Impacto de las estimaciones de oceano ECCO-JPL-NASA en pron

1
Impacto de las estimaciones de oceano
ECCO-JPL-NASA en pronósticos climáticos
estacionales

• Gabriel Cazes Boezio (IMFIA, UCLA), Dimitris
  Menemenlis (JPL-NASA) y Carlos Roberto Mechoso
  (UCLA)

2

• Componentes del sistema de pronóstico
• 1) Sistema de inicialización
• 2) Modelo general de circulación atmosférica y
  modelo general de circulación oceánica acoplados
• Pronósticos de anomalía de temperatura del Océano
  Pacifico ecuatorial inicializados en marzo
  (previo a barrera de predictibilidad de abril) y
  junio (posterior a dicha barera).

3
Sistema de asimilación ECCO (JPL, NASA, MIT)

• - Observaciones de nivel de superifice de océano.
  
• - Observaciones de temperatura de superficie de
  océano.
• - Análisis de vientos a 10 metros.
• - Observaciones de perfil vertical de océano en
  boyas estacionarias.
• Los datos se asimilan (interpolan) cada diez días
  mediante filtro de Kalman.

4
Sistemas de asimilación basados en filtro de
Kalman

• xk es un vector de estado para un sistema en un
  tiempo k.
• xk es función de xk-1 y de forzantes uk, xk
  Axk-1 Buk wk-1
• Se define una estimación a priori xk- obtenida
  a partir de una estimación de x en el estado
  previo k-1.
• Se propone como estimación de xk una combinación
  lineal de xk- y mediciones zk en el tiempo k,
  que minimice el error medio cuadrático esperado
  esta estimación.
• Los coeficientes de esta combinación (filtro de
  Kalman) se calculan en cada paso k, en función de
  las estimaciones del paso presedente y de las
  covarianzas de los errores de las medidas y de la
  ecuación del proceso

5

• - Tanto las ecuaciones del proceso como las
  mediciones participan en la estimación.
• - La minimización del error medio cuadrático,
  cuyas propiedades estadísticas dependen de las de
  los errores en el sistema de ecuaciones y en las
  medidas, implica un pasabajos en espacio y tiempo
  (frecuencias no resueltas contribuyen a los
  errores).

6

• Modelo de UCLA
• - Parametrizaciones actualizadas de radiación y
  de capa límite permiten estimación mas realista
  de los flujos de calor.
• - Calibrado para resolución baja 4o x 5o x 15
  capas
• La actualización de los procesos de radiación
  sin la actualización de los procesos de capa
  límite no permitía la simulación acoplada útil.

7

• Modelo de océano MIT
• - Dominio cuasi-global (SST es global)
• 1/3o x 1o cerca del ecuador, 1o x 1o lejos del
  mismo. 46 niveles en la dirección vertical.
• - Parametrizaciones de procesos de mezcla KPP
  (vertical), Gent-Mc Williams (horizontal).
• Acoplamiento
• diariamiente, el modelo de atmósfera comunica de
  calor, de cantidad de movimiento, de agua de
  lluvia y presión a nivel del mar modelo de
  océano cominica SST.

8
Simulación de 41 años con el modelo
acoplado.(media anual)
9
Correlación Niño 3.4 vs. SLP, análisis de
observaciones y simulación acoplada
10
Diagrama de Hovmuller para SST y viento zonal
entre 4oS y 4oN
11
Simulaciones de pronósticos

• - Simulaciones con condiciones ECCO de principios
  de Marzo 5 simulaciones por año, período
  1993-2001.
• -Simulaciones con condiciones ECCO de principios
  de Junio.
• -Simulaciones con condiciones baseline para
  principios de Marzo y principios de Junio.
• (total 4 sets de pronósticos, 5 x 9
  simulaciones cada uno).
• Se computa, para cada mes, la climatología
  1993-2001 de cada set, para cada año, se computan
  anomalías de SST respect a esta climatología.

12
Skill pada DJF (correlación anomalía observada
vs. calculada)
13
Skill en función del tiempo de simulación (para
región Niño 3.4)
14
Error medio cuadrático para DJF.
15
Algunos casos inicializados en Junio (ECCO)
16
Casos inicializados desde Marzo
17
Buena skill desde marzo información sub
superficial en la posición de la termoclina
18
Menor error de los pronósticos ECCO termoclina
de menor gradiente vertical (mas realista).
19
Comparación con NCEP CFS (skill y E.S. Niño 3.4)

• Skill
• J J A S O N D J
  F
• UCLA/MIT .97 .95 .95 .88 .86 .88 .89 .91
  .86
• NCEP CFS .95 .96 .91 .88 .88 .89 .89 .90
  .89
• EMC
• UCLA/MIT .28 .34 .54 .55 .64 .60 .48 .42
  .46
• NCEP CFS .72 .67 .64 .70 .64 .64 .64 .58
  .70

20
Conclusiones

• - La combinación del análisis ECCO-JPL-NASA y el
  modelo acoplado UCLA-MIT genera pronósticos de
  ENSO en el estado del arte.
• - La información relevante a los efectos de el
  Niño, hacia Marzo se encuentra debajo de la
  superficie.
• - La dinámica de la termoclina esta forzada por
  el viento, de modo que las simulaciones
  baseline, que tiene prescripta anomalías
  interanuales de viento, generan anomalías en la
  posición de la termoclina al menos bien
  corelacionadas con la evolución futura de ENSO.
• - La termoclina de características mas realistas
  del análisis permite una amplitud realista de las
  anomalías pronosticadas.