Aunque los Grandes Lagos se llaman lagos, por su gran tamaño, son verdaderamente mares interiores. Afectan los patrones climáticos regionales, proporcionar agua potable a millones de personas e impulsar las economías de varios estados.

Pronosticar los niveles del agua, las temperaturas y corrientes de los lagos es muy importante debido a las innumerables formas en que las condiciones del lago afectan el comercio, recreación y bienestar comunitario. Estos pronósticos comprenden el Sistema de Pronóstico Operacional de los Grandes Lagos (GLOFS), un sistema de predicción automatizado basado en modelos operado por la Administración Nacional Oceánica y Atmosférica (NOAA).

"La información del sistema permite a los responsables de la toma de decisiones tomar decisiones informadas y los productos de pronóstico han sido utilizados por una amplia variedad de usuarios de forma regular, "dijo Philip Chu, científico físico supervisor de la rama integrada de modelado y pronóstico físico y ecológico del Laboratorio de Investigación Ambiental de los Grandes Lagos de la NOAA (GLERL).

Construyendo un mejor sistema de pronóstico de los Grandes Lagos

"Los niveles de agua son utilizados por las autoridades de energía; la Guardia Costera de los EE. UU. Utiliza las condiciones de las olas y las corrientes para misiones de búsqueda y rescate, y los navegantes recreativos y los pescadores han utilizado perfiles de temperatura. ", dijo." La información también se ha utilizado para predecir la proliferación de algas nocivas, así como las condiciones de hipoxia (bajo nivel de oxígeno disuelto) en los Grandes Lagos ".

Si bien NOAA opera su propio equipo de modelado para mantener el sistema, la agencia también trabaja con investigadores universitarios para mejorar continuamente GLOFS. En la Universidad Tecnológica de Michigan, Pengfei Xue, profesor asociado de ingeniería civil y ambiental y director del Laboratorio de Dinámica de Fluidos Geofísicos Numéricos en el Centro de Investigación de los Grandes Lagos, está ayudando a NOAA agregando un componente de asimilación de datos.

Xue señaló que un sistema de pronóstico operativo típico debe incluir tres componentes:modelado, una red de observación y análisis de datos.

"La región de los Grandes Lagos tiene datos de observación relativamente densos y a largo plazo, pero, ¿cómo usamos los datos para mejorar la previsión? ", planteó Xue." Estos datos se han utilizado para la inicialización y verificación del modelo, pero puede haber un vínculo mucho más fuerte entre las observaciones de campo y el modelado numérico. La combinación de datos de observación en el modelo puede mejorar la previsión a corto plazo. Esta tecnica, llamada asimilación de datos, es uno de los enfoques más efectivos para combinar estadísticamente datos de observación y dinámica de modelos para proporcionar la mejor estimación del estado del sistema de los Grandes Lagos ".

¿Qué es la asimilación de datos?

Para explicar la asimilación de datos, Xue dio el ejemplo de tomar la temperatura de un lago. Un modelo de computadora podría predecir que la temperatura en un sitio en el lago es de 68 grados Fahrenheit (20 grados Celsius). Pero una medición física en el sitio muestra que la temperatura es de 70 grados Fahrenheit (21,1 grados Celsius).

"Todos los modelos contienen algunas incertidumbres y la observación también tiene ruido, que pueden ser grandes o pequeños en el trabajo de campo, dependiendo de los diferentes casos, "Dijo Xue." ¿Qué deberías creer? Tu mejor apuesta es algo intermedio. Cuando cuantificamos el modelo y las incertidumbres de observación mediante la evaluación de sus desempeños históricos, podemos combinar cuantitativamente los datos de observación y los resultados del modelo numérico con diferentes pesos y dar una estimación más precisa ".

El modelado por computadora es mucho más complicado que este ejemplo, Xue anotó. Una ventaja clave de un modelo, especialmente en un entorno grande y complejo como los Grandes Lagos, es que puede producir campos continuos en el espacio 3-D, predecir, en cualquier momento y lugar, la temperatura, niveles de agua, y corrientes. Por otra parte, Las observaciones in situ proporcionan "verdad sobre el terreno, "pero a menudo están limitados en tiempo y espacio.

"La cuantificación del modelo y las incertidumbres de la observación está en el centro de las técnicas de asimilación de datos, ", Explicó Xue." La belleza de la asimilación de datos es utilizar la información de los desajustes entre los resultados del modelo y las observaciones, que solo se conocen en lugares de observación limitados, para corregir el sesgo del modelo en un espacio 3-D más allá de las ubicaciones de observación. Por eso, mejora la precisión del modelo para todos los campos de simulación ".

Más que un modelo

Otro límite de las observaciones de campo es el gran costo de realizarlas. Los datos de observación son intrínsecamente más precisos que un modelo solo, y es necesario verificar en tierra la salida de un modelo. Al introducir datos de observación en un modelo, luego, utilizando el modelo para predecir mejores ubicaciones para la futura recopilación de datos in situ, El trabajo de Xue ayuda a mejorar el modelado GLOFS, y ayuda a los científicos a elegir los sitios de investigación de manera eficaz.

"Los Grandes Lagos tienen una gran superficie y una gran profundidad. Por lo general, donde las personas eligen muestrear se basa en la experiencia empírica experta y sus intereses de investigación, ", Dijo Xue." Observaciones in situ, particularmente las mediciones del subsuelo, siguen siendo limitadas debido a los altos costos de construcción y mantenimiento de redes de observación. Usar la asimilación de datos para guiar el diseño de la ubicación y frecuencia de muestreo de datos y optimizar una red de observación es uno de los temas clave de investigación de un sistema integrado de observación y pronóstico ".

Los resultados preliminares de Xue muestran que la asimilación de datos puede reducir los esfuerzos de muestreo y aumenta la precisión del pronóstico al optimizar las ubicaciones de muestreo.

"La contribución del profesor Xue se alinea perfectamente con el objetivo a corto plazo y la misión a largo plazo de NOAA y GLERL de construir un sistema de modelado ambiental integrado y una nación preparada para el clima, océanos y costas saludables, ", Dijo Chu." Su contribución a la investigación y colaboración con los científicos de la NOAA hacen avanzar nuestra comprensión general del complicado sistema dinámico en los Grandes Lagos y acelera el ritmo de desarrollo de la NOAA, mejorar y hacer la transición del Sistema de Pronóstico Operacional de los Grandes Lagos de próxima generación a las operaciones ".

El trabajo de Xue utiliza el Superior, una infraestructura informática de alto rendimiento en Michigan Tech, para construir modelos de alta fidelidad. Los resultados del modelo se utilizan para construir un base de datos de asimilación de datos de temperatura del lago Erie para que la utilicen los administradores de recursos y los investigadores de la comunidad de los Grandes Lagos. La simulación del lago Erie es una prueba de concepto antes de que GLOFS se reajuste por completo mediante la asimilación de datos. El proyecto de Xue también aplicará el aprendizaje automático para mejorar aún más el rendimiento del modelo y el muestreo adaptativo in situ. con el objetivo de extender el método a los cinco Grandes Lagos.

"Queremos demostrar el potencial de este enfoque. El lago Erie ha experimentado problemas ambientales sustanciales durante décadas y se ha estudiado de manera más exhaustiva, y la gente se da cuenta mejor de las deficiencias del modelado, ", Dijo Xue." La estructura térmica y la circulación del lago Erie tienen un gran impacto en las floraciones de algas nocivas y los eventos de hipoxia. Nuestro plan es expandir gradualmente y construir un sistema de pronóstico completamente operativo con capacidades de asimilación de datos para mejorar la precisión del pronóstico a corto plazo y refinar el trabajo de observación ".