Comportamiento de la actividad eléctrica en las tormentas que producen caída de granizos

2.1 Características del granizo en la región de estudio

En las provincias de Artemisa, La Habana y Mayabeque según estudios realizados es una zona que en el periodo lluvioso es afectada por la caída de granizos. El interior y sur de La Habana es una de las regiones de mayor preferencia para la ocurrencia de este fenómeno, donde existe energía suficiente para el desarrollo de fuertes corrientes ascendentes ( Bermúdez et al., 2014 Bermúdez-Souza, Y., Aguilar-Oro, G., & Wallo-Vázquez, A. (2014). Distribución espacial de las tormentas locales severas en Cuba. Revista Cubana de Meteorología, 20(1), 59-72.) y el periodo de mayor ocurrencia según los reportes de casos utilizados en la investigación, es el comprendido entre las 19:00 y las 21:00 UTC.

Para la investigación se utilizó el área de trabajo definida entre las coordenadas 22,47˚ N - 23,63˚ N y 81,50˚ W - 82,95˚ W que a su vez comprende a las provincias de Artemisa, La Habana y Mayabeque, pertenecientes a la región occidental de Cuba. La región limita al norte con el estrecho de la Florida, al sur con el golfo de Batabanó, al este con la provincia de Matanzas y al oeste con la provincia de Pinar del Río ( figura 1 ).

2.2 Datos utilizados

Para el estudio se analizaron 11 casos de reporte de caída de granizos de las provincias de Artemisa, La Habana y Mayabeque que se muestran en la tabla 1 , de ellos 3 pertenecientes al periodo poco lluvioso (PPLL) y 8 al periodo lluvioso (PLL) del año 2020.

Los casos fueron extraídos de los resúmenes mensuales realizados por el Instituto de Meteorología (INSMET). Destacar que en los meses de septiembre y octubre del PLL no se reportó caída de granizos en el área de estudio y en los casos del 26 de abril y del 9 de mayo no se precisó la hora del reporte por lo que fue necesario acudir a las observaciones del radar de Key West y a las imágenes de satélite a través del sitio https://weather.us para definir aproximadamente el periodo de ocurrencia.

También fueron analizados 8 casos de tormentas que no reportaron caída de granizos ( tabla 2 ), del PLL del 2020, a partir de la clasificación del código de tiempo presente pertenecientes a las estaciones meteorológicas de Bauta, Güira de Melena, Santiago de las Vegas y Batabanó, con el objetivo de que el margen de error del reporte fuera menor que los casos de reporte de granizo. Estas tormentas registraron acumulados de precipitación que estuvieron entre los 20.0 y 23.9 mm.

Para extraer las observaciones pertenecientes al radar meteorológico de Key West, fue necesario visitar el sitio web https://www.ncdc.noaa.gov/nexradinv/chooseday.jsp?id=kbyx del Centro Nacional de Datos Climáticos (NCDC) de los EE.UU.

Para el análisis de la actividad eléctrica se utilizaron los datos provenientes de la Red Earth Networks Total Lightning Network (ENTLN), la cual es una red de detección de rayos de nube a nube y de nube a tierra desplegada a nivel mundial capaz de detectar rayos en la nube de largo alcance con altas eficiencias críticas para la predicción avanzada de fenómenos meteorológicos severos. Esta red utiliza una metodología de detección de tiempo de llegada con tecnología GPS y algoritmos sofisticados para localizar y clasificar con precisión los tipos de rayos, IC o CG. El instrumento que se encarga de detectar y procesar las descargas eléctricas cuenta con una antena, un receptor GPS, un circuito de temporización basado en GPS, un procesador de señal digital (DSP) y un equipo de almacenamiento y comunicación por Internet a bordo, como se muestra en la figura 2 .

2.3 Procesamiento de las observaciones de radar. Software “Weather and Climate Toolkit” (WCT)

Con el empleo de este software ( figura 3a ) se procesaron las observaciones del radar y se determinaron las áreas de máxima reflectividad a través de una herramienta la cual almacena en un documento (txt) como se muestra en la figura 3b la latitud y longitud del área seleccionada con un “clic”, así como también la reflectividad, la hora y la fecha, a partir del procesamiento de las observaciones extraídas del radar de Key West. También se crearon animaciones con el conjunto de imágenes provenientes de las observaciones del radar para cada caso con el objetivo de poder detectar qué tormenta fue la que produjo el granizo en el lugar del reporte.

Para extraer la información de las descargas eléctricas en cada uno de los lugares donde se registró la caída de granizo, se utilizó un algoritmo programado en C++, como se puede observar en la figura 4 .

2.4 Correlación lineal de Pearson

Para determinar cómo es la relación entre la actividad eléctrica y la caída de granizos se utilizó la correlación de Pearson a partir de la expresión 1 $r=\frac{n\sum xy-(\sum x\left)\right(\sum y)}{\sqrt{n(\sum x^2)-(\sum {x)}^2}\sqrt{n(\sum y^2)-(\sum {y)}^2}}$ .

Donde x corresponde a los valores de reflectividad, así como, y representa a los valores de descargas eléctricas y n, es el tamaño de la muestra de datos.

El coeficiente correlación de Pearson es el índice que se utiliza para establecer el grado de relación que existe entre dos variables cuantitativas, gráficamente es el grado en el cual una nube de puntos representada a través de un diagrama de dispersión se aproxima a una recta. Dicho coeficiente puede tomar valores comprendidos entre +1 y -1, donde un valor de 0 indica que no hay asociación entre las dos variables y un valor mayor que 0 indica una asociación positiva y viceversa.

Este análisis se llevó a cabo en cada uno de los casos de estudio, calculándose los coeficientes de correlación para los distintos tipos de descargas (positivas, negativas y total).

3.1 Comportamiento de las tormentas productoras de granizo

Las tormentas mostraron altos valores de reflectividad en general por encima de los 55 dBZ. Es visible la diferencia entre las intensidades de reflectividad siendo superior hacia el PLL donde los valores se ubicaron por encima de los 61 dBZ. Los horarios donde se registraron los valores más altos de reflectividad fueron entre las 19:00 y 21:00 UTC. El máximo valor de reflectividad se detectó entre las 19:00 y las 20:00 UTC en Boyeros con 69 dBZ ( figura 5 ). Estos resultados guardan estrecha relación con los obtenidos por Hernández et al., 2017 Hernández-Capote, J. F., & González-Ramírez, C. M. (2017). Estudio preliminar de la estructura en tormentas que provocaron tiempo severo, mediante las observaciones del radar de Casablanca. Revista Cubana de Meteorología, 23(2), 191-208., quienes obtuvieron para los casos de granizo en el PPLL un valor medio de 59,4 dBZ y para el PLL una media de 58,4 dBZ, un valor máximo de 68 dBZ y que los horarios de mayor desarrollo de tormentas se presentaron desde las 18:30 y 21:30 UTC. La distribución espacial de estas tormentas mostró cierta preferencia hacia el interior de la región de estudio, debido a que la mayoría de los casos así lo demostraron y a su vez coincide con los resultados de Bermúdez et al., 2014 Bermúdez-Souza, Y., Aguilar-Oro, G., & Wallo-Vázquez, A. (2014). Distribución espacial de las tormentas locales severas en Cuba. Revista Cubana de Meteorología, 20(1), 59-72..

3.2 Características de la actividad eléctrica en las tormentas productoras de granizo

Las tormentas estudiadas mostraron abundante actividad eléctrica en general, similar a lo obtenido por Yao et al., 2012 Yao, W., Ma, Y., & Meng, Q. (2012, April). Characteristics of lightning activities in the hailstorm using the data from two types of lightning detection network. In Proceedings of the 4th International Lightning Meteorology Conference (ILMC 2012). y Xu et al., 2016 Xu, S., Zheng, D., Wang, Y., & Hu, P. (2016). Characteristics of the two active stages of lightning activity in two hailstorms. Journal of Meteorological Research, 30(2), 265-281., dicha actividad se dividió en descargas positivas (nube a tierra) y descargas negativas (nube a nube). A continuación, se realizará un análisis del comportamiento de la actividad eléctrica en las tormentas que produjeron granizos.

Las tormentas productoras de granizo mostraron altos valores de descargas eléctricas en general, siendo mayor el número de descargas negativas en más de la mitad de los casos. Se obtuvo además que más de la mitad de los casos mostraron más de dos picos de actividad eléctrica figura 6 , lo que es similar a los resultados obtenidos por Xu et al., 2016 Xu, S., Zheng, D., Wang, Y., & Hu, P. (2016). Characteristics of the two active stages of lightning activity in two hailstorms. Journal of Meteorological Research, 30(2), 265-281., con un promedio de 15 minutos aproximadamente entre el primer pico y el segundo pico.

3.3 Correlación lineal entre la actividad eléctrica y la reflectividad máxima en tormentas productoras de granizo

Como se aprecia en la figura 7 , existen casos en ambos periodos climáticos en los que la correlación lineal es baja, con valores por debajo del 0.5. Una de las causas por la que estos valores de correlación lineal sean bajos, puede estar relacionado con tormentas que además de producir granizos, fueron eficientes a la precipitación, lo que conlleva a registrarse altos valores de reflectividad con baja densidad de actividad eléctrica. Esto será estudiado en próximos trabajos ya que no es objetivos de la presente investigación.

En el caso de las altas correlaciones fueron observadas solo en el PLL con valores por encima de los 0.6 concentradas en las tormentas ocurridas en el mes de mayo y agosto Los mayores valores de correlación los tuvo el caso del 30 de agosto en Batabanó con 0,7, 0,8 y 0,8 para las descargas positivas, las negativas y el total de descargas respectivamente ( figura 7 ). El comportamiento antes descrito permite determinar un valor promedio de correlación de 0,86.

Estos resultados de correlación permiten asociar rangos de reflectividad por promedio de descargas tal y como se muestran en la tabla 3 , donde se presentan esos valores promedio de descargas por minuto, siendo proporcionales con los rangos de reflectividad, por lo que se puede llegar a concluir que el promedio de descargas totales por minuto suele aumentar a medida que aumenta la reflectividad con un máximo de 10 descargas por minutos para reflectividades entre 60-69 dBZ.

3.4 Comportamiento de las tormentas no productoras de granizo

Los valores de la reflectividad en las tormentas que no se reportó caída de granizos, fue inferior al observado en las tormentas que produjeron granizos. De los 8 casos, 6 presentaron reflectividad máxima por encima de 40 dBZ, siendo los casos del 29 de mayo los que archivaron los mayores valores de reflectividad máxima, con 57 y 52 dBZ respectivamente, el menor valor dentro de los máximos se registró en el caso del 4 de julio, con 25 dBZ ( figura 8 ). Destacar que el periodo de tiempo más frecuente fue el comprendido entre las 20:00 y las 21:30 UTC.

3.5 Características de la actividad eléctrica en las tormentas no productoras de granizo

De las tormentas estudiadas, en cuatro la actividad eléctrica fue significativa, tres no registraron descargas eléctricas y una registró solamente 1 descarga. A continuación, se muestra el comportamiento de la actividad eléctrica en cada caso ( figura 9 ).

En este tipo de tormentas el comportamiento de las descargas fue similar al observado en las tormentas que produjeron granizo con un predominio de descargas negativas y tres de los casos estudiados mostraron tres picos de actividad eléctrica, que también se corresponde con la actividad eléctrica observada en las tormentas con granizos.

3.6 Correlación lineal entre la actividad eléctrica y la reflectividad máxima en tormentas no productoras de granizo

En la tabla 4 se muestra el comportamiento de los distintos rangos de reflectividad con los promedios de descargas por minuto correspondientes y se puede concluir que a partir de los 30 dBZ los valores promedio de descargas por minuto comienzan a aumentar, siendo el rango de 50 a 59 dBZ el que mayor promedio de descargas por minuto presenta con un promedio de 8 inferior al observado en las tormentas productoras de granizo.

3.7 Tiempo óptimo antes de que una tormenta produzca caída de granizos

Determinar el tiempo en el que pueda comenzar a precipitar granizo es muy difícil, ya que este hidrometeoro depende de muchos factores y procesos microfísicos dentro de la nube antes de su llegada al suelo, es por esto que el valor de tiempo obtenido en esta investigación es aproximado ya que ninguna tormenta es idéntica a otra.

Este valor de tiempo presenta una gran limitante, que resulta ser la hora de reporte del granizo, ya que pueden surgir varios inconvenientes, como un reporte después de haber comenzado el granizo y que el reporte no se realiza por el personal calificado, lo que provoca una incertidumbre en el resultado que se desea obtener para determinar el tiempo en el que cae el hidrometeoro. El tiempo se determinó partiendo primeramente de que hay constancia de que hubo granizo, como es lógico, en el lugar del reporte se contó con 8 periodos de reporte de los 11 casos de estudio, y para tener una idea del periodo de ocurrencia del granizo en los 3 casos restantes hubo que apoyarse en las observaciones del radar y las imágenes del satélite como ya se había mencionado, donde la realización de los gráficos fue de gran ayuda para determinar el momento en el que pudo haber comenzado la caída de granizos, a partir de los conocimientos adquiridos de la bibliografía consultada y los antecedentes internacionales.

Teniendo en cuenta todo lo anterior y con el análisis de los gráficos, los períodos de reporte en algunos casos coincidían (0), se adelantaban (-) o se retrasaban (+) con respecto al primer pico de descargas eléctricas ( figura 10 ), estos minutos de antelación o retraso se promediaron y se obtuvo un valor de +0,87 minutos, lo que indica que aproximadamente el tiempo para que ocurra la caída de granizos es de 1 minuto después del primer pico de actividad eléctrica, resultado que no se corresponde con el de Yao et al., 2012 Yao, W., Ma, Y., & Meng, Q. (2012, April). Characteristics of lightning activities in the hailstorm using the data from two types of lightning detection network. In Proceedings of the 4th International Lightning Meteorology Conference (ILMC 2012)., los que obtuvieron un valor promedio de tiempo de aproximadamente 5 a 15 minutos después del primer pico de descargas eléctricas para que ocurra la caída de granizos. Estas diferencias de tiempos antes de que el granizo llegue al suelo entre ambas investigaciones es probable que se deba a la intensidad de las corrientes ascendentes en ambas regiones de estudio, como la región de Yao y colaboradores se encuentra a mayor latitud que la que presenta este trabajo, esto provoca que los hidrometeoros de hielo permanezcan mayor tiempo dentro de la nube.

La correlación entre la reflectividad máxima y los diferentes promedios de descargas por minuto fue alta, obteniendo valores de 0,80 para el promedio de descargas positivas por minuto, 0,90 para el promedio de descargas negativas por minuto y 0,85 para el promedio de descargas totales por minuto ( figura 11 ). De manera que se puede concluir planteando que las correlaciones en sentido general de las tormentas productoras de granizos y las que no produjeron granizos son semejantes, con valores de 0,86 y 0,85 respectivamente, lo que corrobora los trabajos desarrollados por Martínez et al., 2004 Martínez, D., D. Pozo, I. Rivero, F. Gamboa, S. Novo, I. Borrajero, A. Bezanilla, C. Pérez, R. Báez Y E. Echavarría (2004): Aplicación de la simulación numérica tridimensional de nubes y el análisis de mesoescala al esclarecimiento de los mecanismos físicos de formación y desarrollo de las nubes y la lluvia en Cuba. Informe final del Proyecto Ramal de Ciencia y Técnica # 49212215. Instituto de Meteorología, CITMA, 112 pp., Williams, 1989 y Price and Rind, 1992.

3.8 Estudio de casos

Para comprobar la veracidad de los resultados obtenidos, se escogieron dos casos de tormentas locales severas, fuera de la muestra y dentro del área de estudio, La primera ocurrida el día 20 de julio de 2019 en los municipios de San Cristóbal en la provincia de Artemisa y en Madruga perteneciente a Mayabeque, casualmente ambas tormentas se desarrollaron en el mismo horario.

En la tormenta reportada en San Cristóbal se registró un total de 28 descargas eléctricas, descargas positivas fueron 5 solamente y negativas 23, por lo que la actividad eléctrica dentro de la nube fue superior. El primer pico de descargas fue a las 20:09 UTC con 5, todas ellas negativas, coincidiendo con un valor de reflectividad de 53,5 dBZ. Luego de 10 minutos, las descargas eléctricas y la reflectividad comenzaron a decrecer y en los 10 minutos siguientes aumentaron hasta alcanzar ambas sus máximos valores a las 20:30, la reflectividad fue de 63 dBZ y se detectaron 7 descargas negativas y 3 positivas, a partir de las 20:36 UTC, las descargas eléctricas disminuyeron drásticamente, así también como la reflectividad ( figura 12 ).

En la tormenta de Madruga, se registró un total de 79 descargas, de ellas 62 fueron negativas y 17 positivas, lo que muestra el potencial destructivo que provocó este fenómeno. A las 20:19 UTC se registró el primer pico, con 9 descargas negativas y 2 positivas, pasados 11 minutos, se detectó el segundo pico y máximo, con 9 descargas negativas y 5 positivas para un valor de reflectividad de 64,5 dBZ. Luego disminuyó la actividad eléctrica hasta un tercer pico, lógicamente menor que los anteriores, de 6 descargas negativas y 1 positiva, a las 20:47 UTC y la reflectividad experimentó un decrecimiento paulatino ( figura 12 ).

Las correlaciones entre los valores de reflectividad y la actividad eléctrica del caso de San Cristóbal presentaron valores de 0,3 para las descargas positivas, 0,5 para las negativas y 0,5 para el total de descargas y el caso de la tormenta de Madruga mostró valores más altos, las descargas positivas tuvo una correlación de 0,7, las negativas 0,5 y el total de descargas un valor de 0,6.

Después de analizar estos dos casos se puede llegar a la conclusión de que, en comparación con los 11 casos de estudio, muestran un comportamiento similar, presentando incluso correlaciones más altas que varios casos de estudio, por lo que los resultados obtenidos para los casos de estudio como los de los casos fuera de la muestra, se corresponden entre sí.