Evaluación de la factibilidad del pronóstico de descargas eléctricas mediante el Índice del Potencial de Rayos

Leydi Laura Salazar Domínguez, Adrián Luis Ferrer Hernández, Lourdes Álvarez-Escudero

Resumen

El Índice del Potencial de Rayo (LPI por sus siglas en inglés) es una medida del potencial de generación y separación de cargas que conducen a relámpagos en nubes convectivas, el mismo es calculado dentro de la región de separación de carga de la nube entre 0 ⁰C y -20 ⁰C, teniendo en cuenta la velocidad de las corrientes ascendentes y parámetros microfísicos de las nubes. El objetivo general de nuestra investigación es evaluar la factibilidad del 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. En este estudio se obtuvieron salidas del WRF con la parametrización del LPI inicializadas las 00:00 y 12:00 UTC con intervalos de salidas del modelo para un primer experimento cada 1 hora y un segundo experimento cada 1 minuto, ambas con una resolución espacial de 3km, las cuales se validan con los datos de la red de sensores de Earth Networks Total Lightning Network (ENTLN). Los resultados muestran que el LPI realiza un pronóstico temporal acertado, pero sobrevalora el área de ocurrencia de las descargas eléctricas, aunque este índice es una muestra de la actividad convectiva en general, por lo que el LPI es una factible herramienta en el pronóstico a corto plazo de la actividad eléctrica y convectiva.

 

Palabras clave

LPI; WRF; Pronóstico de descargas eléctricas.

Texto completo:

HTML EPUB

Referencias

Davydova Belitskaya, V., Cruz, R., &, R.-L. (2016). Un modelo de verificación de pronósticos de precipitación. Aaaa model of precipitation forecast verification. Ingeniería Revista Académica, 20:24–33.

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.

Earth Networks Total Lightning Network (ENTLN) Datafeed versión 3.0. Interface Control Document (2017). EN.PM.UM 20170323.

Lecha, L. B., Paz, L. R., & Lapinel, B. (eds) (1994). El Clima de Cuba. Editorial Academia, La Habana. ISBN: 959-02-006-0.

Lynn, B. & Yair, Y. (2010). Prediction of lightning flash density with the WRF model. Advances in Geosciences, 23, 11-16.

MMM (2017). Mesoescale & Micrroscale Meteorology Division. ARW Version 3.8 Modeling System User’s Guide. Complementary to the ARW Tech Note, 411pp. Boulder, Colorado, USA.

Price, 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.

Restrepo B, L. & Gonzales L, J. (2007). De pearson a spearman. Revista Colombiana de Ciencias Pecuarias, vol. 20, núm. 2, abril-junio. Universidad de Antioquia. Medellín, Colombia., pages 183–192.

Rubiera, J. M., Gonzáles, C., Llanes, M. T., & Bermúdez, Y. (2017). Manual de Procedimientos Operacionales Ordinarios. Sistema Nacional de pronósticos. La Habana, INSMET.

Sierra, 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.

Sierra Lorenzo, M., Ferrer Hernández, A. L., Valdés, R., G. Mayor, Y., Carlos Cruz Rodríguez, R., Borrajero Montejo, I., Rodríguez Genó, C. F., Rodríguez, N., & Roque, A. (2015). Sistema automático de predicción a mesoescala de cuatro ciclos diarios. doi:10.13140/RG.2.1.2888.1127.

Skamarock, 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.

Wang, Y., Yang, Y., & Jin, S. (2018). Evaluation of Lightning Forecasting Based on One Lightning Parameterization Scheme and Two Diagnostic Methods. Atmosphere.doi:10.3390/atmos9030099.

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.

Álvarez, 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).

Álvarez, 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.

Enlaces refback

  • No hay ningún enlace refback.