Workshop Il Centro Funzionale di supporto alla Protezione Civile della Regione Emilia - Romagna Martedì 24 giugno 2003 Bologna La Modellistica Meteorologica, la radarmeteorologia e il nowcasting per il sistema dei Centri Funzionali Tiziana Paccagnella ARPA ER-SMR Catene modellistiche Medio termine 120 h (5 giorni) Breve termine 48/72 h Brevissimo termine 12/18 ore Now-casting 3h T+0 www.cosmo-model.org The Consortium for Small-Scale Modelling (COSMO), formed in October 1998, has as members the national meteorological services of Germany (DWD), Switzerland (MeteoSchweiz), Italy (UGM), Greece (HNMS) and Poland (IMGW). Additionally, regional military services The general goal ofthe COSMO is and to develop, improveARPASMR andand AWGeophys withinathenon-hydrostatic member states are also participating. maintain limited-area atmospheric model which is used both for operational and for research applications by the members of COSMO Progetto LAMI UGM ARPA-SMR Regione Piemonte Con contributo e supporto da – ARPA Liguria – ARPA Veneto – Regione Lombardia – Regione Marche – P.A. Trento – P.A.Bolzano – Regione Calabria – Regione Campania – CINECA LAMI: configurazione operativa 7 km risoluzione orizzontale 35 livelli in verticale Condizioni Iniziali e condizioni al contorno : GME – Modello globale tedesco Mappe LAMI su web • prova\FinestraAnimaz.html UGM Roma DWD- Germania Osservazioni Dati modello globale GME CINECA Comp. Centre 00 Run del modello ogni 12 ore 12 00 12 Continuous Data Assimilation: Analysis Nudging BOUNDARY CONDITIONS: DATA To-2Dt GME LOKAL MODEL LAMI ASSIMILATION To-Dt FORECASTS To To +Dt To+2Dt Time OBSERVATIONS Sviluppi a breve termine • Arricchimento dei dati nel ciclo di assimilazione con i dati provenienti dalle reti locali • Accoppiamento con la modellistica per la previsione dello stato del mare su tutte le coste italiane • Implementazione di una suite sperimentale ad altissima risoluzione (2.8 km) • “Optimal use of model output” sulla base delle informazioni derivanti dalla verifica oggettiva del sistema Raccolta dati reti locali italiane per verifica LAMI Principali temi di ricerca a carattere meteo-idrologico • Riformulazione della parte adiabatica del modello con un nuovo sistema di coordinate verticali COSMO- Collaborazione col Dr. Luca Bonaventura MPI Amburgo • Sperimentazione su casi studio per l’ottimizzazione delle parametrizzazioni fisiche alle varie risoluzioni COSMO – Collaborazione con ARPA Piemonte • Aggregazione-disaggregazione della QPF dell’accoppiamento con la modellistica idrologica ai fini GNDCI-RAM – Collaborazione con CIMA – Università di Firenze • Accoppiamento con la modellistica idrologica sui bacini regionali Collaborazione con PROGEA – Università di Bologna Catene modellistiche Medio termine 120 h (5 giorni) Breve termine 48/72 h Brevissimo termine 12/18 ore Now-casting 3h T+0 Local Analysis and Prediction System •Developed at FSL/NOAA - Forecasting System Laboratory •Mesoscale analysis system •Exploitation of standard data (Synop, Metar, Temp) •Surface data (local mesoscale network) •Exploitation of unconventional data (Radar Z & V, Satellite, Profiler, aircraft report) •Use of LAM products as “background” Allo stato attuale LAPS l’implementazione operativa di LAPS presso ARPASMR copre il Nord-Italia con una risoluzione di 10 km su 21 livelli in verticale 18 June 1997 1200 UTC. 85% relative humidity isosurface shaded with the corresponding temperature. a) LAPS analysis using METEOSAT IR and VIS data; b) LAPS analysis using only raob data. The 700 hPa horizontal wind vectors are also included. Radarpluviometria • I sistemi radar meteorologici sono sensori complementari nella valutazione del campo di precipitazione su tempi di accumulazione sufficientemente lunghi (alcune ora) • Diventano elementi cruciali su scale di tempo brevi • Forniscono una elevata risoluzione spazio-temporale • A tutt’oggi sono già presenti, verificate e disponibili tecniche di ripulitura del dato grezzo. • Il network nazionale, attualmente in fase di completamento, fornirà una buona copertura della maggior parte del territorio. Il Radar e il centro funzionale • Occorre definire la risoluzione spaziale e l’intervallo temporale opportuno per l’utenza idrologica : 5 minuti e 2km x 2km per bacini di medie dimensioni • Con queste richieste, un sistema accurato e calibrato raggiunge errori nelle precipitazioni cumulate orarie fino a 20-30% • Quali sono le richieste per supportare la gestione dei rischi di natura idrologica su bacini di piccole dimensioni? • Quali sono le richieste per supportare la gestione dei rischi di natura geologica? Classificazione idrometeore 07 May 2001 12:04 Nowcasting Ripulitura - Mappatura - Archiviazione Combinazione Previsione Vettore spostamento +3h +2h T0 +1h Catene modellistiche Medio termine 120 h (5 giorni) Breve termine 48/72 h Brevissimo termine 12/18 ore Now-casting 3h T+0 •Purpose: frequently updated forecasts for operational use. Full exploitation of different data sources. •Solution: implementation of a continuous data assimilation system. •Technical Implementation: Use of LAPS coupled with the current LAM used (LAMBO) at SMR. Lokal-LAPS LAMI 7 km Ciclo di assimilazione continua - Lokal-LAPS (7 km) cluster pc linux ARPA-SMR lokal 18 h ASSIMILAZIONE VARIAZIONALE DATI DA SATELLITE Catene modellistiche Medio termine 120 h (5 giorni) Breve termine 48/72 h Brevissimo termine 12/18 ore Now-casting 3h T+0 LEPS – Limited area Ensemble Prediction System Possible evolution scenarios EPS and ensemble size reduction Cluster members chosen as representative members (RMs) Initial conditions Dim 1 LAM scenario LAM scenario LAM integrations driven by RMs LAM scenario Initial conditions Dim 1 LEPS – Limited area Ensemble Prediction System LAM scenario LAM scenario Initial conditions Dim 1 LAM scenario PROBABILITY MAPS precipitation scenarios “Operational” since November 2002 COSMO-LEPS INTEGRATION DOMAIN LOKAL MODELL 10 KM HORIZONTAL RESOLUTION Mappa probabilità Meteogramma COSMOLEPS Sviluppi Accentramento osservazioni dai paesi COSMO per verifica oggettiva Coordinamento internazionale per verifica soggettiva da parte delle sale previsioni Estensione dell’approccio probabilistico alla modellistica accoppiata meteo-idrologica Sviluppi della metodologia: • Aumento numero dei cluster • Variazioni della tecnica di clusterizzazione • • • • Raccolta dati Assimilazione Integrazione numerica (Post-elaborazione) • Verifica oggettiva (e soggettiva)