Tanto si eres o no aficionado a la navegación, en este curso aprenderás cuáles son los principales motores del tiempo en la Tierra y lo que los navegantes deben saber de ellos. Conocerás cuáles son las bases de la meteorología oceánica, cómo se generan los archivos digitales a partir de los modelos de predicción y cómo los navegantes los reciben a bordo, vía satélite, para integrarlos al software de alta competición. Este curso enfoca la meteorología y climatología oceánicas desde la perspectiva de la navegación a vela. Aprenderás los conocimientos básicos de meteorología que necesitan los navegantes para participar en una regata como la Barcelona World Race, la única una vuelta al mundo sin escalas con dos tripulantes. Conocerás las estrategias que se aplican en una regata alrededor del mundo y cómo se conciben a bordo de los más avanzados veleros oceánicos.
2.1.1 Vídeo: Qué son y cómo se generan los modelos de predicción
Loading...
Do curso por Universitat de Barcelona
Estrategias para ganar. Meteorología en la vuelta al mundo
42 classificações
Explore Related Videos
At Coursera, you will find the best lectures in the world. Here are some of our personalized recommendations for you
Na lição
Las predicciones meteorológicas
En este módulo aprenderás:
Cómo se realizan las predicciones meteorológicas. Cómo son los modelos numéricos y las ecuaciones del tiempo. Lo explica Tomàs Molina en el Módulo 2.1
Cómo son las estructuras de pronóstico que ayudan a interpretar la información ofrecida por los modelos: la advección, las vaguadas, las dorsales, el pantano barométrico y las borrascas. Lo explica Tomàs Molina en el Módulo 2.2
Cuáles son los modelos básicos de predicción para los navegantes. Lo explica Marcel Van Triest en el Módulo 2.3
Foro de ayuda. Recuerda que puedes acceder en todo momento al foro de ayuda del curso.
Conheça os instrutores
Tomàs Molina
[MUSIC]
En la lección de hoy vamos a intentar entender el proceso sobre cómo se
realizan, cómo se producen los mapas del tiempo.
Y para ellos nos remontamos a los años 60.
En esa época fue cuando se definieron lo
que se llama las ecuaciones primitivas de pronóstico.
No las vamos a poner, es una ecuación muy larga en la que intervienen
los valores de la meteorología, la presión, la temperatura, la humedad.
Sabemos que estas variables meteorológicas entre ellas están relacionadas.
Por eso la resolución de las ecuaciones de pronóstico no es sencilla.
Como no son variables linealmente independientes
la cosa no es tan fácil como podría parecer, pero lo conseguimos.
Pero hay un problema relacionado con las ecuaciones del tiempo
y que lo planteó Lorenz.
Este hombre quizás sería uno de los científicos que también en el año 63,
pues echó un jarro de agua fría sobre los pronosticadores del tiempo.
Porque fue el que dijo que nunca podríamos pronosticar exactamente el tiempo del
futuro y que eso era un problema matemático, era una dificultad insalvable,
que nos ponía un horizonte de capacidad de pronosticar.
¿Por qué?
Seguro que habéis oído hablar del efecto mariposa.
¿En qué consiste la idea del efecto mariposa?
Fijaros, respecto a un estado inicial,
si nosotros tenemos un estado inicial, el principio de la atmósfera,
lo que nosotros llamamos primer momento, que difiera muy poquito.
Fijaros que en este puntito de aquí parece que haya uno solo pero en realidad hay dos
puntitos que están cerca pero no son exactamente el mismo.
Si nosotros calculamos las ecuaciones de pronóstico veríamos que
hacen una evolución y el punto final de nuestro primer cálculo de las ecuaciones
pronóstico nos saldría un poco diferenciado.
Fijaros que si esta fuera la primera hora y nosotros queremos ahora pronosticar
la segunda hora, partiendo de aquellos dos estados iniciales que sería al
final de la primera hora de pronóstico y vamos a calcular la segunda hora.
Volveríamos a calcular y fijaros que la segunda hora nos saldría en este nivel.
Si fueramos a la tercera o cuarta o las sucesivas,
fijaros que una y la otra están en un lado y el otro lado de esta superficie.
Por tanto, no entraremos mucho en detalle,
pero sí que hay regiones distintas en sensibilidad,
que es un producto de la matemática asociada a las ecuaciones de pronóstico.
La realidad es que al final
todos los casos son posibles con una pequeña diferencia del estado inicial.
Y por tanto parece que sea impronosticable,
parece que sea imposible pronosticar el tiempo.
Esta es la idea de esta mariposa,
la idea que es que si no tienes presente el pequeño error del estado inicial
puede cambiarte el pronóstico que hagas para un periodo determinado.
Esto nos va a imposibilitar hacer el pronóstico del tiempo.
Lorenz parece que tenía razón, de hecho tenía razón,
pero los meteorólogos somos bastante listos y tenemos esta frase aquí y es que
estamos hablando de caos, la meteorología, el aire es un sistema caótico.
Pero que sea caótico no significa que sea aleatorio.
¿Qué significado hay en eso?
Pues que el caos puede ser una cosa que sea imposible de pronosticar,
de medir pero no es una cosa que puede pasar cualquier cosa.
Sino que en realidad hay unos cuantos
caminos que pueden seguirse y esos son los caminos que realmente van a pasar.
Por tanto el resto de la pantalla,
el resto de estas zonas de sensibilidad no siempre tienen que importarnos.
Vamos a intentar entender un poco qué es lo que estoy diciendo.
Fijaros, podemos tener una mariposa que lo llene todo,
pero en realidad nosotros tenemos unos cuantos elementos fijos en la atmósfera.
Significa, por ejemplo, que tenemos un forzamiento solar, que significa que hay
una parte de día, una parte de noche, una parte de verano, una parte de invierno.
Y eso va a regir una cierta periodicidad
en los sistema meteorológicos que van a poder suceder.
No va a poder suceder cualquier cosa sino que va a sólo poder suceder
aquello que esté forzado por la presencia de la radiación solar.
Tenemos una geometría fija de la Tierra, no puede pasar cualquier cosa, tiene que
estar puesto dentro de la atmósfera y en los parámetros que la atmósfera permita.
Tenemos una posición de las masas de aire y del mar, tenemos las estaciones.
O sea que tenemos una serie muy importante de fenómenos fijos
que nos van a reducir de una forma dramática el número de
posibilidades que tenemos en esta mariposa.
Por tanto, es verdad que la meteorología
sigue ciertos caminos y es verdad que es muy sensible al estado inicial.
Pero el aire no es un elemento teórico sino que es un elemento físico,
es algo concreto que tiende a repetirse.
Y ese algo concreto que tiende a repetirse ahí sí que somos capaces de encontrar
una posibilidad de pronosticar que de alguna manera sea capaz de superar
los problemas matemáticos que planteó Lorenz.
Fijaros, esto ha sido noticia porque
el 3 de junio de 1944 fue el famoso día D, el desembarco de Normandía.
Estas eran las estaciones meteorológicas que aquel día estaban disponibles.
Esto es lo que nos marca el estado inicial.
Cuando nosotros queremos pronosticar el tiempo tenemos unas ecuaciones de
pronóstico que son deterministas.
Significa que desde un estado inicial vamos a calcular el estado del futuro,
por tanto es muy importante saber el estado inicial.
Eso lo sabíamos el día D de la Segunda Guerra Mundial.
Es que tampoco es que fuera un gran conocimiento del estado inicial
ese día del inicio de la Guerra Mundial.
Nosotros vamos a ser, fijaros, el mundo.
El mundo lo vamos a partir en cuadraditos, todo el mundo,
y lo vamos a partir en capas.
Cada uno de esos cuadraditos,
en cada una de las partes del cuadrado ahí vamos a tomar un dato.
Y en cada una de las capas en la altura vamos a buscar también esos datos.
Y vamos a hacer todos los cálculos de esas ecuaciones de pronóstico con los
problemas asociados a los problemas que hemos hablado de la mariposa esa
que decíamos con Lorenz vamos a hacer el cálculo para el mundo entero.
A pesar de que you se ve que aquí hay un número muy importante de datos a calcular,
fijaros que eso si ampliamos cualquiera de estas casillas,
no es suficiente para saber el tiempo que va a hacer.
Porque fijaros que en una casilla, 100 kilómetros cuadrados, en este caso serían
300 kilómetros o casi mil kilómetros en este caso por mil kilómetros,
serían 100 mil kilómetros cuadrados.
Fijaros que dentro puede tener tiempo distinto,
puede tener lluvia, nieve, mar, tierra, distintos tipos de radiación.
Es que tenemos la limitación del tiempo que nos da Lorenz,
pero al mismo tiempo la limitación del espacio también es muy importante.
Porque a pesar de que tenemos tantos datos para calcular,
fijaros que dentro de cada uno de esos cuadraditos,
todavía nos cabe muchísima parte de tiempo, pero veremos como lo solucionamos.
En meteorología tenemos el problema del tiempo,
el problema de las escalas ¿Qué es el tema de las escalas?
Fijaros, tenemos las escalas planetarias,
queremos quizás saber el tiempo que va hacer en todo el mundo.
Porque después sabremos cuando hablemos del horizonte del pronóstico,
qué necesidades tenemos.
Tenemos la más clásica, que se llama la escala sinóptica,
que sería estos cuadritos que tenemos justo aquí.
La escala sinóptica típicamente pues está viendo el mundo
con cuadraditos de unos 100 kilómetros de paso de malla.
Significa que cada dato está separado 100 kilómetros del dato siguiente.
La mesoescala es cuando queremos ver un mundo más pequeñito.
Fijaros que con 100 kilómetros el paso de malla,
aquí tenemos demasiados tiempos distintos, si queremos ver cómo sería esto de aquí
necesitaríamos un paso de malla más pequeño.
Típicamente la escala de mesoescala o escala habilitada, estaríamos con pasos de
malla de 10, 20, 30 kilómetros, para ver cosas más pequeñitas.
Pero fijaros que si pongo un paso de malla de 10 kilómetros,
todavía dentro puedo tener tipos de tiempo muy distintos.
Si yo quiero hacer cosas más pequeñas todavía necesitaría de microescala,
que podrían ser desde metros hasta algún kilómetro.
Fijaros que si yo quiero hacer una regata, y tengo un campo de regatas de
algún par de millas, ahí sería una micro escala muy pequeñita.
Tendría que ser desde el mundo entero ir bajando,
bajando hasta conseguir mi espacio de malla de media milla cosas muy pequeñitas.
Y eso va complicarnos sin duda nuestra necesidad de cálculos.
Pero vamos de nuevo a la escala sinóptica.
Vamos a pensar en el mundo como tal.
Fijaros, ésto es la red de de observaciones metereológicas
de la organización metereológica mundial.
Estos serían datos que nos llegan de distintos lugares del mundo y
este sería el porcentaje de los datos recibidos que funcionan o no funcionan.
Fijaros que en Europa sí que funcionan bastante bien,
estos cuadros azules son entre 90% y el 100%.
Los verdes son entre el 45% y el 90%,
así que en América del Sur, en algunos lugares de África, en algunos lugares
de Indonesia las estaciones meteorológicas no funcionan siempre.
Por tanto aquello que hacíamos del estadio inicial va a ser importante porque si no
conocemos bien el estadio inicial, el futuro,
la mariposa esa va a complicar la posibilidad de saber el futuro.
Pero tenemos muchos datos del mundo entero,
tenemos la red de observación satelital mundial.
Están los Meteosat, están los GOES que están en América, están los de la India,
los del Japón.
Muchos satélites de órbita geoestacionaria,
pero también están todos los de órbita polar,
que también hay una multitud de datos asociados a satélites de órbita polar.
Por tanto, estaciones en el suelo, radio sondeos,
estaciones meteorológicas asociadas a satélites meteorológicos de todo tipo.
¿Qué genera esto?
Pues genera una red enorme de datos que tiene que ir
por el mundo, que tiene que llegar a los lugares de pronóstico y con esos ponerlos
dentro de las ecuaciones de pronóstico para saber el tiempo que va a hacer.
Y eso se llama la global telecomunication system.
El sistema de telecomunicaciones global,
que es de la Organización Metereológica Mundial,
y que intenta integrar toda esa enorme multitud de datos
que va ser el estadio inicial que nos va a permitir después pronosticar el tiempo.
Ésto you se ve que va tener un problema de asignación de datos.
¿Por qué?, porque tenemos satélites distintos,
de organizaciones distintas, de sistemas métricos distintos,
de una multitud de sistemas informáticos, de comunicaciones distinto.
Sólo el problema de ingestar los datos you va a ser un problema porque
vamos a necesitar una base de datos enorme con capacidad de absorberlo todo
y de irlo integrando.
Después vamos a tener que decodificar porque cada observación va a estar hecha
de formas distintas, por tanto tenemos que hacer una especie de lenguaje universal
que no existe pero tenemos que hacer una serie de conversiones entre los datos.
Y después entre tantos datos va haber muchos que van a ser malos.
Va a haber muchos errores, errores de conexión, errores de medida,
errores de calibración.
Va a haber tantos errores ahí puestos que como hemos visto que es tan sensible la
ecuación de pronóstico al error inicial,
que si hay datos, you no digamos que no están especialmente bien.
Si hay que sean malos, malos en el sentido estricto de la palabra,
eso puede ser catastrófico cuando hacemos un pronóstico.
Por tanto esta parte de aquí va a ser crucial
cuando queramos correr modelos de pronóstico.
Después, ¿cómo se hace esto?
Pues básicamente lo que se hace,
ahora os enseñaré lo que llamamos brujos de sistema de eliminación de datos.
Vamos a intentar,
la idea es comparar los datos que nos sabemos si son bueno o malos,
con los que esperaríamos en algunos de los campos, de los modelos de corto alcance.
Y eliminarlos o intentar interpolar en esas posiciones.
Fijaros, voy a enseñaros unos de los los que se llaman wizards,
los que se llaman estos magos para eliminar datos.
Nosotros tenemos, imaginaros que esto es un campo de observación, y éstos serían
los datos observados, fijaros que aquí hay uno, que you se ve que puede ser malo.
Porque es como una dirección distinta con una fuerza distinta.
¿Qué puede hacer?
Ésto es un invento, ésto los meteorólogos del mundo,
en distintos servicios metereológicos se inventan literalmente
un sistema para filtrar y hacer que sea más factible hacer el pronóstico.
Fijaros que qué hacen, lo comparan con lo esperado y si ese dato
no es el esperado lo vuelven a calcular.
Le hacen por ejemplo una integración con los de al lado y le dan un nuevo valor.
Y después lo vuelven a poner en el análisis para que esto haga el pronóstico.
Esto podría ser uno de estos magos de limpieza de posibles datos erróneos.
Pero al mismo tiempo podría ser que fuera correcto.
Y ésto en realidad ha pasado alguna vez, ésto pasó en Francia,
pasó el 26, 27 de diciembre de 1999, hubo una tormenta de viento muy importante
que cruzó el norte de Francia que provocó enormes daños y víctimas mortales.
Y que pasó justamente porque no se pronosticó bien,
justamente por uno de estos filtrados.
Había algunos datos en el Atlántico, que
daban una situación de vientos muy fuertes y de pronóstico de tiempo violento.
Pero el filtrado los limpió, porque pensó que eran erróneos y los eliminó.
Por tanto el día después de navidad,
claro que en navidad también estamos en Europa, muchas veces se baja la guardia,
porque la gente está de fiesta, no está muy por la labor a veces.
Yo no digo que los meteorólogos franceses no estuvieran por la labor,
pero es un día que se baja la guardía.
En este caso el pronóstico no fue el mejor,
el filtrado borró el pronóstico y realmente hubo grandes destrozos.
Por tanto, es necesario filtrar porque sino en general no funcionaría,
pero a veces el filtrado puede generarnos errores de pronóstico.
Por tanto, siempre hay cosas buenas y cosas malas en cualquier método.
El método tiene que existir, porque éste sería el diagrama de flujo
entre los datos que llegan y la generación del pronóstico.
No podemos entrar en detalle, pero realmente para que se entienda hay muchos
datos, tenemos que entrar estos datos, tenemos que poner la dinámica, la física.
La parte ésta que decía de asimilación,
de conseguir meterlos todos en bases de datos.
Meterlo, hacer salir el modelo, ver si este modelo está funcionando, verificarlo,
volverlo hacer, ir.
O sea que hacer pronósticos metereológicos por modelos numéricos no es sencillo y
no está al alcance, al menos los grandes modelos sinópticos, de cualquiera.
Básicamente sólo los hacen los servicios metereológicos grandes del mundo.
Esos son los que tienen una base de datos suficientemente fuerte
una capacidad de cálculo suficientemente importante.
Y una capacidad de análisis suficientemente destacable
como para que el sistema entero pueda funcionar.
¿Eso dónde pasa?, pues en estados Unidos, en Francia, en el Centro Europeo de
Pronóstico Medio Término, en Japón, pero no en todos los lugares del mundo.
Después veremos que hay otros modelos,
que son los modelos de mesoescala y otros modelos de escala limitada.
Pero los grandes, estos modelos de escala global o escala sinóptica,
éstos sólo los tienen los servicios metereológicos más potentes del mundo.
¿Y cómo son?, vamos a ver.
Necesitan las tres cosas en meteorología necesitas,
la meteorología de verdad, la que hace los modelos numéricos, necesita ciencia.
Ésta ciencia es bastante antigua,
os había dicho que era del 1963 o incluso de la primera guerra mundial.
La meteorología como ciencia tampoco es muy antigua,
you tiene un gran recorrido lo que se que ha cambiado muchísimo,
y cambia de forma sistemática es la capacidad de observación.
Estos satélites que tenemos,
estas estaciones metereológicas automática por el mundo entero,
que cada vez nos dan más datos, incluso sobran datos en este momento.
Y después veremos que hacemos con ellos.
Y la capacidad de computación, you sea en base de datos para acceder a la memoria,
como la computación para hacer correr los modelos.
Para eso, hacen falta los servicios metereológicos, que os decía, grandes.
Pero después habrá una parte en la que nosotros podemos participar,
una parte que es una vez que tenemos los modelos numéricos,
tendremos que elaborar el pronóstico.
¿Qué es el pronóstico?
El pronóstico es, a partir de los mapas del tiempo que son datos
nosotros tenemos que tomar una decisión, esa decisión es el pronóstico.
El pronóstico significa cómo van afectar esos datos que los
mapas han previsto, cómo van a convertirse en una metereología que tenga relación
con las personas o los lugares, donde vaya a pasar algo.
Y eso, lo más importante será entregarlo al usuario de una forma eficiente,
que sea fiable, que sea acertado y que sea a tiempo.
Cualquiera de nosostros cuando tengamos función de meteorólogo,
de predictor, tenemos que ponernos ésto en la cabeza.
Tenemos que hacer un servicio o un sistema que sea fiable,
que siempre estemos allí cuando haga falta, que sea acertado.
Es decir que en general nuestro pronóstico sea el correcto, sea parecido al tiempo
que va hacer y que lleguemos tiempo, que no estemos pensando mucho rato,
y tanto pensar para hacer lo mejor y al final cuando lo entreguemos sea tarde.
Pero lo más importante que tenemos que tener siempre presente las personas que
nos dedicamos al pronóstico, es ésto.
Que nosotros estamos aquí para salvar vidas y bienes,
ésto tenemos que tenerlo siempre fijo en nuestro cerebros.
Nosotros los meteorólogos que vemos el futuro, porque tenemos cierta capacidad
de ver el futuro, estamos aquí para salvar vidas y bienes.
Y después para hacer la vida más sencilla a las personas.
Para que puedan navegar más rápido,
más divertido, para que puedan salir con la familia.
Ésto será la mayor parte del tiempo, esto es la verdad.
Hacer la vida más sencilla a las personas,
será nuestra mayor parte del tiempo será ésto.
Pero cuando haga falta esto de aquí arriba, salvar vidas y bienes,
siempre lo tenemos que tener en la cabeza y estar más atentos a nuestros usuarios.
Explore nosso catálogo
Registre-se gratuitamente e obtenha recomendações, atualizações e ofertas personalizadas.
O Coursera proporciona acesso universal à melhor educação do mundo fazendo parcerias com as melhores universidades e organizações para oferecer cursos on-line.
© 2019 Coursera Inc. Todos os direitos reservados.
