felhasználása a numerikus

Megfigyelések és mérések felhasználása a numerikus előrejelzésekben

Bölöni Gergely, Mile Máté, Roger Randriamampianina, Steib Roland, Tóth Helga, Horváth Ákos, Nagy Attila

39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21

Motiváció V ifiká ió analízis Verifikációs lí i

• Numerikus előrejelzés (modellezés): a hidro hidro-termodinamikai termodinamikai egyenletek (HTE) numerikus megoldása • A HTE megoldása ldá vegyes feladat f l d t Î parciális iáli differenciál diff iál egyenlet kezdeti és peremértékek megadásával • A kezdeti érték a valós állapot becslése, amelyben a megfigyelések és mérések kulcsfontosságúak • A becsléskor lényeges a pontosság a HTE rendszer megoldásának kezdeti feltételekre való érzékenysége Előrejelzés „jó” kezdeti feltételből Előrejelzés „rossz” kezdeti miatt feltételből (a légkör kaotikus viselkedése) 39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21

Motiváció Rövid „életű”, veszélyes időjárási rendszerek előrejelzése ((Nowcasting) g)

1.0 Csapadék Crittical Succe ess Index (CSI)

Perzisztencia

0.8 0.6

Extrapoláció

0.4

Fejlesztés: Adatasszimiláció, Nowcasting Numerikus modell

0.2 00 0.0 0

(Wilson 2011)

1

2

3

4

Előrejelzés időtáv (óra)


5

6

Motiváció Rövid „életű”, veszélyes időjárási rendszerek előrejelzése ((Nowcasting) g)

1.0 Csapadék Crittical Succe ess Index (CSI)

Perzisztencia

0.8

Még több fejlesztés: Adatasszimiláció, Nowcasting + modell fejlesztés

0.6

Extrapoláció

0.4 Numerikus modell

0.2 00 0.0 0

(Wilson 2011)

1

2

3

4

Előrejelzés időtáv (óra)


5

6

Tartalom 1. Rész: Adatasszimiláció Cél: pontos rövidtávú numerikus előrejelzések, fizikailag konzisztens meteorológiai mezők Módszertan: matematika,, statisztika,, optimális p becslés,, variációs analízis Felhasználás: ALADIN és AROME modellek

2. Rész: Nowcasting (Nagy Attila) Cél: egyedi időjárási objektumok figyelembevétele, figyelembevétele időbeli fejlődésének leírása ultra-rövid távon Módszertan: Nudging, konceptuális modellezés Felhasználás: WRF modell


Adatasszimiláció Adatasszimiláció: kezdeti feltételek előállítása megfigyelések (y)

guess (xb) adatasszimiláció

analízis (xa)

Variációs asszimiláció (3DVAR): J( x ) =

1 (x − x b )T B −1 (x − x b ) + 1 (y − H ( x ))T R −1 (y − H ( x )) 2 2

Jmin ( x ) → x a (Lorenc, 1986, Kalnay, 2003) 39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21

Adatasszimiláció Korlátos tartományú modell (LAM) Globális modell „hajtja” meg: • oldalsó peremfeltételek • kezdeti feltételek (interpoláció) • vagy lokális adatasszimiláció

Globális Modell


Adatasszimiláció Globális modell interpolációja ÍÎ Lokális adatasszimiláció Műholdas megfigyelések globális modellben

Műholdas megfigyelések a lokális modellben


Adatasszimiláció Globális modell interpolációja ÍÎ Lokális adatasszimiláció Műholdas megfigyelések globális modellben

Műholdas megfigyelések a lokális modellben

(kg m2 s-2)

Lokális adatasszimiláció Globális modell interpolációja

Interpolációs zaj a kis skálákon (squall line-ok, zivatarlá láncok) k)


Adatasszimiláció Lokális 3DVAR rendszerek az OMSZ-ban AROME

ALADIN

SYNOP & SHIP

Ps, T, RH, u, v

• operatív futás 2005 májusa óta

• operatív futás 2013 márciusa óta

• dx = 8km

• dx = 2.5 2 5 km

• 6 órás asszimilációs ciklus


AMDAR

u, v, T

TEMP

u, v, T, q

Wind Profiler

u, v

MSG3/SATOB

u v u,

ATOVS/AMSU-A (NOAA15-18)

Tb

ATOVS/AMSU-B (NOAA17)

Tb

ATOVS/MHS (NOAA18)

Tb

ATOVS/HIRS (NOAA15-18)

Tb

39. Meteorológiai Tudományos Napok, 2013 Nov.MSG3/SEVIRI 20-21

Tb

Adatasszimiláció Lokális 3DVAR rendszerek az OMSZ-ban

AROME

AROME

ALADIN

SYNOP & SHIP

Ps, T, RH, u, v

• operatív futás 2005 májusa óta

• operatív futás 2013 márciusa óta

• dx = 8km

• dx = 2.5 2 5 km



AMDAR

u, v, T

TEMP

u, v, T, q

Wind Profiler

u, v

MSG3/SATOB

u v u,

+ időben sűrűbb Tb asszimiláció ((3h Rapid p ATOVS/AMSU-B (NOAA17) Tb Update Cycle) ATOVS/AMSU-A (NOAA15-18)

ATOVS/MHS (NOAA18)

Tb

+ RADAR: RADAR u,v, dBZTb

ATOVS/HIRS (NOAA15-18)

39. Meteorológiai Tudományos Napok, 2013 Nov.MSG3/SEVIRI 20-21

Tb

Adatasszimiláció A lokális AROME 3DVAR hatása P ití hatás Pozitív h tá a 2 méteres ét hőmérséklet hő é ékl t előrejelzésben lő j l é b

RMSE különbség: NO 3DVAR – 3DVAR

Lokális 3DVAR Interpoláció 39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21

Adatasszimiláció A lokális AROME 3DVAR hatása

Csapad dék területi átlag (mm m)

P ití hatás Pozitív h tá a csapadék dék előrejelzésben lő j l é b

Radar Lokális 3DVAR (6 órás ciklus) Lokális 3DVAR (3 órás ciklus) Interpoláció p

Előrejelzési időtáv


RADAR 2013.05.14 12 UTC

Adatasszimiláció A lokális AROME 3DVAR hatása ALADIN

ALADIN Lokális 3DVAR

2013.05.13 00 UTC +36 óra

2013.05.13 00 UTC +36 óra



AROME Lokális 3DVAR 2013.05.13 00 UTC +36 óra




RADAR 2013.05.14 12 UTC

A csapadék előrejelzés sikere a magassági „Hidegcsepp” helyének előrejelzésén múlt. múlt

Adatasszimiláció

500 hPa-os Csapadék 3 órás összeg hőmérséklet

A lokális AROME 3DVAR hatása ALADIN

ALADIN ALADINLokális Lokális3DVAR 3DVAR

2013.05.13 00 UTC +36 óra

2013.05.13 2013.05.1300 00UTC UTC+36 +36óra óra



AROME Lokális 3DVAR 2013.05.13 00 UTC +36 óra




Adatasszimiláció A lokális AROME 3DVAR hatása P ití hatás Pozitív h tá a szél él előrejelzésben lő j l é b Javuló szélenergia becslés Javulóaszél előrejelzés MAVIR részérea Javuló Ja u ó szél s é előrejelzés e ő eje és a szélerőművek részére szélerőművek (100m szél) részére (100m szél)


MAVIR= Magyar Villamosenergia-Ipari átviteli Rendszerirányító

Adatasszimiláció Radar adatok asszimilációja az AROME 3DVAR-ban

• 3 hazai radar adatai:

Pogányvár, Budapest, Napkor

• Radiális szél asszimiláció • Reflektivitás asszimiláció


Adatasszimiláció Radar adatok asszimilációja az AROME 3DVAR-ban Radar mérés: reflektivitás profil

Guess: „modell reflektivitás” profilok

• 3 hazai radar adatai: Pogányvár, Budapest, Napkor 1D vertikális q és T profilok

• Radiális szél asszimiláció • Reflektivitás asszimiláció 3DVAR

(Caumont et al., 2008) 39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21

Adatasszimiláció

Csapadék objektumok k átlagos inte enzitása (mm m)

Radar adatok asszimilációja az AROME 3DVAR-ban Radar Lokális 3DVAR (operatív) Lokális 3DVAR radarral

Előrejelzési időtáv (óra)


Adatasszimiláció Radar adatok asszimilációja az AROME 3DVAR-ban Csapadék objektumok k átlagos inte enzitása (mm m)

2013 06 05 03 UTC 2013.06.05

AROME 3DVAR NO Radar +3h

Radar

Radar Lokális 3DVAR (operatív) AROME Lokális 3DVAR radarral 3DVAR

Előrejelzési időtáv (óra)


Radar +3h

Adatasszimiláció Tervek (AROME): • Radar R d adatok d t k operatív tí asszimilációja i ilá iój (2014) • GPS „Zenith Total Delay”adatok asszimilációja (2014-15) • Műholdas ű adatok felhasználása: áá MSG SEVIRI, Metop IASI (2014) • Felszíni asszimiláció bevezetése (Ensemble Kalman Filter) (2015)


Nowcasting A nowcasting célú előrejelzésekhez felhasznált analízisekkel szemben támasztott legfontosabb elvárás: a veszélyes mezoskálájú légköri folyamatok legyek ott, ahol a valóságban g is vannak! A problémának többféle megközelítése lehetséges (WRF): 1. A mérések (és megfigyelések) oldaláról: Objektív analízis, majd az integrálás során igazítási technika alkalmazása. 2. Légköri folyamatok oldaláról: Adott meteorológiai jelenség konceptuális modelljének beépítése az analízisbe bizonyos állapothatározók módosításán keresztül. keresztül

1. Nudging =

objektív analízisre futtatott 4-dimenziós adatasszimiláció WRF-ben az alapötlet: p Newton-féle relaxációs módszer

normál tendencia-tag (advekció, modellfizika, stb.)

adott állapothatározó mért értéke

Analízis-nudging: Analízis nudging: adott állapothatározó lokális megváltozása relaxációs idő (az igazodás erőssége pontonként)

• •

vertikális mentén értelmezett súlyfüggvény horizontálisan értelmezett súlyfüggvény (a mérések térbeli sűrűségétől függ)

Beágyazás esetén külön-külön alkalmazható minden almodellre A planetáris határrétegben (vagy a legalsó „n n”-darab -darab modellszinten)

nem mindig érdemes alkalmazni • Állapothatározók, amelyekre alkalmazható: hőmérséklet, nedvesség, szél (a súlyokat érdemes különbözőre állítani!) • Létezik talajmodell, amelyben talajnedvességre és talajhőmérsékletre is lehet nudgingolni g g .

Megfigyelési-nudging: 35. Meteorológiai Tudományos 2009 Nov. 19-20eltéréseinek súlyozott átlaga Adott távolság- és időintervallumon belüli mérések és aNapok, rácsponti érték

2. Objektumorientált megközelítés: Jelenleg folyó kísérletek fő témája: konvektív folyamatok analízise p j nem rácspontonkénti p értékekben gondolkodunk, g , Ötlet: Az asszimiláció szempontjából hanem egy konvektív cella konceptuális modelljében. Cél: az analízisbe helyezett dinamikai rendszert a modell az integrálás során kezdettől fogva úgy kezelje, mintha azt maga termelte volna ki!

Alapvető kérdés, hogy az adott konvektív cellát annak milyen fejlettségi Î fázisában szolgáltassuk az analízis számára számára. Î MODELLTARTOMÁNY – módosítatlan analízismező

Nedvességkonvergencia N d é k i területe Innen nedvesség áramlik a feláramlási rész felé (1)

Módosított ódos o tartomány o y

1.

Alacsonyszintű A i ű feláramlási f á á i zóna, ó alul jelentős nedvességtöbblettel, 5 km fölött nedvességhiánnyal

3.

Uralkodó áramlás iránya (!)

2.

Alacsonyszintű divergens terület,, minden szinten kiszáradás

Uralkodó áramlás iránya (!)

Ebben az állapotban módosítandó állapothatározók: Középszintű eloszlások

Alacsonyszintű eloszlások Hőmérséklet

Felhőelemek keverési aránya

Hőmérséklet

Felhőelemek keverési aránya

Vízgőz keverési aránya

Horizontális szélmező



Mért radarreflektivitás

Határozott H tá tt nedvességkonvergencia

Felhőzet az alacsonyszintű leáramlás fölött

Hátoldali kiszáradás és divergencia Az egész cellában melegítés ~ 80 km

A konvektív cella időfejlődése a 975 hPa-os szinten a radarméréssel összevetve (15 percenként) Hőmérséklet

Felhőcseppek keverési aránya

Mért radarreflektivitás



5 perces csapadékösszeg

Az eljárás szabadsági fokainak száma magas:

•

Konvektív cella mérete mérete, a különböző tartományok egymáshoz viszonyított nagysága • Az állapothatározók módosítására nagy érzékenység (különösen a szél és a felhőelemek keverési arányára) • Kérdés a cellák közelsége közelsége, összeolvasztása (pl (pl. zivatarlánc: kevés nagy vagy sok kicsi?) ESETTANULMÁNY: 2010. június 18. 06 UTC

08 UTC

10 UTC

•

Az egész országot érintő, heves konvektív tevékenység

• A Dél-Alföldön szupercellás p konvekció (Mezőhegyes - jégeső)

ESETTANULMÁNY: 2010. június 18. A tapasztalat szerint ilyen időjárási helyzet modellezése összetett feladat feladat. Nagy a modelleredmény érzékenysége többek között: az analízis időpontjára, a domain elhelyezkedésére, a szupercellás konvekció helyes megjelenéséhez pedig a horizontális és vertikális felbontást is jól kell beállítani. 06 UTC

Ebben a helyzetben a 06 UTC-s indítási idő túl késői a 10 UTC körüli konvektív tevékenység modellezésére. Az alkalmazás tesztelése:

10 UTC

Referenciafuttatás 06 UTC UTC-s, s módosítatlan analízisből (ECMWF 0,125°os felbontású adatok interpolációja a WRF 2 5 km felbontású rácsára) 2,5 Futtatás konvektív cellákkal kiegészített 06 UTC-s analízisből

5 perces csapadékösszeg a 2010. június 18. 06 UTC-15 UTC közötti időszakra

Módosítatlan ódos a a analízis:

2010. 2010jú június 18 UTC 2010 2010. június i 18. 18. 181514 07 13 06 08 09 10 11 12 UTC

Módosított analízis:

Horizontális szélmező a 2010. június 18. 06 UTCUTC-15 UTC közötti időszakra

Módosítatlan analízis

2010jú 2010. június 18 UTC 2010. 2010 június i 18. 18. 181514 07 13 06 08 09 10 11 12 UTC

Módosított analízis

Irodalom Caumont O. et al., 2008: 1D+3DVar assimilation of radar reflectivity data: a proof of concept, co cep , Tellus e us A,, 6 62,, 91–217. 9 Kalnay E., 2003: Atmospheric Modeling, Data Assimilation and Predictability. C b id University Cambridge U i it Press P , 341 pp. Lorenc A.,, 1986: Analysis y methods for numerical weather prediction. p Quart. J. Roy. Q y Meteor. Soc., 112, 1177-1194. Wilson J., J 2012: Evaluation abd comparison of Nowcasting Techniques/Systems for Convective Storms, WMO Workshop on use of NWP for Nowcasting, 24-26 October 2011, (http://wmo-workshop-on-the-use-of-nwp-for-

nowcasting.wikispaces.com/file/view/Wilson_ScienceNowcasting_2011.pdf/272889220/Wilson_ScienceNowcastin g_2011.pdf) df)


Köszönjük a figyelmet!

?


felhasználása a numerikus

Recommend Documents