Resumen de Variabilidad y predictibilidad del viento a escala regional: Modelos dinámico y estadístico sobre terreno complejo
Angela Hidalgo, M. JiménezSánchez, Elena García Bustamante, Etor E. Lucio Eceiza, Jorge Navarro, Juan Pedro Montávez Gómez, Jesús Fidel González-Rouco
Entender y predecir la variabilidad del campo de viento en superficie ofrece numerosos aspectos de interés científico. Además, no son pocas las aplicaciones de carácter socioeconómico asociadas, relevantes también en el ámbito de estudios de impacto sobre ecosistemas. Cabe citar como ejemplo qué posibles cambios en la variabilidad del viento a escala regional, como respuesta a la evolución del clima global, podrían conllevar diversas implicaciones en la gestión y análisis de la sostenibilidad del recurso eólico (Pryor et al., 2005).La variabilidad del viento en superficie aumenta con la complejidad del terreno debido a los forzamientos dinámicos y térmicos generados por la orografía y su interacción con la dinámica y radiación atmosférica (Whiteman, 2000). Esto hace que sea necesario disponer de un gran número de observaciones para proporcionar una representación realista del campo de viento, lo que, sin embargo, no es muy habitual. Esta limitación de las regiones de terreno complejo puede ser paliada a través de simulaciones numéricas. Los modelos de circulación general (MCG) no resultan adecuados, dada su limitada resolución espacial, para entender la variabilidad del clima en escalas regionales o locales. De esta limitación surge la necesidad de aplicar técnicas apropiadas de aumento de resolución espacial, o técnicas de downscaling (Von Storch and Zwiers, 1999), de las que se deriven estimaciones fiables de las variables climáticas de interés a escala regional y que sean consistentes con los forzamientos sinópticos proporcionados por los MCG. Estas técnicas pueden ser de carácter dinámico (modelos mesoscalares o regionales, MCRs; Pielke, 1985) o bien de carácter estadístico (Zorita et al., 1999). Ambos enfoques presentan tanto ventajas como inconvenientes. Por ejemplo, cuando se trata de simular el campo de viento durante un período largo, las técnicas estadísticas resultan más eficientes por su bajo coste computacional en comparación con los MCRs. Estos últimos reproducen los procesos físicos responsables de las variaciones del campo de viento de una manera consistente ya que resuelven las ecuaciones fundamentales de la dinámica atmosférica. Además, los modelos dinámicos proporcionan mayor cobertura espacial que los métodos estadísticos ya que éstos últimos sólo proporcionan estimaciones en los emplazamientos donde existen observaciones. La combinación de ambos tipos de estrategias permite un análisis más completo del comportamiento del viento a escala regional.
