Laboratorio Nacional de Modelaje y Sensores Remotos IIS Jorge Ernesto Mauricio Ruvalcaba PSP INIFAP Dr. Victor M. Rodríguez Moreno Responsable del Laboratorio Nacional de Modelaje y Sensores Remotos 12 de noviembre de 2018 Modelación Numérica del Clima en WRF Pronóstico a 120 h Simposio Salud y Cambio Climático “Nuestro Clima Nuestra Salud 2018”
50
Embed
Laboratorio Nacional de Modelaje y Sensores Remotos · 2019-07-10 · Laboratorio Nacional de Modelaje y Sensores Remotos ... modelo que considera las corrientes verticales de aire
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Laboratorio Nacional de Modelaje y Sensores Remotos
IIS Jorge Ernesto Mauricio Ruvalcaba PSP INIFAP Dr. Victor M. Rodríguez Moreno
Responsable del Laboratorio Nacional de Modelaje y Sensores Remotos
12 de noviembre de 2018
Modelación Numérica del Clima en WRF Pronóstico a 120 h
Simposio Salud y Cambio Climático “Nuestro Clima Nuestra Salud 2018”
Modelación Numérica del Clima en WRF Pronóstico a 120 h
Qué es WRF?• Es un sistema de cálculo numérico
para simulación atmosférica (NWP) d i s e ñ a d o p a r a s a t i s f a c e r l a s necesidades tanto de investigación como de predicción atmosféricas. WRF incluye dos núcleos diferentes (ARW, NMM), un sistema de asimilación de datos, y una arquitectura de software diseñada para la posibilidad de ejecuciones distribuidas o paralelas y la escalabilidad del sistema.
Hardware
• 44 cores
• 64 GB RAM
• 3 TB HDD
Software• Ubuntu 16.04
• WRF-UEMS 18
• WRF 3.9.1
• GFS 0.5 Grados
• 35 niveles
• Inicia 00Z
• Post-procesamiento
• GrADS. (Mapas)
• Python: (Datos)
• Bash. Automatización de procesos
Flujo WRF
373 centroides
264 centroides
373 x 264 = 98,472
Dominio
Latitud 8.94 33.05
Longitud -84.91 -119.00
3,730 km
2,640 km
3,730 x 2,640 = 9,847,200 km2
Dominio
Latitud 8.94 33.05
Longitud -84.91 -119.00
Asesoría• Sean Chiao, Ph.D. Professor
Director, Center for Applied Atmospheric Research and Education
Meteorology and climate Science, San Jose State University
• Jordan Powers Ph.D. Project Scientist III
Mesoscale and Microscale Meteorology Laboratory
Weather Modeling & Research
• Adam Kochanski Ph. D. Research Assistant Professor
Atmospheric Sciences, University of Utah
• Dr. Luis Felipe Pineda-Martínez
Unidad Académica de Ciencias de la Tierra
Universidad Autónoma de Zacatecas
• MC Francisco De León Reyes
Estudiante de Doctorado en el Instituto Potosino de Investigación Científica y Tecnológica A.C.
Short Wave Radiation Scheme Dudhia Dudhia Dudhia Dudhia
^ Generación y evaluación estadística del pronóstico de lluvia a cinco días, Arturo Corrales, Luis Antonio González, Mario Primitivo, Miguel Angel González, Esteban Salvador Osuna, Osías, Luis Humberto Maciel º Weather forecast sensitivity to changes in urban land covers using the WRF model for central Mexico, E.D. López-Espinoza, J. Zavala-Hidalgo, O. Gómez-Ramos * Forecasting Summertime Surface Temperatura and Precipitation in the Mexico City Metropolitan Area: Sensitivity of the WRF Model to Land Cover Changes, Clemente López-Bravo, Ernesto Caetano, Víctor Magaña
DescripciónEsquema de Lin et al. Este esquema incluye 5 clases de microfísica, incluye granizo, hielo.
Esquema de Multiescala Kain-Fritsch para la parametrización de cúmulus: Es utilizado para representar los procesos conectivos por medio de un modelo que considera las corrientes verticales de aire húmedo en ambos sentidos, además de considerar un modelo simple de microfísica
Esquema Yonsei University para la capa límite planetaria. Este esquema se encarga de representar los flujos verticales pequeños que son resultado del transporte turbulento en toda la columna atmosférica.
Modelo de superficie terrestre: Esquema de modelo de suelo Noah LSM: Esquema unificado por NCEP/NCAR/AFWA con temperatura y humedad del suelo en cuatro capas, fracción de cobertura de nieve y física de suelo congelado.
Radiación de onda larga: Esquema RRTM, Rapid Radiative Transfer Model. Utiliza tablas de consulta para la eficiencia. Cuenta con múltiples bandas, traza de gases y especies de microfísica
Radiación de onda corta: Esquema Dudhia. Integración descendente simple que permite de manera eficiente para nubes y cielo despejado la absorción y dispersión.
Implementación
Fase 1
Ejecutar el modelo WRF de forma manual (1 x día)
Generar mapas horarios de forma manual (GrADS)
Fase 2
Ejecutar el modelo WRF de forma automática (1 x día)
Generar mapas horarios forma automática (GrADS)
Fase 3
Ejecutar el modelo WRF de forma automática (1 x día)
Generar mapas horarios forma automática (GrADS)
Generar datos horarios en formato csv (Python)
Fase 4 (Actual)Ejecutar el modelo WRF de forma
automática (2 x día)Generar de mapas forma
automática (GrADS)
Generar datos horarios y diarios en formato cdv (Python)
Generar meteogramas (GrADS)
Generar mapas focalizados para el Estado de Aguascalientes (Temperatura mínima,
Precipitación y Unidades Calor)
Enviar datos a FTP (Bash)
Respaldo de información (Bash)
Interpolar pronóstico para cada estación de la
RNEAA (Python)
Variables• Precipitación
• Temperatura (mínima, máxima, promedio)
• Temperatura de punto de rocío
• Humedad relativa
• Temperatura del suelo 0 a 10 cm
• Velocidad y dirección del viento
• Ráfaga de viento
Día 1 2 3 4 5
Temperatura Promedio 0.997 0.990 0.991 0.992 0.993
Temperatura Máxima 0.994 0.963 0.974 0.985 0.981
Temperatura Mínima 0.975 0.956 0.945 0.966 0.937
Humedad Relativa 0.992 0.983 0.985 0.984 0.991
Precipitación 0.138 0.142 0.142 0.140 0.141
Análisis OLS (R2)
Periodo de análisis del 27 al 31 de octubre de 2018
Conclusiones• El modelo responde bien a las variables de temperatura (promedio, mínima y máxima) en toda la
zona costera a lo largo del país (Baja California, Sonora, Sinaloa, Nayarit, Guerrero, Chiapas, Yucatán)
• Disponibilidad de pronósticos horarios para 8 variables: Temperatura promedio, mínima y máxima; temperatura de punto de rocío; temperatura del suelo de 0 a 10 cm; velocidad del viento; humedad relativa promedio y ráfaga de viento
• Los pronósticos se generan 2 veces por día
• El esquema de automatización del proceso es modular por lo cual a la brevedad se van a agregar las variables de Humedad Relativa (Máx, Mín), Humedad del Suelo, Índice de Calor.
• Se puede generar un modelo de pronóstico para cualquier parte del mundo