La elaboración de planes encaminados a la protección de vidas humanas y de diversos sectores de la economía se ven afectados por las tormentas eléctricas. Los impactos de los rayos directos tienen efectos mortales y destructores para los animales y seres humanos. La muerte por fulguración (muerte por el impacto de una descarga eléctrica) es la primera causa de muerte por fenómeno natural en Cuba y la principal causa natural de ocurrencia de incendios forestales en el país. Las instalaciones, edificaciones, los servicios eléctricos y de telecomunicaciones y el transporte también se ven afectados por las tormentas eléctricas y las pérdidas económicas son elevadas. Por lo antes expresado la predicción de las descargas eléctricas es una prioridad en los estudios de la meteorología en Cuba.

Debido a que en Cuba las tormentas solo pueden detectarse por observación directa en las estaciones meteorológicas y no existe un instrumental capaz de localizar de forma precisa las descargas eléctricas, es muy difícil hacer un pronóstico objetivo por modelación de la ocurrencia de estas, pues no existe información para validar y hacer estudios de sensibilidad sobre la presencia del fenómeno en estudio.

El modelo numérico Weather Research and Forecast (WRF) (Skamaroc, 2008Skamarock, W. C., Klemp, J. B., Dudhia, J., Gill, D. O., Barker, D., Duda, M. G., … Powers, J. G. (2008). A Description of the Advanced Research WRF Version 3 (No. NCAR/TN-475+STR). University Corporation for Atmospheric Research. doi:10.5065/D68S4MVH.) brinda la posibilidad de incorporar un pronóstico de ocurrencia de descargas eléctricas, aunque para su validación, los resultados deben ser comparados con los datos captados por alguna red de sensores detectores de relámpagos o sensores a bordo de satélites meteorológicos, los cuales brinden información específica sobre el fenómeno del rayo. En el 2018 Cuba recibe en el Instituto de Meteorología (INSMET) la donación por la empresa Earth Networks (EN por sus siglas en inglés) de una estación meteorológica automática equipada con un sensor detector de rayos, a partir del funcionamiento de este sensor en nuestro país pudimos acceder a los datos de la red de sensores ENTLN, posibilitándonos así la realización de nuevos estudios sobre este fenómeno meteorológico.

El WRF brinda dos parametrizaciones para pronosticar parámetros relacionados con las descargas eléctricas que son el PR92 (Price & Rind, 1992Price, C. ＆ Rind, D. (1992). A Simple Lightning Parameterization for Calculating Global Lightning Distributions. Journal of Geophysical Research, VOL. 97, NO. D9. NASA Goddard Institute for Space Studies, New York Columbia University, New York, pages 9919-9933.) y el LPI (Yair et al., 2010Yair, Y., Lynn, B., Price, C., Kotroni, V., Lagouvardos, K., Morin, E., Mugnai, A., ＆ Llasat, M. d. C. (2010). Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (wrf) model dynamic and microphysical fields. Journal of geophysical research, vol.115, D04205, doi:10.1029/2008JD010868.). El LPI es una medida del potencial de generación y separación de cargas que conduce a relámpagos en tormentas de convección. Es calculado dentro de la región de separación de carga de la nube entre 0 ⁰C y -20 ⁰C $-{20}^{o}C$ , donde el mecanismo no inductivo conlleva a colisiones de partículas de hielo y de “graupel” en presencia de agua súper-enfriada. Esta parametrización está altamente relacionada con observaciones de relámpagos y puede ser un parámetro útil para predecir las descargas eléctricas, así como también un mecanismo para mejorar el pronóstico a corto y mediano plazo de tormentas convectivas y lluvias intensas.

Posteriormente Yair y colaboradores en el 2010Yair, Y., Lynn, B., Price, C., Kotroni, V., Lagouvardos, K., Morin, E., Mugnai, A., ＆ Llasat, M. d. C. (2010). Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (wrf) model dynamic and microphysical fields. Journal of geophysical research, vol.115, D04205, doi:10.1029/2008JD010868. como una manera de proporcionar pronósticos de riesgo de rayos para el público de manera cualitativa, demostraron que para la región mediterránea el LPI se correlaciona bien con las proporciones de rayos observadas y aunque no produce directamente una cantidad de rayos plantean la hipótesis de que la acumulación de carga debe ser proporcional a la cuarta potencia de las velocidades relativas de las partículas de carga (Yair et al., 2010Yair, Y., Lynn, B., Price, C., Kotroni, V., Lagouvardos, K., Morin, E., Mugnai, A., ＆ Llasat, M. d. C. (2010). Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (wrf) model dynamic and microphysical fields. Journal of geophysical research, vol.115, D04205, doi:10.1029/2008JD010868.).

Lynn y Yair en el 2010Lynn, B. ＆ Yair, Y. (2010). Prediction of lightning flash density with the WRF model. Advances in Geosciences, 23, 11-16. estudiaron la predicción de la densidad de tormentas con el modelo WRF, apoyados en análisis de regresión y correlación obteniendo relaciones sólidas entre los valores del LPI y la actividad de rayos observados. También concluyen que el uso del mencionado índice en los modelos operacionales de mallas con una resolución de 4km puede arrojar información valiosa sobre las áreas principales donde se observa convección y donde el potencial de tormentas eléctricas es grande.

Dementyeva y colaboradores en el 2015Dementyeva, S., V. Il’in, N., ＆ A. Mareev, E. (2015). Calculation of the lightning potential index and electric field in numerical weather prediction models. Atmos. Ocean. Phys. 51: 186.https://doi.org/10.1134/S0001433815010028, pages 210-217. plantearon que el máximo valor del LPI tiene una fuerte dependencia del tipo de parametrización de microfísica que utiliza el modelo WRF, lo que no permite determinar un solo umbral de LPI para las diferentes microfísicas como un criterio de la ocurrencia de rayos. Los autores concluyeron además que el mapa topográfico del LPI subvalora significativamente el tamaño de las regiones donde puede ocurrir la tempestad y el modelo muestra que la diferencia de potencial para generar una descarga se encuentra en una región mayor que la que el LPI predice.

Los estudios realizados en Cuba sobre las descargas eléctricas se han enfocado, principalmente, en la climatología de las mismas realizadas a partir de las observaciones de código de estado de tiempo presente y pasado registrado en la Red de Estaciones Meteorológicas del país (Lecha et al., 1994Lecha, L. B., Paz, L. R., ＆ Lapinel, B. (eds) (1994). El Clima de Cuba. Editorial Academia, La Habana. ISBN: 959-02-006-0.; Álvarez & Borrajero, 2018Álvarez, L. ＆ Borrajero, I. (2018). Distribución espacial de fenómenos meteorológicos en Cuba clasificados a partir del tiempo presente I y II. Revista Cubana de Meteorología. Vol. 24, No. 1, pages 95-110 and 111-127.). Con respecto al pronóstico solo se caracteriza la ocurrencia en aisladas, algunas y numerosas para tres regiones del país (Rubiera et al., 2017Rubiera, J. M., Gonzáles, C., Llanes, M. T., ＆ Bermúdez, Y. (2017). Manual de Procedimientos Operacionales Ordinarios. Sistema Nacional de pronósticos. La Habana, INSMET.).

El objetivo del presente trabajo es evaluar la factibilidad del “Índice del Potencial de Rayos” (LPI) para pronosticar descargas eléctricas sobre el territorio cubano, mediante el análisis de tres casos de estudios con información significativa respecto a la ocurrencia de tormentas.

Para el presente estudio se utilizó el modelo WRF Versión 3.8 (MMM, 2017MMM (2017). Mesoescale & Micrroscale Meteorology Division. ARW Version 3.8 Modeling System User’s Guide. Complementary to the ARW Tech Note, 411pp. Boulder, Colorado, USA. ), de amplio uso en el mundo y de código abierto. En Cuba ya se tiene experiencia en el uso de este modelo para el pronóstico a muy corto, corto y mediano plazo del estado del tiempo (Sierra et al., 2014Sierra, M., Ferrer, M., Hernández, R., Gonzáles, Y., Borrajero, L., ＆ Rodríguez, R. (2014). Sistema automático de predicción a mesoescala de cuatro ciclos diarios. Informe del resultado No.1 del Proyecto: Sistema de Predicción a muy corto plazo basado en el Acoplamiento de Modelos de Alta Resolución y Asimilación de Datos. Instituto de Meteorología de Cuba.).

La figura 1 muestra los dominios de simulación utilizados en este estudio los cuales presentan una resolución espacial de 27, 9 y 3 km. El dominio 1 (d01 a 27km) abarca el Golfo de México, el Mar Caribe y una porción de la región occidental del Océano Atlántico, el dominio 2 (d02 a 9km) se limita al sur de la Florida, las Antillas Mayores y sus mares adyacentes y el dominio 3 (d03 a 3km) comprende a la región de Cuba y sus mares adyacentes.

En la Tabla 1 se muestra la configuración física utilizada en el WRF, esta se obtuvo del estudio realizado por Sierra y colaboradores en el 2014Sierra, M., Ferrer, M., Hernández, R., Gonzáles, Y., Borrajero, L., ＆ Rodríguez, R. (2014). Sistema automático de predicción a mesoescala de cuatro ciclos diarios. Informe del resultado No.1 del Proyecto: Sistema de Predicción a muy corto plazo basado en el Acoplamiento de Modelos de Alta Resolución y Asimilación de Datos. Instituto de Meteorología de Cuba. y es utilizada actualmente de forma operativa en el Sistema de Pronóstico Inmediato (SISPI), pero en nuestra configuración se cambió la parametrización de microfísica, pues la empleada por el SISPI no tiene en cuenta los hidrometeoros necesarios para realizar el cálculo del potencial de descargas eléctricas en nubes de tormenta, por tanto empleamos la parametrización de Thompson para los dominios de baja resolución (27 y 9 km) que tiene en cuenta los procesos de formación del hielo, nieve y “graupel”, sin embargo este estudio solo se basó en el dominio de mayor resolución (3km).

Para la verificación del desempeño del pronóstico del WRF se utilizaron los datos de la red global de detección de descargas eléctricas de ENTLN que tiene un detector ubicado en la estación meteorológica de Casablanca, en La Habana y proporciona con significativa precisión la detección de rayos nube-nube (IC) y nube-tierra (CG) y emite información cada 2 segundos. La información obtenida de la red de sensores corresponde al área de estudio según se muestra en la figura 1, que encierra a Cuba y mares adyacentes (ENTLN Datafeed, 2017Earth Networks Total Lightning Network (ENTLN) Datafeed versión 3.0. Interface Control Document (2017). EN.PM.UM 20170323.).

Cada uno de estos sensores brinda una información clasificada de cada uno de los datos registrados, la misma depende de la configuración del sensor, entre las más importantes se encuentran las siguientes: latitud-longitud (con una resolución espacial máxima de 250m con alcance efectivo de hasta 400km), polaridad (positiva o negativa) y la clasificación de la descarga eléctrica en (IC /CG) (por definición, el rayo se clasifica como CG cuando existe algún stroke de retorno por tanto cualquier pulso que no contenga ningún stroke de retorno se clasifica como IC) (ENTLN Datafeed, 2017Earth Networks Total Lightning Network (ENTLN) Datafeed versión 3.0. Interface Control Document (2017). EN.PM.UM 20170323.).

En la figura 3 se representa el ciclo diario para todos los días de experimento del promedio del acumulado de descargas eléctricas dado por ENTLN y del LPI obtenido a partir de las salidas del modelo WRF inicializado a las 00:00 y 12:00 UTC.

La marcha diaria de los acumulados promedios del LPI y el ENTLN (figura 3) muestra un proceder similar y una alta coincidencia en los horarios donde mayor es el número de tormentas (Álvarez & Borrajero, 2015Álvarez, L. ＆ Borrajero, I. (2015). Estudio de las marchas anual y diaria de fenómenos meteorológicos clasificados según el código de tiempo presente. Proyecto: Estudio de la distribución espacial de fenómenos meteorológicos en Cuba a partir del código de tiempo presente II (Código Programa: P211LH007-002. PNCT: ”Meteorología y Desarrollo Sostenible del País. Centro de Física de la Atmósfera. Instituto de Meteorología).) con un máximo entre las 20:00 y las 21:00 UTC (entre las 15 y 16 hora local). Los resultados obtenidos para diferentes horarios de inicialización, con una correlación de 0,7 a las 00:00 UTC y de 0,85 a las 12:00 UTC, son bastantes similares, aunque las salidas inicializadas a las 12:00 para el dominio de 3km dieron correlaciones un poco más altas.

En la figura 4 se muestra este análisis para los puntos del dominio de 3km pertenecientes a la región occidental donde se supone que hayan mejores registros de la red global ENTLN por estar localizado el sensor en la estación meteorológica Casa Blanca.

En este caso también el comportamiento del ciclo diurno es similar para los registros del LPI y los acumulados promedios de ENTLN con horarios máximos de ocurrencia de descargas eléctricas a las 21:00 UTC (16 hora local). Las correlaciones entre los dos parámetros dados en estas marchas diarias muestran un mejor valor para cuando el modelo es inicializado a las 12:00 UTC y en ambos casos de inicializaciones los valores de correlación son semejantes en la región occidental de Cuba con los obtenidos en el dominio de 3km.

En las figuras 5 y 6 se muestran los índices CSI, FAR, POD para los 3 días analizados en este experimento con inicializaciones a las 00:00 y 12:00 UTC.

En la figura 6 se observan valores máximos del índice de POD entre 0.4 y 0.7 siendo estos representativos de la probabilidad de aciertos del LPI con respecto a las descargas eléctricas detectadas por el EN, sin embargo, la figura 5 presenta valores máximos de este índice inferiores, entre 0.4 y 0.5. De igual manera la FAR representada en la figura 6 muestra valores entre 0.8 y 1 siendo estos representativos del alto número de falsas alarmas pronosticadas por el LPI, variando en este mismo rango la FAR para las salidas inicializadas a las 00:00 UTC (figura 5). El CSI, para ambas horas de inicialización presenta valores bajos entre 0 y 0.2 representando esto la relación existente entre los pronósticos acertados contra todos los pronósticos realizados.

Debido a que la formulación del LPI tiene en cuenta la velocidad vertical del viento y la generación y separación de carga, es un índice de la actividad convectiva, por tanto, al pronosticar ”falsas alarmas” está dando indicios del posible desarrollo de nubes convectivas. En los casos de estudio analizados se observan mayores áreas de falsas alarmas que de aciertos e incluso de errores, al unir los pronósticos acertados con las falsas alarmas no sólo estamos pronosticando la actividad eléctrica sino también la convección que puede ser motivo de fuertes precipitaciones u otros fenómenos meteorológicos peligrosos, pues no todas las nubes convectivas llegan a proporcionar descargas eléctricas.

En la figura 7 se muestra la marcha diaria del índice del coeficiente de correlación de Pearson entre los valores del LPI frente al ENTLN, presentándose valores bajos de esta correlación (entre 0 y 0,25) indicando que las descargas eléctricas pronosticadas por el LPI se encuentran desplazadas sustancialmente con respecto al área de ocurrencia detectada por la red de sensores ENTLN, sin embargo se aprecia que los valores más altos de dicha correlación se encuentran en los horarios de predominio de actividad eléctrica para ambas inicializaciones, siendo relativamente mayores en las salidas del modelo WRF inicializadas a las 12:00 UTC.

En la figura 8 se muestran los valores promedios de LPI en los casos en que el ENTLN reporta descargas eléctricas (gráfico de la izquierda) y en los casos que no reporta descargas eléctricas (gráfico de la derecha). Estos valores son máximos entre las 18:00 y 23:00 UTC concordando con el horario de mayor ocurrencia de las tormentas eléctricas (Álvarez & Borrajero, 2015Álvarez, L. ＆ Borrajero, I. (2015). Estudio de las marchas anual y diaria de fenómenos meteorológicos clasificados según el código de tiempo presente. Proyecto: Estudio de la distribución espacial de fenómenos meteorológicos en Cuba a partir del código de tiempo presente II (Código Programa: P211LH007-002. PNCT: ”Meteorología y Desarrollo Sostenible del País. Centro de Física de la Atmósfera. Instituto de Meteorología).). En dicha figura se observa cómo existe una gran diferencia entre los valores de LPI correspondientes a las mediciones con descargas eléctricas (gráfico de la izquierda, con valor máximo del LPI de 72,7 $Jk{g}^{-1}$ y valor promedio de 7,3 $Jk{g}^{-1}$ ) y los valores correspondientes a las mediciones sin descargas eléctricas (gráfico de la derecha, con valor máximo de LPI de 13,9 $Jk{g}^{-1}$ y valor promedio de 3,8 $Jk{g}^{-1}$ ), siendo significativamente superiores los valores del índice para cuando el ENTLN detecta el fenómeno en cuestión, aunque es difícil con la información que se tiene, dado que son casos de estudio, determinar un umbral de LPI a partir del cual pueda considerarse ocurrencia de actividad eléctrica en la atmósfera.

La representación de los promedios de LPI para los puntos con información (puntos diferentes de cero en las mediciones de ENTLN y/o LPI) se observan en la figura 9 donde resalta la superioridad de los valores promedios del LPI en comparación con estos mismos valores mostrados en la figura 8, pero coincidiendo la presencia de los valores máximos en los horarios de mayor actividad eléctrica. Esta figura nos representa (figura 9 izquierda) el LPI promedio para los aciertos en un caso y para las falsas alarmas en otro (figura 9 derecha). El valor máximo se alcanza a los 209,7 $Jk{g}^{-1}$ con promedio de 25,7 $Jk{g}^{-1}$ para los pronósticos acertados y para las falsas alarmas el máximo valor llega a ser de 186,8 $Jk{g}^{-1}$ con promedio de 70,2 $Jk{g}^{-1}$ .

Los valores del LPI obtenidos en este estudio, empleando la parametrización de microfísica Morrison2-mom para el dominio de 3km, resultan significativamente altos en comparación con investigaciones anteriores, como los mostrados por Lynn & Yair (2010)Yair, Y., Lynn, B., Price, C., Kotroni, V., Lagouvardos, K., Morin, E., Mugnai, A., ＆ Llasat, M. d. C. (2010). Predicting the potential for lightning activity in Mediterranean storms based on the Weather Research and Forecasting (wrf) model dynamic and microphysical fields. Journal of geophysical research, vol.115, D04205, doi:10.1029/2008JD010868., que al utilizar la parametrización de microfísica WSM6 obtuvieron valores de este índice entre los 0 y 50 $Jk{g}^{-1}$ y usando la microfísica de Thompson Yair et al. (2010) expusieron valores de LPI entre los 0 y 36 $Jk{g}^{-1}$ . Esto se debe al uso de diferente parametrizaciones microfísicas, pues Dementyeva et al. (2015)Dementyeva, S., V. Il’in, N., ＆ A. Mareev, E. (2015). Calculation of the lightning potential index and electric field in numerical weather prediction models. Atmos. Ocean. Phys. 51: 186.https://doi.org/10.1134/S0001433815010028, pages 210-217. afirmaron que el máximo valor del LPI tiene una fuerte dependencia del tipo de parametrización, lo que imposibilita formular un solo umbral de LPI para las diversas parametrizaciones como un criterio de la ocurrencia de rayos.

En las figuras 8 y 9 se observa que no existe un límite claro para los valores de LPI asociados a descargas eléctricas con respecto a los que no, esto sucede cuando se tiene solo en cuenta los puntos con información. Sin embargo, cuando se consideran los verdaderos negativos (ninguna de las dos fuentes informa descargas) podría situarse un umbral de aproximadamente 15 $Jk{g}^{-1}$ para la ocurrencia de descargas eléctricas, aunque esto está muy ligado a la hora del día.

En la figura 10 se representa el mejor pronóstico y se aprecia cómo la región que muestra el pronóstico del LPI se encuentra desplazada significativamente con respecto al área detectada por el ENTLN con actividad eléctrica, sin embargo se observa que la zona de falsas alarmas (pronóstico de la actividad convectiva) es superior a las áreas comprendidas por los errores y los aciertos, significando esto que el LPI sobre-estima el área de ocurrencia de las descargas eléctricas, pero realiza un pronóstico acertado de la actividad convectiva. También vemos pequeñas áreas que muestran lo contrario, como al sur de La Habana, sobre Artemisa donde se observa que el LPI pronostica un área mucho menor, con bajos valores en comparación con los registrados por el ENTLN; esto puede ser debido a que los modelos tienden a tener un desfasaje en el tiempo (como se muestra en las figuras 3 y 4) en el pronóstico de la precipitación y la convección.

La tabla 4 muestra los 5 mejores pronósticos obtenidos entre los casos de estudio, estos se encuentran entre las 20:00 y 21:00 UTC siendo consecuentes con el horario de mayor ocurrencia de las tormentas eléctricas, destaca también que tres de ellos fueron obtenidos de las salidas inicializadas a las 12:00 UTC.

La figura 11 es representativa de los pronósticos con 0 % de aciertos, los cuales se encuentran entre los horarios de las 09:00 y 13:00 UTC correspondientes a las horas de la noche y la madrugada donde los desarrollos convectivos son mínimos (Álvarez & Borrajero ,2015Álvarez, L. ＆ Borrajero, I. (2015). Estudio de las marchas anual y diaria de fenómenos meteorológicos clasificados según el código de tiempo presente. Proyecto: Estudio de la distribución espacial de fenómenos meteorológicos en Cuba a partir del código de tiempo presente II (Código Programa: P211LH007-002. PNCT: ”Meteorología y Desarrollo Sostenible del País. Centro de Física de la Atmósfera. Instituto de Meteorología).), en este caso también se observa una sobreestimación de las áreas de falsas alarmas en comparación con el resto del pronóstico.

La tabla 5 muestra 5 pronósticos con 0% de aciertos donde resalta la superioridad de las falsas alarmas con respecto a los errores, subrayándose también que la mayoría de estos casos se obtuvieron a partir de las salidas inicializadas a las 00:00 UTC.

Se recomienda ampliar el estudio con la comparación de los resultados obtenidos con otras fuentes de información y diferentes horarios de pronóstico.