Sensibilidad del WRF en topoclimas del oriente de Cuba

Área de estudio. Base de datos observadas.

La investigación se realizó en la región oriental de Cuba. En el área se ubican las regiones naturales de Sierra del Turquino, Sierra de la Gran Piedra, Alturas de Cristal-Baracoa y la Altiplanicie del Nipe (Núñez-Jiménez & Viña-Bayés, 1989Núñez-Jiménez, A. & Viña-Bayés, N. 1989. Regiones Naturales y Antrópicas. (ser. Nuevo Atlas nacional de Cuba.), Habana, Cuba.: Academia de ciencias de Cuba.), que en el trabajo se denominaron macizos Sierra Maestra y Nipe-Sagua-Baracoa (CITMA, 1999CITMA 1999. Decreto - Ley no. 201 Del Sistema Nacional de Áreas Protegidas. Sección Ordinaria, cod. Gaceta Oficial de la República de Cuba., no. 84, p. 1355.). Dentro del área de estudio se consideraron, además, las regiones naturales de los valles de Guantánamo, Santiago, Central y del Cauto y la Región Camaguey-Maniabón. El rango altitudinal analizado estuvo en el rango de 0 a 1974 msnm (Portela, 1989Portela, A. H. 1989. “Geomorfología 1:1000000”. In: Nuevo Atlas Nacional de Cuba., Instituto de Geografía de la Academia de Ciencia de Cuba y por el Instituto Cubano de Geodesia y Cartografía ed., Habana, Cuba.: Academia de Ciencia de Cuba, p. 300.). Para la validación de los resultados se utilizó las bases de datos de las 20 estaciones meteorológicas del Sistema Meteorológico Nacional ubicadas en el área de estudio (figura 1, tabla 1).

Las estaciones se agruparon por altitud sobre el nivel del mar (tabla 1), factor geográfico analizado en la generalidad de los estudios del clima de montañas realizados en Cuba (Peña-de la Cruz et al., 2021Peña-de la Cruz, A.; Delgado-Téllez, R.; Guevara-Velasco, V.; Rodríguez-Montoya, L. & Savón-Vaciano, Y. 2021. “Estudios de clima de montaña en Cuba, topoclimas.”. Revista Cubana de Meteorología, 27(3), ISSN: 2664-0880, Available: <http://rcm.insmet.cu/index.php/rcm/article/view/572/1127>.). Se definió un grupo específico para las estaciones localizadas a menor o igual (≤) de 2 km de la costa, por su significativa influencia marina.

El estudio se realizó en los meses de junio y diciembre del 2018, meses representativos de los periodos lluvioso y poco lluvioso en Cuba (Trusov & Davitaya, 1965Trusov, I. I. & Davitaya, F. 1965. Los recursos climáticos de Cuba. La Habana, Cuba.: Instituto Nacional de Recursos Hidráulicos.; Rodríguez Rodríguez, 2005Rodríguez Rodríguez, F. F. R. 2005. Mapa Isoyético de la República de Cuba, 1961-2000. Resultado Técnico del Instituto Nacional de Recursos Hidráulicos., La Habana, Cuba.: INRH, 103 p.).

Condiciones iniciales y de frontera.

En la investigación se utilizó el modelo no hidrostático de mesoescala Advanced Research WRF (ARW) versión v.4.0.0. (NCAR, 2018NCAR. 2018. Weather Research and Forecasting Model ARW. Version 4 Modeling System User´s Guide. Mesoscale and Microscale Meteorology Laboratory, National Center for Atmospheric Research.) Se seleccionó el ERA5 (https://www.ecmwf.int/en/forecasts/datasets/reanalysis-datasets/era5), como condición inicial y de contorno (ICBC por sus siglas en idioma inglés). Estos datos se tomaron con resolución temporal de una hora y resolución espacial horizontal de 31 km y 137 niveles verticales hasta una altura de 80 km.

En esta evaluación de sensibilidad del WRF se definieron tres dominios de 30, 10 y 3.33 km respectivamente. Los criterios asumidos en las escalas espaciales, además de ser adecuadas para el estudio de los topoclimas, tomaron en cuenta los resultados de Wootten y colaboradores en cuanto a resolver el pronunciado gradiente de precipitación que se observa sobre las islas de la cuenca del Caribe (op. cit.). La investigación empleó la técnica de anidamiento unidireccional sin feedback (figura 2, tabla 2). El modelo se inicializó a las 0000 UTC en todos los casos y se configuró con 30 niveles verticales. Se descartaron las primeras 6 y 12 horas de integración para la temperatura y precipitación respectivamente, con reinicio cada diez días, pertinente para estudios climáticos (Liu et al., 2018Liu, P.; Qiu, X.; Yang, Y.; Ma, Y. & Jin, S. 2018. “Assessment of the Performance of Three Dynamical Climate Downscaling Methods Using Different Land Surface Information over China”. Atmosphere, 9(3): 101, ISSN: 2073-4433, DOI: 10.3390/atmos9030101.; Varga & Breuer, 2020Varga, Á. J. & Breuer, H. 2020. “Sensitivity of simulated temperature, precipitation, and global radiation to different WRF configurations over the Carpathian Basin for regional climate applications”. Climate Dynamics, ISSN: 0930-7575, 1432-0894, DOI: 10.1007/s00382-020-05416-x, Available: <http://link.springer.com/10.1007/s00382-020-05416-x>, [Consulted: September 14, 2020].).

En el estudio se utilizó los datos de diagnóstico del modelo WRF de la temperatura y precipitación en superficie a la resolución espacial de 3.33km. Estos diagnósticos se obtuvieron de las ubicaciones oficiales de las estaciones meteorológicas (figura 1). En la configuración del WRF se utilizó funciones referentes a resúmenes climáticos. La verificación de la capacidad del modelo para reproducir el comportamiento de los elementos climáticos se realizó por el método del vecino más cercano, comparando el valor de los puntos diagnósticos con el valor observado en las estaciones meteorológicas. Como valores de los acumulados de precipitación del modelo se utilizó la suma de los resultantes de cúmulo y microfísica de los experimentos en estudio. En los análisis se utilizaron los estadígrafos error cuadrático medio (MSE) y coeficiente de correlación de Pearson (R). El control de calidad de los datos de las estaciones meteorológicas se realizó mediante estadísticas descriptivas. En los resultados de este estudio de sensibilidad se compararon los valores de los estadígrafos por ubicación y periodos para cada etapa y experimentos (tabla 3).

Diseño experimental

Debido a los altos costos computacionales, se diseñó un esquema experimental en tres etapas. Los 16 experimentos fueron identificados por códigos (tabla 3).

En la primera etapa de la investigación se evaluó el rendimiento de tres parametrizaciones de microfísica y dos de cúmulos del modelo WRF. Estas parametrizaciones físicas fueron escogidas por ser las de mejores resultados en estudios realizados en zonas montañosas de América del Sur y Central e islas del Caribe, con énfasis en Cuba (Mayor & Mesquita, 2015Mayor, Y. G. & Mesquita, M. D. 2015. “Numerical Simulations of the 1 May 2012 Deep Convection Event over Cuba: Sensitivity to Cumulus and Microphysical Schemes in a High-Resolution Model.”. Advances in Meteorology., 2015: 16, ISSN: http://dx.doi.org/10.1155/2015/973151.; Wootten et al., 2016Wootten, A.; Bowden, J. H.; Boyles, R. & Terando, A. 2016. “The Sensitivity of WRF Downscaled Precipitation in Puerto Rico to Cumulus Parameterization and Interior Grid Nudging”. Journal of Applied Meteorology and Climatology, 55(10): 2263-2281, ISSN: 1558-8424, 1558-8432, DOI: 10.1175/JAMC-D-16-0121.1.; Junquas et al., 2017Junquas, C.; Takahashi, K. & Condom, T. 2017. “Understanding the influence of orography on the precipitation diurnal cycle and the associated atmospheric processes in the Central Andes”. Climate Dynamics, 50(11-12): 3995-4017.; Moya-Álvarez et al., 2018Moya-Álvarez, A. S.; Martínez-Castro, D.; Flores, J. L. & Silva-Vidal, Y. 2018. “Sensitivity Study on the Influence of Parameterization Schemes in WRF_ARW Model on Short- and Medium-Range Precipitation Forecasts in the Central Andes of Peru”. Advances in Meteorology, 2018: 1-16, ISSN: 1687-9309, 1687-9317, DOI: 10.1155/2018/1381092., 2019Moya-Álvarez, A. S.; Martínez-Castro, D.; Kumar, Sh.; Estevan, R. & Silva-Vidal, Y. 2019. “Response of the WRF model to different resolutions in the rainfall forecast over the complex Peruvian orography”. Theoretical and Applied Climatology, ISSN: 0177-798X, 1434-4483, DOI: 10.1007/s00704-019-02782-3, Available: <http://link.springer.com/10.1007/s00704-019-02782-3>, [Consulted: June 25, 2019].; Varona-González et al., 2018Varona-González, H. L.; Martínez-Serrano, L.; Pavón-López, J. & Hodelin-Shombert, H. 2018. “Estudio del oleaje generado por un huracán de categoría 5 en la costa sur de las provincias orientales de Cuba”.; Martínez-Castro et al., 2019Martínez-Castro, D.; Kumar, Sh.; Flores-Rojas, J. L.; Moya-Álvarez, A. S.; Valdivia-Prado, J. M.; Villalobos-Puma, E.; Del Castillo-Velarde, C. & Silva-Vidal, Y. 2019. “The Impact of Microphysics Parameterization in the Simulation of Two Convective Rainfall Events over the Central Andes of Peru Using WRF-ARW”. Atmosphere, 10(8): 442, ISSN: 2073-4433, DOI: 10.3390/atmos10080442.; Sierra-Lorenzo et al., 2020Sierra-Lorenzo, M.; Bezanilla-Morlot, A.; Centella-Artola, A. D.; León-Marcos, A.; Borrajero-Montejo, I.; Ferrer-Hernández, A. L.; Salazar-Gaitán, J. L.; Lau-Melo, A.; Picado-Traña, F. & Pérez-Fernández, J. 2020. “Assessment of Different WRF Configurations Performance for a Rain Event over Panama”. Atmospheric and Climate Sciences, 10(03): 280-297, ISSN: 2160-0414, 2160-0422, DOI: 10.4236/acs.2020.103016.)^. El resto de los parámetros y configuraciones fueron las predeterminadas en el modelo.

En la segunda etapa, se valoró el desempeño de dos parametrizaciones de capa límite planetaria (PBL, por sus siglas en idioma inglés), bajo el mismo principio de la etapa anterior de mejores resultados en montañas (op. cit.). En la parametrización de Yonsei University se evaluaron dos métodos de corrección topográfica del viento en superficie: Jiménez (Jiménez & Dudhia, 2012Jiménez, P. A. & Dudhia, J. 2012. “Improving the Representation of Resolved and Unresolved Topographic Effects on Surface Wind in the WRF Model”. Journal of Applied Meteorology and Climatology, 51(2): 300-316, ISSN: 1558-8424, 1558-8432, DOI: 10.1175/JAMC-D-11-084.1.) y UV. Este último fue incluido al modelo a partir de la versión 3.5 (NCAR, 2018NCAR. 2018. Weather Research and Forecasting Model ARW. Version 4 Modeling System User´s Guide. Mesoscale and Microscale Meteorology Laboratory, National Center for Atmospheric Research.). El método de Jiménez representa el arrastre adicional forzado por la topografía analizado por subcuadrícula, que mejora la modelación del flujo en las cimas de las colinas. El método UV, es una corrección más simple relacionada con la variación del terreno (geoformas). Ambos se activan sólo en el dominio de mayor resolución. En esta etapa las parametrizaciones de microfísica y cúmulo fueron las de mejores resultados de la anterior.

La tercera etapa del estudio se realizó con el objetivo de estimar el aporte al desempeño del WRF de la integración de bases de datos espaciales nacionales de alta resolución como condiciones de frontera estática. En el estudio se modificaron las variables relieve, máscara de tierra (interface océano-suelo), tipo de cobertura y tipo de suelo. En todos los casos se aseguró la compatibilidad con el modelo.

Para generar los datos de relieve se utilizó el modelo global de superficie ALOS WORLD 3D con resolución horizontal de 30 metros por pixel derivado de la misión japonesa PRISM. La base de datos de máscara de tierra se integró al modelo a partir del catastro rural nacional, escala 1:10 000, complementada con los datos ALOS WORLD 3D. Esta máscara de tierra se aplicó a todos los datos generados: relieve, tipo de cobertura y tipo de suelo, para garantizar homogeneidad en la modelación. Los datos del tipo de suelo fueron derivados del mapa de suelos nacional escala 1:250 000. Para el tipo de cobertura se utilizó la clasificación de formaciones vegetales de Capote y Berazaín (Capote & Berazaín, 1984Capote, R. P. & Berazaín, R. 1984. “Clasificación de las formaciones vegetales de Cuba”. Revista del Jardín Botánico Nacional, 5(2): 27-75, ISSN: 0253-5696.) en el mapa digital forestal nacional 1:100 000, complementado con datos del catastro rural nacional. Tanto los datos de suelo como de cobertura se ajustaron a las categorías internacionales del WRF.

En esta etapa se mantuvo las parametrizaciones de microfísica y cúmulo de la segunda. Se utilizó la parametrización de PBL Yonsei University con corrección topográfica del viento en superficie por el método de UV por demostrar el mejor desempeño en la anterior etapa.

En la investigación se mantuvo activa la parametrización de cúmulos para la precipitación en la resolución de 3.33 km, tomando en cuenta antecedentes en regiones montañosas (op. cit.).

Particularidades del estudio

El oriente de Cuba se caracteriza por su relieve complejo. De las 20 estaciones meteorológicas en el área de estudio, el 50 % se ubican en montañas Muy bajas, Bajas y Medias (Spiridonov, 1981Spiridonov, A. 1981. “Principios de la metodología de las investigaciones de campo y el mapeo geomorfológico”. In: Facultad de Geografía de la Universidad de La Habana ed., Ciudad de La Habana, Cuba.: Editorial MES.) que durante el estudio se le denominaron ubicadas en Montañas y Valle-Premontañas (figura 1). Cabe destacar que, como lo hacen notar Montenegro y Viña Vallés, (Montenegro, 1993Montenegro, U. 1993. Caracterización Climática de las montañas de la región oriental de Cuba. Fondos de Archivo del Centro Meteorológico Provincial Guantánamo, Cuba.; Viña-Bayés, 2001Viña-Bayés, N. 2001. Diversidad Biológica de los Macizos Montañosos Sierra Maestra Y Nipe-Sagua-Baracoa. Santiago de Cuba, Cuba: BIOECO, 89 p.), el comportamiento climático de la región oriental de Cuba tiene una estrecha relación con los macizos montañosos Sierra Maestra y Nipe-Sagua-Baracoa. El comportamiento de los valores mensuales de temperatura y precipitación en los meses de estudio, con respecto a la norma climatológica 1981-2010, se resumen en la tabla 4.

Parametrizaciones físicas del WRF

En la evaluación de desempeño del WRF para la temperatura trihoraria, en las ubicaciones Valle-Premontaña y Montaña estrechamente vinculadas con los topoclimas, los valores de R estuvieron en el rango de 0.72 a 0.91 para el periodo lluvioso; en el periodo poco lluvioso los valores estuvieron entre 0.66 a 0.91 (tabla 5). En cuanto al acumulado diario de precipitación, el rango de R estuvo entre -0.08 a 0.32 para el periodo lluvioso y en las mismas ubicaciones. En el periodo poco lluvioso, la R del WRF se comportó en un rango de -0.24 a 0.39 (tabla 6).

Análogamente, en estas ubicaciones, el estadígrafo de MSE resultante del estudio para la temperatura trihoraria, estuvo en el rango de 2.05 a 1.62 oC en el periodo lluvioso. En el periodo poco lluvioso el rango estuvo entre 2.91 a 1.10 oC (tabla 7). Sin embargo, a pesar de los relativos poco favorables valores de MSE, los valores demuestran fuertes R para esta variable en la generalidad de los experimentos. Por lo que, como error sistemático en los datos, pudiera ser corregido en los casos necesarios. Para esta variable, las modificaciones en las condiciones de fronteras estáticas implementadas en la etapa 3 de la investigación, no elevaron el desempeño del modelo. Estos resultados son coherentes con el tratamiento del WRF a la temperatura, como solución directa del núcleo dinámico, no como variable parametrizable (Wang et al., 2020Wang, X.; Tolksdorf, V.; Otto, M. & Scherer, D. 2020. “WRF‐based dynamical downscaling of ERA5 reanalysis data for High Mountain Asia: Towards a new version of the High Asia Refined analysis”. International Journal of Climatology, ISSN: 0899-8418, 1097-0088, DOI: 10.1002/joc.6686, Available: <https://onlinelibrary.wiley.com/doi/abs/10.1002/joc.6686>, [Consulted: October 17, 2020].). En cuanto a los valores de MSE para el acumulado diario de precipitación del periodo lluvioso en los topoclimas, estuvo en el rango de 14.18 a 4.19 mm. En el periodo poco lluvioso en el rango de 9.77 a 3.50 mm (tabla 8).

El estudio indica que, para una isla tropical con una compleja orografía como la región oriental de Cuba, es arduo identificar una parametrización de la física del WRF que resuelva la pluralidad de factores involucrados en la dinámica de sus topoclimas. No obstante, los resultados mostraron un mejor desempeño del modelo en la tercera etapa de la investigación para la mayoría de los experimentos (tablas 5-8). Ciertamente, no muchos antecedentes validan los datos estáticos que se incluyen en el WRF para estudio del clima en regiones insulares tropicales. Por citar algunos ejemplos, las resoluciones espaciales adecuadas para la interacción tierra-océano teniendo en cuenta, en no pocos casos, el pequeño tamaño de la superficie sólida; el posible efecto de los datos procedentes de capas globales, derivadas de algoritmos optimizados para las grandes masas continentales, y tal vez, menos equivalentes en pequeños territorios tropicales insulares. En este estudio, la actualización de las bases de datos espaciales predeterminadas en el modelo por bases de datos nacionales de alta resolución, como condiciones de frontera estática, contribuyó a minimizar imprecisiones en el análisis. Una de las posibles causas pudo ser el aporte a la sensibilidad del modelo en el análisis de los factores locales formadores del clima (Lecha et al., 1994).

En el análisis de los resultados es preciso insistir que, para el estudio, se utilizaron los valores de temperatura y precipitación de las celdas del WRF más cercanas a las estaciones meteorológicas. Estos valores del modelo, con resolución espacial de 3.33 km, pudieran reflejar una diferencia de altitud con las estaciones debido a la compleja orográfica del área de estudio. Al mismo tiempo, solo se realizaron experimentos durante un mes del periodo lluvioso e igual tiempo del periodo poco lluvioso del 2018, debido a los altos costos computacionales. Por otra parte, se asumieron otras fuentes de errores probables en la investigación relacionados con el propio WRF y el conjunto de datos ERA5 (Wang et al., 2020Wang, X.; Tolksdorf, V.; Otto, M. & Scherer, D. 2020. “WRF‐based dynamical downscaling of ERA5 reanalysis data for High Mountain Asia: Towards a new version of the High Asia Refined analysis”. International Journal of Climatology, ISSN: 0899-8418, 1097-0088, DOI: 10.1002/joc.6686, Available: <https://onlinelibrary.wiley.com/doi/abs/10.1002/joc.6686>, [Consulted: October 17, 2020].).

En esta investigación el mejor desempeño del WRF para el estudio de los topoclimas en la región oriental de Cuba se alcanzó con las parametrizaciones de Kain-Fritcsh como cúmulo, la microfísica de Thompson y Yonsei University como opción de capa límite planetaria, activo viento topográfico por el método de corrección por el método UV. La configuración de PBL de Yonsei University activo corrección topográfica del viento en superficie por un método basado en geoformas, es coherente con el tratamiento de jerarquía que, como factor geográfico formador del clima a escala local en las montañas de Cuba, han sido tratadas las formas del relieve (Delgado-Téllez & Peña-de la Cruz, 2019Delgado-Téllez, R. & Peña-de la Cruz, A. 2019. “Artículo Original Cartografía de variables climáticas basada en gradientes, sistemas de expertos y SIG Cartography of climate variables using gradients, expert systems and GIS”.; Peña-de la Cruz et al., 2020Peña-de la Cruz, A.; Delgado-Téllez, R.; Guevara-Velasco, V.; Rodríguez-Montoya, L. & Savón-Vaciano, Y. 2021. “Estudios de clima de montaña en Cuba, topoclimas.”. Revista Cubana de Meteorología, 27(3), ISSN: 2664-0880, Available: <http://rcm.insmet.cu/index.php/rcm/article/view/572/1127>.)