Durante décadas, los científicos han tratado de aprender más sobre la compleja y misteriosa cadena de eventos por los cuales pequeñas gotas de nubes crecen lo suficiente como para comenzar a caer hacia el suelo. Una mejor comprensión de este proceso, conocido como “barrera de precipitación”, es fundamental para mejorar las simulaciones de modelos informáticos del tiempo y el clima y, en última instancia, producir mejores pronósticos.
Ahora, un equipo de investigación dirigido por científicos del Centro Nacional de Investigación Atmosférica (NSF NCAR) de la Fundación Nacional de Ciencias de EE. UU. ha descubierto que el movimiento turbulento del aire dentro de las nubes juega un papel importante en el crecimiento de las gotas y el inicio de la lluvia.
Los investigadores aplicaron modelos informáticos avanzados a observaciones detalladas de gotas de cúmulos tomadas durante una campaña de campo de la NASA. Esto les permite rastrear los efectos de la turbulencia en las gotas nucleadas que eventualmente se fusionan en gotas de lluvia.
“Este estudio muestra que los efectos turbulentos en la coalescencia de las gotas son importantes para la evolución de la forma de las gotas y el inicio de la lluvia”, dijo el científico de NSF NCAR, Kamal Kant Chandrakar, autor principal. “La turbulencia de los cúmulos acelera significativamente las precipitaciones y provoca lluvias mucho más intensas”.
Chandrakar y sus colegas descubrieron que la lluvia se formaba unos 20 minutos antes en simulaciones por computadora con turbulencia que en simulaciones por computadora sin turbulencia. La masa de agua de lluvia fue más de siete veces mayor en las simulaciones que incluyeron turbulencias.
El estudio fue publicado en la revista Procedimientos de la Academia Nacional de Ciencias. Fue financiado por la NASA, el Departamento de Energía de Estados Unidos y la NSF.
La lluvia comienza con pequeñas gotas de agua.
El proceso de lluvia comienza cuando pequeñas gotas de agua en las nubes se condensan alrededor de partículas microscópicas de polvo, sal u otro material, llamadas núcleos de condensación de nubes (CCN). A medida que millones de gotas chocan entre sí, se fusionan en gotas más grandes que eventualmente se vuelven lo suficientemente pesadas como para caer de la nube.
La composición de las gotas de lluvia puede variar bajo diferentes condiciones, como las diferentes distribuciones de tamaño de las gotas de las nubes, así como otros factores como el movimiento turbulento y las propiedades de las partículas de las nubes.
Representar con precisión este proceso en modelos informáticos de fenómenos meteorológicos y sistemas climáticos es fundamental para mejorar la confiabilidad de estos modelos. La coherencia de las gotas de agua es importante no sólo para predecir con precisión las precipitaciones, sino también para comprender mejor la evolución de las nubes y cuánto calor reflejan hacia el espacio, afectando así a las temperaturas.
Para determinar el inicio de la precipitación, Chandrakar y sus colegas se centraron en las observaciones de la distribución del tamaño de las gotas realizadas por aviones de investigación que volaban sobre cúmulos congestus durante la campaña de campo de la NASA de 2019, el Experimento de Filipinas sobre el proceso de nubes, aerosoles y monzones (CAMP2Ex).
Utilizando un modelo informático especial, el equipo de investigación creó una serie de simulaciones de alta resolución para recrear las condiciones de las nubes observadas durante la campaña y ver cómo las gotas se combinan con diferentes flujos turbulentos.
Las simulaciones demostraron el papel clave de la turbulencia tanto en el momento como en la cantidad de precipitación. También indicaron que la presencia de CCN grandes, que ha sido fundamental para algunas teorías de formación de lluvia, no puede explicar el tamaño y la evolución de las gotas observados. En simulaciones con CCN grande y poca turbulencia, la coalescencia de las gotas ocurre más lentamente y produce menos lluvia.
“El desarrollo de la lluvia es fundamental para las nubes, el tiempo y todo el sistema climático”, dijo Chandrakar. “Una mejor comprensión de este proceso podría conducir a mejoras significativas en nuestros modelos informáticos y, en última instancia, en la previsión meteorológica y las proyecciones climáticas que ayudan a proteger a la sociedad”.