Javier Calvo Sánchez HARMONIE-AROME: Modelo atmosférico de alta resolución de AEMET

Página creada Humberto Ortiz
 
SEGUIR LEYENDO
HARMONIE-AROME: Modelo atmosférico
            de alta resolución de AEMET

                               Javier Calvo Sánchez
          Área de Modelización. Agencia Estatal de Meteorología

Seminario Cátedra de Ciencia de Datos y Aprendizaje Automático, 2 marzo 2018
Predicción 28 febrero 2018

HARMONIE H+19
                              Meteosat IR10.8
Predicción 28 febrero 2018

HARMONIE H+15                                                            Radar

HARMONIE-AROME es oficialmente el modelo operativo de AEMET. Solo algunos
usuarios usan todavía las salidas de HIRLAM que se espera mantener hasta abril de 2018
Puntos destacados del modelo

 • No-Hidrostático y ‘convection-permitting’.
 • Asimilación de datos que incluye muchos tipos de
   observaciones
 • Dinámica espectral muy eficiente adecuada para usos
   operativos
 • Escalas convectivas con menos predecibilidad que las escalas
   sinópticas que requieren aproximaciones de tipo ensemble o
   al menos una interpretación probabilística de las salidas del
   modelo

                                                             4
Índice

 •   Introducción a los modelos numéricos
 •   Descripción general del modelo HARMONIE-AROME
 •   Características más destacadas
 •   Verificación objetiva y algunos resultados
 •   Conclusiones

               • Diferencias HARMONIE-AROME con ECMWF-IFS
               • Resolución efectiva de los modelos
               • Predecibilidad

                                                       5
Modelo AROME (origen)
  Laboratoire d’Aérologie
         CNRM-GAME
   Parametrizaciones. físicas

                                            Modelo AROME      Seity et al., 2011

  Dináminca No-Hidrostática

Originalmente desarrollado por Météo-France adaptando la física del modelo de
investigación Meso-NH al sistema ALADIN. Gran parte del código es compartido
con los modelos ECMWF y ARPEGE.

                                                                            6
HARMONIE-AROME
En 2006 los consorcios HIRLAM y ALADIN establecen un acuerdo de colaboración para el
desarrollo de modelos operativos con la idea de converger completamente en 2020

  HARMONIE-AROME es una configuración
  dentro del sistema compartido ALADIN-
  HIRLAM (Bengtsson et al, 2017)

                             Unos 26 servicios meteorológios                      7
AROME-Harmonie: No-Hidrostático, Convection permitting

 • Para que la convección profunda ‘está resuelta’ por la dinámica del modelo es
   necesario utilizar resoluciones horizontales de unos pocos kilómetros

         Modelo Hidrostático                    Modelo No Hidrostático
       ECMWF T1279 ~9/16 km                         HARM 2.5 km

  Orografía que ‘ven’ los modelos del Centro Europeo (ECMWF) y HARMONIE-AROME
                                            8
Modelos atmosféricos

                                                                  Modelos de
  Modelos climáticos          Modelos de predicción
                                                               composición atm.

                                             Modelos de Área
                     Modelos globales
                                             Limitada (LAM)

                      ECMWF-IFS                   HIRLAM
     Modelos          ARPEGE                      ALADIN
     Hidrostáticos    UKMO UM                     AROME
                                                  UM              Modelos
                      ICON
                                                  COSMO           No Hidrostáticos
                                                  WRF

Hacia los modelos sin costuras (seamless models) que pueden operar a distintas resoluciones
                                                   9
Escala espacial y temporal de los fenómenos atmosféricos
                      http://www.ecmwf.int

                                                    Climáticos
                                                Globales
                                             LAM
                                              10
AROME-Harmonie: Asimilación de datos
• Estimación del estado atmosférico en un momento dado a partir de las
  observaciones distribuidas por el llamado sistema mundial de telecomunicaciones

                                             http://www.wmo.int

   Miles de observaciones pero necesitamos estimar el estado inicial, en el caso del
   dominio operativo, en 1152x864x65 = 64.7 x 106 elementos atmosféricos.
                                              11
Asimilación de datos: Esquema 3DVar
 Problema de minimización de una función de costo

 Siendo

Implementación operativa

                                       Para nowcasting se configuran versiones del
                                       modelo con cutoffs para las observaciones
                                       de 10 min y con análisis frecuentes
                                          12
Asimilación de datos HARMONIE-AROME
• Asimilación de datos más frecuente (cada 3 hr)
    • Se pueden utilizar más observaciones y con mayor precision temporal
• Nuevas observaciones:
    •   ATOVS y GNNS GPS ztd
    •   (Además de observaciones de superfice, sondeos y aviones)
    •   Se require un control la calidad de las observaciones y los análisis
    •   En desarrollo: asimilación de datos radar y nuevos datos de satelite
                                  Uso de observaciones

        Satelite:                GNSS GPS ztd                        Aviones
        ATOVs
                                                  13
Un LAM necesita condiciones de contorno: Integración ECMWF de 6 hr antes

    ECMWF                54h                54h                   54h              54h
                    CC

      00 UTC             06                12                18

                         48h                48h                   48h              48h
                          48h
AROME
                                     48h               48h                   48h

      00 UTC   03         06    09         12     15         18         21
Disponibilidad de las integraciones

        ECMWF                                        240h                              240h

          00 UTC                  00 UTC                         12          12 UTC     Disponibilidad

AROME                  48h         48h          48h              48h   48h    48h     48h         48h

          00 UTC   00 03     03   06       06   09          09   12    15    18       21 Disponibilidad

• ECMWF: Ciclos cada 12hr H+240
    • Disponibles HH ana+6
    • Salidas cada 3 hr hasta H+144

• HARMONIE-AROME: Ciclos cada 3hr H+48
    • Disponibles HH ana+2:40
    • Salidas cada 15 min
Dinámica espectral No Hidostática
• Dinámica IFS/ALADIN
   • Espectral
   • Nucleo No-Hidrostático de ALADIN (Bubnova, 1995 y Benard, 2010)
   • Two-time level semi-implicit semi-lagrangian discretisation basadas en el
     esquema SETTLS (Hortal, 2002) que permite pasos de tiempo largos (75 s
     para una resolución de 2.5 km)
   • Coordenada híbrida en la vertical

• Variables del modelo:
    •   temperature                         • snow
    •   horizontal wind (u and v)           • graupel
    •   specific humidity                   • turbulent kinetic energy (TKE)
    •   cloud water                         • 2 special NH-terms: pressure and
    •   ice crystals                          vertical divergence
    •   rain                                • and 2D prognostic surface pressure

                                            16
Proyección Lambert Conformal

• Se puede realizar una interpolación a una rejilla latitud-longitud

                                               17
Parametrizaciones físicas

 • Los procesos que ocurren a escalas inferiores a la resolución del modelo
 tienen que parametrizarse: se simulan sus efectos promedio en las variables
 resueltas por el modelo

 HARMONIE-AROME:
 • Radiación
 • Superficie
 • Convección somera
 • Turbulencia
 • Microfísica (procesos de condensación y
   precipitación)

                                          18
Parametrización de la radiación

     •   Es la parametrización más costosa desde el punto de vista del cálculo:
         Se actualizan las tendencias radiativas cada 15 min
     •   Radiación HARMONIE: Esquema ECMWF-IFS (2007)
          • SW → 6 spectral bands
          • LW → 16 spectral bands
          • Se parametrizan el radio efectivo de las partículas de hielo y agua
          • Valores climatológicos para los nucleos de condensación

•    Los mayores errores en la simulación de la radiacción provienen de
     los errores en la predicción de las nubes

     • La escala efectiva de la
      parametrización de las nubes
      puede ser 4 a 6 veces la
     resolución nominal del modelo.

                                                19
Representación de nubes y procesos de precipitación

Esquema ICE3 one moment bulk-scheme (Pinty, 98 y Lascaux,2006)

Espectro de diametros
•   Q_liq, q_ice → generalized gamma law
•   Precip       → exponential law (e.g. Marshall-Palmer)
•   Terminal velocity linked to particle diameter via power law
•   Hydrometeors advected by Semi-Lagrangian scheme

                                                                        Pinty et al, 2005
Las nuevas variables de predicción van a permitir nuevos postprocesos como
• Estimación de descargas eléctricas
• Simulación de imágenes rádar
• Simulación de imágenes de satélite
                                                      20
Turbulencia y convección somera
• Se utiliza un esquema de Energía Cinética Turbulenta (TKE) (Cuxart, 2000) y la
  convección ‘seca’ se trata de forma unificada con el esquema de flujo de masa
  (Lenderink, 2004 y De Rooy, 2017)

                                           21
Convección profunda
• No se parametriza de forma que estas nubes son representadas por la
  dinámica y la microfísica del modelo.

  • Gran diferencia respecto a los
    modelos sinópticos que
    parametrizan la convección
    profunda.
  • El ciclo diurno de la convección se
    representa mejor
  • Es capaz de producir intensidades
    de precipitación grandes

                                          22
Procesos Superficiales: SURFEX (Masson, 2013)
• La heterogeneidad superficial se modeliza dividiendo la rejilla del modelo
  en 4 teselas (sub-superficies) que evolucionan independientemente
    1.   Suelos ‘naturales’
          – 12 tipos de vegetación
    2.   Suelos urbanos
    3.   Lagos. Modelo sencillo 1D
    4.   Mar

 Se incluye un modelo
 para la evolución del
 manato nivoso

                             http://www.umr-cnrm.fr/surfex

                                                  23
Procesos Superficiales: Modelo urbano
  • Town Energy Budget (TEB) scheme (Masson, 2003): Modelo sencillo que
    considera los efectos de los edificios, carreteras y tejados.

               Fracción de suelo urbano

• Depende bastante de las bases de datos fisiográficas que definen las características de
  cada tipo de suelo urbano.
                                                 24
Integración operativa gracias al ‘nuevo’ sistema de super-computación AEMET

• La integración operativa de HARMONIE-AROME require unas 12 veces más de
  potencia de cálculo que el sistema HIRLAM
                                                  • 8 pasadas al día
                                                  • Alcance predicción:
                                                     • H+48 con salidas 15 min
                                                       para variables de superficie
                                                       seleccionadas

  Resolución: 2.5 km (1152x864) 65 niveles
  Disponibilidad desde hora análisis:
     + 2:40 Peninsula                                                 Bullx
                                                                        computer
     + 2:10 Canarias
                                             25
Resolución efectiva (procesos resueltos)
  • Las escala de los procesos que realmente resuelve un modelo puede ser 6 veces
    mayor que su resolución nominal
  • HARMONIE- AROME ~ 15 km ECMWF-HRES ~ 50 km

                  Convección superponiendo una malla de 15 km de resolución
                  que podría considrarse la resolución efectiva del modelo

                                                 26
Convergencia de brisas/convección
Convección de pequeña escala pero con un claro forzamiento geográfico/orográfico

 Adelantada 1 hora en el modelo
                                                                             27
Precipitación: Comparación datos radar

Meteosat HRVIS                                               HARM-AROME

 Patrones de precipitación bastante realistas aunque con errores espaciales y temporales
que sugieren una interpretación probabilistica de las salidas del modelo
Predicción de las temperaturas de Junio 2017
Temperatura a 2 m: Disminución significativa de los errores
     Verificación objetiva comparando con los datos observados
                                            Julio 2016-Mayo 2017 (11 meses)

               Desviación Standard, T 2 m

            HARM-AROME, HIRLAM 0.05, ECMWF
Viento 10 m: Disminución de los errores
    Verificación objetiva comparando con los datos observados
                                                                   Julio 2016-Mayo 2017 (11 meses)
    Desviación Standard, V 10 m

                                                                            Estadístico dominado por
                                                                            los vientos más flojos que
                                  HARM-AROME, HIRLAM 0.05, ECMWF            son los más frecuentes.
Viento a 10m: Eventos observación-predicción

         HARMONIE                                          ECMWF

Los puntos deberían de estar centrados alrededor de la diagonal
Cuanto menor sea la dispersión mejor

                Clara mejora de las predicciones de vientos fuertes
                                                                      32
Convección: Estimación de descargas eléctricas
    Ensemble de hombre pobre
• Based on vertical integrated graupel following KNMI approach adapted to AEMET
  lightning network. Performance depends very much on the representation of convection
  it is a good estimator of lightning activity
• A tool has been develop to generate warnings for aviation (consensus approach)

       Predicción determinista                  Consenso utilizando varios ciclos

                                                          J. Sosa (jsosac@aemet.es)
                                                                                    33
Estimación de descargas eléctricas: Comparación con las observaciones

                  Simulated lightning density in 24 hr compared to
                     actual clou-earth discharges (blue crosses)
                                                            J. Sosa (jsosac@aemet.es)
                                                                                   34
Precipitación: Verificación frente a observaciones

Este tipo de verificación puntual penaliza a los modelos de mayor
resolución y es conveniente utilizar verificación espacial

                                                                          +
                                                                          → Mejora →
                                             Muy buenos resultados para

                                                                          -
                                               HARMONIE-AROME

 HARM-AROME, HIRLAM 0.05, ECMWF
Predicción de nubes bajas/nieblas
                                                  HARMONIE H+12

• Mejora significativa respecto de HIRLAM y ECMWF aunque todavía con
  errores grandes en la simulación de la evolución de las nieblas.
                                                                       36
Verificación de GHI y DHI para ECMWF para la estación de Badajoz

               Casado-Rubio et al, 2017 (jcasador@aemet.es)              PreFlex Project

                                                     Mar 2015-Feb 2017 (2 años)
                                                     Badajoz (38.88 ºN, 7.01 ºW).
                                                     Acumulaciones 3hr:
                                                     •   Global Horizontal Irradiance (GHI)
                                                     •   Direct Horizontal Irradiance (DHI)

                                                     • HARMONIE-AROME presenta
                                                       algo más de dispersion
                                                     • Se comparan para la misma
                                                       hora del análisis aunque la
                                                       pasadas del ECMWF estaría
                                                       disponible unas 4/10 horas
                                                       más tarde.
Verificación de GHI y DHI para ECMWF para la estación de Badajoz

                      Casado-Rubio et al, 2017 (jcasador@aemet.es)       PreFlex Project

                Relative RMSE 3-hourly: 20% for GHI and 40-45% for DHI
                Daily accumulated values: 15% for GHI and 30% for DHI.
Verification of ECMWF Direct Normal Irradiance over Spain (REE Project)

             RMSE                       RMSE/RMSEgrid
                                                                            ECMFW Δx~ 16km

                                                                        •   Mejor promediar
                                                                            3-10 grid cells
                                                                        •   Depende mucho
                                                                            del lugar

   Casado-Rubio et al., 2017: A Postprocessing Methodology for Direct Normal Irradiance
   Forecasting Using Cloud Information and Aerosol Load Forecasts. J. Appl. Meteor. Climatol
En desarrollo
 Sistema de predicción por conjuntos de escala convectiva: Se espera que este
 operativo durante este año

   Prediciones a muy alta resolución (1 km)
En desarrollo pero ya operativo para
algunos dominios pequeños para predicción
de viento (Proyecto SAMOA)                                Proyecto SAMOA
                                                         isantosa@aemet.es40
Resumen
  HARMONIE-AROME: Nuevo modelo operativo de 2.5 km de resolución
 horizontal que se integra 8 veces al día hasta H+48
 Pertenece a una nueva generación de modelos:
     No Hidrostáticos
     Resuelven explícitamente la convección profunda
     La asimilación es un componente muy importante del sistema
 Modelos muy complejos cuyo desarrollo sólo es posible gracias a la
 colaboración internacional
     Colaboración ente los consorcios ALADIN y HIRLAM.
     Forma parte del llamado “Sistema Compartido ALADIN-HIRLAM ”

                                                                      41
Conclusiones
 Supone una mejora significativa en las predicciones locales
     Precipitación y especialmente lluvias fuertes
     Viento
     Temperaturas
     Nubes bajas/Nieblas
 Escalas convectivas son menos predecibles que escalas sinópticas y es
 conveniente utilizar ensembles o al menos interpretación probabilísticas
 La resolución efectiva de los modelos numéricos puede ser 6 veces mayor que
 su resolución nominal
     Para variables relacionadas con las nubes y especialmente con los
     fenómenos convectivos, la predecibilidad se encuentra en escalas muy por
     encima del espaciado de grid y es conveniente utilizar promedios en un
     área mayor en vez de valores puntuales
        Dependen de la situación geográfica y el régimen atmosférico

                                                                         42
Referencias

Sobre la configuración HARMONIE-AROME:
    • Bengtsson, L. et al 2017: The HARMONIE-AROME model configuration in the
      ALADIN-HIRLAM NWP system. Mon. Wea. Rev.
      https://doi.org/10.1175/MWR-D-16-0417.1
• Sobre su asimilación de datos:
    • Gustafsson et al, 2017: Survey of data assimilation methods for convective-
      scale numerical weather prediction at operational centres. Q.J.R. Meteorol.
      Soc.. doi:10.1002/qj.3179

 Código compartido ALADIN-HIRLAM
 La configuración HARMONIE-AROME forma parte del código compartido ALADIN-HIRLAM
 fruto de la colaboración de los consorcios ALADIN y HIRLAM, y Météo-France. El Consorcio
 HIRLAM está constituido por los Servicios Meteorológicos de Dinamarca, Estonia, Finlandia,
 Islandia, Irlanda, Lituania, Holanda, Noruega, España y Suecia, con Francia como miembro
 asociado. El consorcio ALADIN está formado por Argelia, Austria, Bélgica, Bulgaria, Croacia,
 Republica Checa, Francia, Hungría, Marruecos, Polonia, Portugal, Rumanía, Eslovaquia,
 Eslovenia, Túnez y Turquía.
También puede leer