els models de baixa resolució poden ser útils per a prediccions a llarg termini, però poden perdre detalls en prediccions a curt termini. Ex GFS llarg termini, Arome curt termini
2. Resolució Vertical:
   • La resolució vertical fa referència a la quantitat de nivells o capes en l’atmosfera que el model considera. Aquests nivells es disposen des de la superfície de la Terra fins a l’estratosfera.
   • Una alta resolució vertical significa que els nivells estan més propers entre si, cosa que permet als models captar canvis bruscos en les condicions atmosfèriques a diferents altituds. En alçada ens fixem en punts de mateixa pressió, per tant parlarem de 850 hPa uns 1500m, 700 hPa uns 3000m, 500 hpa uns 5500m, 300 hPa (10.000m) 10, hpa (uns 25 km)
   • Una resolució vertical baixa implica que els nivells estan més separats i que el model pot perdre detalls en l’evolució vertical de les condicions atmosfèriques.

En resum:

1. Una alta resolució permet als models captar detalls més petits i millorar les prediccions a curt termini i la representació d’events meteorològics locals.
2. Una baixa resolució pot ser útil per a prediccions a llarg termini, però pot limitar la capacitat de predir detalls específics de les condicions atmosfèriques.

La variable temps, es considera una de les variables més importants en les quadrícules dels models. Representa les condicions meteorològiques en un punt específic de la quadrícula en un moment concret del temps.

Aquesta variable pot incloure una sèrie de paràmetres meteorològics com:

1. Temperatura: La temperatura actual en aquest punt de la quadrícula.
2. Pressió: La pressió atmosfèrica en aquesta ubicació i temps.
3. Humitat: El contingut d’humitat en l’aire.
4. Velocitat i direcció del vent: La velocitat i la direcció del vent en aquest punt i temps.
5. Pluja o precipitació: La quantitat de precipitació que es produeix en aquest punt i temps.

Aquests valors es calculen en cada punt de la quadrícula per a diversos moments futurs, de manera que es pot predir com canviaran aquestes variables al llarg del temps i l’espai. La resolució horitzontal i vertical de la quadrícula, així com la freqüència de temps en la qual es realitzen les simulacions, determinen la precisió i la capacitat del model per predir les condicions meteorològiques.

És important destacar que aquesta variable “temps” es calcula en cada punt de la quadrícula per a cada moment en el futur, i aquestes dades es combinen per proporcionar un pronòstic meteorològic complet. Els resultats d’aquests càlculs es presenten en forma de mapes, el que estem acostumats a veure en pàgines com meteociel o wetterzentrale, concretament amb les sortides deterministes, i d’ensembles.

Els Ensembles:

Un “ensemble” en el context dels models fa referència a un conjunt de múltiples execucions del mateix model, per això parlem de probabilitat conjunta, però amb petites variacions inicials o paràmetres per predir la variabilitat inherent de l’atmosfera o l’error de recollir la dada. És a dir si pensem que la temperatura a 850 hPa en un determinat moment és 10 graus, però entenem que no tenim el 100% de fiabilitat en tores les regions del món, no tenim instruments, fem que altres ensembles es pensin que estem a 10,5 a 11 fins a 12 o per sota a 9,5 o a 8, és una manera matemàtica d’anul·lar l’error de precisió, després agafem la mitjana dels ensembles i és la que prenem com a referència.. No tots els membres de l’ensemble tenen la mateixa resolució, ja que es poden utilitzar diferents configuracions i resolucions per captar diferents aspectes de l’atmosfera.

Els ensembles els podem veure representats en els clàssics meteogrames com el de sobre, cada color és un ensemble, per exemple GFS n’utilitza 30, GEM 20 i Europeu 50, per això en principi té més probabilitat el model europeu per un major nombre d’ensembles.

L’ensemble és important en els models per diverses raons:

1. Incertesa inicial: Les petites diferències en les dades inicials poden tenir un gran impacte en les prediccions futures. L’ensemble permet explorar aquesta incertesa inicial generant múltiples pronòstics basats en diferents inicialitzacions.
2. Variabilitat atmosfèrica: L’atmosfera és un sistema complex amb molta variabilitat natural. Utilitzant un ensemble, es pot captar aquesta variabilitat i proporcionar una estimació més precisa de la probabilitat de diferents resultats.
3. Avaluar la fiabilitat: L’ensemble permet avaluar la fiabilitat de les prediccions. Quan molts membres de l’ensemble coincideixen en una mateixa solució, es pot tenir més confiança en aquesta predicció.
4. Previsió d’events extrems: L’ensemble també és útil per predir events extrems com tempestes, vent fort o pluges intenses. Les variacions en les inicialitzacions poden mostrar les possibilitats d’aquests events i les seves trajectòries.

Destaquem dos ensembles o millor dit dos sortides , les que acostumem a veure en els mapes; la determinista i la de control.

1. Ensemble Determinista: (línia verda més gruixuda) L’ensemble determinista és una col·lecció d’execucions d’un model meteorològic amb una sola configuració específica d’inicialització i paràmetres. Aquesta configuració s’anomena “model base” o “simulació determinista”. Tot i que només s’utilitza una configuració, aquesta es considera la millor estimació de les condicions atmosfèriques futures en un moment determinat.Característiques de l’ensemble determinista:
   • Només es realitza una única simulació amb una configuració específica.
   • No s’aborda directament l’incertesa en les prediccions; en canvi, es considera que la configuració única reflecteix la millor estimació de l’estat futur de l’atmosfera.
   • És útil per a prediccions de curt termini i per a situacions en què la incertesa és relativament baixa.
2. Ensemble de Control. (línia blava més gruixuda) Diríem de manera col·loquial que és el segon ensemble en importància Aquesta configuració de control és considerada com una referència i s’utilitza per comparar amb altres membres de l’ensemble.

Per finalitzar cada model utilitza resolucions diferents en els ensembles, i normalment la determinista i la de control és la que tenen una resolució més alta , més creïble, però a mesura avancem en el temps perden fiabilitat, sobretot a partir de les 120h, per això sempre a mig i llarg termini el millor anàlisis és la mitjana dels ensembles. Per últim us deixo enllaç a tots els models dins la meva web

Models Meteorològics