El reanálisis meteorológico es un método meteorológico para volver a escanear objetivamente la superficie total y los datos de altitud tomados durante un período que abarca décadas para la asimilación de datos en modelos NWP . Varios centros de todo el mundo están realizando este tipo de reanálisis que tiene como objetivo estandarizar y corregir los datos históricos para poder realizar mejor la predicción meteorológica y el estudio de casos pasados.
Incluso un modelo perfecto no podría producir un pronóstico perfecto, porque los errores en las condiciones iniciales (temperatura, humedad, etc.) aumentarán durante el pronóstico y el pronóstico se desviará de la realidad. Por tanto, es necesario conocer con la mayor precisión posible el estado inicial de la atmósfera. Determinar este estado, llamado análisis, es en sí mismo un gran desafío científico que requiere recursos matemáticos y computacionales comparables a los dedicados a la propia predicción. Las fuentes de datos son dispares, tradicionalmente formadas por observaciones de superficie, además de datos de radiosondas , perfiladores de viento y mediciones tomadas por aviones comerciales. Actualmente, las mediciones satelitales representan la fuente de datos más importante y, recientemente, las reflectividades y las velocidades radiales del radar también se tienen en cuenta en algunos modelos de mesoescala .
Sin embargo, el uso de datos de observación por sí solo no es suficiente. Por un lado el número de variables de un modelo numérico es mayor que el número de observaciones, por otro lado un análisis realizado directamente por interpolación de las observaciones conduciría a un comportamiento inestable del modelo. Ésta es una de las razones del fracaso de los primeros intentos de Richardson de modelar el comportamiento de la atmósfera .
Para la construcción del análisis se recurre, por tanto, a un borrador, es decir, a la previsión realizada con anterioridad, generalmente 6 o 12 horas antes. Luego, este esquema se corrige para que se ajuste lo más posible a las observaciones, generalmente teniendo en cuenta los errores de observación. El enfoque más comúnmente utilizado en la actualidad utiliza los métodos de cálculo de variaciones para determinar el mejor compromiso entre el borrador y las observaciones, teniendo en cuenta sus respectivos errores. Este enfoque es designado por el término “ 3D-Var ” cuando solo toma en cuenta el estado del modelo y las observaciones válidas en el momento del análisis, y “ 4D-Var ” cuando también toma en cuenta la evolución de estas sobre una ventana de tiempo.
Los métodos descritos anteriormente constituyen la asimilación de datos , que se ha convertido en un campo de investigación por derecho propio. Los análisis obtenidos diariamente por los distintos centros de predicción de todo el mundo se almacenan y agrupan para formar un banco de condiciones meteorológicas históricas. Sin embargo, esto está limitado en el tiempo al período de los modelos numéricos de pronóstico del tiempo. Para poder dar resultados consistentes cuando los investigadores prueban una modificación de los modelos, deben poder mantener una base de datos histórica más larga y, sobre todo, que pueda mejorar con el tiempo eliminando errores causados por lagunas de datos en algunas áreas.
El reanálisis meteorológico es, por tanto, una técnica que tiene como objetivo la actualización constante de los análisis iniciales para disponer de dicho banco. Esta tarea aparentemente sencilla es de hecho difícil porque durante el período que cubren los modelos de predicción meteorológica se han producido sucesivas mejoras en su resolución horizontal y vertical, mientras que algunas variables han desaparecido y se han introducido otras nuevas. Además, los instrumentos de medición y sus tipos han variado a lo largo de las décadas, antes y después de la era del modelo. Como se mencionó anteriormente, al comienzo del XX ° siglo , sólo una cantidad limitada de datos de las estaciones meteorológicas de superficie y naves estaban disponibles. Posteriormente, se agregaron datos aerológicos de la década de 1920, datos de satélite de la década de 1970 y radar más recientemente. Por tanto, cualquier evento meteorológico analizado en un momento dado no siempre tiene el conjunto completo. Esta falta de homogeneidad dificulta el uso de los análisis, especialmente para quienes desean analizar el clima durante largos períodos de tiempo.
El ECMWF / ECMWF en Europa, el NCEP en los Estados Unidos y varios otros alrededor del mundo están haciendo un trabajo que permite un sistema consistente y la corrección de varios ajustes manuales en las áreas de datos faltantes, donde la estimación de escenarios era habitual .
Para producir un nuevo análisis, estos centros eligen la versión más reciente de su modelo de pronóstico del tiempo, así como su algoritmo de asimilación de datos. Luego, determinan una resolución horizontal y vertical uniforme que se utilizará al asimilar datos históricos para todo el período revisado. Las nuevas fuentes de observaciones que estaban disponibles pero que no se utilizaron en el momento del análisis anterior pueden incluso integrarse para mejorar la representación del clima. Este trabajo se realiza generalmente para períodos en los que las redes de observación son variadas, densas y confiables durante varias décadas.
Aunque el reanálisis está destinado a ser la "mejor" estimación de las variables meteorológicas, debe utilizarse con conocimiento de sus sesgos y defectos. De hecho, los instrumentos se cambian con regularidad y se deterioran con el uso. Así, los sensores de un satélite meteorológico mejoran de una generación a la siguiente, pero sus sistemas se deterioran durante su vida.
Además, los diversos reanálisis provienen de diferentes modelos de pronóstico que no utilizan los mismos esquemas de asimilación, no tienen la misma resolución y selección de observaciones. Los reanálisis también utilizan variables para las que no hay observaciones directas, que potencialmente presentan las mayores disparidades ya que están determinadas únicamente por el modelo de pronóstico. Una de las limitaciones de los modelos también es no conservar la humedad ( precipitación , evapotranspiración , etc.).
Por todas estas razones, a veces existen diferencias significativas entre las diferentes bases de datos de reanálisis, especialmente en áreas donde las observaciones son raras.