Interpretación de:
Surface energy exchanges and stability conditions associated with convective intense rainfall events on the central Andes of Peru
https://doi.org/10.1016/j.agrformet.2025.110570Flores-Rojas, J., Guizado-Vidal, D., Valdivia-Prado, J., Silva, Y., Villalobos-Puma, E., Suárez-Salas, L., Mata-Adauto, Z., Karam, H., 2025: Surface energy exchanges and stability conditions associated with convective intense rainfall events on the central Andes of Peru, Agricultural and Forest Meteorology, 369, 110570, https://doi.org/10.1016/j.agrformet.2025.110570
Intérprete
Flores Rojas José Luis
Fecha de interpretación
14/05/2025
Resultados y conclusiones
El estudio analizó los intercambios de energía en la superficie y las condiciones de estabilidad atmosférica asociadas a eventos intensos de lluvia convectiva en los Andes centrales del Perú, utilizando mediciones in situ, datos de radar, satélites y simulaciones numéricas entre 2018 y 2022. Los resultados mostraron que el 66.13% de la lluvia ocurre entre las 14:00 y 22:00 horas, con picos durante la temporada húmeda (enero a marzo). Se identificaron 21 eventos intensos caracterizados por un aumento del flujo de calor latente (QE) y del flujo de momento horizontal (τ), así como una disminución en el gradiente vertical de vapor de agua (WMVG) y del número de Richardson (RIN) antes del inicio de la precipitación, lo que resalta su papel como indicadores tempranos. El modelo ARPS tendió a subestimar el flujo de calor sensible (QH) y a sobreestimar el QE en comparación con el método aerodinámico, lo que indica la necesidad de calibración. Los análisis estacionales revelaron que el QE domina en la estación húmeda, mientras que el QH prevalece en la estación seca. Estos hallazgos destacan la importancia de las interacciones superficie-atmósfera en el desarrollo de lluvias convectivas y ofrecen indicadores valiosos para mejorar los sistemas de alerta temprana en regiones montañosas como los Andes.
Metodología y datos
La metodología del estudio se basó en el análisis de datos meteorológicos de alta resolución obtenidos en el Observatorio Geofísico de Huancayo (HYGO), ubicado en el Valle del Mantaro, combinando mediciones in situ, sensores remotos y simulaciones numéricas. Se utilizaron registros continuos de lluvia a resolución de un minuto (2018–2022), datos climáticos históricos (1965–2018), y observaciones del radar vertical MIRA-35c, el disdrómetro Parsivel 2 y el producto satelital GPM-IMERG. Los flujos turbulentos de energía (calor sensible y latente) se estimaron mediante el método aerodinámico basado en perfiles atmosféricos medidos a seis alturas en una torre de gradiente, aplicando la teoría de similitud de Monin-Obukhov. El flujo de calor en el suelo se calculó combinando placas de flujo térmico a 8 cm de profundidad con sensores de temperatura del suelo a 2 y 5 cm. Además, se identificaron eventos de lluvia convectiva intensa mediante análisis de valores extremos (outliers) en series horarias, confirmados por datos de radar y GPM. Finalmente, se usó el modelo numérico ARPS con resolución espacial de hasta 0.5 km para simular flujos turbulentos y evaluar su comportamiento frente a los datos observados, considerando distintas condiciones de estabilidad atmosférica.
Limitaciones de la investigación
Las principales limitaciones de la investigación incluyen la dependencia de datos observacionales localizados en una sola estación (HYGO), lo que restringe la generalización espacial de los resultados a otras regiones de los Andes con diferentes condiciones topográficas y climáticas. Además, aunque el modelo ARPS permitió simular flujos turbulentos y eventos de lluvia convectiva, presentó discrepancias respecto a las observaciones, como la subestimación del flujo de calor sensible (QH) y la sobreestimación del flujo de calor latente (QE), lo que evidencia la necesidad de calibración y ajustes específicos para regiones de alta montaña. También se identificaron limitaciones en la estimación de precipitación a partir del producto satelital GPM-IMERG, que tendió a subestimar los valores registrados por el pluviómetro. Por otro lado, el uso de la teoría de Monin-Obukhov asume condiciones homogéneas que no siempre se cumplen en terrenos montañosos complejos, lo que puede introducir incertidumbres en el cálculo de los flujos turbulentos. Finalmente, la cobertura temporal, aunque significativa, no incluye décadas recientes completas, lo que limita el análisis de tendencias a largo plazo frente al cambio climático.
Recomendaciones
Se recomienda ampliar la red de observación meteorológica en el Valle del Mantaro y otras regiones altoandinas para mejorar la representatividad espacial de los datos y validar los resultados obtenidos. Es fundamental calibrar y ajustar el modelo ARPS con datos locales, especialmente en lo referente a los flujos turbulentos y esquemas de microfísica, para mejorar la precisión de las simulaciones. Asimismo, se sugiere optimizar la integración de productos satelitales como GPM-IMERG mediante algoritmos de corrección basados en mediciones in situ. Las variables precursoras identificadas, como el aumento del flujo de calor latente (QE) y la disminución del número de Richardson (RIN), deben incorporarse en sistemas de alerta temprana para la gestión del riesgo ante lluvias intensas. También se recomienda continuar con estudios de largo plazo que permitan evaluar el impacto del cambio climático en la dinámica convectiva, y promover la formación técnica y científica del personal local para asegurar la sostenibilidad del monitoreo y la investigación atmosférica en la región.
Adaptación: Agricultura, Agua
Mitigación: Agricultura, Energía
Escala: Distrital
Ámbito geográfico: junin huancayo
Palabras clave: lluvia convectiva, intercambio de energía en la superficie, flujo de calor latente (QE) y sensible (QH), gradiente de vapor de agua (WMVG)
Cita de la interpretación
Flores Rojas, José Luis, 2025: Interpretación de Flores-Rojas et al. (2025, doi:10.1016/j.agrformet.2025.110570), Observatorio de Conocimiento Científico sobre Cambio Climático del Perú, IGP, https://cienciaclimatica.igp.gob.pe/entities/interpretation/9ee9fff7-e6f5-4583-a7b9-8e3ce2698a44