| Revista: | Atmósfera |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000424522 |
| ISSN: | 0187-6236 |
| Autores: | Kirthiga, S.M1 Patel, N.R1 |
| Instituciones: | 1Indian Institute of Remote Sensing, Dehra Dun, Uttar Pradesh. India |
| Año: | 2018 |
| Periodo: | Abr |
| Volumen: | 31 |
| Número: | 2 |
| País: | México |
| Idioma: | Inglés |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Los procesos que ocurren en la superficie terrestre desempeñan un papel fundamental en el reparto de la energía superficial y la circulación atmosférica dentro de un sistema climático. La representación errónea del estado actual del suelo -en particular de aspectos espaciales específicos como cobertura del suelo, parámetros topográficos y biofísicos- contribuye a la incertidumbre en las simulaciones meteorológicas tanto a escala local como regional. El presente estudio analiza el impacto de los datos de superficie en el desempeño del modelo de investigación y pronóstico del tiempo (Weather Research and Forecasting, WRF) para realizar simulaciones micrometeorológicas/cercanas a la superficie, en particular de variables sensibles como temperatura, humedad relativa, radiación solar y velocidad del viento. La hipótesis es que las bases de datos de superficie actualizadas podrían ayudar a mejorar los pronósticos micrometeorológicos sobre el dominio que comprende a los estados de Punjab, Haryana y Uttarakhand en la India. Para inicializar el modelo se utilizan la base de datos de uso y cobertura del suelo derivada del sensor avanzado de campo amplio (AWiFS, por sus siglas en inglés); datos de elevación proporcionados por la misión topográfica de radar a bordo del transbordador espacial (SRTM, por sus siglas en inglés), y el índice de área foliar (LAI, por sus siglas en inglés) basado en el espectrorradiómetro de imágenes de resolución media (MODIS, por sus siglas en inglés). Para evaluar el desempeño de la simulación, las condiciones limítrofes del suelo, tanto controladas (por defecto) como modificadas, se comparan con datos in situ procedentes de una red automatizada de estaciones meteorológicas operada por la Agencia India de Investigación Espacial. En la corrida modificada, el modelo captó con mayor precisión la evolución temporal de temperatura superficial, humedad relativa, velocidad del viento, presión superficia |
| Resumen en inglés | Land surface processes play a critical role in governing the surface energy partitioning and the atmospheric circulation within a climate system. Improper representations of present land state, particularly spatially specific fields such as land cover, topographical and biophysical parameters contribute to the uncertainty in the model’s weather simulations extending from local to regional scales. The present study investigates the impact of superior land surface datasets on the performance of the Weather Research and Forecasting (WRF) model in simulating micrometeorological/near-surface weather, particularly sensible variables such as temperature, relative humidity, solar radiation and wind speed. The hypothesis is that the updated land surface datasets would help in improving micrometeorological forecasts over the domain comprising of Punjab, Haryana and Uttarakhand states in India. A land use land cover (LULC) dataset derived from Advanced Wide Field Sensor (AWiFS); an elevation dataset from the Shuttle Radar Topography Mission (SRTM), and a Leaf Area Index (LAI) based on the Moderate Resolution Imaging Spectroradiometer (MODIS), are used in model initialization. Performance evaluation of the model’s simulation is done for controlled (default) and modified land boundary conditions with in situ weather from a network of automatic weather stations (AWS) operated by the Indian Space Research Organization (ISRO). In the modified run, the model more closely captured the temporal evolution of surface level temperature, relative humidity, wind speed, surface pressure and solar radiation. Improvement in 24-hr forecast ranges from 15 to 30% for these near-surface weather variables. Further testing of the model’s performance on its capability to forecast 8-day micrometeorological weather variables revealed that the modified run gave consistent results. The average RMSE values for minimum and maximum temperature, wind speed, relative humidity and precipitati |
| Disciplinas: | Geociencias |
| Palabras clave: | Ciencias de la atmósfera, Predicción numérica del tiempo, Pronóstico del tiempo, Modelado de la superficie del terreno, Percepción remota, MODIS |
| Keyword: | Atmospheric sciences, Numerical weather prediction, Weather forecasting, Remote sensing, Land surface modeling, MODIS |
| Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
