Academic literature on the topic 'Predicción meteorológica'

En el presente trabajo trata sobre el diseño, construcción y sistematización de una estación meteorológica para el registro automático, procesamiento y monitoreo electrónico de tres parámetros meteorológicos: temperatura ambiente, irradiancia solar global y humedad relativa ambiental, con precisiones de O, 1ºC; O, 1 watts/m2 y de 1 %, respectivamente, usando el hardware libre denominado ARDUINO; el sistema monitorea, registra, almacena información en forma automática de acuerdo a la programación pre establecida por el algoritmo y transfiere información a una computadora para el tratamiento correspondiente. Para el efecto se ha utilizado componentes, materiales y sensores de bajo costo y buena funcionalidad, para medir la irradiancia solar es del tipo LDR (foto resistor) y el DHT11 para medir la humedad relativa y temperatura ambiente, que se han adquirido en el mercado local y nacional; y para el sistema que protege a los sensores de humedad relativa y temperatura ambiente se ha reusado una carcasa de una antigua estación meteorológica, el costo total del sistema es de S/ 34 7 ,00 que comparado con el costo de las estaciones meteorológicas importadas resulta ser inferior en un factor de 100 a 200 veces. La información registrada es tan igual que la que proporciona cualquier estación meteorológica importada de las mejores marcas y modelos, puede ser muy útil para un estudio científico y predicción de diferentes fenómenos meteorológicos y desastres naturales.

El propósito de la presente investigación es describir la aportación del Big Data en la agricultura, donde se ha podido observar diferentes ventajas, una de ellas es que permite el manejo de los volúmenes de datos que son recopilados y almacenados para su posterior tratamiento. Aparte el Big Data ha abordado temáticas como la agricultura de precisión, donde detalla el proceso para la recolección de datos que son de gran utilidad en este sector, así como también la relación del Internet de las Cosas (IoT), otro punto favorable es que está vinculado con herramientas de software para la filtración de datos como Hadoop y herramientas de IBM. Cabe mencionar que la presente investigación se da de manera descriptiva, por lo que muestra un enfoque cualitativo que va partiendo en la búsqueda de información bibliográfica de sitios confiables, donde se ha seleccionado información de manera relevante, la cual está relacionada al beneficio del Big Data en la agricultura de precisión, además en el estudio se menciona que Big Data es el reemplazo de los métodos tradicionales para la verificación del estado de los cultivos. La clave es que identifica una enfermedad en un cultivo gracias a herramientas que aportan información completa.

Muchos aspectos de la vida cotidiana de las personas son influenciadas por las condiciones meteorológicas. Este hecho es más claro si la actividad se desarrolla al aire libre, expuesta directamente a los avatares atmosféricos. Bien conocido es el caso de la agricultura y la ganadería, que para tener éxito y rendir adecuadamente necesitan de agua y temperaturas dentro de unos determinados umbrales. En este contexto, las predicciones meteorológicas importan mucho, pues ayudan a los productores a planificar mejor sus actividades, anticiparse a circunstanciales eventos negativos y mejorar, por tanto, las cosechas. Son más vulnerables los pequeños agricultores familiares, sin medios técnicos y con poco o ningún acceso a la información meteorológica, y es peor aún en áreas de Clima irregular como las semiáridas, donde las lluvias caen erráticamente y de vez en cuando las sequías causan grandes estragos precisamente en esos pequeños productores. En este trabajo vamos a hacer una aproximación teórica a la problemática de la comunicación de las predicciones meteorológicas a pequeños agricultores, con atención especial en el Sertão (el espacio semiárido del Nordeste de Brasil), completado con una visión previa de los mecanismos atmosféricos y oceánicos que influencian su clima, bien conocidos y monitoreados continuamente, facilitando la predicción anticipada de las condiciones meteorológicas estacionales.

Los eventos hidrometeorológicos se intensifican, constituyendo los ciclones el fenómeno más destructor de los trópicosy con mayores consecuencias, tanto para las poblaciones de organismos vectores como para la salud humana. El objetivode la presente investigación consistió en describir el pronóstico realizado para el huracán Irma con un año de antelación,teniendo en cuenta la incidencia en las poblaciones de organismos vectores en la estación meteorológica de Caibarién,Villa Clara, Cuba. El estudio se realizó a partir del pronóstico de la variable presión atmosférica, con una serie de datos,desde el año 1977 al 2016, por medio de la metodología Regresión Objetiva Regresiva (ROR). Se demostró que elpronóstico realizado coincide con lo ocurrido durante el paso del huracán Irma, excepto una diferencia de tres días y seishoras, según los datos de la estación meteorológica de Caibarién. Al aumentar la presión atmosférica aumenta la densidadlarval de mosquitos. La predicción con un año y once años de antelación de la presión atmosférica trihoraria es unaherramienta importante para prever el impacto de los huracanes en nuestro territorio, así como su relación directa, conuna mayor difusión y presentación en diferentes regiones tropicales y subtropicales de entidades infecciosas de etiologíaviral y parasitaria, y la difusión, irradiación y propagación de los diferentes géneros y especies de organismos vectores, porlo que debiera ser un servicio cotidiano del grupo de predicción del tiempo en los centros meteorológicos provinciales.

En la aviación, los fenómenos meteorológicos son uno de los aspectos más importantes para tener en cuenta en todas las etapas de vuelo, desde la planificación hasta el aterrizaje. El desarrollo de sistemas de predicción meteorológica aplicados a la aviación puede apoyar el proceso de toma de decisiones de los controladores de tráfico aéreo y los pilotos, facilitando el análisis de las variables meteorológicas y proporcionando una primera interpretación a disposición de todos los usuarios del sistema aéreo. Por esta razón el Centro de desarrollo Tecnológico para la Defensa (CETAD) tiene como principal objetivo en este documento describir los resultados del desarrollo de una metodología sistematizada que utiliza técnicas inteligentes para la detección, identificación y seguimiento de cualquier tipo de formación que por sus características pueda representar un riesgo para la aviación, generando a su vez información de soporte al controlador aéreo.Para esto es necesario primero identificar las formaciones convectivas, clasificarlas, filtrar el ruido e individualizarlas. Este tipo de procesos pueden ser automatizados a través del análisis inteligente de productos disponibles en cualquier sistema aéreo como las imágenes satelitales multiespectrales. Posterior a una identificación, se deben determinar un grupo de características que permitan desarrollar algoritmos eficientes capaces de realizar un seguimiento del comportamiento de la formación convectiva, que permita generar pronósticos de las características de los sistemas convectivos en el corto plazo, para lo que se requiere conocer otras variables como el viento en las áreas de análisis.Este tipo de aplicaciones integradas a los sistemas de control de tráfico aérea disminuirían los riesgos debidos factores meteorológicos.

Teniendo en cuenta que las condiciones climáticas en todo el mundo debido al efecto invernadero generando que la temperatura haya venido en crecimiento, afectando de una u otra forma lo social, económico y ambiental, tal como lo informa el Ideam y Fonade[1] y reforzado por la revista agronegocios[2]. Los agricultores no cuentan actualmente con herramientas necesarias para poder realizar un estudio técnico y definir la época precisa para el cultivo con calidad de cada uno de sus productos. Mediante el modelo de estimación de ARIMA, se relacionaron datos de temperatura, humedad, velocidad, presión arrojados por una estación meteorológica (Estación Patrón) llevándolo a un modelo matemático predictivo. Como primera parte del modelado del sistema, se procedió a adquirir una estación de marca Wunder Station y ubicarla en Yurimena – Cofrem (Km 33, Vía Puerto López) donde durante seis meses se recolectaron datos de las diferentes variables meteorológicas, estos resultados se analizaron mediante E-views (software) y se parametrizaron a fin de establecer una precisión del 95%. Como resultado de este modelo de predicción, se busca estimar las diferentes variables ambientales con fines agrícolas. Con los datos obtenidos durante este periodo se logró establecer una predicción de 45 días con un porcentaje de error del 0,4%, permitiendo el análisis de otras variables como humedad relativa, velocidad del viento, entre otros.

En el presente estudio, se presenta la implementación de una red neuronal artificial (RNA) para la predicción de irradiación solar en barranquilla. Para lograr esta implementación, se utilizaron datos para entrenamiento de una estación meteorológica ubicada en el centro de la ciudad de Barranquilla. De esta estación se tomaron datos de temperatura, velocidad del tiempo, humedad e irradiación solar. Los datos fueron tomados del primero de enero al 31 de diciembre del año 2019. Estos datos fueron sometidos a un análisis estadístico descriptivo e inferencial, en el cual se revisaron las medidas son las de tendencia central, las de variabilidad y las distribuciones que se le aplican a los datos obtenidos.

El fenómeno de la turbiedad extrema ha sido abordado en trabajos previos a través del análisis de eventos históricos, estudios que han permitido, además de caracterizar y comprender de mejor forma el fenómeno, estar en condiciones de intentar una predicción del mismo. Se presentan a continuación avances conseguidos en dos líneas de predicción: 1) pronósticos operacionales de corto plazo, alimentados por forzantes que gatillan aumentos de turbiedad en el río y 2) evolución futura de largo plazo, considerando los patrones de cambio climáticos que pueden ocurrir sobre la cuenca del Maipo. El modelo operacional pronostica la serie de tiempo horaria de turbiedad para un horizonte de 3 días y consiste en un modelo híbrido que combina información geomorfológica y meteorológica de la cuenca, unida a un pronóstico hidrometeorológico base, con algoritmos Deep Learning que definen el peso de cada forzante. Desde su puesta en operación, la herramienta se ha utilizado para generar advertencias del tipo alerta temprana y estimaciones del tiempo de duración de la emergencia. La evolución futura del fenómeno se abordó utilizando simulaciones de un modelo climático de alta resolución las cuales alimentaron un modelo hidrológico local, resultados que unidos a un modelo basado en redes neuronales, generaron series diarias de turbiedad. Respecto de la situación actual y bajo un escenario de Cambio Climático RCP 8.5, se esperarían para el futuro incrementos en el número de eventos, en la duración máxima y magnitud media asociada y aparentes reducciones en las intensidades máximas de los mismos. Si bien ambas herramientas deben seguir siendo evaluadas, se consideran interesantes alternativas para avanzar en la predicción del comportamiento del fenómeno, tanto en el corto como en el largo plazo.

The forecast of wind energy is closely linked to the prediction of the variation of winds over very short time intervals. Four wind towers located in the Inner Mongolia were selected to understand wind power resources in the compound plateau region. The mesoscale weather research and forecasting combining Yonsei University scheme and Noah land surface model (WRF/YSU/Noah) with 1-km horizontal resolution and 10-min time resolution were used to be as the wind numerical weather prediction (NWP) model. Three statistical techniques, persistence, back-propagation artificial neural network (BP-ANN), and least square support vector machine (LS-SVM) were used to improve the wind speed forecasts at a typical wind turbine hub height (70 m) along with the WRF/YSU/Noah output. The current physical-statistical forecasting techniques exhibit good skill in three different time scales: (1) short-term (day-ahead); (2) immediate-short-term (6-h ahead); and (3) nowcasting (1-h ahead). The forecast method, which combined WRF/YSU/Noah outputs, persistence, and LS-SVM methods, increases the forecast skill by 26.3-49.4% compared to the direct outputs of numerical WRF/YSU/Noah model. Also, this approach captures well the diurnal cycle and seasonal variability of wind speeds, as well as wind direction. Predicción de vientos en una altiplanicie a la altura del eje con el esquema de la Universidad Yonsei/Modelo Superficie Terrestre Noah y la predicción estadísticaResumenLa estimación de la energía eólica está relacionada con la predicción en la variación de los vientos en pequeños intervalos de tiempo. Se seleccionaron cuatro torres eólicas ubicadas al interior de Mongolia para estudiar los recursos eólicos en la complejidad de un altiplano. Se utilizó la investigación climática a mesoscala y la combinación del esquema de la Universidad Yonsei con el Modelo de Superficie Terrestre Noah (WRF/YSU/Noah), con resolución de 1km horizontal y 10 minutos, como el modelo numérico de predicción meteorológica (NWP, del inglés Numerical Weather Prediction). Se utilizaron tres técnicas estadísticas, persistencia, propagación hacia atrás en redes neuronales artificiales y máquina de vectores de soporte-mínimos cuadrados (LS-SVM, del inglés Least Square Support Vector Machine), para mejorar la predicción de la velocidad del viento en una turbina con la altura del eje a 70 metros y se complementó con los resultados del WRF/YSU/Noah. Las técnicas de predicción físico-estadísticas actuales tienen un buen desempeo en tres escalas de tiempo: (1) corto plazo, un día en adelante; (2) mediano plazo, de seis días en adelante; (3) cercano, una hora en adelante. Este método de predicción, que combina los resultados WRF/YSU/Noah con los métodos de persistencia y LS-SVM incrementa la precisión de predicción entre 26,3 y 49,4 por ciento, comparado con los resultados directos del modelo numérico WRF/YSU/Noah. Además, este método diferencia la variabilidad de las estaciones y el ciclo diurno en la velocidad y la dirección del viento.

Este artículo propone el diseño y desarrollo de un planificador para la red de telescopios GLORIA. Esta red, cuyo principal objetivo es acercar los ciudadanos a la astronomía, está formada por 18 telescopios ubicados en cuatro continentes. Parte de la gestión de esta red se lleva a cabo por el planificador, que se encarga de recibir peticiones de observación de usuarios de usuarios y enviárselas a uno de los telescopios de la red. Para esto, necesita un algoritmo que decida el mejor telescopio, evitando ofrecer una petición a un telescopio que finalmente no pueda ejecutarla. Este artículo presenta dos algoritmos de decisión: el primero se basa únicamente en la predicción meteorológica, y el segundo emplea lógica difusa e información de cada telescopio. Ambos algoritmos fueron implantados en la red GLORIA. Los resultados obtenidos, así como una comparativa del rendimiento de ambos se presenta en este artículo. Así mismo, se detalla la arquitectura del planificador basada en una estructura híbrida distribuida-centralizada.

El propósito de esta investigación es maximizar el impacto de la asimilación de datos radar sobre el pronóstico de precipitación a muy corto plazo usando el modelo Weather Research and Forecasting (WRF), de tal manera que pueda ser implementado de modo operativo en los Servicios Meteorológicos Nacionales. En una primera fase se utiliza un episodio de precipitación extrema que tuvo lugar en Cataluña (NE de España) para probar varias configuraciones de predicción inmediata, basadas en el modelo WRF con la asimilación de datos radar, y en una segunda fase, se profundizan los resultados a través de una serie de experimentos basados en diez eventos de precipitación extrema ocurridos en Cataluña en el periodo 2015 - 2017. Las configuraciones consideradas se generan modificando: 1) el ciclo de inicialización del WRF, 2) los procedimientos de preprocesamiento de datos radar utilizados por el Centro Nacional de Investigación Atmosférica (NCAR) y por el Servicio Meteorológico de Cataluña (SMC), 3) datos convencionales y de radar asimilados dentro del sistema variacional tridimensional (3DVAR), y 4), otros parámetros tales como la escala de longitud de las observaciones, el número de bucles externos y la parametrización de la convección húmeda. El efecto de los anteriores parámetros se evalúa mediante la habilidad de una serie de experimentos para simular la cantidad y localización de la precipitación usando técnicas estadísticas convencionales, índices categóricos y el Receiver Operating Characteristic (ROC). Sin embargo, en este estudio la construcción de las tablas de contingencia está condicionada al desplazamiento del patrón de precipitación y la cercanía entre los valores observados y pronosticados, sin considerar los umbrales de precipitación. El método de control de calidad desarrollado por el SMC es confiable y en el caso particular del 12 de octubre de 2016, produjo mejores resultados que el método de NCAR. La predicción inmediata de precipitación logra mejores resultados cuando el modelo WRF es ejecutado con dos ciclos de asimilación, uno en frío y otro en caliente con un length scale de 0.75 y 0.50 respectivamente, asimilando en cada ciclo datos radar y datos convencionales en un mismo momento y con el error del background CV7. Los largos ciclos de inicialización, las actuales parametrizaciones usadas en el SMC y el uso de tres bucles externos no mejoran los resultados del pronóstico.
The purpose of this research is to maximize the radar data assimilation impact on precipitation nowcasting using the Weather Research and Forecasting (WRF), in such a way that it can be implemented operationally in the National Meteorological Services. In a first phase is used an episode of extreme precipitation that took place in Catalonia (NE Spain) to test several nowcasting system configurations, which are based on the Weather Research and Forecasting (WRF) model with radar data assimilation, and in a second phase, the results are deepened through a series of experiments based on ten extreme precipitation events that occurred in Catalonia in the period 2015 - 2017. The configurations considered are generated by modifying the following elements: 1) the WRF initialization cycle, 2) the radar data preprocessing procedures used by the National Center for Atmospheric Research (NCAR) and by the Meteorological Service of Catalonia (SMC), 3) conventional and radar data assimilated within the three dimensional variational system (3DVAR), and 4), other parameters such as the observations length scale, number of outer loops and the cumulus parameterization. The effect of the previous parameters is evaluated through the skill of the different experiments to simulate both the amount and location of precipitation using conventional statistical techniques, categorical indices and the Receiver Operating Characteristic (ROC). However, in this study the construction of the contingency tables has been conditioned to the precipitation pattern displacement and the closeness between the observed and forecast values without considering precipitation thresholds. The quality control method developed by the SMC is trustworthy and in the particular case occurred on October 12, 2016, it produced better results than the NCAR method. The precipitation nowcasting achieves better results when the WRF model is executed with two assimilation cycles, one in cold and another in warm with a length scale of 0.75 and 0.50 respectively, assimilating in each of these cycles radar data and conventional data (METAR and SYNOP) at the same time and with the background error CV7. The long initialization cycles, the current parameterizations used in the SMC and the use of three external loops do not improve the forecast results.

Implementa y pone operativo el modelo númerico acoplado de predicción meteorológica y química Global Forecast System (GFS) - Weather Research and Forecasting model coupled with Chemistry (WRF-Chem), para evaluar los niveles de contaminantes atmosféricos existentes en Lima, comprendiendo los procesos físicos y químicos que ocurren en la naturaleza. Compara los niveles de contaminantes con los estándares de calidad emitidos por el Ministerio del Ambiente de Perú.
Tesis

In this work, a subsynoptic characterization of tropopause fold structures is derived from one-year of global, high resolution GFS (Global Forecasting System, 0.3 degrees) data analyses and 10 years of daily WRF (Weather Reasearch and Forecasting) mesoscale simulations at 30 km resolution initialized with the Japanese 25-year Re-Analysis (JRA-25, 1.125 degrees). The dynamical tropopause, defined as a constant potential vorticity surface (2 PVU), is an important meteorological concept that under adiabatic and frictionless conditions acts as a material barrier between the troposphere and the stratosphere. Deformations of this layer such as foldings have a relevant influence on midlatitude weather systems and are a major mechanism of extratropical stratosphere-troposphere exchange. In the vicinity of these stratospheric intrusions, large vertical and horizontal gradients of Potential Vorticity (PV) are found, so that high resolution data is required for a direct characterization of these structures. Based on a geometric definition of tropopause folds, a novel objective algorithm has been developed and applied over the 6-hour meteorological fields to unambiguously detect the presence of a folded dynamical tropopause. The methodology applied requires no assumptions on the dynamical origin of the folding, and it registers the main geometric features of each individual folded grid structure such as its horizontal dimensions, depth of penetration, thickness or the gap relative to the upper tropopause. The application of the fold detection algorithm has served to characterize the geographical distribution of folding features on a global basis using one year of GFS data, and on a regional basis using a more robust 10-year WRF climatology over Southwest Europe. The analysis corroborates the differences between subtropics and extratropics in tropopause fold characteristics and formation, and serves to identify the main synoptic upper-level scenarios that drive the intensification of these structures. The geographical distribution and annual variability of stratospheric intrusions detected with the GFS analyses are in line with existing climatologies, supporting the competence of the fold searching algorithm, but providing a more detailed portrait through the higher resolution of the GFS data. The 10-year WRF tropopause fold climatology shows a general good agreement with the one-year GFS observations, although WRF tropopause fold frequencies appear to be lower on average. This can be partly attributed to interannual variability, and partly to underestimation of the total folded area simulated by WRF relative to that observed by GFS, as revealed in individual tropopause fold case studies. Additionally, a product that uses a combination of geometric tropopause fold parameters has been generated (Stratosphere-Troposphere Transport Folding Index, STTFI) to estimate the regions of the globe where the largest amounts of stratospheric air are most likely to be irreversibly transferred into the troposphere due to deep tropopause fold intrusions. Despite its simplicity, the STTFI reproduces the most important features captured in existing Stratosphere-Troposphere Transport (SST) climatologies based on Lagrangian trajectory techniques. Finally, a detailed evaluation on the WRF model ability to simulate tropopause folds has been performed over an entire year (December 2007 - November 2008), with an eye at establishing the role of resolution enhancements at improving their simulation. Qualitative and quantitative comparisons between WRF results and both the initial JRA data and the GFS analyses have been performed over tropopause fold frequencies and individual tropopause fold events. The comparison demonstrates that the WRF forcing is in general able to forecast the main mesoscale features of the tropopause folds, significantly improving their representation with respect to the JRA coarse description of the initial state, particularly at midlatitudes. However, it has been observed that a poor definition of the initial conditions can be an important obstacle in tropopause fold performance, particularly under certain circumstances (e.g. rapidly traveling perturbations entering the domain) in some specific areas (e.g. close to the border of the simulation domain).
En aquesta tesi s'ha realitzat una anàlisi i una caracterització detallada sobre les estructures de plegament de la tropopausa (Tropopause Foldings en la literatura anglesa) utilitzant, per un costat, un any de dades globals de relativa alta resolució (0.3 graus) d'anàlisis del model GFS (Global Forescating System), i per l'altra, 10 anys de dades de simulacions numèriques diàries realitzades amb el model de mesoescala WRF (Weather Research and Forecasting) amb una resolució aproximada d'uns 30 km i inicialitzades amb les dades JRA-25 (Japanese 25-year ReAnalysis) que tenen una resolució grollera d'1.125 graus. La tropopausa és una capa fina de l'atmosfera que separa la troposfera de l'estratosfera, dues capes molt diferents en la seva estructura tèrmica, condicions dinàmiques i composició química. A la troposfera, per exemple, la temperatura disminueix amb l'altitud, els moviments verticals i la barreja hi són relativament freqüents, i l'aire pot contenir grans quantitats de vapor d'aigua mentre que l'ozó n'és generalment escàs. En canvi, a l'estratosfera la temperatura augmenta amb l'altitud, els moviments són bàsicament horitzontals, i l'aire està estratificat per capes, pobres en vapor d'aigua i relativament riques en concentració d'ozó, provinent de la capa d'ozó que es troba precisament en els primers 25 km de l'estratosfera. Per tant, la tropopausa representa una zona de transició i canvis abruptes entre aquestes dues capes, cosa que fa que jugui un paper molt important en l'intercanvi de substàncies i que presenti una gran sensibilitat a possibles canvis atmosfèrics. Tenint en compte les característiques dinàmiques, es pot definir la tropopausa com una superfície de valor constant de vorticitat potencial, típicament la superfície de 2 PVU (unitats de vorticitat potencial, on 1 PVU = 10' m2 s-1 K kg-1). D'aquesta manera l'aire troposfèric queda definit per valors baixos de vorticitat potencial (PV < 2) i l'estratosfèric per valors alts (PV > 2). Sota condicions de conservació adiabàtiques i sense fricció, aquesta tropopausa dinàmica actua com a una barrera física entre les dues capes. Deformacions importants d'aquesta superfície, com per exemple els plegaments de tropopausa, poden tenir una gran influència en el desenvolupament de fenòmens meteorològics a la troposfera i poden ser un dels mecanismes més importants d'intercanvi i transport de substàncies entre la troposfera i l'estratosfera als extratròpics. Aquests plegaments de tropopausa o intrusions estratosfèriques es caracteritzen per la presència de forts gradients de vorticitat potencial, especialment a les zones properes que limiten amb els seus contorns. Per aquest motiu és de suposar que per a una bona detecció i caracterització d'aquestes estructures, és necessària una bona resolució horitzontal i vertical de les dades. S'ha creat un algoritme objectiu per a la detecció d'aquests plegaments basant-se només en una definició purament geomètrica d'aquestes estructures i, per tant, sense fer cap suposició d'entrada sobre el seu origen dinàmic. D'aquesta manera l'algoritme, aplicat sobre els camps tridimensionals de les principals variables meteorològiques, és capaç de detectar la presència d'una tropopausa dinàmica plegada, i d'enregistrar-ne les seves principals característiques geomètriques com són: les dimensions horitzontals, el gruix de la intrusió, la profunditat de penetració o l'amplitud de l'arc (distància vertical entre les dues tropopauses que defineixen la presència d'un plegament). L'algoritme s'ha aplicat primerament sobre un any (desembre 2007 - novembre 2008) de dades d'anàlisi globals del model GFS amb el que s'ha pogut fer una caracterització geogràfica completa de plegaments de tropopausa per a l'hemisferi nord i sud. Els resultats, per una banda, es corresponen molt bé amb les climatologies existents, el que corrobora el bon funcionament de Seguidament, l'algoritme també s'ha aplicat sobre els 10 anys de simulacions realitzades amb el model de mesoescala WRF i s'ha construït una climatologia de plegaments molt més robusta sobre una regió força extensa del sud-oest d'Europa, amb la Península Ibèrica al centre del domini. Aquesta climatologia mostra una bona concordança amb els resultats obtinguts durant un any d'estudi amb les dades GFS, tot i que les freqüències de plegaments observades són en general més petites. Aquesta disminució és deguda, per una banda, a la variabilitat interanual, i per l'altra, a una subestimació generalitzada de l'àrea total detectada en els diferents casos de plegaments de tropopausa simulats amb el model WRF respecte dels observats amb les dades GFS. Tant l'anàlisi global com la climatologia regional corroboren les diferències entre els subtròpics i els extratròpics en la formació i característiques dels plegaments de tropopausa, i serveixen per a identificar els principals escenaris sinòptics que governen la intensificació d'aquests fenòmens. També s'ha generat un producte que utilitza una combinació dels diferents paràmetres geomètrics dels plegaments de tropopausa per a estimar les regions on és més probable que grans quantitats d'aire estratosfèric siguin transferides irreversiblement a la troposfera degut als casos més intensos de plegaments de tropopausa (STTFI: Stratosphere-Troposphere Transport Folding Index). Tot i la simplicitat del producte, l'STTFI reprodueix molt bé els trets més importants observats a les climatologies existents de transport estratosfera-troposfera basades en tècniques més complicades de trajectòries lagrangianes. Finalment, s'ha efectuat una avaluació detallada sobre la capacitat del model WRF per a simular plegaments de tropopausa, i amb l'objectiu d'avaluar també la importància dels increments en la resolució de les dades a l'hora de millorar la representació dels plegaments de tropopausa. S'han realitzat comparacions durant un any sencer (desembre 2007 - novembre 2008), tant qualitatives com quantitatives, dels resultats del WRF amb, per una banda, les dades de baixa resolució JRA utilitzades com a inicialització de les simulacions, i per l'altra banda, amb les dades GFS que tenen una resolució semblant a la de les simulacions WRF. A part de comparar les freqüències de plegaments i les seves característiques estacionals, també s'ha analitzat un ampli ventall de diferents casos d'estudi individuals. Els resultats demostren que el model WRF és en general capaç de pronosticar els principals trets mesoescalars dels plegaments de tropopausa, millorant significativament la seva representació en comparació amb la descripció més grollera que ofereixen les dades d'inicialització JRA, especialment a les latituds mitjanes. Tot i aquesta millora significativa, s'ha observat que una definició pobra de les condicions inicials pot ser un obstacle important per a un complet desenvolupament de les intrusions estratosfèriques, especialment en algunes circumstàncies (p.e. pertorbacions ràpides entrant en el domini de simulació) i en algunes regions concretes (p.e. prop dels límits del domini).

Catalunya, i en concret el Pla de Lleida, són zones sovint afectades per les pedregades. En general, els episodis més severs i freqüents es produeixen des de finals de la primavera fins a principis de la tardor. Aquest període coincideix amb el moment en què determinats cultius de la zona són altament vulnerables, degut al seu cicle vegetatiu. La importància a nivell econòmic i social que tenen les pedregades al territori català, com també la complexitat del fenomen, ha comportat que nombrosos científics hagin estudiat el tema des de diferents punts de vista. En aquesta tesi s'ha aprofundit en temes de diagnosi i predicció, amb una fase preliminar d'anàlisi per conèixer la distribució espacial i estacional de les pedregades a la zona. En temes de diagnosi, i amb l'objectiu de conèixer el diàmetre de la pedra obtinguda en indrets sense possibilitat d'observació directa, s'ha aplicat un mètode d'estimació de la mida de la pedra. Els resultats més òptims s'han aconseguit a partir del mètode cokriging universal, combinant poques dades puntuals, les observacions en superfície, amb una variable contínua secundària, que en aquest cas es tracta d'informació radar. Els valors estimats més propers a la realitat s'han aconseguit utilitzant el producte vertically integrated liquid (VIL) de la imatge no corregida del radar de la Panadella (CDV). Pel que fa al camp de la predicció, s'ha aplicat l'algorisme lightning jump (LJ), amb importants modificacions respecte a la metodologia original i adaptant-lo a les necessitats operatives del Servei Meteorològic de Catalunya (SMC), amb l'objectiu de pronosticar temps sever a curt termini al nostre país. El percentatge d'encert d'aquesta eina davant aquests fenòmens és molt elevat. A més, un altre fet important és que el percentatge d'error és molt baix. La distància de temps en què s'alerta de possible temps sever, coneguda com a lead time, inicialment, s'ha mogut entre 15 i 45 minuts amb un pic als 20 minuts. Posteriorment, a partir de la incorporació del paràmetre de la multiplicitat en l'algorisme, aquesta distància temporal s'ha incrementat fins a 120 minuts. L'anàlisi de la predicció segons la severitat de la tempesta o, altrament dit, segons el diàmetre de la pedra ha estat costosa i se n'han extret poques conclusions discriminatòries, a partir dels casos estudiats. En conjunt, l'activitat elèctrica i el comportament d'alguns paràmetres radar no han mostrat diferències significatives per arribar a determinar si una tempesta va acompanyada de pedra grossa o petita, en el moment que salta una alerta de LJ. Només el perfil de reflectivitat seria considerat una característica determinant que pot facilitar aquest tipus de pronòstic. Durant les campanyes més recents, l'eina de LJ ha estat aplicada en l'operativa de l'Equip de Predicció i Vigilància (EPV) de l’SMC. Inicialment, es va posar en mode de prova, i va passar, vistos els bons resultats, a l'operativa en temps real. Aquest seguiment ha permès portar un control diari de l'eina i trobar millores en l'algorisme. Per tant, es demostra l'aplicabilitat de la present tesi en tasques del dia a dia. La multiplicitat, esmentada prèviament, ha estat una característica afegida recentment, la qual ha permès pronosticar pedregades de mida inferior als 2 cm, precipitacions intenses, com també millora la predicció de temps sever. Finalment, per cobrir la manca d'observacions en determinades situacions de severitat, s'ha dut a terme la campanya de ciència ciutadana Plega/Caça la pedra. S'han obtingut uns resultats satisfactoris triplicant quasi el nombre d'observacions respecte d'anys anteriors. Aquesta quantitat d'observacions ha permès fer un millor control i validació de l'eina de LJ.
The hail is a common severe weather phenomenon in Catalonia, producing important damages in different society environments. Nowadays, there are a lot of doubts about its forecast and, although, on respect the diagnosis of size hail. Both uncertainties are due to the high variability of hailstorms. This PhD is based on the analysis of thunderstorms associated to severe weather (large hail, tornados or waterspout, downburst and strong wind gust). The PhD has been focus on answering some of the existent doubts. On one hand, a diagnosis forecast tool has been applied to obtain information about hail diameter recorded after that one thunderstorm had affected an area without any direct measure instrument. On the other hand, a severe forecast tool named “Lightning jump” has been studied, adapted and put in operational. This algorithm permits to do a nowcasting forecast about severe weather phenomena in one hour in advance. It is an innovation PhD considering the incorporation of diagnosis and forecast new tools. Moreover, some of them are used currently in the Servei de Meteorològic de Catalunya for severe weather forecasting purposes.

Natural disasters of hydro-meteorological origin are the biggest risk worldwide. In Catalonia (NE of the Iberian Peninsula), severe weather and flash floods occur each year, resulting in major damage to property, losses in agriculture, and also of human lives. To reduce its impact, we need to improve the early warning systems and storm short-term forecasting. There’s a need to gain in-depth knowledge of severe thunderstorm dynamics, since the current accused conditions of global warming can impact in factors triggering these storms. The main objective of the present thesis is to enhance the knowledge of severe storms dynamics and to improve their identification and monitoring in real time, in order to help prevent their surface effects on the citizens. The project addresses the unresolved problem of storm anomalous motion, as it becomes a great challenge to predict their evolution and impact in the next few hours. For this purpose, the area of Catalonia has been chosen as the study region of this project, due to the proximity to the sea and complex topography, which are often key factors in varying the weather at a local scale. There is also the advantage of having good radar coverage, which will be the essential tool for characterizing storms. We first propose a methodology that identifies potentially convective days from daily cumulative rainfall fields, selects them to search for storms, and determines if their motion is anomalous. We have found that the area with the highest convective activity between 2008-2015 in Catalonia was located in the eastern Pre-Pyrenees, due to the possible creation of a convergence line. It has also been identified that there are more convective structures with possible anomalous propagation in summer and spring, with the main patterns being related to splitting, merging, stationarity and elongated storms. Once the study sample is defined, we have developed an algorithm to improve the identification and tracking of these thunderstorms, especially those with anomalous propagations. The keys of improvement have been based on proposing new techniques in the three main modules; 2D, 3D identification and tracking. In addition, it incorporates alerts before possible cell splitting or merging. These changes have shown that the algorithm is able to faithfully reproduce storm life cycle, correctly identify in advanced anomalous motion, and correctly distinguish storms in highly dense convective situations. The algorithm has been verified first over 30 severe cases, proving that it can identify anomalous movements with a mean 30-min lead-time, being the splitting, the easiest one to do. It has also been demonstrated a good ability at not only identifying these movements but also separating cases with and without anomalous motion. On the other hand, the algorithm has demonstrated a good performance in cases of heavy rainfall on a Catalan flood-prone coastal area of touristic interest. It is identified that storms are usually organized in convergence lines, and that topography and the sea play a very important role, whether affecting the movement, the time of exposure, or the amount of precipitable water causing flash floods. Finally, the dual-Doppler technique is applied in Catalonia for the first time. This allows getting complete information of the internal dynamics of a thunderstorm, without the need of running idealized models, and then, getting to know the local topographic influence on the evolution and organization. It is demonstrated that the complex local topography changes and/or amplifies the wind flow inside and near thunderstorms, modifying completely their life cycle and their possible interactions with their neighbor cells. It is also shown that this qualitative improvement into storm-scale dynamic knowledge can improve the nowcasting techniques and the early warning systems in the future.
Els desastres naturals d’origen hidro-meteorològic constitueixen el major risc a nivell mundial. A Catalunya, cada any es succeeixen diferents episodis de temps advers i inundacions, provocant també danys importants en béns materials, pèrdues en l’agricultura, o pèrdua de vides humanes. Aquestes dades poden augmentar en les condicions cada cop més acusades d’escalfament global. Per reduir l’impacte d’aquest fenòmens és necessari millorar els sistemes d’alerta primerenca a molt curt termini, així com la monitorització dels sistemes meteorològics causants d’aquests fenòmens. En aquest context l’objectiu principal d’aquesta tesi doctoral es millorar el coneixement profund de la dinàmica de les tempestes severes, la seva identificació, predicció a molt curt termini, i monitoratge a temps real. Assolir aquest objectiu implica millorar la prevenció dels seus efectes en superfície. La tesis aborda una problemàtica encara no resolta sobre el moviment anòmal d’aquestes tempestes, que esdevé un gran repte a l’hora de pronosticar-ne la seva evolució en les properes hores, i per tant, el seu impacte. A més, es centra a Catalunya, degut a la seva proximitat al Mar Mediterrani i la complexa topografia, factors claus resultants en una meteorologia variada quasi a nivell de municipi, on hi ha l’avantatge de disposar d’una bona cobertura radar, eina essencial per la caracterització de les tempestes. Primer, es proposa una metodologia que permet identificar les situacions potencialment convectives a partir de camps de precipitació acumulada diària, seleccionant aquestes per cercar les tempestes i determinar si el seu moviment és anòmal (del Moral et al., 2017). Definida la mostra d’estudi, es desenvolupa un algoritme que permet millorar la identificació i seguiment d’aquestes tempestes, sobretot quan es tracta d’aquelles amb moviment anòmal (del Moral et al., 2018a). El funcionament de l’algorisme es verifica en dos règims de convecció diferent: casos severs d’interior (del Moral et al., 2018b), i pluges intenses a la costa (del Moral et al., 2020a). Finalment, s’introdueix per primer cop en un país sud-Europeu la tècnica dual-Doppler: obtenció de variables dinàmiques dins de les pròpies tempestes a partir d’observacions radar, per a l’estudi de les interaccions de més petita escala (del Moral et al., 2020b).

El Niño Southern Oscillation arises in the tropical Pacific due to coupled atmosphere-ocean interactions. The nature of the dynamical system of the atmosphere is chaotic and its predictability is sensitive to initial conditions, which constraints our ability to foresee the evolution of ENSO for very long time in advance. This dissertation is dedicated to extending the state-of-the-art prediction of the phenomenon. It focuses on the identification of precursory signals in the ocean and atmosphere that improve the understanding and long-lead forecasts of ENSO. A new statistical modelling technique based on dynamic components and state-space methods is developed. Very early premonitory signals that are a result of an in-depth analysis of the processes accompanying the origin and evolution of El Niño, especially in the subsurface ocean, which is less impacted by initial conditions, are established. These tracers are defined in the far western and central tropical Pacific and are shown to anticipate El Niño two and a half years before its peak. Initial intensification of the easterly winds at this time is associated with convergence of mass, downwelling and warming of the subsurface ocean layers in the far west. Thus the South Equatorial Current and the Equatorial Undercurrent are strengthened, which leads to the propagation of warm subsurface anomalies eastward. These anomalous patterns later lead to changes in the circulation and warming of the surface of the ocean in the central tropical Pacific, which leads to the suppression of the easterly winds. The area of tropical convection shifts to the east, which weakens the Walker circulation and triggers the Bjerknes feedback. This allows the further propagation of the subsurface warm anomalies, which reach the eastern Pacific and are upwelled to the surface, which marks the onset of an El Niño . Warm anomalies in the subsurface equatorial ocean have been previously used as precursors in statistical ENSO models via the integration of the upper ocean heat content or the incorporation of anomalies of the 20°C isotherm. In this way the propagation feature of the anomalies is not considered, and no direct connection is made between the first anomalous patterns and the occurrence of a warm event. Hence, the predictive potential of the incipient warming in the western Pacific is not harnessed. Thus, the work presented in the dissertation provides implications for the possibility to improve the long-lead capabilities of other models. The definition of ENSO predictors at specific depths and regions in the ocean and atmosphere requires the reliable surface and subsurface measurements of various climate variables. Regular measurements have only begun with the satellite era in the 1980s, and with the placement of an observation system after the Tropical Ocean Global Atmosphere Program (1985-1994). Forecasts with the model developed here substantially improve after 1994, and the change is distinct for the long-lead forecasts that rely on good-quality subsurface information about the ocean thermal structure. Therefore, the higher temporal and spatial resolution data sets of key variables are now long enough for statistical forecasting models to make better use of. The practical utility of multi-year forecasts is also explored. A well established link exists between ENSO and local climate in the coastal areas of Ecuador. Following El Niño is a warmer surface temperature and enhanced precipitation. These two variables control the dynamics of mosquito population, and in this way affect the incidence of dengue. An experiment is performed where long-lead forecasts of El Niño are used within a dengue model and the prospects for developing an early warning system is investigated.
El Niño Oscilación Sur (ENSO) es un fenómeno climático interanual que surge en el Pacífico tropical como resultado de las interacciones acopladas entre la atmósfera y el océano. Es el modulador más prominente de la variabilidad climática en esta escala del tiempo. La naturaleza del sistema dinámico de la atmósfera es caótica y su predictibilidad es sensible a las condiciones iniciales, lo que limita nuestra capacidad de prever la evolución del ENSO por un período de tiempo ilimitado de antemano. Esta tesis se dedica a explorar la posibilidad de extender y mejorar la predicción de última generación. En particular, se centra en la identificación de señales precursoras en el océano y en la atmósfera que mejoran la comprensión y los pronósticos a largos plazos de los eventos. Además, se desarrolla una nueva técnica de modelación estadística basada en componentes dinámicos y métodos de modelos de espacio de estado, y las covariables precursoras seleccionadas se incorporan en su diseño. Esta metodología extremadamente flexible ha sido probada y verificada en otras áreas de la ciencia como la ingeniería y la econometría, pero está comenzando a entrar en el campo de la ciencia del clima. En esta tesis se demuestra que en cierta medida esta estrategia metodológica puede unir los conceptos puramente dinámicos y puramente estadísticos de un ejercicio de pronóstico. También se explora la utilidad práctica de los pronósticos multi-anuales de El Niño. Un vínculo bien establecido es el existente entre ENSO y el climá local en las zonas costeras de Ecuador. Después de un evento de El Niño hay una temperatura superficial más cálida y una precipitación intensificada. Estas dos variables controlan la dinámica de la población de mosquitos y de esta manera afectan la incidencia de dengue. Se realiza un experimento en el que las predicciones de largo plazo de El Niño se utilizan en un modelo de predicción del dengue en el sur de la costa de Ecuador. El análisis sirve como una demostración del potencial para un servicio climático operacional en apoyo de la comunidad de salud pública en Ecuador.

Current technology allows the proliferation of multiple forecast systems developed by different research institutions from all over the world. However, most decision makers need a reliable probabilistic prediction instead of a set of predictions to take an action given the probability of an event to occur. Several studies have shown that the merging of predictions derived from several forecast systems with equal weights yields on average better predictions than the best single forecast system. This approach has been referred to as the simple multimodel (SMM). Nevertheless, none of these studies has shown the existence of a combination method that systematically produces the best predictions. Therefore, this thesis aims at applying different statistical techniques to combine predictions derived from different statistical and dynamical forecast systems to assess whether the performance of the SMM can be improved. These techniques combine the predictions assigning unequal weights to the different forecast systems based on their past performance. A unique feature of this study is the broad nature of the forecast quality assessment, performed using multiple deterministic and probabilistic verification measures and the same verifying observations. This allows comparing the predictions produced by the different combination methods and forecast systems in a coherent way. Besides, most of the forecast systems used in this study are either publicly available or could be easily implemented by the user. This thesis focuses on seasonal prediction of sea surface temperature (SST), near-surface temperature and precipitation in tropical and extratropical regions. It is shown that the predictions of the SMM are often better than the combination methods that assign unequal weights. The difficulty in the robust estimation of the weights due to the small samples available is one of the reasons that limit the potential benefit of the combination methods that assign unequal weights. However, some of the results illustrate under which conditions combination methods that assign unequal weights improve with respect to the SMM predictions. For instance, the combination methods that assign unequal weights improve over the SMM predictions when only a fraction of all single forecast systems have skill as shown for some of the predictions of SST. On the other hand, it is shown that there are cases when combining many forecast systems does not lead to improved forecasts when compared to the best single forecast system. This suggests that a multimodel approach is not necessarily better than a highly skillful forecast system, which highlights the importance of continuously assessing the forecast quality for the specific application of the user.
La tecnología existente permite la proliferación de varios sistemas de predicción, desarrollados por diferentes instituciones de investigación de todo el mundo. Sin embargo, la mayoría de los tomadores de decisión generalmente necesitan una única predicción probabilística fiable para tomar una acción dada la probabilidad de ocurrencia de un evento. En este sentido, varios estudios han demostrado que la combinación de predicciones derivadas de varios sistemas de predicción resulta, en promedio, en una mejor predicción cuando se compara con la predicción del mejor sistema de predicción. No obstante, ninguno de estos estudios ha demostrado la existencia de un método de combinación que produzca las mejores predicciones. Por lo tanto, esta tesis tiene el objetivo de aplicar diferentes técnicas estadísticas para combinar predicciones climáticas estacionales derivadas de diferentes sistemas de predicción. Algunas de estas técnicas ponen pesos desiguales a los diferentes sistemas de predicción teniendo en cuenta su calidad en un período pasado y una de ellas combina todos los sistemas de predicción sin poner pesos. Esta última será referenciada como "simple multimodel" (SMM). Un punto importante de este estudio es el amplio carácter de la verificación de la calidad de las predicciones, ya que se usan varias métricas deterministas y probabi I ísti cas y las mismas observaciones. Esta tesis se centra en la predicción estacional de la temperatura de la superficie del mar (TSM), la temperatura atmosférica próxima a la superficie y la precipitación, en regiones tropicales y extratropicales. Pudimos comprobar que las predicciones de la SMM son frecuentemente mejores que las que derivan de métodos de combinación con coeficientes desiguales a los sistemas de predicción. La dificultad a la hora de estimar pesos robustos, debido sobre todo a las pequeñas muestras disponibles, es una de las razones que limita la robustez de las medidas que estiman el beneficio relativo de los métodos de combinación. Sin embargo, hay algunas situaciones en las que los métodos de combinación con coeficientes desiguales son mejores. Se encontró también situaciones específicas en las que la combinación de predicciones de varios sistemas de predicción no mejora la predicción del mejor sistema.

The atmospheric boundary layer in stably-stratified conditions and over non-homogeneous terrain becomes a complex system with many interactions of physical processes occurring in a wide range of different spatial and temporal scales. During clear sky night-time or in any stably-stratified conditions intermittent turbulent events and gravity waves are usually present in the stable boundary layer (SBL), which can substantially modify the flow structure. In addition, the circulations in stable flows can be strongly driven by the underlying and surrounding topography, generating katabatic winds, density currents and low level jets, which in turn, trigger gravity waves and turbulence. This thesis aims to contribute to a better comprehension of some of the processes and phenomena occurring in the SBL and over complex terrain areas. In order to understand and quantify the unknown atmospheric processes one can distinguish three different procedures that are very well connected: theoretical descriptions, experimental campaigns and numerical modeling. The numerical models allow us to further understand the experimental data, to test the theoretical relationships or to simulate processes which are very difficult to measure. Principally, in this thesis we have used numerical models to deal with the uncertainties that arise in stably-stratified flows and over heterogeneous terrain and to explore the model capabilities and limitations to resolve them. These numerical weather prediction models (NWP) contain the primitive equations of the atmosphere to describe and forecast the flow motions and properties. In this thesis we have employed one of the worldwide known NWP model, the Weather Research and Forecasting (WRF) model, using two different approaches: the mesoscale approximation and the large eddy simulation (LES). While the mesoscale methodology has allowed us to investigate the flow circulation patterns in a wide range of scales, the LES approximation has enabled us to explicitly resolve the turbulence and describe its structure. In this thesis each methodology has been applied to investigate these different purposes. Using the WRF model with the mesoscale approach we have determined the origin of a density current that generated internal gravity waves over the "Centro de Investigaciones de la Baja Atmosfera"(CIBA) site. We have seen that the long distance mesoscale sea-breeze circulation and the night-time katabatic flows originated at the surrounding complex topography were the origin of the density current which generated displacement in the air parcels and periodic oscillations. In this thesis we have also investigated the vertical turbulence structure using the LES approximation of the WRF model. As a previous step, we have first validated the WRF-LES model in the SBL with a reference case by a comparison of the first and second order moments profiles. Using different wind speed initial conditions we reproduce neutrally and stably stratified flows. However, different from the reality, stably stratified flows are strongly coupled with the surface and turbulence is always maintained. We have shown how the turbulence intensity increases sharply with the wind speed at each height above ground but the rate of increase (slope) is not maintained, as we would expect. It seems that the the top domain potential temperature inversion affects the flow turbulence structure over the whole domain. Finally, we have studied topographically generated gravity waves over the Pyrenees and specifically simulated a trapped lee wave event using the mesoscale approximation with WRF. We have seen that the model is able to reproduce the gravity waves at the lee side of the mountain range with periodic oscillations in all magnitudes. We have seen that 1-km horizontal resolution is necessary to capture the wave field. We have also showed that upstream conditions have to be well represented to capture the adequate wave characteristics.
La capa límit atmosfèrica és la part més baixa de l'atmosfera terrestre on s'hi desenvolupa la vida humana. En condicions d'estratificació estable i sobre terreny no homogeni esdevé un sistema molt complex amb múltiples interaccions dels processos físics que hi tenen lloc. Per a entendre i quantificar algunes de les incerteses que planteja l'atmosfera a la capa límit en aquesta tesi principalment hem utilitzat eines de simulació numèrica. Els models numèrics permeten la comprensió més enllà de les dades experimentals, així com testejar les descripcions teòriques, a més de simular fenòmens que són molt difícils de mesurar. L'objectiu és, doncs, contribuir a la comprensió dels fenòmens que tenen lloc a la capa límit en condicions d'estratificació estable i sobre àrees de terreny complex i explorar les capacitats i les limitacions de la seva modelització numèrica. D'entre els principals resultats, fent ús del model WRF en l'aproximació de mesoscala, hem determinat l'origen d'una corrent de densitat que va donar lloc a ones de gravetat interna en la zona del Centro de Investigaciones de la Baja Atmósfera (CIBA). Hem vist que una massa d'aire amb origen de brisa marítima juntament amb els vents catabàtics originats a les cadenes muntanyoses del voltant són l'origen de la corrent de densitat que genera ones de gravetat al seu pas per l'àrea del CIBA. Per altra banda, hem explorat l'estructura vertical de la turbulència en condicions neutrals i estables fent ús del model WRF en l'aproximació LES (WRF-LES). S'han investigat els règims de intensitat de turbulència en funció de la velocitat del vent i s'ha obtingut una relació semblant a les observacions en situació de forta turbulència. Veiem les condicions de contorn del model a la superfície i al límit superior poden afectar molt significativament l'estructura dels remolins. Finalment, l'estudi de les ones de muntanya sobre la orografia complexa del Pirineu amb el model WRF en el mode mesoscalar ha permès avaluar la capacitat del model per a representar l'esdeveniment i la variació en els resultats en funció de les seves diferents opcions físiques i de configuració.

In order to mitigate the climate change effects, the world is undergoing an energy transition from polluting sources towards renewable energies. This transition is turning the electricity system more dependent on atmospheric conditions and more prone to suffer the effects of climate variability. The atmospheric circulation is changing in certain aspects due to increasing concentrations of greenhouse gases in the atmosphere, but it also varies from year to year due to natural variability processes occurring in the Earth system at timescales of weeks, months and years. The atmosphere interacts with other components of the Earth System such as the ocean, the cryosphere or the continental surface, that evolve more slowly than the atmosphere and drive the low-frequency variability. The natural climate oscillations that occur at those timescales impact wind speed and wind power generation. Therefore a better knowledge of how the wind resource varies at sub-seasonal, seasonal and decadal time scales is key to understand the risks that the electricity system is facing. Anticipating this variability would also be helpful to many stakeholders in the energy sector to take precautionary actions. Forecasts at sub-seasonal, seasonal and decadal timescales are starting to be possible recently thanks to advances in climate modelling capabilities. Because climate variability is partly driven by coupled physical processes occurring in the Earth, numerical models that represent the interaction between different components of the Earth system can be employed to produce forecasts at these scales. The science of climate prediction deals with the challenge of producing predictions beyond meteorological timescales (i.e. weeks, months and years ahead) although not reaching the centennial timescales, which are studied with scenario-based climate projections. Climate predictions employ the current state of the atmosphere, the ocean, the cryosphere, and the land surface to produce numerical integrations of each component and the forcings and interactions between them to model the evolution of the Earth system as a whole. However, the usage of climate predictions in the wind power sector (or more generally in any specific decision-making context) poses a series of difficulties due to many complex aspects of this type of predictions. The efforts devoted in many initiatives to bring the needs of the users to the center of the discussion have given rise to the field of climate services. In order to assist decision-making, it is not only desirable to have the best predictions available but also to tailor them to the specific needs of each user. To achieve this goal, a dialogue with stakeholders needs to be established, and a trans- disciplinary approach needs to be set up to take advantage of the developments in many research fields regarding knowledge transfer and communication. The work presented in this dissertation advances the knowledge required to produce and successfully apply climate predictions to decision-making in the wind power sector and deals with the three aforementioned challenges: a) understanding the impact of climate oscillations at sub-seasonal and seasonal timescales on wind resource; b) developing methods to produce forecasts of wind speed and wind power generation at this scales; and c) facilitating the uptake of those predictions by means of a climate-services-based approach.
Per tal de mitigar els efectes del canvi climàtic, tots els països del món estan duent a terme una transició energètica de fonts contaminants cap a energies renovables. Aquesta transició està incrementant la sensibilitat del sistema elèctric a les condicions atmosfèriques i fent-lo més vulnerable als efectes de la variabilitat climàtica. A escales de setmanes, mesos i anys, l'atmosfera interacciona amb altres components del sistema Terra com l'oceà, la criosfera o la superfície continental, que evolucionen més lentament que l'atmosfera, condicionant-ne la seva variabilitat a baixa freqüència. Al seu torn, les oscil·lacions que tenen lloc a aquestes escales temporals impacten el vent i la generació d'energia eòlica. Per tant, un millor coneixement de com varia el recurs eòlic a escales sub-estacionals, estacionals i decadals permetrà anticipar els riscs a què el sistema elèctric està sotmès. En segon lloc, anticipar aquesta variabilitat climàtica seria de gran utilitat a diversos actors del sistema energètic. L'ús de models climàtics que representen les interaccions entre les diferents components del sistema Terra permet abordar el repte de produir pronòstics més enllà de l'escala meteorològica (és a dir, a setmanes, mesos i anys vista). Malgrat tot, l'ús de les prediccions climàtiques en el sector de l'energia eòlica presenta una sèrie de dificultats degut a les complexitats d'aquest tipus de previsions. Per tal d'assistir la presa de decisions, no només és necessari disposar de les millors prediccions possibles sinó que cal també ajustar-les a les necessitats específiques de cada ús. Aquest objectiu només es pot assolir amb un diàleg constant i transdisciplinari entre els científics i les parts interessades que integri els avenços en diferents àmbits respecte la transferència de coneixement i la comunicació. Aquesta tesi avança el coneixement necessari per tal de produir i aplicar prediccions climàtiques a la presa de decisions per part de la indústria eòlica, abordant tres reptes: a) avaluar l'impacte d'oscil·lacions climàtiques sub-estacionals i estacional en el recurs eòlic; b) desenvolupar mètodes per produir prediccions de vent o de generació eòlica a aquestes escales; i c) facilitar l'adopció d'aquestes previsions mitjançant una aproximació basada en els serveis climàtics.

Aquesta tesi té per objectiu avançar en el coneixement de la dinàmica de les allaus, i en concret, de les allaus majors, al Pirineu de Catalunya i, per extensió, als Pirineus, tot entenent per allau major l’allau la mida de la qual excedeix l’abast de les allaus habituals (freqüents), causant danys en cas que hi hagi infraestructures a la seva proximitat. La base del treball, i font de dades, és una base de dades d’allaus majors. Aquesta, parteix de la informació provinent d’enquestes a la població, del seguiment hivernal de l’activitat d’allaus, completada amb una cartografia realitzada a partir de fotointerpretació, amb inspeccions de camp d’estiu i d’hivern, i amb informació històrica-documental. D’aquest treball, s’han elaborat i publicat dos articles en revistes indexades. En l’article 1, els esdeveniments d’allaus majors de la base de dades van ser usats per quantificar la magnitud dels episodis en que es van produir. Per a tal finalitat, es va concebre un índex de l’activitat d’allaus majors (MAAMI). Aquest índex està basat en el nombre d’allaus majors registrades, la seva magnitud, i la seva freqüència estimada, en un període de temps determinat. Per tant, quantifica la magnitud d’un episodi d’allaus majors o hivern d’allaus majors. El treball ha permès reconstruir en detall els episodis majors dels hiverns 1995/96 a 2013/14. Per analitzar tot el segle XX, amb un conjunt de dades menys complert es va definir un índex simplificat SMAAMI. Amb menys precisió, es van obtenir els mateixos paràmetres a resolució de temporada hivernal al llarg del segle XX. L’anàlisi de l’extensió espacial dels diferents episodis ha permès conèixer millor i precisar la delimitació de les regions nivològiques establertes, i millorar el coneixement sobre els patrons atmosfèrics que causen els episodis majors i la seva interpretació climàtica. S’ha obtingut també la probabilitat d’ocurrència d’episodis que poden afectar a zones urbanitzades i, per tant, que suposen un risc. En l’article 2, les dades de la base de dades han estat usades per a ajustar el model empíric noruec α−β, que s’utilitza internacionalment per a calcular distàncies d’abast d’allaus “extremes”, aplicant el coneixement actual de l’activitat d’allaus majors per a tot el Pirineu català, i usant les eines actuals de cartografia. Això ha permès millorar significativament el primer model obtingut només per al Pirineu occidental català ja fa més de 25 anys. El model s’ha obtingut a partir d’una mostra de 97 esdeveniments d’allaus “extremes” que es van produir del final del segle XIX fins a l’inici del segle XXI. A partir de la Regressió Lineal Múltiple s’ha obtingut una equació usant 3 variables independents: pendent de la zona d’allaus (β), distància horitzontal (Hβ), i àrea de la zona de sortida (Azs), amb un considerable ajust (R2=0.81). La nova equació actualitzada prediu l’abast d’allaus per un període de retorn de l’ordre dels 100 anys. Per estudiar quines variables del terreny expliquen els valors extrems de la mostra d’allaus, es va realitzar una anàlisi comparativa de variables que influencien un major o menor abast. Seleccionant un conjunt més extrem d’allaus, es va observar que la mida de la zona d’allaus i l’orientació de la zona de sortida mostraven certa associació amb distàncies d’abast menors i majors a les predites amb el model. En resum, a partir d’una base de dades d’allaus majors en l’àmbit del Pirineu català, alimentada per dades d’allaus individuals, s’ha avançat en la caracterització dels episodis d’allaus majors, tant en la seva intensitat i causes com en la seva extensió geogràfica; per altra banda, gràcies a la utilització conjunta de les dades d’allaus majors, s’ha establert un model de càlcul que s’aplica a la predicció de l’abast d’allaus centenàries en zones d’allaus particulars. Els resultats obtinguts permeten avançar en el coneixement de la dinàmica de les allaus al Pirineu català i, per tant, en el coneixement de la perillositat i del risc que suposen.
This thesis aims to advance in the knowledge of the dynamics of avalanches and, specifically, of major avalanches, in the Catalan Pyrenees, understanding by major avalanche the avalanche whose size exceeds the size of the usual (frequent) avalanches, causing damage if there are infrastructures nearby. The basis of the work, and data source, is a database of major avalanches. From this work, two research papers have been elaborated and published in indexed journals. In paper 1, the events from the database were used to quantify the magnitude of the episodes in which they occurred. For this purpose, a major avalanche activity index (MAAMI) was defined. This index is based on the number of major avalanches recorded, their magnitude, and their estimated frequency, in a given period of time. Therefore, it quantifies the magnitude of a major avalanche episode or major avalanche winter. To analyse the entire 20th century, with a less complete data set, a simplified SMAAMI index was defined. The analysis of the spatial extension of the different episodes made it possible to better understand and specify the delimitation of the established snow regions, and to improve the knowledge about the atmospheric patterns that cause major episodes and their climatic interpretation. The probability of occurrence of episodes that can affect urbanized areas and, therefore, that pose a risk, was also obtained. In paper 2, the data from the database was used to fit the Norwegian empirical model α−β, which is used internationally to calculate “extreme” avalanche runout distances, applying current knowledge of the activity of major avalanches for the entire Catalan Pyrenees, and using current tools of cartography. This made it possible to significantly improve the first model obtained only for the Western Catalan Pyrenees more than 25 years ago. The model was obtained from a sample of 97 “extreme” avalanche events. From the Multiple Linear Regression, an equation was obtained using 3 independent variables: slope of the avalanche path, horizontal distance, and area of the starting zone, with a considerable adjustment (R2=0.81). The new updated equation predicts avalanche runout for a return period of the order of 100 years. A comparative analysis of variables that influence a greater or lesser runout was carried out. It was observed that the size of the avalanche area and the aspect of the starting zone showed some association with shorter and larger runout distances than predicted with the model.

SVM es un algoritmo de Aprendizaje Automático (Machine Learning) supervisado, el cual está relacionado con problemas clasificación y regresión. Además, la SVM para clasificación pertenece a la familia de los clasificadores lineales, ofreciendo una precisión muy alta en comparación con otros clasificadores como la Regresión Logística y los Árboles de Decisión. Su uso es muy variado, por ejemplo; detección de rostros, detección de intrusos, clasificación de correos electrónicos, artículos de noticias y páginas web, clasificación de textos e hipertextos, entre otros. En este sentido, se tiene un conjunto de datos, en el cual existen dos clases de datos, el algoritmo SVM predice a cuál de las dos clases pertenece un nuevo dato entrante. Básicamente es clasificar de acuerdo a un conjunto de datos de entrenamiento marcados como pertenecientes a una las dos clases.

El contenido de agua de la vegetación afecta a la inflamabilidad de la vegetación y al comportamiento del fuego. Unamedida estándar de este parámetro es la humedad del combustible vivo (HCV), calculada como el porcentaje de humedadde la vegetación respecto a su peso seco. El objetivo de este trabajo ha sido predecir los valores de HCV de Rosmarinusofficinalis en zonas forestales de la Comunitat Valenciana (España) utilizando índices espectrales obtenidos a partir deimágenes de los satélites Sentinel-2 y datos meteorológicos. Para ello, se obtuvieron valores de HCV de dicha especieen muestras tomadas quincenalmente entre los meses desde junio hasta octubre de los años 2019 y 2020 en tres parcelasforestales en la provincia de Valencia (España). Los datos meteorológicos (precipitación, temperatura, humedad relativay velocidad del viento) se obtuvieron a partir de observatorios de la Agencia Estatal de Meteorología (AEMET) de España.Se aplicaron modelos de regresión lineal múltiple para estimar los valores de HCV, usando como variables predictorasdistintos índices espectrales generados a partir de imágenes Sentinel-2, calculados usando Google Earth Engine yprogramación en R. Se compararon los resultados obtenidos empleando datos espectrales suavizados con el filtroSavitzky-Golay y datos sin suavizar, considerando además el aporte diferencial de las variables meteorológicas en cadauna de las fechas interpoladas para cada parcela con datos de campo.

La predicción de la radiación solar presenta gran interés, debido al creciente uso de las energías renovables, comoalternativa a los problemas globales que plantean las fuentes de energía actuales. En la última década se han logradoimportantes avances, gracias a la introducción de resultados de otras áreas del conocimiento como la Inteligencia Artificial.En particular el aprendizaje profundo con las numerosas variantes de redes neuronales. Proponemos una solución basadaen clasificación supervisada que combina en un modelo, una capa convolucional con una capa GRU (Gated RecurrentUnits por sus siglas en inglés). Las clases se definen como intervalos de valores de radiación solar. Los objetos serepresentan a través de valores de temperatura ambiente, velocidad del viento, presión atmosférica y precipitación. Sedispone de un conjunto de datos de 112 estaciones con miles de registros de un período de dos años, tomados deestaciones meteorológicas distribuidas en todo el territorio de Galicia. Se ha empleado la métrica Macro-F1 para evaularla bondad de la clasificación porque las clases están desbalanceadas.

El objetivo de este trabajo es la mejora de la eficiencia de suministro de gas en distritos residenciales. Para alcanzar tal logro, se han empleado Redes Neuronales Artificiales (RNA), que son técnicas no paramétricas muy utilizadas en diversos ámbitos de la ciencia e ingeniería dado que permiten abstraer relaciones fuertemente no lineales. Haciendo uso de RNA se ha construido un modelo que obtiene el consumo de gas (en Kwh) total diario en distritos residenciales, con un horizonte de predicción de 7 días. Se han introducido series temporales de consumo para obtener este modelo y variables meteorológicas para mejorar la predicción. Con el fin de encontrar la mejor RNA que modele el comportamiento de dicha variable de consumo se ha diseñado una batería de experimentos, considerando el número de neuronas en la capa oculta, el número de realimentaciones a la entrada y el número de realimentaciones a la salida. Este estudio utiliza el error cuadrático medio cometido por cada una de las redes para calificar su fiabilidad y precisión. El análisis se ha llevado a cabo mediante una serie de herramientas específicas diseñadas con tal fin.