A variabilidade natural do clima en Galicia - MeteoGalicia
A variabilidade natural do clima en Galicia - MeteoGalicia
A variabilidade natural do clima en Galicia - MeteoGalicia
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
trabállase con modelos locais que se alim<strong>en</strong>tan de modelos globais e que obteñ<strong>en</strong><br />
a predición para escalas espaciais (5 km) e temporais (96 horas) altas. Estes<br />
modelos foron axusta<strong>do</strong>s para a particular topografía de <strong>Galicia</strong> e as súas parametrizacións<br />
tamén foron axustadas para a particular meteoroloxía e <strong>clima</strong>toloxía<br />
galega. En concreto, estes modelos son o ARPS (Advanced Regional Prediction<br />
System, da Universidade de Oklahoma) e o MM5 (Mesoscale Model, Versión<br />
5, <strong>do</strong> NCAR, Nacional C<strong>en</strong>ter for Atmospheric Research), ambos non hidrostáticos<br />
(Souto, 2003, Xue et al., 2000, 2001).<br />
Actualm<strong>en</strong>te execútanse dúas veces ao día<br />
e o tempo de cálculo de cada execución<br />
correspond<strong>en</strong>te a 96 horas de predición<br />
supón uns ses<strong>en</strong>ta minutos con catro procesa<strong>do</strong>res<br />
<strong>en</strong> paralelo <strong>do</strong> CESGA (C<strong>en</strong>tro<br />
de Supercomputación de <strong>Galicia</strong>). Con<br />
estes modelos pód<strong>en</strong>se obter predicións<br />
moi realistas que, por exemplo, reproduc<strong>en</strong><br />
o patrón de chuvias ou a difer<strong>en</strong>za<br />
de temperaturas exist<strong>en</strong>te <strong>en</strong>tre <strong>do</strong>us<br />
puntos a moi pouca distancia, como se<br />
mostra nas figuras 6.11 e 6.12.<br />
5.2. Downscaling estatístico<br />
Esta técnica está baseada <strong>en</strong> relacionar<br />
de forma estatística as variables climáticas<br />
ou de escala global (preditores) coas variables<br />
locais (preditan<strong>do</strong>s). A información<br />
de escala global debe estar relacionada<br />
coas variables específicas <strong>do</strong>s movem<strong>en</strong>tos<br />
a grande escala, como pode ser a altura<br />
<strong>do</strong> xeopot<strong>en</strong>cial a difer<strong>en</strong>tes niveis de presión ou coas variables relacionadas co<br />
océano, como pode ser a anomalía da temperatura da auga <strong>do</strong> mar. Esta información<br />
relaciónase coas observacións das variables <strong>en</strong> superficie que interes<strong>en</strong><br />
<strong>en</strong> cada caso particular, como, por exemplo, a temperatura, a precipitación, a velocidade<br />
<strong>do</strong> v<strong>en</strong>to, etc. Exist<strong>en</strong> múltiples méto<strong>do</strong>s para modelar esta relación<br />
<strong>en</strong>tre preditores e preditan<strong>do</strong>s, como os modelos basea<strong>do</strong>s <strong>en</strong> Cadeas de Markov,<br />
regresións lineares e bilineares, predicións baseadas <strong>en</strong> análogos, análises de correlación<br />
canónica, árbores de clasificación e regresión ou redes neuronais.<br />
[Figura 6.11]<br />
Precipitación acumulada<br />
<strong>en</strong> seis horas predita<br />
polo modelo ARPS<br />
para <strong>Galicia</strong><br />
246 MODELIZACIÓN E PREDICIÓN CLIMÁTICA