Javier Calvo Sánchez HARMONIE-AROME: Modelo atmosférico de alta resolución de AEMET
←
→
Transcripción del contenido de la página
Si su navegador no muestra la página correctamente, lea el contenido de la página a continuación
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 2018Predicción 28 febrero 2018
HARMONIE H+19
Meteosat IR10.8Predicción 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
4Índice
• 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
5Modelo 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.
6HARMONIE-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 7AROME-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
8Modelos 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
9Escala espacial y temporal de los fenómenos atmosféricos
http://www.ecmwf.int
Climáticos
Globales
LAM
10AROME-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.
11Asimilación 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
12Asimilación 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
13Un 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 21Disponibilidad 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 minDinámica 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
16Proyección Lambert Conformal
• Se puede realizar una interpolación a una rejilla latitud-longitud
17Parametrizaciones 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)
18Parametrización 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.
19Representación 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
20Turbulencia 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)
21Convección 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
22Procesos 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
23Procesos 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.
24Integración 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
25Resolución 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
26Convergencia de brisas/convección
Convección de pequeña escala pero con un claro forzamiento geográfico/orográfico
Adelantada 1 hora en el modelo
27Precipitación: 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, ECMWFViento 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
32Convección: 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)
33Estimación 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)
34Precipitación: 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, ECMWFPredicción 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.
36Verificación 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. ClimatolEn 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.es40Resumen
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 ”
41Conclusiones
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
42Referencias
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
