Este documento describe estudios sobre la influencia de la orografía en las precipitaciones en los Andes tropicales utilizando el modelo climático regional WRF. Los resultados muestran que WRF puede representar los patrones generales de precipitación pero sobreestima las precipitaciones estratiformes sobre los 3500 metros. Simulaciones a mayor resolución mejoran la distribución espacial de las precipitaciones pero aún muestran discrepancias con datos de radar. El estudio analiza los mecanismos orográficos que afectan la variabilidad espacial y temporal de las precip

1. C. Junquas1,2
, K. Takahashi1
, T. Condom2
, J.-E. Sicart2
, J.-C. Espinoza1
(1) Instituto de geofísico del Perú (IGP), Lima, Perú | (2) Laboratoire d'étude des transferts en
Hydrologie et Environnement (LTHE), Grenoble, France. Institut de Recherche pour le développement (IRD)
INFLUENCIA DE LA OROGRAFÍA SOBRE LAS PRECIPITACIONES EN LOS ANDES TROPICALESINFLUENCIA DE LA OROGRAFÍA SOBRE LAS PRECIPITACIONES EN LOS ANDES TROPICALES
METODOLOGÍAMETODOLOGÍA
INTRODUCCIÓNINTRODUCCIÓN
Foro Internacional GLACIARES – HUARAZ – 1-4 de Julio 2013Correspondencia a : clementine.junquas@ird.fr
⋆ Se muestra que el modelo regional WRF es capaz de
representar los patrones principales de precipitación en la
región de los Andes tropicales a 27km de resolución.
⋆ Sin embargo, el modelo representa un bias positivos de
precipitaciones arriba de 3500m de altura, debido a una
sobreestimación de las precipitaciones estratiformes.
⋆ La simulación a 9km muestra una mejora de la
repartición espacial de las precipitaciones en la región de
Quincemil-Quelccaya. Sin embargo, el modelo muestra
discrepancias sustanciales con el radar TRMM en la relación
entre la precipitación y la orografía sobre los Andes.
REFERENCIASREFERENCIAS
⋆Espinoza, J. C., et al. 2009: Spatio-temporal rainfall variability in the Amazon basin countries (Brazil ,
Peru , Bolivia , Colombia , and Ecuador), International Journal of Climatology, 29, 1574-1594,
doi:10.1002/joc.
⋆Favier, V., et al. 2004, One-year measurements of surface heat budget on the ablation zone of Antizana
Glacier 15, Ecuadorian Andes, J Geophys Res-Atm, 109 (D18), 15.
⋆Figueroa, S. N. and Nobre, C., 1990: A new precipitation distribution over tropical South America west of
40W. Climanálise, 179-184.
⋆Houze, R. A., Jr., 2012: Orographic effects on precipitating clouds. Rev. Geophys., 50(1), RG1001
⋆Romatschke, U. and Houze, R. A., 2010: Extreme summer convection in South America. J. Clim 23
(14),3761-3791
⋆Sicart, J. E., et al. 2011, Analysis of seasonal variations in mass balance and meltwater discharge of the
Tropical Zongo Glacier by application of a distributed energy balance model, Journal of Geophysical
Research, 116 (D13105), doi:10.1029/2010JD015105.
El estudio es conducido bajo un enfoque de
modelado numérico. En este trabajo se presentan
resultados de simulaciones de alta resolución
realizadas con el modelo de clima regional WRF
(Weather Research and Forecasting, NCAR). Las
simulaciones presentadas y sus parametrizaciones
están listados en las tablas siguientes.
Además de las simulaciones presentadas aquí, se
esperan (1) simulaciones «one-way nesting»
incluyendo los sub-dominios encajados para las
regiones de la Cordillera blanca y del Antizana
(dominios 3 y 4; Figura 1) a 9km, y luego a 1km con
enfoque en las zonas de glaciares, (2) experimentos
de sensibilidad a la circulación de gran escala y a la
orografía local. Estos experimentos mostrarán
procesos de escala local importantes para la
comprensión de la influencia de la dinámica
atmosférica local sobre los procesos energéticos de
los glaciares.
A escala local, la orografía de los Andes tropicales es responsable de una
repartición muy variable de las precipitaciones en esta región. La influencia de
varios factores orográficos sobre la dinámica atmosférica podría explicar esta
repartición (e.g. Houze, 2011), como por ejemplo la altura topográfica, la
pendiente, o la orientación de los valles. El objetivo de este estudio es entender
los mecanismos orográficos asociados a la dinámica atmosférica y a la variabilidad
espacio-temporal de las precipitaciones en los Andes tropicales. En particular, se
analiza la influencia de la variabilidad interanual del transporte de humedad en
esta región sobre las precipitaciones a escala de algunos kilómetros.
La fuerte variabilidad interanual de las precipitaciones condicionan los balances
glaciológicos e hidrológicos en los Andes tropicales, así como los recursos hídricos
en esta región (e.g., Favier et al., 2004 ; Sicart et al., 2011). Existe una necesidad
real para entender cómo la dinámica atmosférica influencia las precipitaciones a
escala de un glaciar. Localmente, 4 glaciares seran estudiados, en el marco del LMI
GREATICE : Antizana en Ecuador, Artesonraju y Quelccaya en Perú, y Zongo en
Bolivia. Estas regiones tienen características climáticas distintas, que merecen ser
estudiadas por separado.
WRF WRF WRF
TRMM TRMM TRMM
VALIDACIÓN DEL MODELO : Variabilidad espacio-temporal de las PRECIPITACIONESVALIDACIÓN DEL MODELO : Variabilidad espacio-temporal de las PRECIPITACIONES
+
Parametrizaciones
Clouds microphysics New Thompson et al scheme
Cumulus parametrization Kain-Fritsch scheme (Simulacion 1)
Grell-Devenyi ensemble scheme (Simulacion 2)
Planetary Boundary Layer Yonsei University scheme
Land surface Noah Land Surface Model
Surface Layer MM5 similarity
Simulación 1 Simulación 2
Tipo de simulación Simulación regional Simulación regional
« one-way-nesting »
Dominio Dominio 1 : los
Andes tropicales
Dominio 2 : Región
Quelccaya-Zongo
Resolución
horizontal
27km 9km
Resolución vertical 27 niveles 27 niveles
Período Sept 2009-Aug
2012
Enero 2010
Forzante en los
bordes
NCEP final
Reanalysis
(NCEP_FNL, 0.25°)
Simulación 1
Tabla 1 : Lista de las simulaciones presentadas
y sus características
Tabla 2 : Lista de las parametrizaciones utilizadas
Procesos
orográficos
glaciares
Procesos atmosféricos globales
Procesos regionales
viento, humedad
Brisas de valles,
Lluvias orográficas
Artesonraju
44
33
22
11
Figura 1 : Precipitaciones medias observadas
(TRMM 3B43, 0.25°x0.25°, 1998-2012, mm/día),
algunos procesos atmosféricos regionales,
y sub-dominios de simulaciones
El modelo representa las principales estructuras de
precipitaciones estacionales (Figura 2) tal como
interanuales (no mostrado). El modelo representa
también máximos localizados en la pendiente Este de los
Andes, llamados “hotspots” (e.g., Figueroa and Nobre
1990; Espinoza et al 2009; Romatschke and Houze, 2010).
Sin embargo, se puede notar que el modelo sobreestima
los maximos de precipitaciones en DJF y JJ, y los sub-
estima en la zona Sur en JJ.
Lluvias de
Monzón
amazónicas
Circulación del
Flujo de humedad
corriente-jet
Figura 2 : Precipitaciones medias (mm/dìa) observadas
(TRMM) y simuladas (WRF, simulación 1) para el período
2009-2012.
= +
Lluvias
totales
Lluvias
convectivas
Lluvias
estratiformes
En los Andes tropicales, se observa que el modelo tiende a
sobreestimar las lluvia en las alturas. Una descomposición de
las lluvias del modelo en lluvias convectivas y no-convectivas
(estratiformes) muestra que este bias positivo es debido
principalmente a una sobreestimación de las lluvias
estratiformes.
RESULTADOS – Simulación 9kmRESULTADOS – Simulación 9km
Precipitaciones estratiformes
m/s
Los primeros resultados de la simulación 2 (Figura 4) muestran
una repartición coherente de las estructuras climáticas. Se
distingue por ejemplo que el viento entra en la cordillera por
diversos valles. Además, se confirma que las lluvias no-
convectivas son responsables de una sobreestimación de las
lluvias arriba de 3500m. Se observa también que la caída de nieve
es correctamente situada en los nevados.
RESUMEN – CONCLUSIÓN RESUMEN – CONCLUSIÓN
WRF 27km WRF 9km
TRMM 3B43 27km TRMM PR radar 5km
01/2010 01/2010
01/2010
Figura 3 : Precipitaciones medias (mm/dìa) observadas (TRMM
3B43 y 2A25 ; agradecimientos para S. Chavez)
y simuladas (WRF simulación 1 y 2, con 27km y 9km respectivamente)
para el mes de Enero 2010.
Topografía : SRTM 1km y WRF (contorno todos los 1000m, 500m y
3500m en grueso)
En la región Quincemil-Quelccaya (dominio 2 ; Figura 3), es
claro que el modelo representa el hotspot de Quincemil, pero
con una sobreestimación de las lluvias arriba de 3500m. En la
simulación 2 (9km), se puede ver que el aumento de resolución
mejora la distribución espacial de las lluvias en el hotspot. Sin
embargo, el modelo sigue sobreestimando las lluvias en las
alturas. Además, el modelo representa mínimas de lluvias en
los valles y en el lago Titicaca, mientras se observa en TRMM
que las lluvias son relativamente máximas en estas regiones.
Precipitaciones convectivas
mm/día
g/kg
January
climatology
mm/día
kg/m2
Figura 4 : Variables climáticas simuladas (simulación 2, cf. tabla 1) para el mes de Enero 2010.
q2m and wind10m Nieve T2m (°C)