Tiziana Paccagnella ARPAE-SIMC - Utilizzo delle reti di osservazione meteo-idrologiche in relazione alla modellistica numerica previsionale ...
←
→
Trascrizione del contenuto della pagina
Se il tuo browser non visualizza correttamente la pagina, ti preghiamo di leggere il contenuto della pagina quaggiù
Utilizzo delle reti di osservazione meteo-idrologiche in relazione
alla modellistica numerica previsionale
Tiziana Paccagnella ARPAE-SIMC
CLIMETECH
CAMBIAMENTI CLIMATICI, INNOVAZIONE TECNOLOGICA E MODELLISTICA
CLIMATOLOGICA - I parte
21 SETTEMBRE VENERDI 14.30 – 17.30
RemTech Expo 2018 (19, 20, 21 Settembre) FerraraFiere
www.remtechexpo.com
Contenuto: • Breve descrizione catena modellistica previsionale • Rete osservativa RIRER • Modellistica di Arpae-SIMC – Procedura di assimilazione dati • Verifica operativa dei prodotti
Modello numerico previsionale
Il modello deve rappresentare in modo realistico i
moti/processi atmosferici
OSSERVAZIONE DEI FENOMENI ATMOSFERICI
COSTRUZIONE DI MODELLI CONCETTUALI
MODELLO CONCETTUALE TRADOTTO
IN EQUAZIONI “FISICHE”
MODELLO NUMERICO: MODIFICA DELLE
EQUAZIONI :
DA EQUAZIONI DIFFERENZIALI AD EQUAZIONI
ALGEBRICHE
Stato “attuale” Modello numerico Stato futuro
dell’atmosfera previsionale dell’atmosfera
Modello numerico
previsionale
Assimilazione dati meteorologici
Processo che, in
base alle
osservazioni e…..
cerca di definire
uno stato coerente
dell’atmosfera
idoneo ad
inizializzare un
modello numerico
Stato “attuale” Modello numerico Stato futuro
dell’atmosfera previsionale dell’atmosfera
Modello numerico
previsionale
Verifica oggettiva/statistica dei parametri meteorologici previsti
Post-Processing statistico dei parametri meteorologici previsti
Stato “attuale” Modello numerico Stato futuro
dell’atmosfera previsionale dell’atmosfera
REAL-TIME DATA NETWORK 909 real-time sensors: raingauges, Hydrometric levels, Air temperatures, Wind, Sun Radiation, Air pressure, Relative humidity, Snow depth
Alluvione di Piacenza Precipitazioni cumulate: 13 Sept 21:00- 14 Sept 03:00
REAL-TIME DATA NETWORK
Autosonde
San Pietro Capofiume (BO)
2 radars GPM500 C
San Pietro Capofiume (BO) &
Gattatico (RE)
24h accumulated observed precipitation 09/10/14 12 UTC – 10/10/14 12 UTC
REAL-TIME DATA NETWORK
909 real-time sensors: raingauges, Hydrometric
levels, Air temperatures, Wind, Sun Radiation, Air
pressure, Relative humidity, Snow depth
2 radars GPM500 C
San Pietro Capofiume (BO) &
Gattatico (RE)NWP Numerical Weather Prediction
@ARPAE-SIMC
Italy is part of the International
European Consortium
COSMO
LAMI Agreement for National
cooperationLAMI operational suites implemented and managed by ARPAE-
SIMC
with funds from National Dept. Of Civil Protection
HER PREDICTION MODELLING
COSMO 2I 2.2
COSMO 5M 5
km h.r.
km h.r.
12
BCs from ECMWF IFS BCs from COSMO 5M
IC from AM-Rome LETKF analysis IC from the new LETKF by ARPAE SIMC
Two runs per day +48
Two runs per day +72 and
Eight runs per day +18
(Rapid Update Cycle)Ensemble Forecasting
finalEnsemble Systems @ ARPAE-SIMC:
COSMO-LEPS by ARPAE SIMC ARPAE SIMC COSMO 2I EPS
for the COSMO Consortium Pre-operational
ECMWF EPS
ECMWF EPS Initial and boundary conditions
Initial and boundary conditions
COMET Rome EPS
20 members, 7(5) km H.R. boundary conditions
2 runs per day +120
20 members, 2.2 km H.R.
1 run per day +48Su cosa si basa l’assimilazione
dati ?
xa = xb + K ( y - Hxb )
K = BH T
[HBH T + R] 1COSMO LAMI 2000 -2018
Assimilation by Nudging
Thus, the so-called nudging
equation describes a
continuous adaptation of the
model values towards the
observed values during the
forward integration of the
model (Fig.1).COSMO LAMI dal 2018
KENDA – Kilometer scale Ensemble Data Assimilation
xA = xB + K [yo – H(xB)]xA = xB + K [yo – H(xB)]
Opt of obs error, thinning, superobs
Attività in corso: assimilazione dei volumi di riflettività radar
+3h +3h
Previsioni numeriche Osservazioni variabili/fenomeni
• VARI MODELLI DISPONIBILI (COSMO-I7, meteo
COSMO-I2, COSMO-5M,COSMO-2I....,IFS- • QUALI PARAMETRI SONO OSSERVATI
ECMWF) • RAPPRESENTATIVITA’ , COPERTURA
• PARAMETRI PREVISTI: SPAZIALE E TEMPORALE DEI DATI
TEMPERATURA,MSLP,PRECIPITAZIONE,
TIPO DI PRECIPITAZIONE, VENTO...
ATTIVITA’
Maria Stefania Tesini
Arpae SIMC DI
VERIFICA
Utente finali
Metodologia • SVILUPPO MODELLISTICA
• SCELTA INDICI STATISTICI IDONEI • PREVISIORI SALA OPERATIVA –
• SVILUPPO SOFTWARE ad hoc PROTEZIONE CIVILE
• COMUNICAZIONE DEI RISULTATI • PRIVATI (VIABILITA’...)REPORT TRIMESTRALI Maria Stefania Tesini Arpae SIMC
Parametri superficiali contro synop italiani Maria Stefania Tesini Arpae SIMC
Maria Stefania Tesini Arpae SIMC
SVILUPPO NUOVE TECNICHE DI VISUALIZZAZIONE DEI RISULTATI IN FUNZIONE DELL’UTENTE FINALE : “Performance -Rose Diagram” sviluppato nell’ambito del progetto MesoVict e presentato al WMO- 7th International Verification Methods Workshop di Berlino nel 2017 Maria Stefania Tesini Arpae SIMC CHIOGGIA CESENATICO •Già utilizzato su alcune stazioni dell’Emilia-Romagna → possibilità di estenderlo anche ad altre stazioni italiane •Inserito per il 2018 nella “Common plots activity” del WG5-COSMO
Modelli numerici previsionali alla scala del km
ECMWF COSMO-I7 COSMO-I2
ris.orizz: 16 km ris.orizz: 7 km ris.orizz: 2.8 km
At higher resolution, model structures are stronger and better defined; thus
even small timing and placement errors produce substantial forecast errors
(Mass et al., 2002 “Does increasing horizontal resolution produce mode skillful forecasts?”)
Msc Thesis
Giacomo
Pincini
1 member COSMO-LEPS 1 member COSMO-I2 EPS
1 member ECMWF EPS ris.orizz: 7 km ris.orizz: 2.8 km
ris.orizz: 9 kmPrecipitazioni con pluviometri reti ad alta risoluzione
Fino ad ora
2018
Maria Stefania Tesini
Arpae SIMCMaria Stefania Tesini Arpae SIMC
Maria Stefania Tesini Arpae SIMC
Science community agrees that at very high resolution models will make qualitative jump
in accuracy, but this comes at a very high computing&data cost
“A change of paradigm is therefore needed regarding hardware, design of codes, and
numerical methods” Bauer, Thorpe, Brunet 2015
Increase of resolution at sub km. Scale
Ensemble forecasting
Technological challenges and Ensemble based DA
priorities: Earth Model systems
• NWP models more scalable with new code design Climate applications
methodologies (efficient cooperation between Scientists
developing the model in its Physics aspects and
Computer Scientists making model code suitable for new
computer architecture)
• New hardware base on low power processors
• Data distribution and data archiving
• Advanced data compression methods
• More meteorological data available & Use of new types of
(less accurate but high density) data available thanks to
new techologies as mobile phones or other low cost
networks (strong links with big data science)Courtesy of Peter Bauer
Weather & Climate “is” Big Data
Growth factors of data volumes along forecast
chain in next 10 years.
30x more data sent
to customers per day
in critical path
RMDCN
Dissemination
Data acquisition
Internet
10x more observational
data per day Forecast run Product generation Web services Internet
25x more forecast
2000x more model product data per day in 100x more
data per time step critical path data
archived
per day
Data Handling
Archive System
Today: ~2 Pbyte per week!
Total archive: ~ 250 PbyteGRAZIE PER L’ATTENZIONE, Dott. Tiziana Paccagnella ARPAE-SIMC Telefono 051 6497500 E-mail tpaccagnella@arpae.it
Puoi anche leggere
