Capítulo 1 Introducción

1.1 Pronostico de eventos severos

La predicción de fenómenos meteorológicos extremos es de particular importancia ya que pueden producir cuantiosas pérdidas humanas y materiales. En Argentina, una gran cantidad de estos fenómenos están asociados a la ocurrencia de convección profunda entre los que se cuentan tornados, ráfagas intensas, precipitaciones extremas en cortos períodos de tiempo, granizo de gran tamaño y actividad eléctrica. Es por tal motivo necesario avanzar en el conocimiento de estos procesos y la dinámica de la convección y en la capacidad de pronosticar la ocurrencia de los mismos.

La simulación numérica de la atmósfera, es decir, la integración de las ecuaciones que rigen la evolución del sistema atmosférico es la base para el pronostico numérico del tiempo en diversas escalas temporales desde horas a semanas. Los software que llevan a cabo esta integración, conocidos como modelos numéricos para el pronóstico del tiempo han experimentado un amplio desarrollo motivado por el aumento sostenido en la capacidad de cómputo disponible y el desarrollo del conocimiento sobre procesos atmosféricos.

La naturaleza caótica de la atmósfera impone un límite para diagnosticar estados futuros conocido como límite de predictabilidad (Lorenz, 1965). Esto es así aún si los modelos numéricos fueran perfectos y pudieran representar todos los procesos atmosféricos de manera explicita ya que es imposible conocer con total exactitud las condiciones atmosféricas en un tiempo dado. Este límite de predictabilidad puede variar de acuerdo a los procesos atmosféricos representados por el modelo. Sin embargo, aún teniendo en cuenta el estado de desarrollo actual de los modelos numéricos el límite de predictabilidad es de alrededor de 2 semanas para procesos altamente predecibles (Kalnay, 2002).

El pronóstico de fenómenos extremos asociados a convección profunda es a su vez un desafío científico y tecnológico muy complejo debido a la predictabilidad limitada en la mesoescala. En particular, en la mesoescala la convección húmeda esta dentro de los fenómenos más impredecibles debido a que se asocia a inestabilidad con tasas de crecimiento de las perturbaciones muy altas particularmente ante la ausencia de forzantes como la topografía (Hohenegger and Schar, 2007). A lo anterior se suma la dificultad de conocer o diagnosticar el estado de la atmósfera en escalas espaciales pequeñas y tiempos cortos (por ejemplo de 1 a 10 km y del orden de los minutos).

Uno de los métodos que pueden utilizarse para el pronóstico de fenómenos meteorológicos severos es la utilización de modelos numéricos de la atmósfera que resuelvan explícitamente la convección profunda. Diversos estudios han comprobado que estos modelos agregan valor al pronóstico a corto plazo y que en muchos casos proveen información sobre el modo de organización de las celdas convectivas y su intensidad (Aksoy et al., 2010; Stensrud et al., 2013). Diferentes técnicas de nowcasting que se utilizan para generar pronósticos a muy corto plazo han demostrado que es posible generar pronósticos de eventos convectivos muy precisos en escalas temporales cortas y espaciales pequeñas, sin embargo estos pronósticos pierden calidad rápidamente (Sun et al., 2014). No obstante la metodología para generar pronósticos que se utilice, la capacidad de los modelos numéricos en anticipar la ubicación y tiempo de ocurrencia de eventos extremos asociados a convección es muy limitada si no se cuenta con una detallada información sobre el estado de la atmósfera en la escala de las tormentas en el momento en el que se inicializan los pronósticos numéricos (Clark et al., 2009).

1.2 Asimilación de datos para estimar condiciones iniciales

Ante la necesidad de contar con condiciones iniciales de calidad para inicializar pronósticos numéricos, la asimilación de datos es una metodología usada ampliamente en los principales centros de pronóstico a nivel mundial para generar la mejor estimación de las condiciones iniciales necesarias para integrar un modelo numérico. En este sentido Gustafsson et al. (2018) muestran que los pronósticos inicializados a partir de condiciones iniciales generadas usando asimilación de datos son de mejor calidad que aquellos generados escalando pronósticos globales de baja resolución.

La asimilación de datos en la mesoescala es particularmente desafiante ya que los procesos que se quieren representar tienen una componente no lineal muy importante. Debido a que el crecimiento de los errores de los modelos es rápido, los efectos no lineales aparecen más rápidamente alejándose de las hipótesis de linealidad usadas en los métodos de asimilación actuales. Por otro lado la iniciación y desarrollo de convección profunda involucra procesos en distintas escalas por lo que es un desafío muy importante incorporar observaciones que representen procesos adecuadamente.

Por lo tanto, para que los métodos de asimilación de datos tengan éxito, deben utilizarse redes de observación con suficiente resolución temporal y espacial capaces de captar la variabilidad en las escalas que se quieren resolver. En la mesoescala, y en particular a la hora de representar fenómenos de convección húmeda, será necesario contar con observaciones con una frecuencia temporal del orden de unos minutos a una hora y una escala espacial entre 1 y 10 km para incorporar información en esas escalas. En este sentido la asimilación de observaciones de superficie con alta frecuencia temporal y observaciones satelitales tienen en general un impacto positivo en los pronósticos como se discute a continuación.

Por ejemplo, Wheatley and Stensrud (2010) investigaron el impacto de la asimilación de datos de presión de superficie en un sistema de asimilación de datos basado en conjuntos de mesoescala, pero encontró un impacto limitado en dos estudios de caso relacionados con sistemas convectivos de mesoescala. Ha and Snyder (2014) demostraron que la asimilación de la temperatura y la temperatura del punto de rocío de las redes de estaciones meteorológicas de superficie de alta resolución mejoraba sistemáticamente la estructura de la capa límite planetaria simulada y mejoraba los pronósticos de precipitaciones a 12 hs sobre los Estados Unidos. Chang et al. (2017), Bae and Min (2022) y Chen et al. (2016) informaron sobre los efectos beneficiosos de la asimilación de observaciones de estaciones meteorológicas de superficie en un sistema de asimilación de datos de alta resolución utilizando las metodologías de asimilación de datos variacionales y filtro de Kalman encontrando impactos positivos en el pronóstico de la temperatura y la humedad en la capa límite planetaria y en la localización de los sistemas de precipitación. Sobash and Stensrud (2015) demostraron en un sistema de asimilación de datos de mesoescala que el impacto sobre la iniciación de la convección y el pronóstico de la precipitación de corto alcance es positivo si los datos se asimilan con frecuencia (en el orden de minutos, en lugar de en el orden de horas). Maejima et al. (2019) investigaron el impacto de la asimilación con frecuencia de 1 minuto de observaciones sintéticas en un caso de precipitación intensa, encontrando que la asimilación de observaciones de radar de alta frecuencia y espacialmente densas conducen a una mejor representación de la circulación de mesoescala aunque el número de observaciones proporcionadas por las estaciones de superficie es mucho menor que el proporcionado por los radares meteorológicos. Gasperoni et al. (2018) realizaron un estudio de caso para evaluar el impacto de la asimilación de las observaciones producidas por estaciones meteorológicas privadas que no se incorporan a los análisis operativos globales. Encontraron un efecto positivo al asimilar estas observaciones sobre el inicio de la convección húmeda profunda a lo largo de una línea seca.

Se ha investigado el impacto de otros tipos de observaciones de resolución espacial y temporal relativamente alta, como observaciones de satélites, en el contexto de la asimilación de datos de mesoescala. Estas observaciones incluyen radianzas y productos derivados como perfiles de temperatura y humedad y vientos derivados de satélite, Wu et al. (2014), Cherubini et al. (2006) y Sawada et al. (2019) observaron un impacto positivo de la asimilación de viento derivado de información satelital de alta frecuencia en un estudio de caso de un ciclón tropical utilizando un sistema de asimilación de datos basado en el filtro de Kalman. Por otro lado, Gao et al. (2015) observaron un impacto positivo en pronósticos a corto plazo gracias a la asimilación de viento estimado a partir de las observaciones de satélites geoestacionarios sobre Estados Unidos. Si bien la asimilación de radianzas de manera directa es rutinario a nivel global en centros de pronóstico como el National Centers for Environmental Prediction (NCEP) o el European Centre for Medium-Range Weather Forecasts (ECMWF), su asimilación en escalas regionales es un problema complejo y trae desafíos tecnológicos y científicos que se describirán en la sección 1.4.

1.3 Asimilación de datos en Sudamérica

La historia de la asimilación de datos en Sudamérica y en particular en Argentina es relativamente corta. A principios de la década del 90 Vera (1992) en su tesis doctoral desarrolló un Sistema de Asimilación de Datos Intermitente que utilizaba la interpolación optima en un modelo cuasigeostrófico en la región sur de Sudamérica. Algunos años después, en 1997, el Servicio Meteorológico Nacional (SMN) se implementó un análisis utilizando el método de Correcciones Sucesivas en el cual el campo preliminar es corregido en sucesivas iteraciones por las observaciones, en un modelo de 10 niveles verticales (García Skabar, 1997).

Por otro lado el Centro de Pronóstico del Tiempo y Estudios Climáticos (CPTEC) de Brasil desarrolló un sistema de asimilación de datos global que utiliza el sistema Gridpoint Statistical Interpolation (GSI) en conjunto con su modelo global BAM (por nombre en inglés, Brazillian global Atmospheric Model) y posteriormente aplicaciones regionales utilizando el modelo Weather Research & Forecasting Model (WRF, Skamarock et al., 2008) en conjunto con el sistema de asimilación GSI. En particular, Goncalves de Goncalves et al. (2015) mostró experimentos realizados en el CPTEC usando el sistema de asimilación de datos regional para simulaciones de 12, 10 y 3 kilómetros durante un mes. Ferreira et al. (2017), Bauce Machado et al. (2017), Toshio Inouye et al. (2017) y Ferreira et al. (2020) también mostraron resultados positivos al asimilar observaciones de radar, y observaciones convencionales de superficie y altura en aplicaciones regionales sobre Brasil con resoluciones de entre 1 y 10 km.

En los últimos años, se documentaron importantes avances asociados a la asimilación de datos en Argentina. Por ejemplo Saucedo (2015) realizó un estudio teórico de asimilación de datos utilizando la metodología Local Ensemble Transform Kalman Filter (LETKF, Hunt et al., 2007) acoplado al modelo WRF donde estudió técnicas para la representación de diferentes fuentes de incertidumbre incluyendo los errores en las condiciones de borde y los errores de modelo. Posteriormente Dillon (2017) avanzó en su tesis de doctorado en el desarrollo de un sistema de asimilación de datos reales y concluyó que la asimilación de perfiles de temperatura y humedad estimados con observaciones satelitales en la asimilación tienen un impacto positivo en los análisis y pronósticos. Por otro lado Maldonado et al. (2021) avanzó en la asimilación frecuente de observaciones de radar para casos de convección húmeda profunda observando impactos positivos tanto en el análisis como en los pronósticos a muy corto plazo generados usando estas condiciones iniciales mejoradas. Más recientemente, el SMN en conjunto con el Centro de Investigaciones del Mar y la Atmósfera (CIMA) desarrollaron y probaron el sistema de asimilación de actualización rápida LETKF-WRF de manera operativa experimental durante la campaña de campo Remote sensing of Electrification, Lightning, And Mesoscale/microscale Processes with Adaptive Ground Observations (RELAMPAGO) (Nesbitt et al., 2021). El sistema incorporó, con una frecuencia horaria, observaciones convencionales de estaciones meteorológicas automáticas de redes privadas, productos derivados de satélites multiespectrales y viento derivado de observaciones satelitales, y observaciones de radar y generó pronósticos a 36 hs inicializados cada 3 hs. Dillon et al. (2021) mostraron que el pronóstico inicializado a partir de los análisis muestra un rendimiento general similar al de los pronósticos inicializados a partir del sistema GFS, e incluso un impacto positivo en algunos casos. Este resultado es especialmente importante para regiones con pocos datos, como el sur de Sudamérica, donde las redes operativas no son lo suficientemente densas como para captar los detalles de la mesoescala. Actualmente el SMN está desarrollando y evaluando un sistema de asimilación similar al implementado en Dillon et al. (2021) para utilizarlo en la generación de pronósticos de manera operativa.

En general, los trabajos mencionados previamente encuentran que la incorporación de nuevas fuentes de observación producen impactos positivos en la calidad de los análisis de mesoescala, sin embargo la asimilación directa de radianzas es una de las fuentes de observación menos estudiadas a nivel regional en Sudamérica. En este contexto, la asimilación directa de radianzas cobra particular importancia, ya que estas observaciones con alta resolución espacial y frecuencia temporal podrían aportar información sobre los procesos asociados a convección húmeda profunda en Sudamérica donde la red de observaciones convencionales no es muy extensa. Sin embargo y a pesar de la extensa historia de la asimilación de estas observaciones a escala global (que se describe a continuación) y otras regiones, no se conocen antecedentes de asimilación directa de radianzas en la mesoescala en esta región

1.4 Asimilación de radianzas de satélites

Los primeros satélites en proveer información meteorológica fueron desarrollados en las décadas de los 60 y 70. Estos estaban ubicados en órbitas polares, es decir, con cierta inclinación respecto del Ecuador, pasando cerca o sobre los polos. Incluían sensores infrarrojos y de microondas para monitorear la temperatura y humedad. Hacia finales de la década de los 70, Estados Unidos, Europa y Japón ya habían lazando los primeros satélites geoestacionarios con sensores en el rango visible e infrarrojo. Pocos años después este tipo de observaciones se incorporaban al Sistema de Observación Global (Global Observing System en inglés).

El primer conjunto de satélites compuesto por los sensores High-resolution Infrared Radiation Sounder (HIRS), Microwave Sounding Units (MSU) y Stratospheric Sounder Unit (SSU) o sistema TOVS (por su nombre en inglés, TIROS Operational Vertical Sounder) podían cubrir el globo completo cada 12 hs. Si bien cada uno de estos sensores generaba información complementaria en la tropósfera y baja estratósfera, la resolución horizontal y vertical era limitada. En particular el primer HIRS, un sensor infrarrojo, tenía una resolución horizontal de 40 km, mientras que actualmente HIRS4 tiene una resolución horizontal de 10 km. El sensor MSU, sensible en las microondas, tenía una resolución de 110 km mientras que el sensor que lo reemplazó, Advanced Microwave Sounding Unit-A (AMSU-A) cuenta con una resolución de 50 km. En la vertical, el espesor de la atmósfera donde cada canal es más sensible ronda entre los 5 y 10 km y aún en los casos donde la función de pesos de los canales se solapan, la resolución apenas alcanza los 3 km (Eyre et al., 2020).

Las primeras pruebas de asimilación de observaciones satelitales utilizaron datos derivados de satélites, es decir perfiles de temperatura y humedad, y fueron desarrolladas principalmente en Australia, motivadas particularmente por la escasez de observaciones en el hemisferio sur. Kelly et al. (1978) mostraron una importante mejora en los pronósticos a 24 horas de altura geopotencial entre 1000 y 200 hPa cuando se asimilaban de manera continua perfiles de temperatura derivados del satélite polar Nimbus-6 con sensores en el rango de microondas e infrarrojo. A nivel global Ohring (1979) resume los avances de la década indicando que los impactos son positivos aunque pequeños y que la mayor mejora se observa en los pronósticos en el hemisferio sur. Al mismo tiempo Ohring (1979) señala algunos de los posibles problemas asociados, por ejemplo la baja resolución vertical de los perfiles de temperatura y humedad y problemas en la generación de los mismos.

A principios de los 80 los centros de pronóstico mundiales continuaron estudiando la posibilidad de asimilar perfiles de temperatura y humedad estimados a partir de observaciones satelitales encontrando una disminución en el error de pronósticos a 6 horas principalmente en regiones donde hay poca disponibilidad de otras observaciones (Eyre et al., 2020). En particular el ECMWF Seminar on Data Assimilation Systems and Observing System Experiments concluye en 1984 que la asimilación de estas observaciones cumple un rol importante en el análisis de sistemas meteorológicos de gran escala en latitudes medias y altas, y en particular en el Hemisferio Sur. Sin embargo, hacia finales de los 80, los modelos de pronóstico habían mejorado sustancialmente haciendo que el potencial impacto de observaciones erróneas u observaciones asimiladas de manera incorrecta degradaran sustancialmente el pronóstico particularmente en el Hemisferio Norte. Andersson et al. (1991) mostró que los incrementos en el análisis presentaba patrones con importante sesgo cuando se asimilaba perfiles de temperatura y humedad (o retrievals en inglés) de TOVS.

Eyre et al. (2020) explica que la principal razón por la que los resultados obtenidos no fueran positivos era que se trataba a los retrievals como “mediciones in-situ de baja calidad” sin tener en cuenta las características particulares de estas observaciones de satélite como la resolución horizontal y vertical.

En la década de los 90, luego de que los centros de asimilación comenzaran a utilizar técnicas avanzadas de asimilación de datos como 3D-Var, se dieron las condiciones necesarias para asimilar radianzas observadas de manera directa. Esto implica transformar las variables del modelo en las variables observadas para poder hacer la comparación de manera directa. Es por esto que fue clave en la asimilación de estas observaciones el desarrollo de modelos de transferencia radiativa que pudieran transformar el campo preliminar en radianzas comparables con las observaciones en tiempos razonables para ser usados de manera operativa. Sin embargo, la correcta asimilación de estas observaciones depende de 3 factores: que las observaciones no tengan sesgo o bias, que sus errores tengan una distribución Gaussiana y que el problema no sea afectado fuertemente por procesos no lineales (Eyre et al., 2022).

Una parte importante del desarrollo de la asimilación de datos en los últimos 20 años tiene que ver con el avance de los modelos de transferencia radiativa en relación a la emisividad del suelo y la caracterización de las propiedades dispersivas de la precipitación y las nubes, tanto en el infrarrojo como en el microondas. Inicialmente solo se asimilaron observaciones sobre agua y en condiciones de cielos despejados.

A su vez, Bauer et al. (2010) indican que más de un 75% de las observaciones satelitales eran descartadas en los modelos globales cuando no se asimilaban observaciones contaminadas por nubes. Las observaciones nubosas presentan numerosas complicaciones desde el punto de vista de las parametrizaciones de microfísica en los modelos pero también a la hora de resolver la dispersión de manera realista en los modelos de transferencia radiativa. Estas observaciones introducen no linealidades y los errores observacionales son difíciles de estimar. Fue necesario entonces, el desarrollo de técnicas de detección de nubes que permitan filtrar las regiones afectadas por nubosidad. A su vez, mejoras en los modelos de transferencia radiativa respecto del tratamiento de los distintos tipos de superficie y la representación y tratamiento de las nubes permiten en la actualidad incorporar observaciones que que anteriormente no podían asimilarse. Finalmente, el desarrollo de métodos de corrección del bias de radianzas aplicados directamente en el proceso de asimilación fue determinante para la asimilación directa de este tipo de observaciones (Eyre et al., 2022).

Junto al desarrollo de la asimilación de radianzas, también continuó el desarrollo de nuevos sensores, como la serie AMSU-A y AMSU-B y el sistema ATOVS (Advance TOVS) que cuenta con mayor cantidad de canales y una mayor resolución horizontal y vertical. Posteriormente el desarrollo de los sensores multiespectrales como IASI y AIRS permitieron obtener información con mayor resolución vertical al contar con más de 3000 canales en la región infrarroja del espectro electromagnético.

Mientras que la asimilación directa de radianzas en modelos globales está establecida y estudiada (Eyre et al., 2022), las aplicaciones en modelos regionales, sin embargo, siguen siendo un desafío por la escasa cobertura de las observaciones de sensores a bordo de satélites en órbitas polares, la corrección del sesgo y el tope de la atmósfera bajo usado en modelos regionales. Bao et al. (2015) estudiaron el impacto de la asimilación de datos de radianzas de microondas e infrarrojo en el pronóstico de temperatura y humedad en el oeste de EE.UU. y encontró una reducción del sesgo de la temperatura en niveles bajos y medios como resultado de las observaciones de microondas, pero un efecto opuesto cuando se asimilaban radianzas en el infrarrojo. Más recientemente, Zhu et al. (2019) estudiaron el impacto de la asimilación frecuente de radianzas de satélites para un sistema regional y mostró una mejora para todas las variables, en particular para la humedad relativa en los niveles superiores. Wang and Randriamampianina (2021) estudiaron el impacto de la asimilación de observaciones en el infrarrojo en el Reanálisis Regional Europeo Copernicus de alta resolución e informaron que las observaciones de radianza de satélite tuvieron un impacto neutro en los análisis de la altura geopotencial en la tropósfera baja, mientras que el impacto fue ligeramente negativo para la tropósfera superior y estratosfera. También observaron resultados similares para pronósticos a 3 hs inicializados a partir del análisis, pero un impacto positivo en las previsiones de mediano plazo (12 y 24 hs).

La asimilación directa de radianzas de satélites polares en aplicaciones regionales es también un área de estudio activa que cobra aún más importancia con el desarrollo y puesta en órbita de satélites geoestacionarios de última generación como GOES-16. Usando radianzas simuladas del canal 9 del sensor ABI (asociado al vapor de agua en niveles medios) Jones et al. (2013) mostraron una mejora en la representación de la humedad en niveles medios y altos de la tropósfora, resultados que mejoraban al incluir también observaciones de radar. Lee et al. (2019) mostraron que con los controles de calidad apropiados, la asimilación de observaciones de los canales asociados al vapor de agua de GOES-16 mejora los pronósticos de dos huracanes durante 2017. Por otro lado Jones et al. (2014) estudiaron el impacto de asimilar radianzas tanto de cielos despejados como nubosos y encontraron que mejoran los pronósticos de iniciación de la convección en muchos casos.

1.5 Hipótesis y objetivos

En base a los importantes avances en la asimilación de datos en general y en las aplicaciones regionales en Argentina y Sudamérica, el objetivo principal de este trabajo es contribuir a la cuantificación y comparación del impacto de diversas fuentes de datos que aportan información en escalas espacio-temporales dentro de la mesoescala alfa-beta (Orlanski, 1975). La hipótesis principal de este trabajo, es entonces, que observaciones con alta resolución espacial y/o frecuencia temporal, que no son actualmente asimilados a escala regional en Sudamérica, contribuirán a mejorar la representación del entorno previo al desarrollo de eventos de convección húmeda profunda y por lo tanto a su pronóstico en el rango de horas a 1 día.

Este trabajo estudia el impacto de la asimilación de observaciones tanto en el análisis como en pronósticos por ensambles a corto plazo en el contexto de los eventos de sistemas convectivos de mesoescala (SCM) debido a la importancia de este tipo de eventos en la región centro y norte de Argentina. Las observaciones utilizadas provienen de estaciones meteorológicas de alta resolución, observaciones de viento derivadas de satélite y radianzas satelitales polares y geoestacionarios en cielo despejado. En particular uno de los objetivos será evaluar el aporte de cada una de las fuentes de datos en una región donde la red de observación convencional es bastante escasa y donde las contribuciones potenciales de sistemas de observación como redes de estaciones automáticas y observaciones de satélite son mayores.

El estudio de la asimilación de radianzas a nivel regional cobra aún mayor importancia en Sudamérica ya que no se conocen estudios realizados previamente. Por esta razón, el segundo objetivo de este trabajo será el estudio de la asimilación de radianzas y los controles de calidad necesarios para trabajar con estas observaciones. En primer lugar se estudiará el impacto de la asimilación de observaciones de satélites polares con sensores sensibles al espectro infrarrojo y microondas. Y en segundo lugar, se estudiará la implementación de la asimilación de observaciones del satélite geoestacionario GOES-16 y el impacto de asimilar observaciones en alta resolución espacial y temporal en un contexto regional. Finalmente, como tercer objetivo, se buscará evaluar el impacto de asimilar observaciones GOES-16, disponibles con una gran resolución espacial y frecuencia temporal, en comparación con radianzas de satélites polares.

Para alcanzar los objetivos de este trabajo, se realizaron distintos experimentos de asimilación de datos de actualización frecuente y basado en ensambles aplicados a un estudio de caso de un SCM que se desarrolló sobre el sur de Sudamérica durante el 22 y 23 de noviembre de 2018 durante el período de observación intensiva de la campaña de campo RELAMPAGO. Se utilizará el sistema WRF-GSI-LETFK para la generación de los experimentos de asimilación. Mientras que el modelo WRF es uno de los más utilizados y en constante avance, con importantes antecedentes en Argentina (por ejemplo Dillon et al., 2021), el sistema de asimilación Gridpoint Statistical Interpolation system (GSI, Shao et al., 2016) y en particular su versión de LETKF, no ha sido probado en Argentina y es otro de los aportes originales de esta tesis junto con la implementación de la asimilación de observaciones de GOES-16.

Finalmente, este trabajo de tesis ha dado lugar a una publicación en una revista con referato y una serie de presentaciones en congresos nacionales e internacionales:

Capítulo 3

  • Corrales P., Galligani V., Ruiz J., Sapucci L., Dillon M.E., Garcia Skabar Y., Sacco M., Schwartz C., and Nesbitt Stephen, 2022: Hourly Assimilation of Different Sources of Observations Including Satellite Radiances in a Mesoscale Convective System Case During RELAMPAGO campaign, Atmospheric Research, vol. 281, 106456, doi: 10.1016/j.atmosres.2022.106456.
  • Corrales P., Galligani, V., Ruiz, J., Dillon, M. E., García Skabar, Y., Sacco, M. Asimilación horaria de observaciones convencionales y de satélite para un caso de estudio durante RELAMPAGO. Congremet XIV. 7-11 Noviembre, 2022. Buenos Aires, Argentina. Resumen y poster.
  • Corrales P., J. Ruiz, V.S. Galligani, M. Sacco, M. E. Dillon, Y. Garcia Skabar, L. Sapucci, and S. Nesbitt. Assimilation of conventional observations in a deep convection case during RELAMPAGO using the WRF-GSI-LETFK system. RELAMPAGO-CACTI Data Analysis Workshop. 19-22 November, 2019. Buenos Aires, Argentina. Resumen y poster.

Capítulo 4

  • Corrales P., Galligani V.S., Ruiz J., Sapucci L., Dillon M.E., Garcia Skabar Y., Sacco M., and Nesbitt Stephen. Assimilation of conventional and satellite observations in a deep convection case during RELAMPAGO using the WRF-GSI-LETFK system. The International EnKF Workshop 2021 (online). June, 2021. Resumen y poster.
  • Corrales P., J. Ruiz, V.S. Galligani. Forecast Evaluation of a Deep Convection Case During Relampago Assimilating Conventional and Satellite Observations with the WRF-GSI-LETKF System. WCRP-WWRP Symposium on Data Assimilation and Reanalysis (online). September, 2021. Resumen y poster.
  • Corrales P., Ruiz J., Galligani V. y otros. “Assimilation of conventional and satellite observations in a deep convection case during RELAMPAGO using the WRF-GSI-LETFK system” NORCE (2021). Resumen y presentación.

Capítulo 5

  • Corrales P., Galligani, V., Ruiz, J. Asimilación de observaciones de GOES-16 en cielo claro para aplicaciones de mesoescala utilizando el sistema GSI-LETKF-WRF. Congremet XIV. 7-11 Noviembre, 2022. Buenos Aires, Argentina. Resumen y presentación.
  • Corrales P., Schwartz, C., Ruiz, J. and Galligani, V. Assimilation of polar and geostationary satellite observations during RELAMPAGO using a WRF‐GSI‐LETKF system. 8th International Symposium on Data Assimilation (ISDA). Colorado, USA. June 2022. Resumen y presentación.
  • Corrales P., J. Ruiz, V.S. Galligani. Forecast Evaluation of a Deep Convection Case During Relampago Assimilating Conventional and Satellite Observations with the WRF-GSI-LETKF System. International TOVS Study Conferences (ITSC) XXIII (online). June, 2021. Resumen y poster.