WRF sensibility to microphysics and planetary boundary layer at micro-catchment scale: the case of the Quinuas catchment in the tropical andes of Ecuador

Para mejorar la predicción de modelos hidrológicos, se necesitan pronósticos confiables de alta resolución de la precipitación. Esto es importante en las regiones montañosas, donde ocurren complejos procesos convectivos y orográficos. El presente estudio evalúa el impacto sobre la precipitación, la...

Full description

Bibliographic Details
Main Author: Albuja Silva, Edgar Cristóbal
Other Authors: Campozano Parra, Lenin Vladimir
Format: masterThesis
Language:eng
Published: 2018
Subjects:
Online Access:http://dspace.ucuenca.edu.ec/handle/123456789/30017
Description
Summary:Para mejorar la predicción de modelos hidrológicos, se necesitan pronósticos confiables de alta resolución de la precipitación. Esto es importante en las regiones montañosas, donde ocurren complejos procesos convectivos y orográficos. El presente estudio evalúa el impacto sobre la precipitación, la temperatura y la predicción de la humedad relativa de dos esquemas de parametrización de sub-red: microfísica y capa límite planetaria (PBL). Los resultados se compararon para tres resoluciones (4 km, 12 km y 36 km) en dos dominios anidados. Se utilizó el modelo de Previsión e investigación meteorológica. El análisis se basó en dos eventos de precipitación acumulada de 20 y 15 mm durante las estaciones seca y lluviosa, respectivamente. Cinco configuraciones permitidas fueron probadas. Los resultados muestran que la microfísica y los esquemas de PBL realizan pronósticos satisfactorios para las dos estaciones. Específicamente, existe una dependencia del PBL para cada temporada. El esquema de microfísica Thompson mostró buenos resultados en ambos eventos, lo que resultó en una configuración adecuada para el pronóstico de precipitación en las montañas andinas tropicales. Además, la precipitación es muy sensible a la resolución del dominio. Además, la temperatura pronosticada y la humedad relativa (HR) también son muy sensibles a la resolución del dominio: el pronóstico de temperatura tiene un rendimiento menor a medida que el dominio se vuelve más fino, mientras tanto, la HR y la precipitación mejoran su pronóstico.