Buscar en Google Scholar
Título: Determining advective fog variability and stratocumulus cloud vertical structure combining a thermodynamic characterization of the marine boundary layer with a ground optical fog observation system
Campo OCDE: https://purl.org/pe-repo/ocde/ford#2.07.01
Fecha de publicación: abr-2022
Institución: Pontificia Universidad Católica de Chile
Resumen: La nube estratocúmulo (Sc), responsable de la formación de niebla advectiva en la costa del Desierto de Atacama, es una valiosa fuente de agua dulce sin explotar con potencial para enfrentar la escasez de agua en esta región. Sin embargo, se sabe poco acerca de características como la variabilidad estacional de la niebla y la estructura vertical de la nube que son esenciales para evaluar el potencial hídrico de recolección de niebla. Para investigar estas características, se combinó una caracterización termodinámica de la temperatura potencial (θ) y la humedad específica (q) en la capa límite marina (MBL) con un sistema de observación óptico de niebla (GOFOS) que mide directamente la variabilidad espaciotemporal de la niebla. Los gradientes verticales θ y q se emplean para encontrar umbrales estacionales que definen los regímenes de MBL relacionados con la formación (MBL bien mezclada) y disipación de niebla (MBL estratificada); la elevación del nivel de condensación (LCL) y redes neuronales artificiales (ANN) se utilizaron para estimar la elevación de la base de la nube Sc (CB). Además, se utilizaron modelos de regresión lineal múltiple (MLRM) y ANNs para encontrar la elevación del techo de la nube Sc (CT). A pesar de que se observó una variabilidad estacional de los gradientes verticales de θ y q, los umbrales que definen los regímenes de MBL relacionados con la formación de niebla son casi constantes a lo largo del año. La detección de niebla usando los gradientes verticales de θ coincidió el 95% del tiempo durante el invierno y la primavera, mientras que la detección de niebla usando los gradientes q coincidió en ~69% en las mismas estaciones. Un análisis de regresión logística demostró que los eventos de niebla se pueden clasificar con una buena precisión (0,82), utilizando solamente θ como variable predictiva. Los CB’s estimados con ANNs muestran una mejor concordancia (r² = 0.67) con las observaciones de GOFOS a lo largo del año, en comparación con el método LCL; con errores menores al 4%. Finalmente, tanto MLRM como ANN muestran una buena concordancia con las observaciones de GOFOS para estimar CT (r2 = 0.84 y r² = 0.92, respectivamente; con errores menores al 4%). Los resultados de este estudio revelan que las características esenciales de la formación de niebla y su variabilidad estacional se pueden aproximar a través de observaciones meteorológicas estándar.

The stratocumulus (Sc) cloud, responsible of the formation of advective fog at the coast of the Atacama Desert, is a valuable untapped freshwater source with potential to face the water scarcity in this region. However, little is known about features such as seasonal fog variability and cloud vertical structure that are essential to assess fog harvesting water potential. To investigate these features, a thermodynamic characterization of potential temperature (θ) and specific humidity (q) in the marine boundary layer (MBL), and a Ground Optical Fog Observation System (GOFOS) that directly measures local fog spatiotemporal variability, were combined. The vertical θ and q gradients are employed to find seasonal thresholds that define the MBL regimes related to fog formation (well-mixed MBL) and dissipation (stratified MBL); the lifting condensation level (LCL) and artificial neural networks (ANNs) are used to estimate the Sc cloud base (CB) elevation; and multiple linear regression models (MLRM) and ANNs are utilized to find the elevation of the Sc cloud top (CT). Even when a seasonal variability of the θ and q gradients was observed, the thresholds that defines the MBL regimes related to fog formation are nearly constant along the year. Fog detection using the θ vertical gradients agreed 95% of the time during winter and spring, whereas fog detection using the q gradients agreed in ~69% in the same seasons. A logistic regression analysis demonstrated that fog events can be classified with a good accuracy (0.82) using only θ as predictive variable. The CB estimated with ANNs show a better agreement (r2=0.67) with GOFOS observations throughout the year than the LCL method; with errors smaller than 4%. Finally, both MLRM and ANNs show a good agreement with GOFOS observations to estimate CT (r²=0.84 and r²=0.92, respectively; with errors smaller than 4%). Our results reveal that the essential features of fog formation and its seasonal variability can be approximated through standard meteorological observations.
Disciplina académico-profesional: Ciencias de la Ingeniería
Institución que otorga el grado o título: Pontificia Universidad Católica de Chile. Escuela de Ingeniería
Grado o título: Magíster en Ciencias de la Ingeniería
Fecha de registro: 10-abr-2023

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
HuamanSevillaZL.pdf
  Acceso restringido
Tesis (restringida)1.73 MBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro204.77 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.