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)