Área de estudio

Seleccionamos un área de estudio al norte y noroeste de México (Figura 1), en la región de influencia del monzón de Norteamérica (^{Adams & Comrie, 1997}). Esta región se caracteriza por presentar una precipitación estacional asociada precisamente a los meses de verano de intensificación del monzón. Es de llamar la atención, que a pesar de tener las condiciones de picos máximos de lluvia tipo convectiva y ser una zona topográficamente compleja de la Sierra Madre Occidental (SMO), existe poca información sobre tormentas severas y más aún, pocos o casi nulo reporte de tornados. ^{León-Cruz et al., (2019)} muestran una base de datos de reportes de tornados en México, donde se observa la región del monzón como una de las regiones con menor cantidad de informes.

Figura 1 Mapa de localización del área de estudio. Se muestra los datos de precipitación media para los meses de verano de Junio, Julio y Agosto (JJA). También se indican los reportes de tornado para el mismo periodo. 

^{León-Cruz (2019)}, muestra la relación entre densidad de población y reportes de tornados en México, demarcando así la región central del país, donde se han documentado alrededor del 40 % de la actividad de tornados del país. Por medio de parámetros ambientales logra identificar regiones del país de alto potencial de inestabilidad, pero baja densidad de reportes. En el norte y noreste de México resulta claro una escasa o nula cantidad de reportes sobre el núcleo de la región del Mozón (Figura 1). En proporción al centro del país la densidad de población en esta región es menor. En este sentido, la distribución de los reportes de tornados está en función de la densidad de población y el acceso a los recursos tecnológicos. A partir de dicha observación, el presente estudio se plantea analizar, a través de datos de observaciones en superficie y productos de reanálisis, la distribución espaciotemporal de eventos extremos, sus tendencias y su relación con los el potencial de inestabilidad.

Datos climáticos e índices de detección

Para estudiar los casos de lluvia extrema a partir de datos climáticos, fueron seleccionadas las estaciones convencionales de la CONAGUA a cargo del Servicio Meteorológico Nacional (SMN, 2018), para la región del noroeste de México. Se consideraron varios criterios de selección de estas estaciones. Las estaciones seleccionadas debían tener por lo menos 30 años de datos y con huecos no mayores a un año en las series entre 1950 y 2015, cumplir con las condiciones de homogeneidad, el cual fue realizado mediante las librerías Rclimdex; así fueron seleccionadas 72 estaciones usadas en este estudio. A partir de los datos de las estaciones seleccionadas se calcularon los índices de precipitación extrema a partir de los índices de detección del Grupo de Expertos en Detección e Índices de Cambio Climático (ETCCDI). Los índices usados fueron los de Precipitación máxima en un día (RX1day), Precipitación máxima en 5 días (RX5day), índice simple de intensidad diaria (SDII), y Días muy húmedos (R95P) (^{Zhang et al.,2004}). También se calcularon las tendencias lineales para cada uno de los índices.

Reanálisis ERA5 e índices de inestabilidad

Para los ambientes de inestabilidad se utilizaron datos del reanálisis atmosférico ERA5 (^{Hersbach et al., 2019}). Este conjunto de datos abarca el periodo de 1979 a la actualidad, es desarrollado por el Copernicus Climate Change Service (C3S), y sustituyó recientemente al reanálisis de ERA-Interim (^{Berrisford et al., 2011}). ERA5 proporciona estimaciones cada hora (máxima resolución temporal) de gran cantidad de variables climáticas, atmosféricas, terrestres y oceánicas. El reanálisis cubre la totalidad de la superficie terrestre en una cuadrícula de 30km y divide la atmósfera en 137 niveles verticales, desde la superficie hasta los 80 km de altura. Para el presente estudio se utilizaron los promedios mensuales de 40 años (1979-2017) de las variables de temperatura y humedad relativa a 500-hPa, 700-hPa, 850-hPa y 950-hPa.

Las condiciones de inestabilidad en la atmosfera pueden ser analizadas desde diferentes perspectivas. Una de las maneras más comunes es a partir de la construcción de índices. Estos se diseñan utilizando ecuaciones simples basadas en el contenido de humedad y temperatura de las parcelas de aire a diferentes niveles de la atmósfera. Para la presente investigación, fueron seleccionados el índice K (KI) (^{George, 2014}) y el Gálvez-Davison (GDI) (^{Galvez & Davison, 2015}). Si bien es cierto que éstos suelen utilizarse para el pronóstico operativo, su cálculo y análisis desde la perspectiva climática, resulta útil para la identificación de patrones temporales y la localización de zonas potenciales para el desarrollo de tormentas. La descripción e interpretación de cada índice se expone en la sección de resultados correspondiente.

Índices de detección

Los valores de los índices de detección muestran periodos en función a la intensidad de la precipitación. Estos periodos resultan más claros cuando observamos las anomalías de los índices (Figura 2). El índice simple de intensidad diaria de lluvia (SDII) es un indicador de la lluvia total anual dividida entre los días húmedos, es decir aquellos donde la precipitación es mayor a 1 mm (Figura 2a). El SDII da una idea general de los periodos de lluvia más intensa. Para SDII se observa un periodo muy húmedo de 1950 a 1970, un periodo de menor intensidad de precipitación de 1970 a 1999. Ese periodo también coincide con una disminución de la temperatura global asociado a forzantes naturales como erupciones volcánicas (^{Brown et al., 2008}). En el periodo más reciente a partir del año 2000, se observa un aumento de las precipitaciones, en este caso de los eventos de lluvia intensa en 1 día y 5 días (RX1day y RX5day) (Figura 2b). Esto se ha reportado para la región de sur de USA y el noroeste de México (^{Castro et al., 2001}; ^{Cavazos et al., 2008}; ^{Cerezo-Mota et al., 2016}). El comportamiento en estos patrones de aumento de lluvias se ha asociado a efectos de El Niño Oscilación del Sur (ENSO) y fases cálidas de PDO para la región (^{Pavia et al., 2006}). Se observó un aumento a partir de 1994 de precipitación fuerte en regiones de la sierra madre occidental (^{García-Péz & Cruz-Medina, 2009}).

Figura 2 Anomalía estandarizada de los índices de detección calculados sobre el promedio de las 72 estaciones climáticas para a) SDII y R95P b) Rx1day, Rx5day. 

En el periodo más reciente de 1999-2015 las tendencias de eventos de lluvias fueron más frecuentes. Estas tendencias han sido asociadas a un mayor aumento en la temperatura superficial del mar (SST), causando mayor cantidad de flujos verticales de humedad lo que genera un incremento en eventos convectivos (^{Valdés-Manzanilla, 2015}). Estos incrementos no han sido uniformes en toda el área, si bien se identificaron aumentos significativos de las temperaturas en la región (^{Cavazos et al., 2019}); los patrones de precipitación presentan patrones más heterogéneos, quizá más asociados a efectos topográficos. La precipitación muestra una tendencia negativa en toda la región del noroeste de México (Figura 3), lo cual es consistente con otros estudios; con una anomalía negativa y un decremento de -32 mm/década, en los últimos 30 años (^{Cavazos et al., 2019}).

Figura 3 Tendencias lineales de los índices calculados para las estaciones climáticas para: a) R95P, b) SDII, c) Rx1Day y d) Rx5Day. Los puntos marcados con rojo indican un valor estadísticamente significativo al 5 %. 

El aumento de la precipitación intensa en 1 y 5 días muestra una tendencia negativa en la región de la SMO, en la mayor parte del noroeste de México. Aunque es interesante observar que estas tendencias son positivas hacia la vertiente este de la SMO en los estados de Durango y Chihuahua (Figuras 3c y 3d). Esto indica una anomalía negativa en la zona núcleo del monzón, pero con un aumento en otras regiones hacia el norte y noreste.

Índice K

El índice de inestabilidad K, define las diferencias de temperatura y temperatura de punto de rocío a diferentes niveles de la atmosfera, particularmente entre los 850 hPa y los 500 hPa. Los valores de K menores a 20 indican baja probabilidad de formación de tormentas, entre 20 a 25 eventos aislados, de 26 a 30 tormentas eléctricas muy dispersas, de 31 a 35 eventos dispersos y de mayores a 35 tormentas intensas.

En la Figura 4, se observa que durante el verano se presentan los máximos de actividad del índice K. Estos se alinean sobre la SMO y coinciden con las características topográficas. A su vez, dicho potencial de inestabilidad está asociado a flujos húmedos del Océano Pacífico. Tales condiciones generan un aumento en los flujos verticales y se relacionan con la generación de tormentas convectivas. Los resultados mostrados coinciden de buena manera con lo esperado por las condiciones del monzón de Norteamérica y coincide con investigaciones previas (^{Cerezo-Mota et al., 2016}; ^{Cortez Vazquez, 1999}; ^{Douglas et al., 1993}; ^{Higgins et al., 1999}).

Figura 4 Variación estacional (a) Diciembre, Enero, Febrero (DEF), (b) Marzo, Abril, Mayo (MAM), (c) Junio, Julio, Agosto (JJA) y (d) Septiembre, Octubre, Noviembre (SON), del Índice K (KI). Los puntos en negro muestran la actividad tornádica registrada para el mismo periodo. 

Índice Gálvez-Davison

Otro de los índices más utilizados en la actualidad es el Gálvez-Davison (GDI) (Figura 5). Este se desarrolló con el objetivo de mejorar el pronóstico de la convección en los trópicos. Busca resaltar los procesos importantes que regulan la convección en regímenes de vientos alisios, así como mejorar el detalle de las áreas favorables para convección obtenidas del Índice K (^{Galvez & Davison, 2015}). Este índice considera las temperaturas y razones de mezcla en diferentes niveles de la atmósfera. Para el análisis del potencial de formación de tormentas aisladas y convección profunda dispersa se asocia a valores entre 25 a 35, de 35 a 45 aumenta el potencial de tormentas capaces de producir fuertes precipitaciones y valores superiores a 45 son indicadores significativos de tormentas generalizadas.

Figura 5 Variación estacional (a) Diciembre, Enero, Febrero (DEF), (b) Marzo, Abril, Mayo (MAM), (c) Junio, Julio, Agosto (JJA) y (d) Septiembre, Octubre, Noviembre (SON), del Índice GDI. Los puntos en negro muestran la actividad tornádica registrada para el mismo periodo. 

Del análisis de ambos índices de inestabilidad podemos ver como la región de la SMO tiene un alto potencial en la generación de tormentas intensas, tal como se registra en los datos observados. Los valores más altos se registran también durante los meses de verano JJA (Figura 4c y 5c), que coincide con el periodo de intensificación del monzón. Debido a la dinámica del verano de las lluvias monzónicas, generan altas inestabilidades por el alto flujo vertical de humedad (^{Englehart & Douglas, 2001}).

Los valores de ambos índices (K y GDI), han sido usados para la estimación de inestabilidades en la atmosfera lo cual es un promotor de la tornadogénesis. De las Figuras 4 y 5, se observa una mayor correspondencia del número de casos de reportes de tornados con valores altos en los índices durante el verano.

Mecanismos de intensificación de la precipitación de verano

Como ya se mencionó, esta región tiene una alta influencia del monzón (^{Douglas et al., 1993}; ^{Cerezo-Mota et al., 2016}). El efecto del aumento en SST en mayo, generan el inicio del desplazamiento de la circulación atmosférica en niveles medios en un flujo del oeste en el norte del Golfo de California, a un cambio en sentido contrario en el mes de Junio. Esto genera un mayor trasporte de humedad hacia el continente causando el inicio del desarrollo del Mozón cerca de la mitad del mes junio. Este mecanismo ha sido descrito como un efecto por el desplazamiento de la Zona de Convergencia Intertropical (ITCZ) hacia el hemisferio norte, causando una circulación ciclónica en niveles bajos de la atmósfera que da lugar a flujos verticales de humedad en un aumento de procesos convectivos (^{Douglas et al., 1993}; ^{Cortez Vazquez, 1999}). Esta actividad convectiva en las costas del Pacífico Oriental en las costas de México así como el Golfo de California, aumenta la cantidad de precipitación en los meses de Junio a Septiembre, con mayor incidencia al pie de la Sierra Madre Occidental y disminuyendo hacia la región del Altiplano mexicano (^{Englehart & Douglas, 2001}; ^{Vega-Camarena et al., 2018}).

El mayor trasporte de humedad vertical por convección genera un aumento en las lluvias (^{Douglas et al., 1993}; ^{Jana et al., 2018}). Una vez establecido este mecanismo también es forzado por una diferencia marcada en las temperaturas superficial del océano y el continente (^{Torres-Alavez et al., 2014}; ^{Turrent & Cavazos, 2009}). Este contraste térmico causa que la humead sea trasportada por advección hacia el norte y noreste en del Golfo de California hacia el continente (^{Englehart & Douglas, 2001}). Este es el uno de los mecanismos principales descritos como el efecto del monzón en la precipitación de región del Pacifico Oriental de costas mexicanas. También se sabe que este mecanismo es afectado por índices climáticos como la oscilación de las fases Decadales del Pacifico (PDO) (^{Pavia et al., 2006}) y de El Niño Oscilación del Sur (ENSO) (^{Magaña et al., 2003}). La región de estudio recibe cerca del 70 % de las lluvias en los meses de junio a septiembre (^{Douglas et al., 1993}), de ahí su importancia en el manejo de recursos hídricos, la prevención de riesgo a inundaciones y potencial de tiempo severo en la región. Por otro lado, la región es muy productiva de Sistemas Convectivos Mesoescala (MCS) (^{Valdés-Manzanilla, 2015}), y ciclones tropicales con mayor intensidad al final del verano para la región del Pacífico oriental (^{Farfán et al., 2013}; ^{Martinez-Sanchez & Cavazos, 2014}; ^{Vega-Camarena et al., 2018}). Sin embargo, la dinámica genera una menor cantidad de tormentas y tornados, como se observa en las Figuras 4 y 5. Finalmente, las condiciones de inestabilidad disminuyen en septiembre y octubre.