Printer Friendly

?Como distintas clasificaciones de tipos de circulacion discriminan las fases de la NAO?

How different circulation-type classifications can discriminate NAO phases?

1. INTRODUCCION

Los catalogos de tipos de tiempo sinopticos o clasificaciones cuentan con una gran tradicion en Meteorologia y Climatologia. El empleo de clasificaciones se ha extendido en las ultimas decadas, especialmente tras el extraordinario avance experimentado por los ordenadores que han permitido el desarrollo y la aplicacion rutinaria de metodos objetivos basados en el procesamiento de ingentes cantidades de datos. En el momento actual, asistimos a un renacimiento del empleo de las clasificaciones, existiendo una demanda creciente de las mismas en diversos campos de la ciencia atmosferica: desde la climatologia historica, prediccion numerica por conjuntos, hasta la modelizacion climatica -tanto simulaciones de clima actual como de clima futuro- (Huth et al., 2008; Philipp y Beck, en prensa).

El objetivo de las clasificaciones de tipos de circulacion es identificar patrones dinamicos recurrentes (por ejemplo, de presion a nivel del mar) para una region particular. El conjunto resultante de tipos de circulacion (TC, de aqui en adelante) proporciona un marco de referencia conceptual sencillo donde, idealmente, la situacion de tiempo especifica de un dia puede atribuirse a uno de los TC (Schiemann y Frei, en prensa). Como se ha apuntado anteriormente, existe un rango amplio de aplicaciones posibles: meteorologicas, climatologicas e hidrologicas de los TC, pero su utilidad en un caso concreto depende de cuan proximo este asociado el fenomeno con el conjunto de TC.

En la reciente revision realizada por Huth et al. (2008), se han considerado las clasificaciones de circulacion en un contexto mas amplio dentro de la climatologia, mas concretamente en un area de investigacion perteneciente a la climatologia sinoptica. En este trabajo se han sistematizado los distintos enfoques y metodos recogidos en el inventario de las clasificaciones generado en el desarrollo de la Accion COST733, dentro del marco de la Cooperacion Europea en el campo de la Investigacion Cientifica y Tecnica (COST).

Es interesante subrayar el cambio cualitativo experimentado en la consideracion de las clasificaciones que han pasado de ser una mera descripcion de los estados atmosfericos a convertirse en una herramienta muy util en la comprension e interpretacion de los procesos atmosfericos y modelizacion de la conexion entre circulacion atmosferica y otros fenomenos de superficie o de altura.

En este punto, es importante distinguir entre los conceptos de tipos de circulacion y modos de variabilidad. Los modos de variabilidad (definidos generalmente acudiendo al analisis en componentes principales (ACP), conocido tambien como analisis de las funciones ortogonales empiricas), constan de un patron espacial fijo y de una serie temporal asociada. Al concentrarse gran parte de la variabilidad en las primeras componentes principales, un campo de circulacion en cada instante de tiempo puede, por tanto, aproximarse por una combinacion lineal de los primeros modos de variabilidad.

En el enfoque de las clasificaciones de los tipos de circulacion se dispone de una serie temporal en la que cada dia se asigna a un tipo de circulacion. El patron espacial de cada TC se obtiene como el campo medio de los dias pertenecientes a dicho TC.

En este estudio, nos centraremos en la Oscilacion del Atlantico Norte (NAO), un modo de variabilidad que se ha investigado extensivamente, habiendose demostrado que para las latitudes medias es el modo climatico invernal mas importante en la parte occidental del continente europeo, explicando aproximadamente un tercio de la variabilidad interanual (Marshall et al., 2001; Schwierz et al., 2006; Demuzere et al., 2008).

La finalidad de este articulo es cuantificar la capacidad de las diferentes clasificaciones de TC consideradas en la Accion COST733 para discriminar las fases de la NAO. De esta forma relacionamos dos de los enfoques mas utilizados en el estudio de la circulacion general atmosferica: modos de variabilidad y tipos de circulacion. Como objetivo secundario se ha prestado especial atencion al impacto de operar con distintos numeros de tipos de circulacion en cada clasificacion considerada.

El articulo se estructura de la siguiente forma: la Seccion 2 esta dedicada a la descripcion del conjunto de datos, la Seccion 3 describe los metodos empleados. En la Seccion 4, se presentan los resultados y las conclusiones se recogen en la Seccion 5.

2. DATOS

Las fuentes de datos utilizadas son las siguientes:

1.-El indice de la NAO utilizado es el disponible en la pagina web del Climate Prediction Center (CPC) del NCEP/National Weather Service (NWS) /National Oceanic and Atmospheric Administration (NOAA), correspondiente a los datos diarios del invierno extendido (Diciembre, Enero, Febrero y Marzo). El metodo empleado se basa en la tecnica de funciones ortogonales empiricas rotadas (Barnston y Livezey, 1987). Las series temporales de los indices se han calculado proyectando los campos de anomalias de la altura de geopotencial de 500 hPa en los patrones espaciales calculados.

2.-Las clasificaciones de tipos de circulacion consideradas son las obtenidas en el desarrollo de la Accion COST733 'Harmonisation and applications of Weather Types Classifications for European Regions' y disponibes en el portal http://www.cost733.org. Esta coleccion de clasificaciones comprende tanto metodos objetivos como subjetivos (Huth et al., 2008). Las clasificaciones objetivas, es decir, aquellas cuyos metodos de clasificacion son realizados por ordenador, se han aplicado al conjunto de datos del re-analisis ERA40 del Centro Europeo de Prediccion a Plazo Medio (Uppala et al., 2005) para el periodo comprendido entre el 1 de septiembre de 1957 y el 31 de agosto de 2002, para un dominio espacial que cubre toda Europa y diversos dominios regionales, y para diferentes numeros de tipos de circulacion, aproximadamente 9, 18 y 27 TC. Para simplificar, nos referiremos en los resultados a los subcatalogos C09, C18 y C27, que englobaran a aquellas clasificaciones con aproximadamente 9, 18 y 27 TC. Finalmente, en este estudio se han considerado 18 clasificaciones objetivas disponibles para los tres subcatalogos y 4 subjetivas. Estas clasificaciones (Tabla 1) cubren un rango amplio de metodos de clasificacion: (1) metodos basados en la optimizacion de algoritmos (OPT), muchos de los cuales se refieren a analisis de conglomerados, desde el denominado k-medias con diferentes procedimientos para la seleccion de las semillas hasta el "simulated annealing" tanto de patrones diarios como secuencias de 3 dias, y un metodo basado en redes neuronales; (2) metodos basados en la fijacion o seleccion de umbrales de las variables de circulacion (THR, de sus siglas en ingles); (3) metodos basados en el analisis de componentes principales (PCA, por sus siglas en ingles); (4) metodos basados en un algoritmo dominante (LDR, de sus siglas en ingles) y (5) metodos subjetivos. Una descripcion tecnica detallada de las clasificaciones utilizadas aparece recogida en Philipp et al. (en prensa), Philipp y Beck (en prensa) y Cahinova y Huth (2009).

El dominio espacial utilizado cubre toda Europa (30[grados]N-76[grados]N, 37[grados]O-56[grados]E) y el dominio temporal comprende el conjunto de inviernos extendidos (DEFM) que se extienden desde diciembre de 1957 a marzo de 2002 (un total de 5456 dias).

3. METODOS

Previamente al analisis de la relacion entre los TC y la NAO, se ha normalizado el indice de la NAO y definido la fase positiva ([NAO.sup.+]) cuando los valores sean superiores a 1.0 y la fase negativa de la NAO ([NAO.sup.-]) cuando los valores sean inferiores a -1.0.

En segundo lugar, para cada clasificacion y para cada tipo de circulacion (TC), se ha determinado el numero de dias pertenecientes a cada TC que pertenecen a las fases positiva ([NAO.sup.+]) y negativa ([NAO.sup.-]). Por ultimo, se ha calculado el estadistico [ji al cuadrado] para cada una de las fases de la NAO y para cada clasificacion.

El estadistico %2 se define como:

[ji al cuadrado] = [I.[summation over (i = 1)] ([([k.sub.i] - N [p.sup.teor.sub.i]).sup.2] / N [p.sup.teor.sub.i]

siendo [p.sup.teor.sub.i] = ([n.sub.i]/N) * (K/N), [k.sub.i] numero de dias de [NAO.sup.+] ([NAO.sup.-]) para cada TC de una clasificacion dada, [n.sub.i] numero total de dias correspondientes a cada TC de cada clasificacion, K numero total de dias [NAO.sup.+] ([NAO.sup.-]) en el periodo Diciembre 1957-Marzo 2002, N numero total de dias (5456 dias), I numero de TC considerado en una clasificacion dada (9,18 o 27).

Como criterio de evaluacion se considera que cuanto mayor sea el valor de la [ji al cuadrado], mayor sera el poder discriminante de la clasificacion con respecto a las fases [NAO.sup.+] o [NAO.sup.-].

4. RESULTADOS

A continuacion se presentan los resultados del estadistico [ji al cuadrado] para cada uno de los subcatalogos y para cada una de las fases (Tablas 2-4 y Fig.1-3).

En el subcatalogo C09 (Tabla 1, Fig. 1), se observa que, como regla general, los valores del [ji al cuadrado] para la fase [NAO.sup.-] son superiores a los valores mostrados en la fase [NAO.sup.+], lo que indica una mejor discriminacion y una mayor variabilidad de los tipos de circulacion. Las excepciones se encuentran en las clasificaciones ESLP, PCACA, LUND y TPCA. Las clasificaciones que muestran los valores de [ji al cuadrado] mas altos para la [NAO.sup.+], pertenecen a la familia de metodos basados en algoritmos de optimizacion (OPT). Respecto a la fase [NAO.sup.-], las clasificaciones que muestran los valores mas elevados de [ji al cuadrado] son: P27, SANDRAS, NNW y CKMEANS; pertenecientes a la familia de PCA y a la de metodos basados en algoritmos de optimizacion. Las clasificaciones WLK y KH son las que presentan menor capacidad discriminatoria para ambas fases de la NAO.

[FIGURA 1 OMITIR]

En el subcatalogo C18 (Tabla 3, Fig. 2) se muestra que, con la excepcion de PCACA, los valores [ji al cuadrado] para la [NAO.sup.-] son superiores a los mostrados para la [NAO.sup.+], y mayores que los correspondientes al subcatalogo C09. No hay cambios respecto al tipo de familias de metodos que mejor y peor discriminan las fases de la NAO respecto al subcatalogo C09.

[FIGURA 2 OMITIR]

En el subcatalogo C27 (Tabla 4, Fig. 3) se muestra que con la excepcion de PCACA y KH, los valores [ji al cuadrado] para la fase negativa son superiores a los valores mostrados en la fase positiva. Analogamente a lo sucedido en los subcatalogos C09 y C18, las clasificaciones que muestran los valores de [ji al cuadrado] mas altos para la [NAO.sup.+] pertenecen a la familia de algoritmos de optimizacion. En la [NAO.sup.-], la clasificacion que mejor discrimina es LUND, perteneciente a la familia de algoritmo dominante (LDR), junto a las familias mencionadas en los otros subcatalogos; destacando el buen papel de las subjetivas OGWL y OGWLSLP, dos versiones objetivadas de la clasificacion alemana de gran tradicion en Centroeuropa, denominada Hess-Brezowsky.

[FIGURA 3 OMITIR]

5. CONCLUSIONES

En este estudio nos hemos centrado en la identificacion de las clasificaciones de tipos de circulacion atmosfericas (TC) desarrolladas en la Accion COST733 ('Harmonisation and Applications of Weather Types Classifications for European Regions') que mejor discriminan las fases de la NAO. Asimismo se ha analizado el posible impacto de considerar distintos numeros de TC.

Un resultado importante es que las clasificaciones tienen una mayor capacidad discriminatoria para la fase negativa de la NAO. Tal vez pueda atribuirse al hecho de que la fase negativa se produce durante episodios en los que la circulacion normal se interrumpe, y esto ocurre con patrones espaciales que pueden tener mas variabilidad y que se distribuyen entre mas tipos de circulacion que los que se producen durante la fase positiva de la NAO.

Las clasificaciones que mejor discriminan la fase negativa de la NAO pertenecen a las familias de algoritmos de optimizacion, SANDRA, SANDRAS, CKMEANS y NNW y, de metodos basados en el analisis de componentes principales, P27. En el caso del subcatalogo C27, la clasificacion que mejor discrimina es LUND, de la familia de algoritmo dominante.

Las clasificaciones que mejor discriminan la fase positiva de la NAO son las mismas en los tres subcatalogos y pertenecen a la familia de algoritmos de optimizacion. Estos algoritmos son enfoques combinatorios que disponen el conjunto completo de dias en el interior de grupos de forma que una cierta funcion se optimiza.

Para ambas fases, aunque mas notorio en el caso de la fase negativa, se observa un impacto positivo en la discriminacion cuando se incrementa el numero de TC.

Las clasificaciones subjetivas: OGWL, OGWLSLP y HBGWL discriminan mejor la fase negativa que la fase positiva de la NAO.

Por ultimo, aquellas clasificaciones que peor discriminan ambas fases de la NAO para todos los subcatalogos son la WLK perteneciente a metodos basados en la seleccion de umbrales y la KH que utiliza el procedimiento denominado algoritmo dominante, cuyo enfoque esta proximo al analisis de conglomerados no jerarquico.

En un estudio futuro, se aplicaran otros estadisticos para analizar la posible dependencia de los mismos en los resultados.

6. AGRADECIMIENTOS

Este articulo no se hubiera podido llevar a cabo sin el trabajo desarrollado por la Accion COST733 con titulo 'Harmonisation and Applications of Weather Types Classifications for European Regions'. El programa COST esta financiado por la Union Europea.

Nuestro recuerdo especial y emocionado a Elvira Zurita, por su delicadeza en el trato y por su continuo magisterio.

Received: 30 May 2009

Accepted: 25 September 2009

7. REFERENCIAS

BARNSTON, A.G. & R.E. LIVEZEY (1987). Classification, seasonality, and persistence of low-frequency atmospheric circulation patterns. Mon. Wea. Rev., 115, 1083-1126.

CAHYNOVA, M. & R. HUTH (2009). Enhanced Lifetime of atmospheric circulation types over Europe: factor or fiction? Tellus A, DOI: 10.1111/j.1600-0870.2009.00393.x

HUTH, R., C. BECK, A. PHILIPP, M. DEMUZERE, Z. USTRNUL, M. CAHYNOVA, J. KYSELY & O.E. TVEITO (2008). Classifications of Atmospheric Circulation Patterns-Recent Advances and Applications. Ann. N. Y. Acad. Sci., 1146, 105-152.

DEMUZERE, M., M. WERNER, N.P.M. VAN LIPZIG & E. ROECKNER (2008). An analysis of present and future ECHAM5 pressure fields using a classification of circulation patterns. Int. J. Climatol., doi: 10.1002/joc.1821.

MARSHALL , J., Y. KUSHNIR, D. BATISTI, P. CHANG, R. CZAJA, R. DICKSON, J. HURRELL, M. McCARTNEY, R. SARAVANAN & M. VISBECK (2001). North Atlantic climate variability: phenomena, impacts and mechanisms. J. Climatol., 31, 1863-1898.

PHILIPP, A. & 15 co-authors (2009). COST733CAT-a database of weather and circulation type classifications. Phys. Chem. Earth (submitted).

PHILIPP, A. & C. BECK (2009). Similarity and diversity of weather and circulation type classifications for the European domain. Phys. Chem. Earth (submitted).

SCHIEMANN, R. & C. FREI (2009). How to quantify the resolution of surface climate by circulation types: an example for Alpine precipitation. Phys. Chem. Earth (submitted).

SCHWIERZ, C., C. APPENZELLER, H.C. DAVIES, M.A. LINIGER, W. MULLER, T.F. STOCKER & M. YOSHIMORI (2006). Challenges posed by and approaches to the study of seasonal-to-decadal climate variability. Climatic Change, 79, (1-2), 31-63.

UPPALA, S.M. & 45 co-authors (2005). The ERA-40 re-analysis. Quart. J. Roy. Meteor. Soc., 131, 2961-3012.

Maria Asuncion PASTOR SAAVEDRA (1), Maria Jesus CASADO CALLE (1) & Francisco Javier DOBLAS-REYES (2)

(1) Agencia Estatal de Meteorologia (AEMET), Spain a.pastor@inm.es

(2) European Centre for Medium-Range Weather Forecasts (ECMWF), United Kingdom f.doblas-reyes@ecmwf.int
Tabla 1. Lista de las clasificaciones de circulacion disponibles
en el inventario de COST733 (http://www.cost733.org).

Clasificacion     Metodo

CKMEANS           k-medias
ESLP              Algoritmo dominante
GWT               Seleccion de umbrales /Prototipos de circulacion
HBGWL/HBGWT       Subjetiva
KH                Algoritmo dominante
LITADVE           Seleccion de umbrales
LITC              Seleccion de umbrales
LUND              Algoritmo dominante
LWT2              Seleccion de umbrales/Catalogo Lamb objetivado
NNW               Redes neuronales artificiales
OGWL              Subjetiva
OGWLSLP           Subjetiva
P27               Subdivision segun los "scores" del ACP en modo S
PCACA             k-medias
PCAXTR            "Scores" extremos del ACPen modo S sin iteraciones
PCAXTRKM          "Scores" extremos del ACP en modo S con iteraciones
PERRET            Subjetiva
PETISCO           k-medias
SANDRA            "Simulated Annealing"
SANDRAS           "Simulated Annealing" con secuencias de 3 dias
TPCA              ACP en modo T
WLK               Seleccion de umbrales

Tabla 2. Ranking de los valores del estadistico [ji al cuadrado]
de Pearson correspondientes a las fases positiva y negativa de la
NAO para las clasificaciones de tipos de circulacion incluidas en
el subcatalogo C09.

                Subcatalogo C09
        NAO+                      NAO-

SANDRAS      754,6        P27          999,7
SANDRA       734,8        SANDRAS      940,5
CKMEANS      694,0        NNW          852,2
NNW          678,9        CKMEANS      834,5
PCACA        649,5        PCAXTRKM     818,8
LITADVE      604,2        SANDRA       818,3
PCAXTRKM     594,7        GWT          737,3
ESLP         588,0        PCAXTR       735,7
LUND         536,9        PETISCO      617,1
GWT          456,4        LITADVE      601,6
TPCA         455,4        PCACA        524,5
HBGWT        390,9        HBGWT        449,3
LWT2         380,9        ESLP         433,8
P27          378,7        LUND         407,1
PCAXTR       343,0        LWT2         359,4
PETISCO      211,3        TPCA         341,9
WLK          58,9         WLK          84,5
KH           36,4         KH           65,2

Tabla 3. Como la Tabla 2 pero referente al subcatalogo C18.

                Subcatalogo C18
         NAO+                      NAO-

CKMEANS      962,7        SANDRAS      1202,2
SANDRAS      952,1        P27          1128,3
SANDRA       941,4        CKMEANS      1101,5
NNW          912,9        SANDRA       1007,9
PCACA        738,5        NNW          969,6
LUND         625,3        PETISCO      818,3
LITC         619,9        GWT          785,5
PETISCO      600,0        ESLP         752,3
PCAXTRKM     549,9        PCAXTRKM     751,9
P27          527,6        PCAXTR       710,3
GWT          464,4        LUND         630,2
TPCA         444,1        TPCA         624,9
LWT2         425,3        LITC         621,2
ESLP         424,2        PCACA        535,3
PCAXTR       385,3        LWT2         509,2
KH           147,0        KH           140,8
WLK          103,6        WLK          119,9

Tabla 4. Como la Tabla 2 pero referente al subcatalogo C27.

                 Subcatalogo C27
         NAO+                      NAO-

CKMEANS      1132,7       LUND         1271,5
SANDRA       1095,2       SANDRAS      1200,2
SANDRAS      1076,6       P27          1152,5
NNW          969,1        CKMEANS      1138,7
PCACA        800,4        OGWLSLP      1081,2
LUND         692,2        OGWL         1075,7
PETISCO      683,4        SANDRA       1060,4
OGWLSLP      657,3        NNW          1014,5
OGWL         629,9        HBGWL        913,6
LITC         627,5        PETISCO      870,9
ESLP         599,0        GWT          803,6
HBGWL        535,4        ESLP         641,8
P27          528,3        LITC         630,9
PERRET       492,6        PCACA        590,6
TPCA         482,6        LWT2         548,6
GWT          466,4        PERRET       515,9
LWT2         461,0        TPCA         495,6
WLK          230,3        WLK          189,5
KH           214,6        KH           154,0
COPYRIGHT 2009 Universidad Complutense de Madrid
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2009 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Pastor Saavedra, Maria Asuncion; Casado Calle, Maria Jesus; Doblas-Reyes, Francisco Javier
Publication:Fisica de la Tierra
Article Type:Report
Date:Jan 1, 2009
Words:3255
Previous Article:Episodios extremos de bajo contenido de ozono en la region sub-artica de Keflavik.
Next Article:Propagacion vertical de la senal de ENSO hacia la estratosfera: una sintesis.
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters