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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
Adatasszimiláció Globális modell interpolációja ÍÎ Lokális adatasszimiláció Műholdas megfigyelések globális modellben
Műholdas megfigyelések a lokális modellben
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
• 3 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
• 6 órás asszimilációs ciklus
• 3 órás asszimilációs ciklus
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
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
Csapad dék területi átlag (mm m)
P ití hatás Pozitív h tá a csapadék dék előrejelzésben lő j l é b
AROME Lokális 3DVAR 2013.05.13 00 UTC +36 óra
Radar Lokális 3DVAR (6 órás ciklus) Lokális 3DVAR (3 órás ciklus) Interpoláció p
Előrejelzési időtáv
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
Csapad dék területi átlag (mm m)
P ití hatás Pozitív h tá a csapadék dék előrejelzésben lő j l é b
AROME Lokális 3DVAR 2013.05.13 00 UTC +36 óra
Radar Lokális 3DVAR (6 órás ciklus) Lokális 3DVAR (3 órás ciklus) Interpoláció p
Előrejelzési időtáv
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
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
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
Vízgőz keverési aránya
Horizontális szélmező
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)
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21
Köszönjük a figyelmet!
?
39. Meteorológiai Tudományos Napok, 2013 Nov. 20-21