**Esta es una página de archivo del proyecto. NOAA retiró el modelo HWRF en 2022 y realizó la transición al nuevo modelo Hurricane Analysis and Forecasting System (HAFS) para 2023. Por favor visite la Página de Modelado y Pre dicción de Huracanes para más información sobre HAFS .**
El modelo de previsión de la investigación meteorológica sobre huracanes
SALTO A DATOS
O DESPLÁCESE PARA SABER MÁS
El Grupo de Modelado de Huracanes del AOML desarrolló el modelo Hurricane Weather Research Forecast (HWRF) desde la formación del grupo de trabajo en 2007 hasta 2022, cuando fue retirado en favor de la próxima generación del Sistema de Análisis y Predicción de Huracanes (HAFS).
De una transición exitosa a las operaciones
Como resultado de estos diligentes esfuerzos, el apoyo sin precedentes del Proyecto de Mejora del Pronóstico de Huracanes de la NOAA, y el estrecho trabajo de investigación en colaboración con el Centro de Modelado Ambiental, el modelo mejorado HWRF fue incorporado como uno de los modelos operativos de pronóstico de huracanes del Centro Nacional de Huracanes a partir de la temporada 2012 y continuando hasta 2022 cuando ejecutamos el sistema de modelado de próxima generación HAFS simultáneamente. Para 2023 estamos haciendo la transición únicamente al Sistema de Análisis y Pronóstico de Huracanes y continuaremos su desarrollo.
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.
En general, el HWRF ha mejorado su capacidad de predicción de vías entre un 40% y un 60%.
Fuente: Informe anual del HFIP (2018)
En 2018, el modelo HWRF se actualizó para funcionar con una resolución horizontal de 1,5 km cerca de la región de la tormenta. Esto convierte al HWRF en el modelo de huracanes de mayor resolución jamás implementado para las operaciones del Servicio Meteorológico Nacional.
Fuente: Informe anual del HFIP (2018)
En general, el HWRF ha mejorado su capacidad de predicción de la intensidad en un mínimo del 40% al 60%.
Fuente: Informe anual del HFIP (2018)
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 de verificación y modelización numérica de vanguardia, nuestra investigación ha contribuido a acelerar el avance del desarrollo del modelo y ha desempeñado un papel fundamental 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 Uniforme (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 de 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 cambios en la física del modelo utilizando las observaciones de alta calidad recogidas en el Programa de Campo de Huracanes.
Modelo de previsión de investigación meteorológica de huracanes
"En 2007, el modelo HWRF de la NOAA fue adoptado oficialmente por el Centro Nacional de Huracanes. Desde entonces, la modelización numérica en el AOML ha hecho avanzar mucho el modelo HWRF de la NOAA".
-Informe anual dela FHIP(2018)
El modelo HWRF es un sistema de modelización en malla de alta resolución, de doble anidamiento, que sigue a las tormentas y está diseñado para operar con una resolución horizontal de 2 km o menos. Fue diseñado para capturar los procesos del núcleo del ciclón tropical, incluyendo las interacciones con los procesos a gran escala que han demostrado ser críticos para mejorar las predicciones de trayectoria, intensidad, precipitación y tamaño. El HWRF se desarrolló inicialmente para mejorar la orientación de la intensidad, pero también se utiliza para proporcionar cierta orientación fiable de la trayectoria, junto con el Sistema de Predicción Global y otros modelos.
El desarrollo del HWRF y su transición a las operaciones es uno de los principales logros del Proyecto de Mejora de la Previsión de Huracanes de la NOAA. HWRF se ha convertido en uno de los modelos operacionales de mayor rendimiento para las predicciones de la pista y la intensidad -en 2018, su error de intensidad promedio para los ciclones tropicales en el Océano Atlántico Norte fue inferior a 16 kt a través de cinco días(Lea el informe de verificación de pronóstico). El HWRF está aumentando la fiabilidad de la orientación de las previsiones operativas y está preparando el camino para los desarrollos de modelos de próxima generación.
El HWRF es el modelo dinámico impulsor del Proyecto de Mejora del Pronóstico de Huracanes en Tiempo Real Enfoque de Consenso Corregido (HCCA) para la Guía de Intensidad de Ciclones Tropicales en el Centro Nacional de Huracanes, y se ha convertido en la herramienta de predicción de intensidad insignia para el pronóstico de huracanes en el Servicio Meteorológico Nacional. El modelo HWRF de alta resolución fue desarrollado a través de una investigación de vanguardia que incluye los siguientes elementos clave:
- Desarrollos de modelos numéricos de alta resolución.
- Avances en las parametrizaciones físicas de los modelos de huracanes basados en observaciones.
- Avances en la comprensión básica de las interacciones multiescala y los procesos físicos que rigen la evolución de los ciclones tropicales.
Construir una nación preparada para la meteorología
con la modelización a escala de cuenca
El Grupo de Modelización de Huracanes del AOML actualizó el modelo fundacional HWRF para incluir nuevas capacidades como la producción de previsiones simultáneas de ciclones tropicales y un entorno de resolución mucho mayor. También sirvió como prototipo para el desarrollo de múltiples nidos móviles y multinivel dentro del modelo global. Este modelo, denominado "HWRF a escala de cuenca" (HWRF-B), fue también un banco de pruebas para la investigación destinada a mejorar las predicciones de las interacciones tormenta-tormenta, tierra-tormenta y otras interacciones multiescala.
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:
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.
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.
Nuestros datos
A continuación encontrará un enlace a nuestra página de datos, que ofrece una gran cantidad de datos de modelos globales y centrados en las tormentas. Proporcionamos gráficos "nido" globales y centrados en las tormentas, que incluyen los modelos HWRF y HWRF-B. Una combinación de la orientación de los modelos es esencial para tener una visión holística de las tormentas activas y los patrones meteorológicos. Cada modelo proporciona un conjunto de datos en torno a incrementos de seis horas, que cubren los vientos en diferentes niveles de la atmósfera y varios tipos de precipitación. Nuestra página de datos también contiene archivos de ejecuciones de modelos de diferentes tormentas en las cuencas del Pacífico nororiental y del Atlántico.
Apoyar el Programa de Campo de Huracanes
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.
Logros clave
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
Quiénes somos
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 del sistema de modelización HWRF de la NOAA.
Un modelo comunitario
Durante la última década, hemos colaborado estrechamente con el Centro de Modelización Ambiental, el Centro de Pruebas de Desarrollo y el Centro Nacional de Huracanes para desarrollar y mejorar el modelo operativo HWRF. Esta colaboración permite que el HWRF sea utilizado tanto por los pronosticadores como por los investigadores con fines operativos y experimentales.
Publicación destacada
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....
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....
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 2016Gopalakrishnan, 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 2015Bernardet, 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 2013Rogers, 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.