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) FerraraFierewww.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

Stato “attuale”

dell’atmosfera

Modello numerico

previsionaleStato futuro

dell’atmosfera

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

Il modello deve rappresentare in modo realistico i moti/processi atmosferici

Modello numerico previsionale

Stato “attuale”

dell’atmosfera

Modello numerico

previsionaleStato futuro

dell’atmosfera

Assimilazione dati meteorologici

Processo che, in

base alle

osservazioni e…..

cerca di definire

uno stato coerente

dell’atmosfera

idoneo ad

inizializzare un

modello numerico

Modello numerico previsionale

Stato “attuale”

dell’atmosfera

Modello numerico

previsionaleStato futuro

dell’atmosfera

Verifica oggettiva/statistica dei parametri meteorologici previsti

Post-Processing statistico dei parametri meteorologici previsti

REAL-TIME DATA NETWORK

909 real-time sensors: raingauges, Hydrometric levels, Air

temperatures, Wind, Sun Radiation, Air pressure, Relative humidity,

Snow depth

Precipitazioni cumulate: 13 Sept 21:00- 14 Sept 03:00

Alluvione di Piacenza

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)

Italy is part of the International

European Consortium

COSMO

LAMI Agreement for National

cooperation

NWP Numerical Weather Prediction @ARPAE-SIMC

12

COSMO 5M 5 km h.r.

COSMO 2I 2.2 km h.r.

LAMI operational suites implemented and managed by ARPAE-SIMC

with funds from National Dept. Of Civil ProtectionHER PREDICTION MODELLING

BCs from ECMWF IFSIC from AM-Rome LETKF analysis

BCs from COSMO 5MIC from the new LETKF by ARPAE SIMC

Two runs per day +72Two runs per day +48

and

Eight runs per day +18

(Rapid Update Cycle)

Ensemble Forecasting

final

ECMWF EPS

Initial and boundary conditions

20 members, 2.2 km H.R.

1 run per day +48

COMET Rome EPS

boundary conditions

Ensemble Systems @ ARPAE-SIMC:

ARPAE SIMC COSMO 2I EPS

Pre-operationalCOSMO-LEPS by ARPAE SIMC

for the COSMO Consortium

ECMWF EPS

Initial and boundary conditions

20 members, 7(5) km H.R.

2 runs per day +120

Su cosa si basa l’assimilazione

dati ?

[ ] 1

)-(

RHBHBHK

HK

+=

+=

TT

bba xyxx

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 2000 -2018Assimilation by Nudging

xA = xB + K [yo – H(xB)]

COSMO LAMI dal 2018KENDA – Kilometer scale Ensemble Data Assimilation

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

• VARI MODELLI DISPONIBILI (COSMO-I7, COSMO-I2, COSMO-5M,COSMO-2I....,IFS-ECMWF)

• PARAMETRI PREVISTI:

TEMPERATURA,MSLP,PRECIPITAZIONE,TIPO DI PRECIPITAZIONE, VENTO...

Osservazioni variabili/fenomenimeteo

• QUALI PARAMETRI SONO OSSERVATI

• RAPPRESENTATIVITA’ , COPERTURA SPAZIALE E TEMPORALE DEI DATI

Metodologia

• SCELTA INDICI STATISTICI IDONEI

• SVILUPPO SOFTWARE ad hoc

• COMUNICAZIONE DEI RISULTATI

Utente finali

• SVILUPPO MODELLISTICA

• PREVISIORI SALA OPERATIVA –PROTEZIONE CIVILE

• PRIVATI (VIABILITA’...)

ATTIVITA’ DI

VERIFICA

Maria Stefania TesiniArpae SIMC

REPORT TRIMESTRALI

Maria Stefania TesiniArpae SIMC

Parametri superficiali contro synop italiani

Maria Stefania TesiniArpae SIMC

Maria Stefania TesiniArpae SIMC

CHIOGGIA CESENATICO

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

•Già utilizzato su alcune stazioni dell’Emilia-Romagna → possibilità di estenderlo anchead altre stazioni italiane•Inserito per il 2018 nella “Common plots activity” del WG5-COSMO

Maria Stefania TesiniArpae SIMC

Modelli numerici previsionali alla scala del km

ECMWF

ris.orizz: 16 km

COSMO-I7

ris.orizz: 7 km COSMO-I2

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?”)

1 member ECMWF EPS

ris.orizz: 9 km

1 member COSMO-LEPS

ris.orizz: 7 km

1 member COSMO-I2 EPS

ris.orizz: 2.8 km

Msc Thesis

Giacomo

Pincini

Precipitazioni con pluviometri reti ad alta risoluzione

Fino ad ora

2018

Maria Stefania TesiniArpae SIMC

Maria Stefania TesiniArpae SIMC

Maria Stefania TesiniArpae SIMC

Increase of resolution at sub km. Scale

Ensemble forecasting

Ensemble based DA

Earth Model systems

Climate applications

Technological challenges and priorities:• NWP models more scalable with new code design

methodologies (efficient cooperation between Scientistsdeveloping the model in its Physics aspects and Computer Scientists making model code suitable for newcomputer 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)

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

Data acquisition

Forecast run Product generation

Dissemination

RMDCN

Internet

Web services Internet

Archive

Data Handling System

10x more observational

data per day

2000x more model

data per time step

25x more forecast

product data per day in

critical path

30x more data sent to customers per day

in critical path

100x more

data

archived

per day

Today: ~2 Pbyte per week!

Total archive: ~ 250 Pbyte

Growth factors of data volumes along forecast

chain in next 10 years.

Courtesy of Peter Bauer

Weather & Climate “is” Big Data

GRAZIE PER L’ATTENZIONE,

Dott. Tiziana Paccagnella

ARPAE-SIMC

Telefono 051 6497500

E-mail tpaccagnella@arpae.it