LA PREDICCIN METEOROLGICA, POR QU SE EQUIVOCA EL HOMBRE DEL TIEMPO?

Gili, lvaro Tutores: Benito, Rosa Mara 1; Arranz, Francisco Javier 2

Departamento de Fsica y Mecnica Fundamentales y Aplicadas a la Ingeniera Agroforestal. E.T.S.I.Agrnomos. Universidad Politcnica de Madrid 2 Departamento de Ingeniera rural. E.T.S.I.Agrnomos. Universidad Politcnica de Madrid. Correo electrnico: alvarostainb oy@hotmail.com

RESUMEN Como es bien conocido, la agricultura est supeditada a la meteorologa, por lo que es realmente importante conocer las condiciones atmosfricas en todo momento. En ocasiones, sin embargo, observamos como el hombre del tiempo se equivoca en sus predicciones, o bien stas difieren de las que aportan otros meteorlogos. Resulta de especial inters entonces, realizar previsiones del tiempo fiables, pero la dificultad radica en una caracterstica propia de los modelos meteorolgicos (y en general, de los modelos no lineales): la sensibilidad extrema a las condiciones iniciales, tambin conocida como efecto mariposa. En esta comunicacin mostraremos como se manifiesta dicha propiedad en el modelo de conveccin de Lorenz, meteorlogo que fue uno de los padres de la denominada Teora del Caos, teora que estudia este tipo de sistemas. Palabras clave: prediccin meteorolgica, atractor de Lorenz, caos. INTRODUCCIN En la meteorologa, ciencia que estudia la atmsfera y entre otras cosas trata de predecir el tiempo para determinadas zonas geogrficas en un momento concreto, hasta 1950 se utilizaba un mtodo que trazaba un mapa sinptico del tiempo llamado mapa previsto. Actualmente se utilizan modelos matemticos unidos a procesos tericos y a la aplicacin de nuevas tecnologas. Esto es la prediccin numrica. Para ello, se toma la circulacin atmosfrica como un problema termodinmico y de mecnica de fluidos, considerando el aire como un fluido de densidad variable y con un calentamiento desigual sometido al influjo de la rotacin terrestre y al rozamiento con el suelo. Los aparatos de medida tienen una precisin finita, por lo que los datos recogidos tienen un error de precisin inevitable que, con la evolucin de nuestro sistema, se agrava y nos conduce a no poder hacer predicciones a largo plazo. Segn aumente el intervalo de tiempo nuestra previsin ser menos certera, por esto a nivel local y a corto plazo (12 o 24 horas) es mas probable predecir eficazmente la evolucin de la atmsfera. Una de las citas ms conocidas de la teora del caos: Does the Flap of a Butterfly's Wings in Brazil Set off a Tornado in Texas?, enunciada por el meteorlogo Edward N. Lorenz durante un congreso en Washington DC en 1972, muestra la importancia que tiene la sensibilidad extrema a las condiciones iniciales en determinados sistemas dinmicos, lo que se conoce como efecto mariposa. Esta es la principal caracterstica del comportamiento catico y quiere decir que dos sucesos que empiezan en situaciones iniciales muy parecidas evolucionan de manera muy diferente a tiempo suficientemente largo. La consecuencia que esto produce en rgimen catico es que no se puede predecir el comportamiento del sistema a largo plazo ya que nunca vamos a poder conocer las condiciones iniciales del sistema con una precisin infinita.

MATERIAL Y MTODOS Para estudiar el comportamiento de la atmosfera utilizamos el modelo de Lorenz que consta tan solo de tres ecuaciones diferenciales de primer orden:

dX 10( X Y ), dt

dY XZ rX Y , dt

dZ 8 XY Z . dt 3

(X, Y, Z) son los parmetros que rigen las trayectorias en el espacio de fases y r es el nmero de Rayleigh, el cual determina el grado de caos que tendr nuestro sistema. Se trata de una simplificacin de las ecuaciones del movimiento de conveccin de RayleighBnard. Para realizar esta simulacin representando los atractores y generando las trayectorias usamos un software escrito en lenguaje de programacin Java. El mtodo de integracin numrica empleado es Runge-Kutta de 4 orden y paso fijo. Este simulador pertenece a la asignatura bajo la plataforma Moodle "Iniciacin a la Teora del Caos y Fractales" (oferta global de libre eleccin UPM) as como a la asignatura bajo plataforma Moodle "Taller de Caos" (programa de doctorado UPM "Fsica de Sistemas Complejos"). RESULTADOS En la figura 1 se representa el espacio de fases para cada uno de los tres rangos cualitativamente diferentes del parmetro r mediante tres ejemplos representativos que describiremos a continuacin. Para el primer intervalo 0< r <1, independientemente del punto de partida de nuestro sistema, las trayectorias siempre acaban en el origen de coordenadas, por lo que ste ser nuestro punto atractor en estas condiciones. Un ejemplo de este caso lo encontramos en la figura 1A. Para el intervalo 1< r <24,74 ya nos encontramos en una situacin como la del ejemplo de la figura 1B en el que el origen pierde su estabilidad y aparecen dos nuevos puntos de atraccin, estos puntos son C+ y C- cuyas coordenadas son:

C 10(r 1) , 10(r 1) , (r 1) ; C- 10(r 1) , 10(r 1) , (r 1) .

Las trayectorias en este intervalo de r convergen a uno de los dos atractores dependiendo de las condiciones iniciales. Por tanto podemos ver como la trayectoria dibujada representan dos zonas circulares en la que los centros de estas serian los atractores. Para la r tomada y unas condiciones iniciales concretas, tenemos esta figura en la que se ve como se decanta por terminar en C+ y no en el de la derecha. Cambiando las condiciones de partida se vera como cambia y termina en C-. Esto nos demuestra la importancia de las condiciones iniciales en un sistema no lineal como el nuestro. Figura 1. Espacio de fases. A B C

Para r >24,06 aparece el atractor extrao, como el que se muestra en la figura 1C. En estas condiciones una trayectoria, a tiempo suficientemente largo, jams se corta a s misma, lo que nos lleva a descubrir que se trata de un objeto fractal, es decir, tiene dimensin no entera. Esta figura es de dimensin 1, dado que se trata de una trayectoria a tiempo finito, el verdadero atractor fractal es terico y tendramos que hacer el lmite a tiempo infinito, el cual solo podremos representar de forma aproximada. No es posible conocer el comportamiento exacto que va a tener una trayectoria, no obstante podemos hacernos una idea global de por qu zonas va a discurrir y cuando lo har. Es aqu cuando surgirn ms problemas en nuestras previsiones meteorolgicas. Cuanto mas metidos estemos en esta zona catica, ms difcil ser hacer una prediccin fiable ya que ms enmaraada estar nuestra trayectoria y ms imprevisible ser. Las trayectorias orbitan en torno a los puntos C+/-, pero a diferencia del caso anterior, no confluyen en ninguno de ellos. stas cambian de ala cuando se alcanza una determinada amplitud, pasando de una a la otra invirtiendo la direccin de giro, como ocurre con un fluido en conveccin. Obsrvese que existe una zona entre r =24,06 y 24,74 en que coexisten los atractores de punto fijo C+ y C- y el atractor extrao. Ahora que ya conocemos como se comporta un sistema como el de Lorenz en el espacio de fases, vamos a analizar como puede variar dicho sistema en el tiempo y justificaremos el ya citado efecto mariposa. Gracias al programa de simulacin que hemos empleado tambin podemos ver como evoluciona nuestro sistema con respecto al tiempo y segn las c ondiciones iniciales desde las que partimos. En la figura 2 encontramos varias agrupaciones de graficas, las de la izquierda muestran dos trayectorias desde puntos de partida muy prximos por lo que se puede ver la extrema sensibilidad a las condiciones iniciales; las de la derecha reflejan las diferencias entre estas trayectorias. As podemos comprobar como partiendo de situaciones muy cercanas el sistema puede evolucionar de forma completamente distinta a partir de un determinado momento. Figura 2. Evolucin temporal de trayectorias con condiciones iniciales muy cercanas. A B

En los dos primeros supuestos (0< r <1 y 1< r <24,74), una pequea diferencia en las condiciones iniciales no supone una gran diferencia en el resultado final, como se muestra en la figura 2A. Estamos en una situacin no catica.

En el tercer caso (r >24,06), una ligera diferencia en las condiciones de partida s que da lugar a evoluciones temporales muy diferentes, como se puede observar en la figura 2B, de modo que una pequea imprecisin en nuestros datos de inicio puede dar lugar a predicciones completamente errneas. Estamos, por tanto, en el rgimen catico. En las figuras C y D se muestra la importancia de la precisin de nuestras medidas. Ambas parten de condiciones iniciales similares, pero C tiene una precisin menor (0,1) que D (0,0001). As se puede comprobar como realizando medidas ms precisas podemos aumentar el tiempo para el que se mantendr la validez de nuestras previsiones. Esto siempre ser a corto o, dependiendo de lo que consideremos, medio plazo, porque como se observa llega un momento en que vuelven a diferenciarse las trayectorias. Cuanto mas inmersos estemos en la zona catica ms pronunciado ser este fenmeno, es decir, menos tiempo perdurar la validez de nuestra previsin, aunque tengamos medidas muy precisas. CONCLUSIONES Actualmente, se puede predecir el tiempo a corto plazo; y en algunos casos tambin a medio plazo dependiendo de las condiciones de la atmosfera, es decir, del grado de caos que presente sta. En situaciones inestables, el error en las condiciones iniciales, consecuencia de la precisin finita de las medidas experimentales, crece muy rpidamente, debido a la sensibilidad extrema a las condiciones iniciales que presentan los modelos atmosfricos. El aumento de la precisin de los instrumentos de medida puede ayudarnos a aumentar el tiempo de la previsin, pero siempre sujeto a cuan catica sea nuestra atmsfera. En cualquier caso, en una situacin altamente catica en la atmsfera, y con medidas experimentales muy precisas, incluso las predicciones a corto plazo pueden fallar.
AGRADECIMIENTOS A Francisco Javier Arranz por su inestimable colaboracin y apoyo; y a Rosa Mara Benito por brindarme la oportunidad de realizar este trabajo.

BIBLIOGRAFA
R. M. Benito, 1999, El caos: la tercera revolucin cientfica de la fsica del siglo XX, ciclo de conferencias sobre humanidades, ingeniera y arquitectura de la UPM, pp. 51 -61. J. M. Cuadrat, M. F. Pita, 2004, "Climatologa", Ed. Ctedra, pp. 336-342. J. P. Crutchfield, J. D. Farmer, N. H. Packard, R. S. Shaw, 1994, "Orden y caos", Ed. Prensa Cientfica, pp. 78-90. A. Fernndez-Raada, 1994, "Orden y caos", Ed. Prensa Cientfica, pp. 66-77. J. L. Fuentes Yage, 2000, "Iniciacin a la meteorologa y la climatologa", Ed. Mundi -Prensa, pp. 179-181. J. Gleick, 1994, Caos. La creacin de la ciencia, Ed. Seix Barral, p p. 17-40. J. Gribbin, 2006, As de simple . El caos, la complejidad y la aparicin de la vida, Ed. Crtica, pp. 69-97. E. N. Lorenz, 2000, La esencia del caos, Ed. Debate. J. Oldani, 2007, La meteorologa, Ed. De Vecchi , pp. 75-80.