Eventos hidrometeorológicos extremos
Los eventos hidrometeorológicos extremos son fenómenos naturales que se caracterizan por su
intensidad, duración o impacto anormalmente alto, y que pueden causar daños significativos a las personas, el ambiente, la infraestructura y las actividades económicas. Entre estos se encuentran las olas de calor, las sequías prolongadas, las lluvias torrenciales, inundaciones pluviales o costeras, las tormentas convectivas severas, los ciclones tropicales o extra-tropicales, las nevadas, entre otros.
El estudio de «Eventos hidrometeorológicos extremos» se centra en el análisis de las causas,
frecuencia, impactos y estrategias de mitigación y adaptación ante el cambio climático. Para esto se utiliza un enfoque multidisciplinario que combina:
- El análisis de observaciones in-situ y de percepción remota
- Estudio de casos y análisis de impacto
- El análisis de salidas de modelos numéricos regionales y globales
- Estudio de las proyecciones de estos eventos bajo escenarios de cambio climático usando modelos climáticos globales y regionales
Meteorología de mesoescala
La meteorología de mesoescala estudia los fenómenos atmosféricos que ocurren proximadamente
entre 2-2000 km de extensión horizontal y duran entre los minutos hasta varias horas (aunque algunos sistemas pueden persistir por más tiempo). Algunos de los fenómenos más importantes que ocurren en esta escala son las tormentas convectivas severas, los sistemas convectivos de mesoescala, las líneas de tormentas, los vórtices de mesoescala, las circulaciones locales de brisa en las costas y circulaciones de montaña, entre otros. Estos eventos puede impactar negativamente la infraestructura y la población, ya que pueden producir marejadas, inundaciones, granizo, tormentas eléctricas, ráfagas de viento, tornados, etc. Los investigadores del Centro utilizan observaciones de estaciones meteorológicas, radiosondeos, datos satelitales, y salidas de modelos numéricos de mesoescala para estudiar estos fenómenos. En particular, los modelos numéricos de mesoescala, nos permiten simular con alta resolución horizontal (del orden de unos pocos kilómetros a cientos de metros) y temporal estos fenómenos, siendo herramientas esenciales para predecir la ocurrencia de tormentas severas y lluvias intensas.
Clima y cambio climático
Esta línea de investigación se centra en el estudio de los procesos que determinan el comportamiento del sistema climático y en cómo las actividades humanas están alterando su equilibrio natural. Su objetivo principal es comprender la variabilidad climática en diferentes escalas temporales y espaciales, así como identificar las tendencias asociadas al cambio climático global y regional.
Esta línea aborda temas como la dinámica atmosférica, la interacción entre la atmósfera, el océano y la superficie terrestre, y el análisis de eventos extremos como sequías, inundaciones, olas de calor y tormentas. También incluye el desarrollo y aplicación de modelos climáticos que permiten proyectar escenarios futuros bajo distintos niveles de emisiones de gases de efecto invernadero.
Además, investiga los impactos del cambio climático sobre los ecosistemas, los recursos hídricos, la agricultura, la salud y las zonas urbanas, integrando enfoques interdisciplinarios que vinculan las
ciencias naturales con las ciencias sociales.
Modelos estadísticos avanzados para la predicción de fenómenos meteorológicos
Los fenómenos atmosféricos varían en el tiempo y el espacio. Esta línea de investigación integra enfoques de modelación estadística avanzada, como la estadística paramétrica, campos aleatorios gaussianos y redes neuronales, para capturar la complejidad espacio-temporal de los fenómenos meteorológicos. Esto nos permite entender, interpretar y caracterizar estos eventos y su influencia en el medio ambiente. En particular, nos enfocamos en el análisis predictivo de eventos extremos (lluvias intensas, sequías, olas de calor) y a la mejora de sistemas de alerta temprana, combinando datos observacionales, satelitales y de reanálisis meteorológicos.
Inteligencia artificial y aprendizaje automático para la interpretación y predicción de datos ambientales
Esta línea de investigación se centra en el diseño y aplicación de técnicas de inteligencia artificial y aprendizaje automático y aprendizaje profundo orientadas a la interpretación, modelación y predicción de fenómenos ambientales. Se enfoca en el análisis de series temporales climáticas, pronóstico de variables atmosféricas y detección de patrones extremos a partir de datos observacionales y satelitales. Su objetivo es generar modelos robustos que apoyen la comprensión de la dinámica atmosférica y fortalezcan la capacidad predictiva frente a eventos meteorológicos de alta relevancia social y ambiental.
Energías renovables
Las energías renovables en nuestro centro se abordan como un trabajo interdisciplinario. En una línea de investigación se desarrollan y analizan nuevas tecnologías de materiales para el uso fotovoltaico (celdas solares y fotoelectroquímicas), y en otra línea de investigación se encargan de la evaluación de las celdas solares bajo condiciones meteorológicas monitoreadas de manera continua. También se aplican técnicas de machine learning para elaborar pronósticos de la energía que pueden producir las distintas tecnologías de celdas fotovoltaicas en las condiciones meteorológicas pronosticadas por modelos meteorológicos. Estas líneas son lideradas por investigadores pertenecientes al Instituto de Química y al Instituto de Física y Astronomía de la Universidad de Valparaíso.
Proyectos ejecutados recientemente permitieron la instalación de equipamiento especializado para el monitoreo de las celdas fotovoltaicas desarrolladas en el Laboratorio de Electroquímica y Nanociencias – LEN, en conjunto con información de condiciones meteorológicas monitoreadas por una estación meteorológica. En conjunto se realizan análisis de la información recolectada en donde alumnos de pre y posgrado de la Universidad de Valparaíso, participan activamente en el análisis de la información recolectada. Además, con los pronósticos meteorológicos desde un modelo que se ejecuta en el cluster computacional del Instituto de Física y Astronomía, se proponen métodos basados en técnicas de machine learning, que permiten pronosticar la energía generada por las diferentes tecnologías en las condiciones meteorológicas futuras.
