D8 Modelado Numérico y Asimilación

Tópico

Los modelos oceánicos numéricos integran, sobre mallas tridimensionales que cubren todo el océano, las ecuaciones primitivas del océano —derivadas de las ecuaciones de Navier-Stokes, junto con la termodinámica y la ecuación de estado del agua de mar—, y con ellas simulan a la vez la circulación general, la circulación termohalina, las mareas y la mesoescala oceánica. Los modelos de mayor resolución alcanzan hoy una doceava parte de grado, cerca de ocho kilómetros, lo bastante fino como para resolver explícitamente la mesoescala en vez de tener que aproximarla; existen varios de estos modelos oceánicos numéricos, desarrollados en distintos centros de Europa y de Estados Unidos, cada uno pensado para un dominio distinto, ya sea el océano global, una cuenca en particular o una franja costera, lo que hace que ningún modelo oceánico numérico, por sí solo, sea el mejor en todas las aplicaciones a la vez.

Junto a estos modelos de circulación, los modelos de olas resuelven un problema físico distinto: integran la ecuación de la acción de la ola sobre mallas bidimensionales, simulando cómo se genera el oleaje, cómo se propaga y cómo termina disipándose el espectro completo de olas que compone el estado del mar en cada momento, lo que hace que estos modelos de olas complementen, más que sustituyan, a los modelos de circulación oceánica.

La asimilación de datos oceánicos combina las observaciones que se describieron en los documentos anteriores —los flotadores autónomos, las medidas satelitales, los cruceros hidrográficos— con estos mismos modelos oceánicos numéricos, para obtener el mejor estimado posible del estado real del océano. El método variacional de cuatro dimensiones minimiza una función de costo que pondera la discrepancia entre el modelo y las observaciones a lo largo de toda una ventana de tiempo, buscando las condiciones iniciales que mejor expliquen esas observaciones; el filtro de Kalman por conjuntos, en cambio, hace evolucionar en paralelo todo un conjunto de realizaciones distintas del mismo modelo, y actualiza ese conjunto entero cada vez que llegan nuevas observaciones. En ambos casos, el resultado final es el análisis: el mejor estimado del estado del océano en ese instante, el punto de partida desde el que arranca cualquier predicción posterior, y es precisamente esta combinación de observaciones y modelo la que hace que el análisis sea siempre más preciso que cualquiera de los dos por separado.

Los reanálisis oceánicos son la aplicación de esta misma asimilación de datos, pero hacia atrás en el tiempo y sobre periodos de varias décadas: combinan, retrospectivamente, todas las observaciones disponibles de cada momento del pasado con el modelo numérico, reconstruyendo así una historia coherente y continua del estado del océano incluso en las épocas en las que había muchas menos observaciones que hoy, lo que hace que los reanálisis oceánicos sean, para esas décadas más antiguas, la única fuente de datos oceánicos verdaderamente homogénea que existe.

Los gemelos digitales oceánicos llevan esta misma idea al presente: son representaciones virtuales del océano, actualizadas en tiempo real o casi real, que combinan modelos oceánicos numéricos de alta resolución con asimilación de datos y con sistemas de aprendizaje automático para producir predicciones operacionales. El aprendizaje automático oceánico se aplica, dentro de estos gemelos digitales, a emular modelos de clima mucho más costosos de correr directamente, a detectar remolinos oceánicos, a clasificar tipos de agua, y a mejorar las parametrizaciones de los procesos de escala más pequeña que la propia malla del modelo no logra resolver, lo que hace que estos gemelos digitales combinen, en un solo sistema, casi todas las técnicas descritas hasta ahora.

El comportamiento esperado de toda esta cadena, desde el modelo oceánico numérico hasta el gemelo digital que lo actualiza en tiempo real, es que la solución del modelo converja hacia las observaciones cada vez que la asimilación de datos funciona correctamente. Esa convergencia se mide comparando dos errores: el error de fondo, la diferencia entre el modelo y las observaciones antes de asimilarlas, y el error de análisis, esa misma diferencia después de asimilarlas, y es precisamente que ese segundo error sea mucho más pequeño que el primero lo que hace que se pueda confirmar que la asimilación de datos oceánicos realmente mejoró el estado del océano que el modelo describe.

ID:2182