Validacio de modelos meteorológicos (hidrostático y no hidrostático) acoplados a un modelo lagrangiano de partículas en el entorno de la C.T. As Pontes

Resumo

Los modelos de simulación atmosférica han sido durante los últimos 30 años una herramienta esencial para la meteorología, tanto para la investigación propiamente dicha como para el establecimiento de una predicción operativa y resultan imprescindibles en el estudio de la dispersión de contaminantes en la atmósfera, En esta memoria se describe la aplicación de los modelos de predicción meteorológica en el entrono de la central térmica de As Pontes, situada en el norte de Gaicia. Estos modelos resuelven las ecuaciones fundamentales que describen el comportamiento de un fluido, en este caso la atmósfera, y se les ha acoplado un modelo lagrangiano de partículas, con el fin de predecir el comportamiento de los contaminantes emitidos por la central. Se dedica una especial atención a la comparación de los resultados obtenidos con los dos modelos de predicción meteorológica (hidrostático y no hidrostático) con el fin de conocer la influencia de la aplicación de la suposición hidrostática en un terreno especialmente complicado, que incluye zonas de interior y de montaña y zonas de mar en un radio de 30 KM. Se compran, además, los distintos esquemas de turbulencia que incluye cada modelo, que en el caso del modelo ARPS utiliza un cierre del sistema de ecuaciones de orden mayor que el del pimeteo, con los que se va a obtener información más completa de la dinámica turbulenta de la atmósfera. Las condiciones iniciales y de contorno necesarias en los modelos númericos también ocupan una parte importante de este trabajo, ya que exigen un adecuado ajuste que logre la correcta asimilación de información de gran escala por los modelos que se resuelven a una escala mucho menor. Con el modelo de predicción Pmeteo, combinado con el modelo lagrangiano de partículas, se ha logrado un buen compromiso entre la descripción de la física atmosférica necesaria para realizar una adecuada predicción m