Programa de Modelización y Predicción de Huracanes

Programa de modelización y predicción de huracanes del AOML

Creación de la próxima generación de sistemas de modelado de huracanes

SALTAR AL VISOR DE MODELOS

O DESPLÁCESE PARA SABER MÁS

Quiénes somos

El Grupo de Modelización de Huracanes del AOML se fundó en 2007 para hacer avanzar los modelos de previsión de huracanes mediante el desarrollo y la investigación específica. Nuestros científicos proceden de diversos campos de la meteorología, la modelización de huracanes y la informática. Desde su creación, el equipo ha trabajado para mejorar los sistemas de modelización de huracanes de la NOAA; primero con el modelo de Previsión de Investigación Meteorológica de Huracanes (HWRF), y ahora con nuestra nueva generación del Sistema de Análisis y Previsión de Huracanes (HAFS).

El Grupo de Modelización de Huracanes del AOML está especializado en el desarrollo y la evaluación de modelos experimentales y operativos de previsión de huracanes para la transición de la investigación a las operaciones. Las mejoras de estos modelos de huracanes, una vez transferidos al Centro de Modelado Ambiental de la NOAA, proporcionan una mejor orientación de previsión sobre la estructura, intensidad y trayectoria de los ciclones tropicales al Centro Nacional de Huracanes.

Estas mejoras tienen el potencial de salvar vidas y reducir los daños materiales. Lea más sobre el valor de la inversión en la investigación de huracanes y cómo contribuye la modelización numérica en nuestro Folleto de Investigación de Huracanes.

Nuestros objetivos

El objetivo principal del Grupo de Modelización de Huracanes del AOML es desarrollar y hacer avanzar los sistemas de investigación y predicción de huracanes de la NOAA. Los esfuerzos del programa apuntan a:

  • Desarrollar modelos de investigación y previsión de huracanes
  • Avanzar en la comprensión de los procesos de los huracanes mediante sistemas de modelización numérica de alta resolución
  • Utilizar las observaciones del Programa de Campo de Huracanes para mejorar las parametrizaciones físicas en los sistemas de modelización
  • Mejorar las técnicas de asimilación de datos a escala de vórtice
  • Transición de la investigación y el desarrollo de modelos a las operaciones

| Sundararaman Gopalakrishnan, Ph.D (Gopal)

Científico principal

| Xuejin Zhang, Ph.D

| Gus Alaka, Ph.D

| Jason Sippel, Ph.D

| Hyun-Sook Kim, Ph. D.

| Hua Leighton, Ph.D

| Russell St. Fleur

| Andrew Hazelton, Ph.D

| Lew Gramer, Ph.D

| William Ramstrom

Noticias principales

Un estudio de la NOAA revela que los patrones de vuelo innovadores aumentan la precisión de los pronósticos de huracanes

En un nuevo e innovador estudio, los científicos de la Administración Nacional Oceánica y Atmosférica (NOAA, por sus siglas en inglés) dieron a conocer un avance significativo en el seguimiento y pronóstico de huracanes. El estudio, titulado "The G-IV Inner Circumnavigation: A Story of Successful Organic Interactions Between Research and Operations at NOAA", analiza cómo los científicos de la NOAA están mejorando los pronósticos de huracanes mediante el uso efectivo de NOAA [...]

Avión G-IV DE LA NOAA volando por encima con cielo azul y nubes en el fondo
12 días de investigación en el AOML
Imagen del satélite NOAA de los huracanes Franklin e Idalia cerca del sureste de Estados Unidos
pequeño modelo gris de sistema de avión sin tripulación Altius en primer plano con el avión P-3 en segundo plano
Los investigadores de huracanes de la NOAA desplegaron con éxito un nuevo sistema de aeronave sin tripulación (UAS) en la tormenta tropical Tammy (2023) para medir partes de la tormenta demasiado peligrosas para los seres humanos. El UAS Black Swift Technologies S0™ fue lanzado desde el avión cazador de huracanes WP-3D Orion de la NOAA por científicos del Laboratorio Oceanográfico y Meteorológico del Atlántico de la NOAA durante misiones en la tormenta a medida que se fortalecía y se acercaba a las Islas de Sotavento del Caribe.
hafs

Sistema de análisis y previsión de huracanes

El Sistema de Análisis y Previsión de Huracanes (HAFS) es el modelo numérico y sistema de asimilación de datos más reciente de la NOAA, desarrollado en el marco del Sistema de Previsión Unificado (UFS). El HAFS proporciona orientaciones más fiables y hábiles sobre la trayectoria, intensidad y estructura de los ciclones tropicales, incluidos los cambios rápidos de intensidad, la génesis y el tamaño de las tormentas, así como la posibilidad de ampliar las previsiones a 7 días.

El desarrollo de nidos móviles de alta resolución es un avance importante en el desarrollo del modelo. Los meteorólogos necesitan modelizar los procesos en alta resolución para predecir con mayor eficacia las trayectorias y la intensificación. Sin embargo, calcular estos procesos a escala mundial llevaría demasiado tiempo para ser útil para la modelización y la predicción de huracanes. Un nido de alta resolución es esencialmente una región de 1 a 13 km que se modela con mucho más detalle y sigue la trayectoria del sistema tropical.

Nuestro grupo utiliza activamente observaciones de alta calidad recopiladas en el Programa de Campo de Huracanes de HRD para desarrollar y evaluar cambios en la física del modelo. Como parte del desarrollo inicial del HAFS, el AOML mantuvo un HAFS experimental en tiempo real que se ejecuta cada 6 horas durante la temporada de huracanes del Atlántico 2019-2022, de julio a octubre. Esto permitió la evaluación en tiempo real del rendimiento del modelo en casos como los huracanes Dorian y Humberto.

Durante el huracán Ian, los investigadores pudieron utilizar datos en tiempo real para mejorar la calibración del modelo. Estas ejecuciones constituyeron la base de nuevas mejoras del modelo, así como de estudios de investigación que examinan los detalles de la trayectoria, la intensidad y la evolución de la estructura de los ciclones tropicales en preparación para el lanzamiento operativo en la temporada de 2023

Foto de la página del personal de Sundararaman Gopalakrishnan

El nuevo modelo de previsión de huracanes de la NOAA: Una conversación con el científico principal

NOAA Research entrevistó recientemente a Sundararaman "Gopal" Gopalakrishnan, Ph.D., meteorólogo senior y líder del equipo de modelado que desarrolló el modelo de previsión de huracanes más reciente de NOAA - el Sistema de Análisis y Previsión de Huracanes - que entró en funcionamiento en junio de 2023.

Foto de la página del personal de Sundararaman Gopalakrishnan

El nuevo modelo de previsión de huracanes de la NOAA: Una conversación con el científico principal

NOAA Research entrevistó recientemente a Sundararaman "Gopal" Gopalakrishnan, Ph.D., meteorólogo senior y líder del equipo de modelado que desarrolló el modelo de previsión de huracanes más reciente de NOAA - el Sistema de Análisis y Previsión de Huracanes - que entró en funcionamiento en junio de 2023.

hwrfoperations

Impactos de la investigación

De una transición exitosa a las operaciones

Como resultado de estos esfuerzos diligentes, el apoyo sin precedentes del Proyecto de Mejora del Pronóstico de Huracanes de la NOAA y el trabajo de investigación en estrecha colaboración con el Centro de Modelado Ambiental, el modelo HAFS de próxima generación se incorporó como los modelos operativos de pronóstico de huracanes del Centro Nacional de Huracanes a partir de la temporada 2023.

La mejora de las previsiones beneficia a los gestores de emergencias a lo largo de las zonas costeras de EE.UU., reduciendo los tiempos de aviso y la extensión de las zonas de evacuación, lo que permite salvar vidas, ayudar a mitigar los daños materiales y aumentar la confianza del público en las previsiones y avisos oficiales de huracanes de la NOAA.

Publicaciones de impacto

Alaka, G. J., X. Zhang, y S. G. Gopalakrishnan, 2022: High-Definition Hurricanes: Improving Forecasts with Storm-Following Nests. Bull. Amer. Meteor. Soc., 103, E680-E703, https://doi.org/10.1175/BAMS-D-20-0134.1.

Gramer, L. J., Zhang, J. A., Alaka, G., Hazelton, A., & Gopalakrishnan, S.(2022). Coastal downwelling intensifies landfalling hurricanes. Geophysical Research Letters, 49, e2021GL096630. https://doi.org/10.1029/2021GL096630

Hazelton, A., G. J. Alaka, M. S. Fischer, R. Torn, y S. Gopalakrishnan, 2023: Factors Influencing the Track of Hurricane Dorian (2019) in the West Atlantic: Analysis of a HAFS Ensemble. Mon. Wea. Rev., 151, 175-192, https://doi.org/10.1175/MWR-D-22-0112.1.

Ko, M., X. Chen, M. Kubat, y S. Gopalakrishnan, 2023: The Development of a Consensus Machine Learning Model for Hurricane Rapid Intensification Forecasts with Hurricane Weather Research and Forecasting (HWRF) Data. Wea. Forecasting, https://doi.org/10.1175/WAF-D-22-0217.1, en prensa.

Evolución del sistema de modelización de huracanes

HWRF

Un modelo de base

El HWRF pasó a operar en los Centros Nacionales de Predicción Ambiental de la NOAA en 2007. De 2008 a 2011, los científicos del AOML desarrollaron un HWRF experimental para abordar el problema del cambio de intensidad. El HWRF experimental incorporó un algoritmo de anidación multinivel móvil con la física de la capa límite planetaria y de la superficie, cuidadosamente calibrada por las observaciones in situ obtenidas de la región del núcleo interno del huracán. Estos desarrollos constituyeron la columna vertebral del HWRF operacional y dieron lugar a continuas mejoras en sus predicciones de trayectoria, intensidad y estructura en los años siguientes.

Utilizando técnicas punteras de modelización numérica y verificación, nuestras investigaciones han contribuido a acelerar el avance del desarrollo del modelo y han desempeñado un papel clave en el éxito del Proyecto de Mejora de la Previsión de Huracanes. Estos logros proporcionan a los pronosticadores de huracanes no sólo una mejor guía de previsión, sino también información crítica sobre la evolución de la estructura tridimensional del viento dentro de la tormenta.

HWRF-B

Capacidades de vanguardia

El sistema de modelización HWRF a escala de cuenca (HWRF-B), una mejora del HWRF para una posible transición de Investigación a Operaciones, fue desarrollado en el AOML en colaboración con otras organizaciones bajo los auspicios del Proyecto de Mejora de la Previsión de Huracanes. El HWRF-B incluye dos mejoras destacadas respecto al sistema HWRF operativo: un gran dominio exterior estático que abarca una cuarta parte del cinturón tropical; y múltiples conjuntos de nidos móviles de varios niveles que pueden seguir varias tormentas simultáneamente.

El HWRF-B se utiliza actualmente como marco para la investigación innovadora y como herramienta experimental para la implementación de la investigación a las operaciones. Esta capacidad única de la NOAA será la base para las futuras transiciones a los sistemas de modelización de huracanes de próxima generación, por ejemplo, el Sistema de Análisis y Previsión de Huracanes (HAFS).

FV3 HAFS

Modelado de próxima generación

El Sistema de Análisis y Predicción de Huracanes (HAFS) es el modelo numérico de nueva generación de la NOAA y el sistema de asimilación de datos desarrollado en el marco del Sistema de Predicción Unificado (UFS). El objetivo del HAFS es proporcionar orientaciones fiables y hábiles sobre la trayectoria, intensidad y estructura de los ciclones tropicales, incluidos los cambios rápidos de intensidad, la génesis y el tamaño de las tormentas.

El grupo de modelización de huracanes del AOML participa activamente en el desarrollo del HAFS, junto con socios de toda la NOAA. Un importante desarrollo de HAFS será el avance del núcleo dinámico del modelo para incluir nidos móviles de alta resolución. Nuestro grupo también participa activamente en el desarrollo y evaluación de los cambios en la física del modelo utilizando las observaciones de alta calidad recogidas en el Programa de Campo de Huracanes.

Modelado dinámico estadístico

Predicción de intensificación rápida de ciclones tropicales

La intensificación rápida se produce en más del 80% de los grandes huracanes y en todos los huracanes de categoría cuatro y cinco de la cuenca atlántica. Los mayores errores de previsión de la intensidad operativa se producen debido a la dificultad de prever los procesos relacionados con la intensificación rápida. Esto significa que la mejora de la previsión de estas tormentas es una prioridad importante, tal y como se especificó en la Ley de Innovación en Investigación y Previsión Meteorológica de 2017 y en el Programa de Mejora de la Previsión de Huracanes.

Se ha desarrollado un conjunto de modelos con el apoyo del banco de pruebas de huracanes de la NOAA para ayudar a los pronósticos del Centro Nacional de Huracanes a predecir la rápida intensificación en las cuencas del Atlántico y del Pacífico. Estos modelos utilizan los resultados de los modelos globales del Centro Nacional de Predicción Medioambiental y los datos de los satélites para estimar la probabilidad de que un ciclón tropical sufra una rápida intensificación en un momento determinado (definido como el percentil 95 del cambio de intensidad de los ciclones tropicales sobre el agua).

Uno de estos modelos, desarrollado conjuntamente por investigadores del AOML, el NHC y la NOAA/NESDIS, se conoce como índice de intensificación rápida SHIPS (SHIPS-RII). Utiliza el análisis discriminante lineal para estimar la probabilidad de intensificación rápida. Aunque inicialmente se desarrolló para el tiempo de previsión único de 24 horas, en los últimos años el modelo se ha desarrollado para los tiempos de previsión añadidos de 12 horas, 36 horas, 48 horas y 72 horas. Consulte las figuras de la derecha para obtener más información sobre los resultados de la herramienta SHIPS-RII.

Para leer más sobre el modelo SHIPS-RII, haga clic en cada uno de los temas que aparecen a continuación, o descargue la publicación más reciente:

Evaluación de los impactos ambientales en la previsibilidad de la intensificación rápida de los ciclones tropicales mediante modelos estadísticos.

Capacidad de previsión

La figura 1 muestra la destreza del SHIPS-RII para el período de 4 años (2016-2019) durante el cual las previsiones de tiempo multiplaza se pusieron por primera vez a disposición del NHC. La figura indica que las previsiones del SHIPS-RII fueron hábiles en relación con la climatología (véase Kaplan et al. 2015 para obtener más información sobre la metodología de verificación) tanto en la cuenca del Atlántico como en la del Pacífico oriental y central, con una habilidad significativamente mayor del SHIPS-RII en esta última cuenca.

Fig. 1. La habilidad de las previsiones operativas de SHIPS-RII para el periodo de 4 años (2016-2019) en relación con la de la climatología para los umbrales de intensificación rápida de 20-kt/12-h, 30-kt/24-h, 45-kt/36-h, 55-kt/48-h y 65-kt/72-h para las cuencas del Atlántico (barra azul) y del Pacífico Norte Central y Oriental (barra amarilla).
Fig. 1. La habilidad de las previsiones operativas de SHIPS-RII para el periodo de 4 años (2016-2019) en relación con la de la climatología para los umbrales de intensificación rápida de 20-kt/12-h, 30-kt/24-h, 45-kt/36-h, 55-kt/48-h y 65-kt/72-h para las cuencas del Atlántico (barra azul) y del Pacífico Norte Central y Oriental (barra amarilla).

Diagrama de fiabilidad

En la figura 2 se muestran los diagramas de fiabilidad que representan la probabilidad de intensificación rápida pronosticada frente a la observada para esa misma muestra operativa de 4 años en las cuencas del Atlántico y del Pacífico oriental y central. Los diagramas indican que las previsiones del SHIPS-RII mostraron una fiabilidad razonablemente buena en ambas cuencas (es decir, cada curva se encuentra bastante cerca de la línea negra, lo que indica una concordancia perfecta entre la probabilidad de intensificación rápida prevista y la observada), observándose mayores probabilidades previstas en la cuenca del Pacífico oriental/central.

Fig. 2. Diagramas de fiabilidad que representan la probabilidad de RI pronosticada frente a la observada de las previsiones operativas de SHIPS-RII para 2016-2019 para los umbrales de intensificación rápida de 20-kt/12-h (línea amarilla), 30-kt/24-h (línea azul) , 45-kt/36-h (línea verde), 55-kt/48-h (línea morada) y 65-kt/72-h (línea roja). Se muestran diagramas de fiabilidad separados para la cuenca del Atlántico (panel izquierdo) y del Pacífico Norte central y oriental (panel derecho). La línea negra diagonal representada en ambos paneles indica una fiabilidad perfecta. Crédito de la imagen: NOAA AOML.

Michael (2018) Previsiones

La Figura 3 proporciona un ejemplo de las previsiones operativas del SHIPS-RII para el umbral de intensificación rápida de 30 kt/24h del huracán Michael (2018). Se puede observar que las probabilidades pronosticadas por el SHIPS-RII fueron elevadas en relación con las de la climatología durante todo el periodo de previsión, pero fueron más altas justo antes del periodo inicial de intensificación rápida de Michael. Sin embargo, las probabilidades del SHIPS-RII fueron sólo modestamente superiores a las de la climatología durante el último período de rápida intensificación que sufrió Michael justo antes de tocar tierra a lo largo del panhandle de Florida, lo que subraya las limitaciones del modelo.

Fig. 3. Pronósticos de probabilidad operativa de SHIPS-RII para el umbral de RI de 30-kt/24-h (curva azul sólida) para el huracán Michael (2018). La intensidad de la mejor trayectoria se indica con la curva negra y cada período de 24 horas durante el cual se observó RI se representa en rojo. También se presenta la probabilidad climatológica de RI (línea azul discontinua) y la hora de llegada a tierra (línea marrón vertical).
Fig. 3. Pronósticos de probabilidad operativa de SHIPS-RII para el umbral de RI de 30-kt/24-h (curva azul sólida) para el huracán Michael (2018). La intensidad de la mejor trayectoria se indica con la curva negra y cada período de 24 horas durante el cual se observó RI se representa en rojo. También se presenta la probabilidad climatológica de RI (línea azul discontinua) y la hora de llegada a tierra (línea marrón vertical).
stormpagedata

Visor de modelos de huracanes

Abajo hay un enlace a nuestro Visor de Modelos de Huracanes, que ofrece una gran cantidad de modelos de huracanes globales y centrados en tormentas. Proporcionamos parcelas "nido" globales y centradas en tormentas, que incluyen los modelos HWRF, HWRF-B, y HAFS. Una combinación de la orientación de los tres modelos es esencial para tener una visión holística de las tormentas activas y los patrones meteorológicos. Cada modelo suministra un conjunto de datos en torno a incrementos de seis horas, que abarcan los vientos a distintos niveles de la atmósfera y varios tipos de precipitaciones. También existe un archivo de ejecuciones de modelos para diferentes tormentas en las cuencas del Pacífico nororiental y del Atlántico.

Flujo de dirección en el Atlántico desde el HWRF B
Flujo de dirección en el Atlántico desde el HWRF B

Publicación destacada

Rendimiento de un Esquema PBL Mejorado Basado en TKE Eddy-Diffusivity Mass-Flux (EDMF) en las Previsiones de Huracanes 2021 del Sistema de Análisis y Previsión de Huracanes

Chen, X., Hazelton, A., Marks, F. D., Alaka Jr, G. J., & Zhang, C. (2023). Performance of an Improved TKE-Based Eddy-Diffusivity Mass-Flux (EDMF) PBL Scheme in 2021 Hurricane Forecasts from the Hurricane Analysis and Forecast System. Weather and Forecasting, 38(2), 321-336.

Resumen: El desarrollo continuo y la evaluación de las parametrizaciones de la capa límite planetaria (PBL) en condiciones de huracán son cruciales para mejorar las predicciones de los ciclones tropicales (TC). Un esquema de PBL basado en la energía cinética de la turbulencia (TKE) y en el flujo de masa por difusividad de remolino (EDMF-TKE), implementado en el Sistema de Análisis y Predicción de Huracanes (HAFS) de la NOAA, ha sido recientemente mejorado en condiciones de huracán utilizando simulaciones de grandes remolinos. Este estudio evalúa el rendimiento de las previsiones HAFS TC con el original (experimento HAFA) y EDMF-TKE modificado (experimento HAFY) basado en una gran muestra de casos durante la temporada de huracanes del Atlántico Norte de 2021....

Descargar el documento completo

Rendimiento de un esquema mejorado de PBL basado en la TKE y el flujo de masa de difusividad inducida (EDMF) en las previsiones de huracanes de 2021 del Sistema de Análisis y Previsión de Huracanes. Imagen de un artículo científico.
Rendimiento de un esquema mejorado de PBL basado en la TKE y el flujo de masa de difusividad inducida (EDMF) en las previsiones de huracanes de 2021 del Sistema de Análisis y Previsión de Huracanes. Imagen de un artículo científico.

Chen, X., Hazelton, A., Marks, F. D., Alaka Jr, G. J., & Zhang, C. (2023). Performance of an Improved TKE-Based Eddy-Diffusivity Mass-Flux (EDMF) PBL Scheme in 2021 Hurricane Forecasts from the Hurricane Analysis and Forecast System. Weather and Forecasting, 38(2), 321-336.

Resumen: El desarrollo continuo y la evaluación de las parametrizaciones de la capa límite planetaria (PBL) en condiciones de huracán son cruciales para mejorar las predicciones de los ciclones tropicales (TC). Un esquema de PBL basado en la energía cinética de la turbulencia (TKE) y en el flujo de masa por difusividad de remolino (EDMF-TKE), implementado en el Sistema de Análisis y Predicción de Huracanes (HAFS) de la NOAA, ha sido recientemente mejorado en condiciones de huracán utilizando simulaciones de grandes remolinos. Este estudio evalúa el rendimiento de las previsiones HAFS TC con el original (experimento HAFA) y EDMF-TKE modificado (experimento HAFY) basado en una gran muestra de casos durante la temporada de huracanes del Atlántico Norte de 2021....

Descargar el documento completo

Publicaciones y referencias

  • 2018

    Kieu, C., K. Keshavamurthy, V. Tallapragada, S. Gopalakrishnan, y S. Trahan (2018): Sobre el crecimiento de los errores de previsión de intensidad en el modelo operacional de investigación y previsión meteorológica de huracanes (HWRF). Quarterly Journal of the Royal Meteorological Soc.144:1803-1819. https://doi.org/10.1002/qj.3344.

    Leighton, H., S. Gopalakrishnan, J.A. Zhang, R.F. Rogers, Z. Zhang y V. Tallapragada (2018): Distribución azimutal de la convección profunda, factores ambientales y la rápida intensificación de los ciclones tropicales: Una perspectiva a partir de las previsiones del conjunto HWRF del huracán Edouard (2014). Journal of the Atmospheric Sciences, 75(1):275-295. https://doi.org/10.1175/JAS-D-17-0171.1.

    Zhang, J.A., F.D. Marks, J.A. Sippel, R.F. Rogers, X. Zhang, S.G. Gopalakrishnan, Z. Zhang, y V. Tallapragada (2018): Evaluando el impacto de la mejora en la parametrización de la difusión horizontal en la predicción de huracanes en el modelo operacional de investigación y previsión meteorológica de huracanes (HWRF). Weather and Forecasting, 33, 317-329. https://doi.org/10.1175/WAF-D-17-0097.1.

  • 2017

    Alaka, G. J., X. Zhang, S. G. Gopalakrishnan, S. B. Goldenberg y F. D. Marks, 2017: Performance of basin-scale HWRF tropical cyclone track forecasts. Wea. Forecast, 32(3):1253-1271, doi:10.1175/WAF-D-16-0150.1.

    Goldenberg, S., S. Gopalakrishnan, V. Tallapragada, T. Quirino, F. Marks, S. Trahan, X. Zhang y R. Atlas, 2015: La versión operativa de alta resolución y triplemente anidada de 2012 del sistema de investigación y previsión meteorológica de huracanes (HWRF): Verificaciones de previsión de pista e intensidad. Wea. Forecast, doi: 10.1175/WAF-D-14-00098.1.

  • 2016

    Gopalakrishnan, S., C.V. Srinavas, y K. Bhatia. The hurricane boundary layer. En Advanced Numerical Modeling and Data Assimilation Techniques for Tropical Cyclone Predictions, U.C. Mohanty y S.G. Gopalakrishnan (eds.). Springer Netherlands, 589-626, doi:10.1007/978-94-024-0896-6 2016

    Gopalakrishnan, F. Toepfer, R. Gall, F. Marks, E. N. Rappaport, V. Tallapragada, S. Forsythe-Newell, A. Aksoy, J. W. Bao, M. Bender, L. Bernardet, J. Cione, M. Biswas, J. Cangialosi, M. DeMaria, M.Morin,J. Doyle, J. L. Franklin, S. Goldenberg, George Halliwell, C. Holt, S. Jason, H. S. Kim, P. Kucera, N. Lett, P. McCaslin, A. Mehra, M. Mills, J. Moskaitis, A. Sergio, J. Sippel, S. Trahan, H. Tolman, R. Torn, X. Wang, J. Whitaker, D. A. Zelinsky, F. Zhang, X. Zhang, Z. Zhang, 2015 HFIP R&D Activities Summary: Resultados recientes y aplicación operativa, 2016(http://www.hfip.org/documents/HFIP_AnnualReport_FY2015.pdf)

    Quirino, T., y S.G. Gopalakrishnan. Advanced diagnostics for the HWRF hurricane modeling system. En Advanced Numerical Modeling and Data Assimilation Techniques for Tropical Cyclone Predictions, U.C. Mohanty y S.G. Gopalakrishnan (eds.). Springer Netherlands, 517-534, doi:10.1007/978-94-024-0896-6 2016

    Mohanty, U.C., y S.G. Gopalakrishnan (eds.). Advanced Numerical Modeling and Data Assimilation Techniques for Tropical Cyclone Predictions. Springer Netherlands, 746 pp., doi:10.1007/978-94-024-0896-6 2016

    Zhang, X., S.G. Gopalakrishnan, S. Trahan, T.S. Quirino, Q. Liu, Z. Zhang, G. Alaka, y V. Tallapragada. Representación de múltiples escalas en el sistema de investigación y previsión meteorológica de huracanes: Diseño de conjuntos múltiples de anidación multinivel móvil y la verificación del pronóstico HWRF a escala de cuenca. Weather and Forecasting, 31(6):2019-2034, doi:10.1175/WAF-D-16-0087.1 2016

  • 2015

    Atlas, R., V. Tallapragada, y S. Gopalakrishnan. Advances in tropical cyclone intensity forecasts. Marine Technology Society Journal, 49(6):149-160, doi:10.4031/MTSJ.49.6.2 2015

    Bernardet, L., V. Tallapragada, S. Bao, S. Trahan, Y. Kwon, Q. Liu, M. Tong, M. Biswas, T. Brown, D. Stark, L. Carson, R. Yablonsky, E. Uhlhorn, S. Gopalakrishnan, X. Zhang, T. Marchok, B. Kuo y R. Gall. Community support and transition of research to operations for the Hurricane Weather Research and Forecasting model. Boletín de la Sociedad Meteorológica Americana, 96(6):953-960, doi:10.1175/BAMS-D-13-00093.1 2015

    Chen, H., y S.G. Gopalakrishnan. Un estudio sobre la rápida intensificación asimétrica del huracán Earl (2010) utilizando el sistema HWRF. Journal of the Atmospheric Sciences, 72(2):531-550, doi:10.1175/JAS-D-14-0097.1 2015

    Goldenberg, S.B., S.G. Gopalakrishnan, V. Tallapragada, T. Quirino, F. Marks, S. Trahan, X. Zhang y R. Atlas. La versión operativa de alta resolución y triplemente anidada de 2012 del Sistema de Investigación y Previsión Meteorológica de Huracanes (HWRF): Verificaciones de la previsión de la pista y de la intensidad. Weather and Forecasting, 30(3):710-729, doi:10.1175/WAF-D-14-00098.1 2015

    Halliwell, G.R., S. Gopalakrishnan, F. Marks y D. Willey. Estudio idealizado de los impactos oceánicos en las previsiones de intensidad de los ciclones tropicales. Monthly Weather Review, 143(4):1142-1165, doi:10.1175/MWR-D-14-00022.1 2015

    Quirino, T.S., J. Delgado y X. Zhang. Improving the scalability of a hurricane forecast system in mixed-parallel environments. Proceedings, 16th IEEE International Conference on High Performance Computing and Communications, París, Francia, 20-22 de agosto de 2014. IEEE Computer Society, 276-281, 2015.

    Zhang, D.-L., L. Zhu, X. Zhang, y V. Tallapragada. Sensibilidad de la intensidad y estructuras de huracanes idealizados bajo flujos de fondo variables e intensidades de vórtices iniciales a diferentes resoluciones verticales en HWRF. Monthly Weather Review, 143(3):914-932, doi:10.1175/MWR-D-14-00102.1 2015

    Zhu, P., Z. Zhu, S. Gopalakrishnan, R. Black, F.D. Marks, V. Tallapragada, J.A. Zhang, X. Zhang y C. Gao. Impact of sub-grid scale processes on eyewall replacement cycle of tropical cyclones in HWRF system. Geophysical Research Letters, 42(22):10027-10036, doi:10.1002/2015GL066436 2015

  • 2014

    Gall, R., F. Toepfer, F. Marks, E.N. Rappaport, A. Aksoy, S. Aberson, J.W. Bao, M. Bender, S. Benjamin, L. Bernardet, M. Biswas, B. Brown, J. Cangialosi, C. Davis, M. DeMaria, J. Doyle, M. Fiorino, J. Franklin, I. Ginis, S. Gopalakrishnan, T. Hamill, R. Hodur, H.S. Kim, J. Knaff, T. Krishnamurti, P. Kucera, Y. Kwon, W. Lapenta, N. Lett, S. Lord, T. Marchok, E. Mifflin, M. Morin, K. Musgrave, L. Nance, C. Reynolds, V. Tallapragada, H. Tolman, R. Torn, G. Vandenberghe, T. Vukicevic, X. Wang, Y. Weng, J. Whittaker, R. Yablonsky, D.-L. Zhang, F. Zhang, J. Zhang, X. Zhang, y D.A. Delinsky. Hurricane Forecast Improvement Project: 2013 HFIP R&D activities summary-Recent results and operational implementation. Informe técnico del HFIP, HFIP2014-2, 50 páginas, 2014.

    Pattanayak, S., U.C. Mohanty, y S.G. Gopalakrishnan. Improvement in track and intensity prediction of Indian seas tropical cyclones with vortex assimilation. En Monitoring and Prediction of Tropical Cyclones in the Indian Ocean and Climate Change, U.C. Mohanty, M. Mohapatra, O.P. Singh, B.K. Bandyopadhyay, and L.S. Rathore (eds.). Springer Publishing, 219-229, doi:10.1007/978-94-007-7720-0 2014

  • 2013

    Gopalakrishnan, S.G., F. Marks, J.A. Zhang, X. Zhang, J.-W. Bao, y V. Tallapragada. A study of the impacts of vertical diffusion on the structure and intensity of tropical cyclones using the high resolution HWRF system. Journal of the Atmospheric Sciences, 70(2):524-541, doi:10.1175/JAS-D-11-0340.1 2013

    Rogers, R.F., S.D. Aberson, A. Aksoy, B. Annane, M. Black, J.J. Cione, N. Dorst, J. Dunion, J.F. Gamache, S.B. Goldenberg, S.G. Gopalakrishnan, J. Kaplan, B.W. Klotz, S. Lorsolo, F.D. Marks, S.T. Murillo, M.D. Powell, P.D. Reasor, K.J. Sellwood, E.W. Uhlhorn, T. Vukicevic, J.A. Zhang y X. Zhang. Experimento de previsión de la intensidad de los huracanes de la NOAA (IFEX): A progress report. Boletín de la Sociedad Meteorológica Americana, 94(6):859-882, doi:10.1175/BAMS-D-12-00089 2013

  • 2012

    Bao, J.-W., S.G. GOPALAKRISHNAN, S.A. Michelson, F.D. Marks, y M.T. Montgomery, 2012: Impacto de las representaciones físicas en el modelo HWRF sobre la estructura de los huracanes simulados y las relaciones de presión del viento. Monthly Weather Review, 140(10):3278-3299 (doi:10.1175/MWR-D-11-00332.1).

    Bell, G.D., E.S. Blake, C.W. Landsea, T.B. Kimberlain, S.B. GOLDENBERG, J. Schemm y R.J. Pasch, 2012: Los trópicos: Cuenca del Atlántico. En State of the Climate in 2011, J. Blunden y D.S. Arndt (eds.). Bulletin of the American Meteorological Society, 93(7):S99-S105.

    BLACK, R.A., y J. Hallett, 2012: La tasa de lluvia y el contenido de agua en los huracanes en comparación con la lluvia de verano en Miami, Florida. Journal of Applied Meteorology and Climatology, 51(12):2218-2235 (doi:10.1175/JAMC-D-11-0144.1).

    GOPALAKRISHNAN, S.G., S. GOLDENBERG, T. QUIRINO, F. Marks, X. ZHANG, K.-S. Yeh, R. Atlas, y V. Tallapragada, 2012: Hacia la mejora de la predicción numérica de huracanes de alta resolución: Influencia de la resolución de la malla horizontal del modelo, la inicialización y la física. Weather and Forecasting, 27(3):647-666 (doi:10.1175/WAF-D-11-00055.1).

    Laureano-Bozeman, M., D. Niyogi, S. GOPALAKRISHNAN, F.D. Marks, X. ZHANG, y V. Tallapragada, 2012: An HWRF-based ensemble assessment of the land surface feedback on the post-landfall intensification of Tropical Storm Fay (2008). Natural Hazards, 63(3):1543-1571 (doi:10.1007/s11069-011-9841-5).

    Pattanayak, S., U.C. Mohanty, y S.G. GOPALAKRISHNAN, 2012: Simulación del ciclón muy severo Mala sobre la Bahía de Bengala con el sistema de modelado HWRF. Natural Hazards, 63(3):1413-1437 (doi:10.1007/s11069-011-9863-z).

    Yeh, K.-S., X. ZHANG, S.G. GOPALAKRISHNAN, S. Aberson, R. Rogers, F.D. Marks, y R. Atlas, 2012: Performance of the experimental HWRF in the 2008 hurricane season. Natural Hazards, 63(3):1439-1449 (doi:10.1007/s11069-011-9787-7).

  • Antes de 2012

    2011

    Bell, G.D., E.S. Blake, T.B. Kimberlain, C.W. Landsea, J. Schemm, R.J. Pasch y S.B. GOLDENBERG, 2011: Los trópicos: Cuenca del Atlántico. En State of the Climate in 2010, J. Blunden, D.S. Arndt, y M.O. Baringer (eds.). Bulletin of the American Meteorological Society, 92(6):S115-S121 (doi:10.1175/1520-0477-92.6.S1).

    GOPALAKRISHNAN, S.G., F. Marks, X. ZHANG, J.-W. Bao, K.-S. Yeh, y R. Atlas, 2011: El sistema experimental HWRF: Un estudio sobre la influencia de la resolución horizontal en la estructura y los cambios de intensidad en los ciclones tropicales utilizando un marco idealizado. Monthly Weather Review, 139(6):1762-1784 (doi:10.1175/ 2010MWR3535.1).

    ZHANG, X., T.S. QUIRINO, K.-S. Yeh, S.G. GOPALAKRISHNAN, F.D. Marks, S.B. GOLDENBERG y S. Aberson, 2011: HWRFx: Mejorando las previsiones de huracanes con modelos de alta resolución. Computing in Science and Engineering, 13(1):13-21 (doi:10.1109/MCSE.2010.121).

    2010

    Bell, G.D., E.S. Blake, T.B. Kimberlain, C.W. Landsea, R.J. Pasch, J. Schemm y S.B. GOLDENBERG, 2010: Atlantic basin. En State of the Climate in 2009, D.S. Arndt. M.O. Baringer, y M.R. Johnson (eds.). Bulletin of the American Meteorological Society, 91(7):84-88.

    2009

    Bell, G.D., E. Blake, S.B. GOLDENBERG, T. Kimberlain, C.W. Landsea, R. Pasch y J. Schemm, 2009: Tropical cyclones: Cuenca del Atlántico. En State of the Climate in 2008, T.C. Peterson y M.O. Baringer (eds.). Bulletin of the American Meteorological Society, 90(8):S79-S83.

    Panda, J., M. Sharan, y S.G. GOPALAKRISHNAN, 2009: Study of regional-scale boundary layer characteristics over northern India with a special reference to the role of the Thar Desert in regional-scale transport. Journal of Applied Meteorology and Climatology, 48(11):2377-2402.

    2008

    Bell, G.D., E. Blake, C.W. Landsea, S.B. GOLDENBERG, R. Pasch y T. Kimberlain, 2008: The tropics: Cuenca del Atlántico. En State of the Climate in 2007, D.H. Levinson y J.H. Lawrimore (eds.). Bulletin of the American Meteorological Society, 89(7):S68-S71.

¿Buscando literatura? Busque en nuestra base de datos de publicaciones.

Nuestra relación con el Programa Campo Huracán

El grupo de modelización numérica apoya el Programa de Campo de Huracanes de la NOAA proporcionando previsiones experimentales de huracanes a los científicos del DRH, que desempeñan un papel fundamental en la planificación de las misiones aéreas. Por ejemplo, el Sistema de Análisis y Previsión de Huracanes (HAFS) proporciona a los planificadores previsiones de alta resolución en toda la cuenca del Atlántico Norte y el HWRF a escala de cuenca (HWRF-B) proporciona una opción alternativa al HWRF operativo. Estos modelos experimentales también pueden ayudar a determinar los tipos de datos o las regiones a las que hay que dirigir las misiones mediante estudios de investigación y de sensibilidad de los datos.

Monitorizando el UAS del Coyote en vuelo desde la estación de pilotaje en el P3. Crédito de la imagen: NOAA

Logros clave

  • El sistema HAFS basado en FV3 entra en funcionamiento

     

    2023

  • El sistema HAFS funciona simultáneamente con el HWRF y el HWRF-B

    2022

  • Comienza la transición del HWRF al sistema HAFS basado en el FV3.

    2019

  • Versiones del HWRF incorporadas a las operaciones del NCEP.

    Incorporó un nuevo incremento de la resolución horizontal, de 18/6/2 km a 13,5/4,5/1,5 km

    2018

  • Aplicación del sistema mejorado de asimilación de datos del HWRF

    2017

  • Marca de mejoras quinquenales: se implementaron las nuevas suites de física SAS y GFS-EDMF

    2016

  • Sundararaman Gopalakrishnan, Thiago Quirino y Frank Marks recibieron la Medalla de Oro del Departamento de Comercio y, para Xuejin Zhang, la Medalla de Oro del CIMAS por su excelencia científica en el desarrollo e implementación del modelo HWRF de alta resolución.

    Aumento de la resolución horizontal de 27/9/3 km a 18/6/2 km en todos los dominios.

    2015

  • South Florida Federal Executive Board- Empleado científico del año.

    El HWRF se ejecutó en tiempo real en todas las cuencas mundiales más allá del Atlántico Norte.

    2014

  • Asimilación operativa de los datos del radar Doppler de los P-3 de la NOAA en el modelo HWRF.

    Se ha ejecutado por primera vez una versión del HWRF de doble anidación y resolución de nubes a 3 km de resolución horizontal con una física mejorada basada en las observaciones.

    Empleado científico del año de la OAR.

    Se ha adoptado una física actualizada y una inicialización de vórtices.

    2013

  • Nominado para el Premio al Empleado del Año de la Junta Ejecutiva Federal del Sur de Florida en la categoría científica.

    Certificado de agradecimiento por las contribuciones al desarrollo del modelo avanzado de alta resolución HWRF.

    Recibió el premio del administrador de la NOAA.

    2012

  • El HWRF de alta resolución anidado se convierte en un modelo operativo oficial.

    Aumento de la resolución horizontal de doble anidación de 27/9 a 27/9/3, lo que convierte al HWRF en el primer modelo de mayor resolución en funcionamiento para la predicción de huracanes.

    Recibió el premio Verner E. Suomi de la Sociedad Meteorológica Americana.

    2011

  • Recibió el premio NOAA/OAR al mejor trabajo científico

    2010

  • El modelo HWRF de la NOAA ha sido adoptado oficialmente por el Centro Nacional de Huracanes como uno de sus principales modelos de orientación numérica

    2007

  • El sistema de modelización HWRF de la NOAA ha sido desarrollado por los Centros Nacionales de Predicción Ambiental específicamente para la previsión de huracanes.

    2006

Nuestros Socios

Durante la última década, hemos colaborado estrechamente con el Centro de Modelización Medioambiental, el Centro de Pruebas de Desarrollo y el Centro Nacional de Huracanes para desarrollar y mejorar los modelos operativos HWRF, HWRF-B y HAFS. Esta colaboración permite que estos modelos sean utilizados tanto por los meteorólogos como por los investigadores con fines operativos y experimentales.

Logotipo del Servicio Meteorológico Nacional. Un rayo blanco divide en dos una nube azul sobre una nube blanca con un campo azul claro detrás y las palabras "National Weather Service" rodeando en rojo.
Logotipo de CIMAS Un pez y una ola delante de una nube
Logotipo de la NOAA
Logotipo del Servicio Meteorológico Nacional. Un rayo blanco divide en dos una nube azul sobre una nube blanca con un campo azul claro detrás y las palabras "National Weather Service" rodeando en rojo.

Agradecimientos

Con mucha gratitud, el Grupo de Modelización de Huracanes del AOML reconoce el vital apoyo científico y ejecutivo que ha recibido de la NOAA y de la alta dirección del AOML desde su creación. El apoyo del Dr. Frank Marks, director de la División de Investigación de Huracanes del AOML, y del Dr. Robert Atlas, antiguo director del AOML, ha sido crucial en la búsqueda del grupo para cumplir uno de los objetivos axiomáticos de la NOAA: mejorar las predicciones de la trayectoria, estructura e intensidad de los huracanes mediante el avance de los sistemas de modelización de la NOAA.

Foto de grupo de los científicos del modelo de huracanes del AOML. Crédito de la imagen: NOAA AOML.
De izquierda a derecha: Xuejin Zhang, Russell St. Fleur, Jun Zhang, Robert Black, Gus Alaka, Lew Gramer, Andy Hazelton, William Barry, Sundararaman (Gopal) Gopalakrishnan, Mu-Chieh (Laura) Ko, Hua Leighton, William Ramstrom.